字里行间

林 颐

    互联网时代的经济发展，高度依赖大型数据库。基于这样的认识，美国统计学家尼克·波尔森和詹姆斯·斯科特提出了“人工智能商”的概念，撰写了《人工智能商》这部科普作品。

    作者认为，人工智能并不等于机器人，而应该把它看成一种算法。因为，几乎每个人工智能系统都会遵循“算法管道”模式，如果把更快的芯片、大量数据、云计算以及科学家的优秀思想放在一起，就能发现，用人工智能解决实际问题的需求和能力就会出现爆炸式增长。他们说，要克服“人工智能焦虑”，乐观看待人工智能的未来。拥有更高的“人工智能商”，才能更好地理解思想与技术的结合可以使人类变得多么优秀。

    作者还认为，人工智能并不是新鲜事物，相关的重要思想其实很古老，至少存在了数百年。该书的思路，就是介绍7个历史人物，分别带来一个重要思想，在作者看来，这些故事及其背后的思想，可以告诉我们为什么智能机器需要聪明人，为什么聪明人需要智能机器。

    那么，都是些什么样的人物和故事呢？

    亚伯拉罕·瓦尔德，在“二战”期间，他的团队做了美军失踪飞机的调查，以及飞机个性化存活建议的设计方法，指出了幸存者偏差问题，并提供了解决方案，即“幸存推荐系统”。

    亨利埃塔·莱维特，她逐张图像、逐个恒星地连续寻找了几年，最终在1912年发现了之前科学家不知道的1777个脉动变星，也就是说，莱维特发现了一个预测规则。

    约翰·克雷文，深海搜寻失踪物体的顶级专家，深海搜寻失踪物体需要考虑许多未知变量。克雷文团队采用的是贝叶斯搜索，这种方法产生于二战时期，盟军据此定位德国U型潜艇，不过，它的起源可以追溯到18世纪50年代诞生的贝叶斯规则。

    格蕾丝·霍普，软件女王，在20世纪中叶开启了编程语言革命。

    艾萨克·牛顿，这位大科学家还是英国皇家铸币厂历史上最优秀的波动性监督员。

    南丁格尔，作为护理改革的现实榜样，她的贡献还包括对于克里米亚战争医疗数据的个人分析，甚至发明了新的统计图（极区图，或叫“鸡冠”图）。

    乔·狄马乔，棒球运动员，昵称为“扬基快艇”，形容其速度之快。狄马乔的出色成绩，启发了大批数学家关于“假设”的研究，借助模型推理连续安打的可能性。

    作者具有高超的叙事能力，从过去的历史切入讲起，然后，描述这些概念萌芽之后的发展历程，包括现在的研究成果和未来的大致趋势。比如，从瓦尔德讲到推荐引擎，探讨网飞、声田和脸书等公司的经营策略；从贝叶斯规则可以寻找潜水艇的作用讲到它在无人汽车、医疗领域、赌博、大选等方面的广泛应用；从乔·狄马乔和模型讲到如何用大数据预测流感暴发……这些故事激动人心，它们不仅属于过去，也是我们当下所关心的，所以，这部作品具有鲜明的现实感，与我们的生活非常接近。

    我们领略了人工智能和大数据作为科技力量的壮大及其改变世界的能力。但是，尽管作者一再强调“思想和思想背后的人”，他们所描述的思想仍然是一种技术至上的理念，并不是人文主义的思考。作者分析了大数据的各种优势但有一点不容忽视：人工智能善于检测相关性，擅长收集和分析多个变量的复杂数据，发现其中的联系，但是相关性从来就不是因果关系，数据库不管包含多少庞大字节，都不足以涵盖这个复杂和流动的世界。

    过于乐观，一味强调数据的优势，埋藏着可怕的隐忧。如何拥有更高的“人工智能商”？正如作者所言，它现在已经出现了，未来还会越来越普遍。同时，我们要警惕，人工智能不是人，更不是超人，它是算法，只是算法，没有生命意识，仅此而已。