走近2050内容更新

来自集智百科
跳转到: 导航搜索

走近2050——注意力、互联网与人工智能是一本集智俱乐部成员采用众包的方式集体撰写的科普书籍。该书探讨的主题是人与计算机的关系,概括成一句话就是:人为机器提供了注意力以驱动机器系统的进化,机器为人类提供了各式各样的游戏以供人类体验。

由于书中讨论的话题是一个快速变化扩展的主题,因此,出版的书籍不可能覆盖最新的进展。为了能够动态地更新相应的内容,特开辟此页面。

目录

众说纷纭

关于“我思故我在”的解读

这句话的意思并不是表面上的那样:我思考所以我存在,而是指“我唯一可以确定的事就是我自己思想的存在,因为当我怀疑其他时,我无法同时怀疑我本身的思想”。这里面包含着一个自指,因为思考这个问题本身的那个自我就是思考的主题,所以如果这个主体是假的,那么他所断言的一切论断也就是不可信的,这就出现了自相矛盾。因此,我唯一能够确认的就是这个思考中的自我的真实性,而这个自我恰恰就是自我意识,也就是注意力的体现。当然,这个注意力是指广义的注意。

占意流与负熵流

大多数演化的复杂系统都是远离平衡态的非平衡系统,因此它们的生存与发展都需要被“负熵流”驱动。例如,薛定谔在他那著名的小册子《生命是什么?》之中就曾指出,生命体之所以进食并不是为了获取能量,因为能量始终是守恒的,而是为了获得食物中的负熵流。所谓的负熵在热力学中就是自由能,是能够抵消熵增的那部分能量。而在信息论和统计力学中,负熵就是信息,是消除不确定性的一种物质形式。

在信息系统和互联网中,负熵流就体现为数据流。因为数据本身富含了信息,它可以消除不确定性。这就是为什么现代的互联网公司越来越重视数据的本质原因。而且,数据和数据还是不同的,虽然从经典信息论的角度来看,老数据和新数据应包含相似的信息量(这是因为,从Shannon熵的角度来衡量,这两者相同);然而,站在语义信息论的角度来看,新的、实时更新的数据显然包含了更多的信息。这也是为什么互联网公司要无时无刻都要获取新的信息。因为不断更新的信息流才包含源源不断的负熵流。

进一步,站在物理世界来看,所有的数据更新本质上都来源于人类观察,或者说注意力。进一步,当我们考察注意力的时候,我们知道注意的本质属性就在于选择,而选择其实就是在生成信息。因为在观察者未选择之前,我们对于系统的状态,或者说用户可能的选择处于一种完全无知的状态,因此不包含任何信息。而用户的选择则将信息引入了进去。所以,注意本身实际上就意味着信息的注入,这样注意力流其实就可以理解为信息的流动,也就是负熵之流。而这种选择或测量的呈现恰恰被大数据所记载。所以,其实源源不断的数据流恰恰就是人类源源不断的占意流,也恰恰就是由人输入给信息世界的源源不断的负熵流。

这也就是为什么到了未来社会,占意流将会变得越来越重要的原因。因为,占意流本质上讲就是机器世界的负熵流。

在自然界,能量流蕴含的就是负熵流。根据热力学第一定律,自然界中的总能量是守恒的。但是,又根据热力学第二定律,能量有高品质和低品质的区分,例如电能、风能都是高品质的能量,热就是低品质的能量。热力学第二定律告诉我们,能量会自发地从高品质转化为低品质,但是反过来却不行。这是因为,高品质能量之中包含有负熵,也就是信息。

在生态系统中,能量可以在物种之间传递,这些能量都是以化学物质的方式作为载体,因此包含着大量的负熵,于是,生态系统中的能量流从本质上看可以理解为一种负熵流也就是信息流。所以,能量流和注意力流本质上都是负熵流。

第一推动

占意理论

内容与占意

虽然从注意力经济学派看来,内容本身并不重要,重要的是人们注意力的分配。然而,不可否认,高质量、有趣的内容是与可以吸引人们的注意力的。

但是,同样的内容在不同时期对一个人或者一群人的作用是完全不同的,为什么会形成这样的差异呢?究其原因还是因为人的占意流的差异性。由于占意具有相关性,所以在流动的过程中就会体现出一定的惯性。即人们关注的焦点不大可能从一个内容领域跳跃到完全不同的领域内容上去。

