寫程式碼時代要結束了?未來我們可能像訓練小狗一樣教育電腦

如果說以前,工程師就好像是上帝,制定了電腦系統運行的法則,那麼如今,他們更像是家長或者馴狗師了,但這是一種更加捉摸不定的關係。
評論
評論

本文原刊於合作媒體 騰訊科技

在未來,我們不是給電腦編程,而是會像訓練小狗那樣教育電腦。

在電腦發明之前,實驗心理學家認為,大腦是一個不可知的黑盒子。你可以分析一個對象的行為——比如鈴鐺一響,小狗就會分泌唾液——但是你又怎麼去分析思維、記憶和情緒呢?這些東西神秘莫測,超出了科學研究的範圍。因此,行為學家們把研究的範圍框定在刺激和反應、反饋和強化上,並沒有嘗試去瞭解心智的內部機制,這段時期持續了四十年之久。

然後,到了 1950 年代中期,一群心理學家、語言學家、訊息理論家和早期人工智慧研究人員提出了一個不同的概念。他們認為,人不僅僅是條件反射的集合,而且還會接收資訊,處理它,然後採取相應的行動。人擁有一個系統,可以把資訊寫入記憶,存放在記憶中,並且從記憶中調用資訊。這是通過一種有邏輯的、正式的語法來進行的。大腦並不是一個黑盒子,它更像是一台電腦。

這種「認知革命」最開始是一點一點萌芽的,但是,隨著電腦成為全美各地心理學實驗室的標準配備,「認知革命」獲得了廣泛認同。到 1970 年代後期,認知心理學顛覆了行為主義,它使用一套全新的語言來描述心智活動。心理學家開始把思維比喻做程式,普通人也開始使用「記憶的銀行」之類的比喻。

控制了程式碼,就控制了世界?

數位革命滲透到了我們生活中,也滲透到了我們的語言中,以及我們對事情的基本看法之中。科技就是這樣。在啓蒙時期,牛頓和笛卡兒激發人們把宇宙想成是一座精心製作的時鐘。工業時代,活塞機械給人們帶來了啟迪,佛洛伊德的心理動力學就借鑒了蒸汽機熱力學機制。而在如今這個時代,電腦從根本上塑造人們的觀念,因為如果世界是一台電腦,那麼這個世界就可以被編程。

程式碼具有邏輯,可以被修改。這是數位時代的核心原則。軟體無所不在,正如風險資本家馬克·安德森(Marc Andreessen)所說,我們置身於機器叢林之中,機器把我們的行為、想法和情緒轉換成了數據——而數據是一種原材料,可以供工程師編碼執行。我們把生活看成是一種有規則的東西,其規則就是一系列可以被發現、利用、優化,甚至改寫的指令。科技公司使用程式碼來理解我們最密切的聯繫,就連一些勵志文章也說,你可以修改你自己的程式碼,對你的戀愛模式、睡眠習慣,以及消費習慣進行重新編程。

在這個世界上,編程能力已經不僅僅是一種理想的技能,而且也成為了一種語言,如果你會說這種語言,你就是一個「圈內人士」,擁有了登堂入室的門徑。「如果你控制了程式碼,你就控制了世界,」未來學家馬克·古德曼(Marc Goodman)曾說。保羅·福特(Paul Ford)用詞則更加謹慎一些:「控制程式碼的人就算沒有控制世界,也控制了可以控制世界的東西。)

現在,無論是你喜歡這種狀況還是討厭它,無論你是否精通寫程式,都不要執迷於它。因為我們的機器開始說一種完全不同的語言了,即便是最好的工程師也無法完全理解這種語言。

「機器學習」與深層神經網絡

過去幾年中,美國矽谷頂尖的高科技公司開始大力發展一種計算方法,稱為「機器學習」。傳統的編程方式是寫出一步步的指令,讓電腦遵照執行。但在機器學習中,工程師不為電腦編寫指令,而是對電腦進行訓練。如果你想教會神經網絡識別小貓,你不是告訴它要找到鬍子、耳朵、皮毛和眼睛。而是向它出示大量小貓的照片,最終它就能學會。如果它把狐狸錯誤地歸類為貓,你也不需重寫程式碼,只要繼續訓練它即可。

這種做法並不新鮮,幾十年前就有了,但是最近出現了突飛猛進,這要部分歸功於深層神經網絡的興起。深層神經網絡是一種大規模分布式計算系統,模仿大腦神經元的多層連接。我們有很多網路上的活動都是以機器學習為後盾的,比如 Facebook 用它來決定哪些內容出現在你的訊息流裡,Google 照片服務用它來識別面孔,微軟 Skype 的翻譯功能也使用了機器學習,即時把內容轉換成不同的語言。此外,無人駕駛汽車也利用機器學習來避免事故的發生。

