36氪微信號：wow36kr

我們生活在一個算法的時代，算法正以前所未有的方式重塑著我們的世界。那有沒有一個主宰一切算法的主算法呢？

Pedro Domingos 花了很多時間去思考算法。他的新書，《The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World》就是對那個世界的介紹，以及對最新情況的匯報。他認(rèn)為，我們生活在一個算法的時代，正目睹著它們以前所未有的方式重塑著我們的世界。

算法究竟對人類會產(chǎn)生什么影響？人類思維與計算機(jī)思維的差別在哪里？一旦機(jī)器最終學(xué)會了學(xué)習(xí)一切東西又會怎樣？Jesse Hicks 就這些問題訪談了 Domingos。

在你所謂的算法時代里為什么這么多人并沒有意識到算法的存在？其背后的機(jī)器學(xué)習(xí)機(jī)制是怎樣的？

計算機(jī)做什么都離不開算法。你的手機(jī)、筆記本、汽車、房子和電器里面到處都是算法。但算法是看不見的，你只能看見光鮮的外表，看不到里面發(fā)生了什么。Siri 用算法理解你說什么，Yelp 用算法替你挑選飯店，車載 GPS 用算法為你尋找最佳路線，讀卡機(jī)用算法替你完成支付。公司用算法篩選求職者，共同基金用算法交易股票，手機(jī)用算法來標(biāo)記可疑來電。

“正?！?算法和學(xué)習(xí)算法的區(qū)別在于，前者要靠軟件工程師人工編程，一步步告訴計算機(jī)該做什么，而后者則是靠閱讀數(shù)據(jù)來自行搞定：吶，這里是輸入，這里是我們想要的輸出，我怎么把一個變成另一個？引人矚目的是，從下棋到醫(yī)學(xué)分析，同一種機(jī)器算法可以學(xué)習(xí)事情幾乎沒有限制—只要給它適當(dāng)?shù)臄?shù)據(jù)。

書名里面的 “主算法（master algorithm）” 是什么？它跟 Ray Kurzweil 的奇點(diǎn)有何區(qū)別？主算法有可能帶來哪些進(jìn)展？

主算法是能通過數(shù)據(jù)學(xué)習(xí)任何東西的算法。給它提供這個星球的運(yùn)動、斜面、鐘擺的數(shù)據(jù)，它就能發(fā)現(xiàn)牛頓定律。給它 DNA 晶體結(jié)構(gòu)數(shù)據(jù)它就能發(fā)現(xiàn)雙螺旋體。通過你智能手機(jī)上的數(shù)據(jù)它能夠預(yù)測下一步你要做什么以及怎么幫助你。甚至還能通過學(xué)習(xí)大規(guī)模的癌癥病人病歷數(shù)據(jù)庫發(fā)現(xiàn)治愈癌癥的辦法。

算法還可能給我們帶來家庭機(jī)器人；用 WWB（World Wide Brain，萬維腦）代替 WWW（萬維網(wǎng)），直接回答你的問題而不是展示網(wǎng)頁給你；以及 360°的推薦系統(tǒng)，不但了解你也了解你最好的朋友，不但可以向你推薦書、電影，還有約會對象、工作、房子和旅游目的地等你生活中的一切東西。

Kurzweil 的奇點(diǎn)是指人工智能超越人類智能（另可參見關(guān)于超級智能的思考），令我們無法理解的那一刻?；蛘吒_地說，是奇點(diǎn)的 “視界（event horizon）”，就像黑洞的視界指的是連光線也無法逃逸的那個點(diǎn)。如果沒有主算法，我們就不會那么快到達(dá)奇點(diǎn)。有了主算法，AI 當(dāng)然就會加速，但我們?nèi)匀荒軐@個世界有很多理解，因?yàn)樵谖覀兊闹鲗?dǎo)下 AI 仍然能夠?yàn)槲覀兎?wù)。我們可能不知道它們是怎么制造出結(jié)果的（參見Google 會思考的深度學(xué)習(xí)系統(tǒng)），但我們可以知道這些產(chǎn)出會替我們干什么，否則就不要它們了。此外，這個世界本來就有些東西是我們無法理解的。所不同的是，現(xiàn)在的這個無法完全理解的世界部分是我們自己造出來的，這當(dāng)然是一種改進(jìn)。