占意与货币

在注意力通货全面实行之前,社会将有相当长的时间是出于货币流与注意力流混合共存,共同起作用的阶段。然而,货币的作用正在渐渐的发生变化,这将经历几个阶段:

  1. 货币起到主导作用,即人们追逐的是货币,内容与注意力的作用都是期望能够变现成货币;
  2. 货币起到了过滤器的作用,而不起到主导作用。为了保证获取高质量的注意力,我们可以通过交钱的方式过滤掉那些劣质的注意力。由于人们仍然对货币很看重,因此,人们在做出每一种行动的时候,将会对付费行动更加小心、关注;
  3. 货币成为了更大游戏法则中的一个部分或者一个环节。货币已然不起主导作用,但可以从一定程度上激励人们参与到游戏之中,于是将博彩、货币以及注意力揉在一起,将可能创造出粘性很高的游戏。

总而言之,货币的作用将会越来越淡化,人们的关注点将逐步过渡到高质量的内容和注意力上面去。

解读互联网

从众包到人类计算

Quantum Move游戏的人类计算

就在本书成稿后不久,Nature上就发表了一篇题为“Exploring the quantum speed limit with computer games”的文章,介绍了一款叫做Quantum Move的游戏,玩家通过玩这款游戏可以帮助科学家们解决“如何最快地用激光在量子阱(类似鸡蛋盒一样的结构)间搬运原子,同时保证处于脆弱量子态中的原子能量不发生改变?”这样的问题。尽管科学家们已经针对这个问题开发出了精致的算法,但是计算机尚不能很好的解决。而玩家通过玩这款叫做Quantum move的游戏,则可以得到高于计算机算法的分数。最终,玩家们想出的方法中有超过一半比仅由计算机算法生成的方法更有效,而且,将玩家想出的两个最好的方法进行混合,结果比纯计算机生成的方法中最快的还要快。

Quantummovegame1.png

Quantum Move是一款在线的市民参与的移动量子原子的模拟视频游戏。该游戏是ScienceAtHome伞项目(umbrella project)的一部分,开发者是AU Ideas CODER(Center for Community Driven Research)这个组织。它的开发目的就是为了将量子力学的理论与实验研究与在线社群的群众努力结合起来来探索民众参与的科学研究的最大可能性。

Quantumemovegame2.png


参考文献:

Sørensen, J. J., Pedersen, M. K., Munch, M., Haikka, P., Jensen, J. H., Planke, T., . . . Sherson, J. F. (2016). Exploring the quantum speed limit with computer games. Nature, 532(7598), 210-213. doi:10.1038/nature17620

游戏世界

Ingress游戏

2014071416160843735.png

Ingress是由Google公司开发的一款扩充实景大型多人在线游戏。玩家透过手机与手机中的GPS定位系统作为媒介,手持AndroidoriOS设备到各地Portal进行攻占与拓展的动作,可视为简单的打卡游戏,玩家可透过游戏中由玩家发现的Portal认识彼此周遭的环境,更加积极往户外走走,认识一个全新的世界。

所有的玩家进入游戏后可以选择加入哪一个阵营。阵营分为两派,“Enlightened”(启示军,绿色阵营);另一派“Resistance”(抵抗军,蓝色阵营)则奋力抵抗并保护我们人类剩余的资源和财富。游戏的玩家被称为特工(Agent),两个阵营互相角力,争夺控制真实世界中的地标性建筑或雕塑等据点(Portal)。玩家可以按照手机界面上的提示,在真实世界中占领不同的据点(Portal),并将三个 Portal 连在一起,形成一个 控制区域(Control Fieds)。被覆盖地方的人口密度就用以决定 Mind Units,而游戏的进度则以两边阵营 Mind Units 多少作显示。

游戏基于Google地图的数据(正因为此,所以在大陆有500米左右偏移,具体原因见 火星坐标系统),通过手机内置的GPS定位系统确认玩家位置,玩家需亲自持手机等设备在现实中接近这些据点,进行入侵(Hack)、连接(Link)、及充能(Recharge)等动作。在游戏初期,由于玩家不多,所以部分地区据点数目可能较少,玩家可以提交申请以将新的据点纳入Ingress。游戏的最终目标是通过连接多个本阵营据点,创建控制场(Control Field),覆盖最多的“Mind Units”。