即便是 Google 的搜尋引擎也已經開始採用深層神經網絡了:該公司今年 2 月任命機器學習專家約翰·詹南德雷亞(John Giannandrea)擔任搜尋部門負責人。Google 發起了一項重要計劃,培養工程師掌握這些新技術。「通過打造學習系統,」詹南德雷亞說,「我們不必再編寫規則了。」

一個時代的結束

這裡的問題是:使用機器學習,工程師永遠不知道電腦是如何完成任務的。神經網絡的機制在很大程度上是不透明的,神秘莫測。換言之,它就是一個黑盒子。隨著這些黑盒子開始承擔更多的日常數位任務,它們不僅會改變我們與技術之間的關係,而且還會改變我們看待自己、看待這個世界,以及自己在世界中位置的方式。

如果說以前,工程師就好像是上帝,制定了電腦系統運行的法則,那麼如今,他們更像是家長或者馴狗師了,這是一種更加捉摸不定的關係。安迪·魯賓(Andy Rubin)是一名經驗豐富的工程師,參與了搭建 Android 系統的工作 。「我進入電腦科學這一行的時候還很年輕……它是一塊空白的畫布,我可以從零開始創建東西,」他說。「很多年來,這給我帶來了一種巨大的掌控感。」

但是現在,他說,這個時代即將結束。魯賓熱衷於機器學習,他的新公司 Playground Global 就是機器學習領域的創業公司,主營智慧設備的普及——但是這事也有點讓他傷心,因為機器學習改變了「當一名工程師」的內涵。

「人們不再用線性的方式寫程式了,」魯賓說。「神經網絡學會如何進行語音識別之後,工程師是無法深入其內部一窺究竟的。它就像你的大腦一樣。你不能砍下一個人的腦袋來看看他在想什麼。」如果工程師決意要看看深層神經網絡中是什麼,他們看到會是一個數學的海洋:一個巨大的、多層結構的微積分問題,通過不斷推導數十億數據點之間的關係,得出對世界的猜測。

就在幾年前,主流的人工智慧研究人員還認為,為了創造智慧,我們必須給機器灌輸正確的邏輯。等到編寫了足夠多的規則,最終我們就會打造出一種足夠精密的系統來瞭解這個世界了。他們在很大程度上忽視了機器學習的一些早期支持者,這些支持者認為,應該給機器灌入數據,讓它們自己得出結論。

許多年來,電腦一直沒有發展到強大得足以真正證明這兩種方法優劣的程度,所以這個爭論成為了一個哲學命題。「大部分爭論都立足在一些堅定的信念上:這個世界應該怎麼組織起來,大腦是如何工作的,」Google 無人駕駛汽車研發者、前史丹佛大學人工智慧教授塞巴斯蒂安·史朗(Sebastian Thrun)說。「神經網絡沒有符號,沒有規則,只有數位。這讓很多人都敬而遠之。」

工程師不會失業

一種不可解析的機器語言,這不僅僅是個哲學構想而已。在過去的二十年裡,學習寫程式一直是最可靠的就業途徑之一——所以一些家長讓孩子在放學後去上編程補習班。但是,以神經網絡方式連接的深層學習機器是另外一個世界,需要的是另外一種員工。分析師已經開始擔心人工智慧會對就業市場產生怎樣的影響了。就像一些機器設備發明之後,之前的一些職缺失去了意義,工程師自己可能很快也會品嘗到這種滋味了。

當被問及這種轉變時,提姆·奧萊理(Tim O'Reilly)說,傳統的編碼工作不會完全消失,而且在很長一段時間中,我們仍然需要工程師——但是需要的人數可能會減少,編程會成為一項元技能(meta skill)。按照艾倫人工智慧研究所(Allen Institute for Artificial Intelligence)的 CEO 奧倫·奧尼(Oren Etzioni)的說法,機器學習需要「基本框架」來運行,而搭建「基本框架」就需要會編程。不會因為有了量子力學,牛頓力學就會被拋棄。編程仍然會是一種強大的探索世界的工具,只是人們可能還需要其他更多的工具。但是,在具體驅動方面,主要工作是由機器學習來執行的。

當然,人們仍然要訓練這些系統。這項工作既需要對數學有非常深入的領悟,也需要有一種教學上的直覺。「這幾乎就像一種藝術,把這些系統中最好的一面引發出來,」Google DeepMind 人工智慧團隊的主管戴密斯·哈薩比斯(Demis Hassabis)說。「世界上有只有幾百人能出色地做到這一點。」但是,即便人數這麼少,也足以在短短的幾年間內就給整個產業帶來了轉變。

對文化的影響

無論這種轉變會給就業帶來怎樣的影響,它對文化的影響必定會更大一些。如果人類編寫的軟體導致了人們對工程師的崇拜,讓大家覺得人類體驗最終可以簡化為一系列可以理解的指令,那麼,機器學習就開始向相反的方向推動了。宇宙運轉的法則,可能是無法人為分析的。歐洲反壟斷調查稱 Google 對搜尋的結果施加了不當影響。但是,如果就連公司自己的工程師也說不清楚搜尋算法究竟是如何發揮作用的,那麼這樣的指控就會變成無頭公案了。