你說這個領(lǐng)域當(dāng)前是 “部落” 割據(jù)的局面，某些機(jī)器學(xué)習(xí)算法在解決特定問題時表現(xiàn)更好，但沒有一種算法能夠戰(zhàn)勝任何其他算法：即缺少了一個能夠適用于我們迄今知道的一切的大一統(tǒng)理論，一個能夠?yàn)榻窈髱资昴酥翑?shù)百年的發(fā)展打下基礎(chǔ)的理論。這個斷言本身也很宏大。那主算法這個說法的合理性在哪里？為什么現(xiàn)在的 “部落” 還不能聯(lián)合起來？

在數(shù)學(xué)上可以證明，哪怕是最簡單的學(xué)習(xí)算法，只要賦予足夠多的數(shù)據(jù)，就可以學(xué)會任何東西。因此，主算法毫無疑問是存在的，而且每個算法部落的研究人員的確認(rèn)為自己已經(jīng)發(fā)現(xiàn)了它。但關(guān)鍵是這個算法必須能夠利用合理的數(shù)據(jù)和計算學(xué)會你希望它學(xué)的東西。我們可以舉出兩個實(shí)證例子：自然界至少為我們提供了兩個算法可以學(xué)會任何東西的例子：即進(jìn)化和大腦。所以主算法是存在的，問題是我們否精確地找出來，完整地寫下來，就像物理學(xué)家把物理定律用公式表達(dá)出來一樣（其本身也是算法）。

不幸的是，機(jī)器學(xué)習(xí)的 5 個部落就像盲人與大象：摸到鼻子的以為它是蛇，摸到腳的以為是樹，摸到牙的以為是牛。我們需要退后一步看看全景，看看所有這些部分是怎么組合起來的。具有諷刺意味的是，做到這一點(diǎn)對于不懂行的人來說也許更容易些。

你的書開篇引用了 Alfred North Whitehead 的話：“人類文明的進(jìn)步是通過增加不用思考就能執(zhí)行的重要操作的數(shù)量來實(shí)現(xiàn)的?！?不管這個結(jié)論是否成立，但 “思考” 無疑跟文明與人性密切相關(guān)。思考是一項(xiàng)獨(dú)特的、甚至是決定性的人類活動。所以 Nicholas Carr 等人是反對把思考外包出去的，因?yàn)檫@會減少我們的人性—其擔(dān)心是缺少思考會導(dǎo)致我們更加機(jī)器人化（廣義上）。與此同時，我們又擔(dān)心 “思考” 機(jī)器：你提到了天網(wǎng)等世界末日式的人工智能。那計算機(jī)是否已經(jīng)有能力 “思考”？或者說那是不是一項(xiàng)獨(dú)特的人類活動—如果是的話，未來的人類思考者與機(jī)器學(xué)習(xí)者之間的差別又在哪里呢？

著名的計算機(jī)科學(xué)家 Edsger Dijkstra 說過，計算機(jī)能否思考這個問題的意義跟潛水艇會不會游泳一樣。重要的是計算機(jī)能解決人類通過思考解決的問題—而這些問題的范圍在不斷擴(kuò)大。計算機(jī)通過機(jī)器學(xué)習(xí)甚至解決了一些我們還不知道如何去編程讓他們解決的問題—他們是自己想出來的。所以這條界限是非常模糊的，而且一直在變動。

我不同意 Nicholas Carr 關(guān)于外包思考會毀滅人性的說法—相反，這還會增強(qiáng)人性，因?yàn)樗屛覀兛梢运伎几玫臇|西。而這正是 Whitehead 的要點(diǎn)所在。蘇格拉底不喜歡寫東西，因?yàn)檫@樣會讓大家忘記東西。幸運(yùn)的是柏拉圖把他的想法寫下來了，所以現(xiàn)在人類還能記住他們。寫增強(qiáng)了我們的記憶，Google 又把它提高了一個層次。它遠(yuǎn)沒有讓我們變得更笨，而是變得更加聰明。