这是一种可以让人们运动起来的平行实境游戏,有些人可以通过玩这款游戏而治疗肥胖、抑郁等疾病。

2014071416161255294.png

Pokemon go

《精灵宝可梦Go》是由任天堂、Pokémon公司和谷歌Niantic Labs公司联合制作开发的现实增强(AR)宠物养成对战类RPG手游。该作于2016年7月7日在澳大利亚新西兰区域首发,登陆Android和ios平台,首发于App Store和Google Play。《精灵宝可梦Go》是一款对现实世界中出现的宝可梦进行探索捕捉、战斗以及交换的游戏。玩家可以通过智能手机在现实世界里发现精灵,进行抓捕和战斗。玩家作为精灵训练师抓到的精灵越多会变得越强大,从而有机会抓到更强大更稀有的精灵。

初次登陆游戏时,玩家扮演一名训练家,需要选择游戏角色。玩家可通过游戏内的训练师与现实世界进行互动。训练师的形象会随着玩家在现实世界的位置变化而在游戏地图上变化。玩家角色到达5级后需要选择所属的阵营,有“蓝”、“红”、“黄”三个阵营(即急冻鸟队伍、火焰鸟队伍以及闪电鸟队伍) 。三个阵营属于对立关系,三个不同的势力在一片地区进行争夺,具体体现在“道馆争夺战”。

8326cffc1e178a8200840ba4fe03738da977e87e.jpg

占意与人工智能

人工智能的更多进展

从2007年以来爆发的基于深度学习的人工智能革命的意义在于,新的进展使得人类擅长形象思维,机器擅长的逻辑思维的说法不攻自破。目前,人工智能已经可以很好地解决“看懂世界”、“听懂人话”,甚至可以进行艺术创造等难题。下面我们分别阐述几个方面的突破。

看懂世界

目前,机器视觉方面的突破可以说是最显著的一个领域。特别是,在人脸识别方面,机器已经可以达到超越人类的识别精准度。下面,我们列举了几个表现非常好的人脸识别人工智能程序:

程序名称 准确度
Deepface 97.25%
Face++ 97.27%
Gaussianface 98.52%
DeepID 99%
人类 97.52%

目前的人脸识别技术已经可以进行商业化的应用,这是深度学习技术最成熟的一个领域。

另外一个比较有趣的应用就是看图说话技术。将一张图片输入给人工智能程序,机器就会吐出一句话来简短地描述这幅画上面的内容。这项技术综合了图像识别和自然语言理解,可以媲美2-3岁小孩的认知能力。下图就是计算机看图说话的示意图。

Kantushuohuatwopictures.png

自然语言理解

如今的自然语言理解技术也取得了突飞猛进的发展。例如,2011年,发生在IBM的超级计算机Watson和人类选手之间的“危险边缘”(Jeopardy)比赛就显示出人工智能在自然语言理解方面的实力。“危险边缘”是一款在美国非常流行的知识竞猜游戏。在节目中,主持人通过自然语言给出一系列线索,然后,参赛队员要根据这些线索用最短的时间把主持人描述的人或者事物猜出来,并且以提问的方式回答。一方面,机器要听得懂主持人的问题,另一方面,机器还必须回答对问题。因为主持人所提的问题涉及各个学科的方方面面,因此,人工智能程序需要具有非常广播的知识库才能应答自如。

最终,超级计算机Watson赢得了比赛的胜利,成功地击败了人类选手,标志着人工智能在自然语言处理方面的成绩。

Jeopardy游戏比赛现场

近年来,深度学习技术也被广泛地应用到了自然语言处理中的各式任务中,如Word2Vec,LSTM,RNN网络等等。无论是分词、词分类、机器翻译,深度学习技术都能提供非常不同的解决方案。这种方法与传统的基于语法和规则的语言模型非常不同,所有的特征表示和规则完全是机器自己学出来的。而与传统的基于贝叶斯网络、隐马尔可夫模型的技术相比,深度学习技术具有更强大的学习能力。

如今,基于深度学习技术的自然语言理解不仅可以应用在传统问题上,还可以求解一些全新的问题。例如,阅读理解就是其中的一种新型自然语言理解任务。该任务要求机器阅读完一段文字之后,能够回答出人们对这段文字所提的各种问题。

然而,尽管技术的发展很快,但是目前的自然语言理解仍然并不能做到令人满意的程度,它与图像识别方面的快速进展相形见拙。于是,目前基于深度学习的自然语言理解成为了国际学术界的热点领域。