不確定性已經不是什麼新聞,即使很簡單的算法,也可能產生不可預知的突發行為——這種說法可以追溯到混沌理論和隨機數生成器。過去的數年中,隨著網路變得日益盤根錯節,功能變得越發複雜,程式碼似乎越來越像是一種外星神力,機器的行為變得更加難以捉摸,難以管控:股市裡出現了一系列不可預防的突然崩潰;停電現象莫名發生。

由於這些力量的崛起,技術專家丹尼·希利斯(Danny Hillis)宣佈「啓蒙時代」已經結束。數個世紀以來,我們對邏輯、確定性和控制自然充滿了信念,這個時代現在結束了。希利斯說,「糾纏時代」(age of Entanglement)開始了。「我們在技術和機制上的創造的東西變得更加複雜,我們與它們之間的關係發生了變化,」他在《設計和科學》(Design and Science)雜誌上寫到。「我們不再是我們創造的東西的主人,我們學會與它們商討,哄騙和引導它們朝著的我們的大方向前進。我們創造了我們自己的叢林,它們也有它們自己的生命。」在這條道路上,機器學習的崛起是最新的一個發展,也許會是最後一個。

前景令人擔心?

這可能會讓人覺得可怕。畢竟,普通人參加了補習班之後,多少也會掌握一些程式能力。工程師至少還是人類。現在不僅科技精英圈縮小了,而且對於他們自己創造的東西,他們的控制力也減弱了。創造這些東西的公司發現它們很難管控。去年夏天,Google 的照片識別引擎把黑人圖片標誌為大猩猩。公司在道歉的同時,馬上採取了一個糾正做法:讓系統不要把任何東西標記為大猩猩。

一些人覺得,這意味著機器奪走人類權威的時代將會到來。「可以想見,技術戰勝了金融市場,比人類研究者更擅長於發明創造,比人類領導者更擅長於操縱,還會研制出一些我們甚至無法理解的武器,」Stephen Hawking 寫到,「雖然 AI 的短期影響取決於控制它的人,但它的長期影響則取決於它到底是否能被人控制。」Elon Musk 和 Bill Gates 等人都贊同他的說法。

但是無需太過害怕。我們才剛剛開始學習與一項新技術「糾纏」的規則。目前,工程師們正在研究如何把深度學習系統的過程進行視覺化。但是,即使我們永遠不能完全理解這些新機器的思路,這也不意味著我們會在它們面前無能為力。在未來,我們不會太關心它們行為的深層根源,而是學會把注意力放在它們的行為本身上。程式碼的重要性將會降低,我們用來訓練它的數據會變得更加重要。

重拾行為主義

你可能覺得這看上去似乎有點眼熟,那是因為它和 20 世紀的行為主義很相似。事實上,訓練機器學習算法的過程經常被比喻為 20 世紀初一個偉大行為主義實驗:巴夫洛夫用鈴鐺聲讓小狗流口水,那並非源自於對飢餓的深刻理解,只是一遍又一遍地重復一個動作。他提供了數據,一遍又一遍,直到程式碼重寫了其本身。不管你對行為主義者有什麼看法,他們就是有控制實驗對象的本事。

從長期來看,機器學習將帶來一種民主化的影響。就好比如今你不需要學 HTML 就能建網站,最終來說,你不需要博士學位,就能利用深度學習的巨大力量。編程不再是掌握了一系列神秘語言的工程師的專屬領地。只要你曾經教會過小狗打滾,你就能勝任。「對我來說,這是編程方面最酷的事情,」史朗說,「因為任何人都可以編程了。」

在計算的歷史上,對於機器如何工作,很多時候我們都採取了一個由內而外的視角。首先我們寫程式碼,然後用機器表述它。這種世界觀暗示了一種可塑性,但也體現了一種基於規則的決定論,從某種意義上說,底層指令決定了一切。機器學習則相反,它代表了一種由外而內的視角:不只是程式碼決定行為,行為也決定了程式碼。

如今,電腦是一種把體驗轉化為技術的設備。幾十年來,我們尋求的是那種可以解釋我們對世界的體驗,以及進行一些調整後,可以優化我們對世界的體驗的程式碼。但是,我們的機器將無法按照這種方式發展下去。我們與技術的關係將變得更加複雜,但最終來說也會變得更有價值。我們的角色也會發生變化,以前我們是設備的指揮官,以後我們會是設備的家長。

歡迎加入「Inside」Line 官方帳號,關注最新創業、科技、網路、工作訊息

好友人數

精選熱門好工作

Campaign Associate 線上活動策劃專員

樂購蝦皮股份有限公司
臺北市.台灣

獎勵 NT$20,000

Video/Image Processing Software Engineer

PicCollage 拼貼趣
臺北市.台灣

獎勵 NT$20,000

INSIDE 行銷企劃專員

關鍵評論網股份有限公司
臺北市.台灣

獎勵 NT$20,000

評論