書的結(jié)尾寫到，“大家擔(dān)心計算機(jī)會變得太聰明然后接管世界，但真正的問題是他們太蠢而且已經(jīng)接管了世界?！?你能不能解釋一下是什么意思？

霍金和 Elon Musk 這些名人對人工智能表達(dá)了擔(dān)憂，說這是對人類存在的威脅。但 “天網(wǎng)” 這樣的邪惡 AI 接管世界的說法實(shí)在是有些牽強(qiáng)附會。問題在于，大家把智能和人混淆了。好萊塢電影里面 AI 和機(jī)器人總是人形的，但現(xiàn)實(shí)中的它們是很不同的。計算機(jī)是沒有自己的意愿、情緒或者意識的。它們只是我們的延伸。只要它們解決的是我們設(shè)定的問題，只要我們設(shè)定好問題邊界并對解決方案進(jìn)行查驗(yàn)，計算機(jī)就可以無限智能同時不會對我們構(gòu)成威脅。

但這并不是說一點(diǎn)也不用擔(dān)心。跟其他技術(shù)一樣，人也會出于邪惡的目的而利用 AI。但最重要的是，AI 會提供我們要求的而不是我們真正想要的，而這有可能導(dǎo)致傷害。計算機(jī)已經(jīng)做出了今天的各種重要決定—如誰應(yīng)該拿到工作，誰應(yīng)該獲得信貸，誰應(yīng)該被標(biāo)記為潛在恐怖分子。而他們往往會犯錯，因?yàn)樗鼈內(nèi)狈ΤＷR。但解決的辦法應(yīng)該是讓它們變得更聰明，而不是更蠢。所以我們應(yīng)該擔(dān)心的不是 AI 太多，而是太少。

機(jī)器學(xué)習(xí)處理最需要注意什么？

我們每個人都應(yīng)該控制周圍的機(jī)器學(xué)習(xí)算法。否則它們就只會為開發(fā)它們的組織服務(wù)而不是我們。這就好比開車：你得知道方向盤和剎車在哪里，知道怎么處置它們。如果司機(jī)說 “我認(rèn)為我知道你要去哪里，我會送你過去的，” 那你最好馬上下車。但現(xiàn)在的機(jī)器學(xué)習(xí)就是這樣的。它們有控制按鈕，但是你是看不見的。你得，比方說，告訴 Amazon 的推薦系統(tǒng)你希望它替你做什么，讓它調(diào)整選擇，解釋它錯在什么地方等。機(jī)器學(xué)習(xí)傳播得越廣，糾偏就越重要。

我們要取得什么進(jìn)展主算法才能實(shí)現(xiàn)？

許多人認(rèn)為我們已經(jīng)具備創(chuàng)建主算法的主要思想，剩下的只是如何組合的問題。我們的確在這個方向上取得了長足進(jìn)展，實(shí)際上離成功已經(jīng)不遠(yuǎn)了。但我的感覺是我們還缺失了一些重大思想，得有人想出來。我自己已經(jīng)有了一些想法，但我畢竟只是一個人。寫這本書的目的就是讓其他人也知道我的想法。我的秘密愿望是有個小孩，一位 AI 界的牛頓，能看到這本書，開始思考機(jī)器學(xué)習(xí)，然后突然靈光一閃，世界從此大不一樣。

本文編譯自：kernelmag.dailydot.com

---

人人都在喊的創(chuàng)業(yè)，究竟改變了什么？

為了這個問題，我們打算用一個榜單還原你的一天。

So，馬上點(diǎn)擊“閱讀原文”

or

返回36氪微信主頁點(diǎn)擊底部“愛TA”菜單

愛TA，當(dāng)然要為TA投票！

---------------------------------------