计算创造学

有人说当机器越来越聪明,人类就可以避免做大量的重复性的繁琐工作了,可以将主要精力集中在更具创造性的工作上面。这种说法的言外之意是,机器并不擅长创造性思维和工作。然而,近年来的人工智能发展却似乎并不能支持这样的说法。在很多方面,机器都表现出了一定的创造性,只不过这种创造性与人类的创造性并不完全相同,它展示了一种另类的“创造性”。在人工智能中,这种创造性的研究被称为“计算创造学”(Computational creativity)。据说,这是人工智能最后一块大有可为的领域。

计算机绘画

事实上,用机器生成图像、音乐、文字早已经不是新鲜事儿了。很多分形艺术作品就是通过简单的迭代程序经过大量的计算得出来的。这类作品透出了人类所没有的冷艳和另类的气质,如下图所示的一系列分形图像。


深度学习不仅可以在图像识别上大显身手,还可以创造出深度神经网络所独有的另类风格。DeepDream是Google的开源项目,输入一个图片,DeepDream就可以对它进行一定的加工和改造,创造出新型的另类艺术风格。在把一张图片喂入之后,选择某一层神经网路(Google 的神经网路有 10-30 层)进行重复处理的次数和变形的程度,就能获得一张非常后现代的"画作",如图所示。

也许你会觉得这样的“生成”似乎还和创造性差的很远,它毕竟是机器“任意”生成的一种画作而已,机器自己并没有任何可以进行艺术创作的迹象。

然而,下面介绍的工作则可以体现出一定的创造性了。这也是一种通过深度学习技术进行艺术作品的识别并创作的方法。该神经网络可以通过“看”大量的艺术家作品,而学到艺术家的创作风格,并将这种风格应用到新的画作上去。如图所示

Neural Algorithm of Artistic Style

在这张图中,左上角的图是一张风景图片,其他的图片都是被网络学习到的不同的艺术家风格所改造的风景图片。例如,左下角展示的就是将梵高创作的星空艺术风格应用到了这张风景图像上,所生成的“星空”风格的图像。

自动写作

机器不仅能做图,还能自己写文章。在基于深度学习的自然语言理解技术中,只要让一个回归神经网络(RNN)扫描一段文字,该网络就可以自动生成一段新的文字,这段文字读起来颇具有意义。因此,这种深度神经网络具备一定的自我创作的特征。

2016年3月21日,日本“人工智能(AI)小说创作”的研究人员在东京举行报告会,对外介绍他们研发的人工智能系统所创作的四篇小说,就作品内容和文章生成系统等进行解说。据说,“我是作家”团队的两部作品由人类事先设定好登场人物、内容大纲等相当于文章“零部件”的内容,人工智能再根据这些内容自动生成小说。“人狼智能”团队的两部作品,则在人工智能之间玩“狼人游戏”(推理游戏的一种,类似“谁是卧底”和“杀人游戏”),然后选出有意思的故事发展,再由人类改编成小说。这两部作品包括:《电脑写小说的那一天》和《你是AI TYPE-S》。

还有研究人员尝试用人工智能生成新闻报道,它会比人类新闻播报员更加准确而及时。

机器人

对于普通民众来说,人工智能带给我们的最大冲击莫过于机器人的出现。在科研界,科学家们已经可以造出来可以行走,可以交流的人形机器人了。例如原Google旗下Boston Dynamics研发的人形机器人“Atlas”就是在直立行走方面表现最好的一个机器人。该公司还研发了包括震惊世界并已经被用于美国军方的四足机器人Big dog,以及奔跑速度最快的机器人“猎豹”。然而不幸的是,近来,Google被迫将Boston Dynamics卖给了日本丰田公司。其主要原因是开发直立行走的机器人并不具有更大的市场优势,反而会烧掉大笔的金钱。因此,人型机器人市场还需要人们进一步摸索。

另一方面,将人形机器人开发成一种娱乐产品则具有更大的市场潜力。例如,下图所示的机器人就是“图灵机器人”代理的一款娱乐机器人。毕竟,如果我们将机器人定位为娱乐产品,那么消费者的心理预期就会自然降低。

Roboticsturingproxy.png

无论如何,在不远的将来,机器人都会作为一种全新的物种走进我们的日常生活。

占意通货与程序市场经济

尽管很多人已经意识到了注意力的重要性,但是目前绝大部分已有的软件程序还不能充分地将占意资源利用起来。所以,很多程序消耗了人们大量的注意力,却不产生任何价值,而另一些效率高的软件却也不能在竞争中获胜。究其原因还在于人们尚缺乏对注意力进行测量的手段和工具。

一种非常简单的测量方法就是用接触时间(Contact time duration)来近似衡量占意的大小。也就是说,用户与一个程序的交互时间长短可以近似地衡量出用户在这个程序上付出的注意力的大小。另一方面,每一个程序都需要多出一个属性来记录它所获得注意力的大小。显然,获得注意力越多的程序就是竞争力越强的程序。

但是,一个问题是,很多后台程序无法直接与用户接触,因此也就无法获取用户的直接注意力,但是这类程序却对与用户接触的程序起到了重要的支撑作用。所以,我们还必须能够衡量出这种间接的注意力获取。一种做法就是利用一种类似的“市场机制”来实现占意的通货。即,如果一个富于用户占意的程序想要调用一个其它的程序,就必须为另一个程序付出注意力通货。而那些被调用的程序则可以间接地获取用户的占意资源。这样,整个系统就通过占意通货连通成为一个大的市场。

当然,有了占意通货,有了市场经济就会有优胜略汰。而这种优胜略汰的前提就是程序会死亡。我们很容易想到,杀死那些占意通货为0的程序。不过,这样做的前提是,占意不仅仅会被直接或间接地积累,还要有一定规律的耗散。比如,每隔固定的时间,程序的占意通货就要流失一部分。那么,这种系统设置的一个难点就是这个耗散的规律如何,可以预见,不同的耗散规律就会导致完全不同的系统表现。

我们用下面的表列出来占意通货系统和市场经济之间的类比。

条目 占意通货市场 市场经济
交易主体 程序
流动介质 货币(钱) 占意通货(符号)
交换目标 货物 调用权
通货源头 消费者 使用者
通货尽头 耗散掉

这套思路是借鉴遗传算法之父John Holland设计的分类器系统的“水桶链算法”而设计的,在那里,每个程序都是一个小型的分类器,它们既可以探测系统所在的环境(消息),又可以探测由其它分类器所产生的消息输出。当有多个分类器可以响应同一个刺激(消息)的时候,被激活的程序就需要利用付出货币的多少来决定被激活的概率。当产生条件的分类器选定了某一个被激活分类器之后,被激活的分类器就会为激活者提交一定量的货币。这样,系统整体就实现了货币流和激活流的双向流动。下图为分类器水桶链算法的示意图。

Bucketchainalgorithmillustration.jpg

传递的消息就是调用关系,报酬就是数字通货。

“许愿树”是什么样子的?

随着人工智能的大力发展,意愿经济模式将会凸显出它的重要性。其中,这种意愿经济可以体现在个体层面和群体层面。在个体层面,人工智能+意愿模式就是定制化的智能代理,未来的人工智能将有可能满足所有用户的愿望。而在群体层面,意愿经济恐怕就需要有一个公共空间来实现意愿的张贴,同时通过引入注意力资源来实现各个意愿的竞争,这就是我们所说的“许愿树”。

具体地,让我们想象一个网络上的公共空间。所有的人都可以在这个空间上张贴自己的愿望。这些愿望有大有小、五花八门。有可能某两个人张贴的愿望是同一个愿望,于是愿望之间可以合并,这具体体现为后来人可以通过阅读、点击其他人的愿望来合并。当愿望多了以后,就会形成对注意力的相互竞争。那么如何提升愿望的竞争能力呢?一方面是靠网友的点击、赞扬。另一方面则需要提出者和参与者的祈祷。

愿望的张贴者不仅提出了愿望,还要不断地对愿望祈祷,即反复不停地将自己的注意力放到该愿望上,并对它进行反复地打磨。这一方面可以从上而下地去分解愿望,即将一个大愿望分解为一个个小的愿望,另外一方面,还可以不断地为这个愿望增加细节,以使得这个愿望更加具体,更加具备可操作性。

同时,在这个社区中,还需要有很多大神,他们是解决问题的高手,他们会按照愿望被赋予的注意力高低而排序,帮助愿望提出者实现愿望。总结来看,许愿树就是公共空间,它可以承载愿望的张贴和生命周期的完成。

机器为什么需要占意流来喂养?

机器中的程序本质上讲都是一个耗散结构,一方面因为它要不断地消耗电能。另一方面,站在虚拟世界的角度来看,不被激活的程序就是一个死程序,而活跃的程序就需要源源不断的数据流来驱动它。正如前面的“占意流与负熵流”小节所解说的,本质上讲,人类的占意流就是机器世界的负熵流,这种负熵流输入到机器世界的时候就会体现为数据流,所以,程序都需要人类的占意流来喂养。

在新一代人工智能中,深度神经网络都是通过吃大数据来不断学习进化的。这种网络就好比是一个吞噬负熵流的机器。事实上,只有不断地吃掉新的数据才能够让这些神经网络不断学习进化,如果给这些神经网络喂同样的数据集,那么神经网络就会很容易出现饱和的现象。而我们知道,所谓的新数据才包含价值,就是因为它是人占意流的体现。所以,其实深度神经网络都是靠人类占意驱动的机器。

那么,一个人工智能程序如果具备测量真实世界的传感器,那么它有可能单纯从客观世界获取信息,从而不断学习。这样的机器有没有可能绕开人类占意而自发演化出一套诞生于自然而独立于人类的人工智能呢?假如我们已经可以破解了现实生命和智能是如何利用自然的有序信息而生成智能的,那么我们就应该可以制造出这样一种能够自己从自然学习的机器。然而,由于人类设计机器就是为了满足人类自身的需要,所以人们将可能不具备制造这类机器的动机。于是,直接从人类这里获取占意流是一种更可能的选择。

人工智能将如何影响未来社会?

历史上,每一次技术上的突飞猛进都会造成人类社会结构的巨大变革。人工智能的爆炸性发展也必然会深度影响人类社会的现有形态。那么,假如人工智能产品已经大量地普及,进入了千家万户,我们的社会将会发生怎样的变化呢?对这个问题的回答有助于我们做好准备,应对人工智能给我们带来的冲击。

人类的体力劳动早已经被机器所取代。人工智能的进化必然会替代相当一部分人的脑力工作。当这种替代进行到一定程度以后,人类社会将会变成什么样呢?笔者以为,这种变革将可以分成三个阶段。

阶段1:AI取代重复性工作岗位

当前的人类工作有大量是重复性的,比如售票员、司机、银行职员等等。这些工作无疑最先被人工智能淘汰。现在的人工智能在模式识别方面已经有了长足的进步,它们在很多领域已经达到甚至超过了人类的水平。因此,用人工智能程序或者机器人来替代这些工作是早晚的事儿。

然而,即使是重复性的工作,人工智能要想完全替代人类也需要经过一段时间,这主要是因为1、在某些特定领域,人工智能的识别准确率还不能与人类相比;2、有大量的重复性工作环境很难被建模,而且需要一定的尝试信息。比如,机器人保姆是一个需求非常大的市场,然而,现在的机器人尚无法照顾人。甚至连做饭、扫地等工作都很难完全交给机器来做。其主要的原因,就是这类工作所面对的环境比较开放,它们对于机器的动作技巧要求很高。这就导致了,在短期内,人工智能、机器人完全替代人类还有一段路要走。但笔者认为,这一进程不会超过20年。

阶段2:AI管理社会

人工智能一旦突破了第一阶段,人类社会的结构就将发生非常显著的变化。人工智能、机器人将会走上越来越多的管理岗位。

比如,随着自动驾驶技术逐渐成熟后,人工智能可以负责整个交通系统的管理、协调与控制。人类若想插手反而会降低整个交通系统的运行效率。由于机器会比人类更不容易出错,所以,机器会很擅长执行这类管理角色。

随着机器对自然语言理解的能力越来越强,人工智能也将会渐渐人类的中层管理角色。我们知道,现在很多大公司的ERP系统、MIS系统其实已经完成了整个办公流程的电子化。可以说,机器已经参与进了管理过程之中了。然而,能够理解自然语言的人工智能一旦出现,它们就有可能进一步增强这类管理信息系统,并可以逐渐替代中层领导的管理角色。

比如,在公司中,有大量的监督、管理工作都是偏向于比较死板的、按部就班地进行着的。所以,由机器而不是人来负责程序的执行将是一种非常自然而优化的选择。在机器的管理下,人类可以有效地避免腐败的滋生。更进一步,一旦机器可以理解法律条文,那么整个执法部门都可能会被机器来管理。所以,小到公司,大到城市、国家,机器将会掌控越来越多的东西。

如果这一天真的来临,那么整个社会将会发生一次非常重大的变革。首先,在人类管理社会的阶段,所有的感知、决策、管理、控制全部都是局部信息的、去中心化的。而一旦机器掌管了这些岗位,那么它们就将充分利用互联网实现信息共享,于是,所有的信号都将以光速在整个互联网上传递,因此多个分散机器的整体协调将变得很容易实现。于是,人类将会重新进入一种中心化的世界。然而,这种中心化的形成会与原来人类社会的集权、垄断形成的中心化完全不同。在人类社会的中心化管理中,由于所有的管理者都仅仅拥有局部信息,所以它们的决策无法避免信息在传递过程中的衰减。这样,人类的集权社会就具有先天性的不足,这导致了社会不断的改朝换代,永无休止。

只有在人工智能实施社会管理的前提下,由中央控制的、拥有全局信息的规划与调整才变得可能。只不过,进行中央控制的不再是一个人,也不是某一个或者多个机器,而是整个互联网本身。这个互联网所形成的超级智能将可以使得全局的运算和优化变成可能。

人类面对这样的机器管理者会演化形成两个阵营(阶级),一个阵营是顺应机器管理者,另一个阵营则是逃避机器管理者。虽然表面看来,第二阵营的人由于无法利用机器给我们带来的便利设施从而具有先天性的不足。然而,这个阵营的人类还是会对人类整体进行不可避免的影响。它们就像是有机体上的肿瘤将会被社会整体逐渐淘汰。

阶段3:超级定制化人工智能

在整个社会演变得逐渐趋同,慢慢形成了一个超大规模的协调一致的整体的时候,每一个人反而会变得越来越个性化。由于机器的整体优化,人与人之间的信息沟通也会越来越顺畅,这就使得物质、能量、信息的流动效率也会越来越高。于是,共享经济就变成了一种普遍的模式,每个人都可以随时随地获取物质的需求。

于是,人类开始追求更多的精神上的满足,这就使得,人类会寻求非常多样化、个性化的体验。于是,人工智能若想更好地满足人类需求,也会朝向越来越个性化的防线发展。到了那个时候,每个人都将拥有一个数字化的个人助理。这种个人助理是一个超级个性化的人工智能程序。它在每个人刚刚出生的时候就开始不断地去适应、学习它主人的行为方式。所以,世界上有多少人,机器世界就会有多少不同学习得到的个人助理。尽管这些智能助理可能诞生于同样的程序,但是它们由于后天学习的对象和路径完全不同,所以也会千奇百怪的智能代理。

然而,在另一面,这些智能代理又会负责用一种统一而共同的方式与整个互联网沟通,所以,个人智能助手就好比是一个沟通个性化人类与同一化机器世界的界面。这个程序经过不断的学习将会越来越像它所学习、模仿的对象。于是,每个人都将慢慢训练出一个他(她)自己在数字化世界之中的投影。这些投影代替了一个个个性化的人类,完成了在世界上的沟通。于是,整个人类社会就会被投射到虚拟世界中,镜像社会由此形成。

一旦镜像社会形成,每个人便可以实现心想事成。每个个体人的一切愿望都会被机器非常容易地实现。这是基于两方面的考虑:由于共享经济模式已经非常成熟而普遍,物质和能量的流通将会很容易地满足每个人的个性化需求。另一方面,中心化的管理机制可以使得需求和供给达到超高速的匹配。就这样,人类的愿望会以难以想象的速度被机器世界满足,这就使得人与机器可以达到超级的和谐。

对于机器来说,到达这一步的时候,整个机器世界将会由注意力驱动演变为意愿驱动。也就是说,人们的意愿不仅没有构成对机器的负担和威胁,反而会促进它们系统的发展。

由于在这个时候人与人的沟通完全是通过智能代理在整个互联网空间下完成的,所以,人类传统的语言沟通方式将会失去其存在的意义。于是,语言早晚都会消失。

语言的消失反而是一种进化,因为人与人之间可以实现更加高效率的同步与协调,于是整个地球上的人类都会形成一个协调统一的整体。只有在这个时候,整个地球才能形成一个真正的整体,于是,全球脑觉醒。

参与者的宇宙

科幻故事:走近2050

个人工具
名字空间
操作
导航
工具箱