精校书屋

手机浏览器扫描二维码访问

第43章 濒死实验143（第1页）

现在有一种情绪被布鲁萨德称为“技术沙文主义”，认为一切社会问题都可以用技术解决，特别是可以用计算机技术解决。布鲁萨德这本书就是专门跟技术沙文主义唱反调。布鲁萨德认为，包括人工智能在内的所谓新技术，其实并没有解决真正的社会问题。

咱们先说一个“简单”例子。假设你任职于某个贫困地区的教育局，你负责给本地所有中小学发放课本，那么你如何确保学生们都能得到课本呢？你肯定会认为这是一个简单的问题，中国最穷的地方也没发生过学生上课没有教材的事儿。但是美国有好几个州，包括纽约、宾夕法尼亚和华盛顿这样比较富的州，却有很多很多学生没有教材可用。这是一个严重的社会问题，可是却不能用技术方法解决。

几年前布鲁萨德的儿子上小学，一家人住在宾夕法尼亚州。儿子要准备全州统一的标准化考试，布鲁萨德就研究了一番考试的内容之后发现，这个考试其实可以破解的答案其实都在课本里，你只要把课本的内容参透了，通过考试就非常简单。反过来说如果你不看课本，哪怕知识面再广，也很难在考试上有好的表现。

这就是为什么美国很多老师痛恨标准化考试。但这不是我们今天想说的重点，重点在于，这么简单的考试，美国能熟练解题的学生还不到一半，宾夕法尼亚州高中的毕业率只有64%。而根本原因，就在于很多学生“拿不到课本”。

你肯定觉得这不荒唐吗？我要是中学生我第一件事就得给自己弄一套课本啊。可是对不起，真没有。咱们中国的教材是由国家统一出版，价格便宜。但美国的教材由私人公司出版，价格很贵。比如一本中学生用文学教材就要114.75美元。

政府的教育经费往往有限，有时候分到每个学生头上的教材费可能只有30多美元，这样一来就存在很大的缺口。

那你说政府钱不够我自己买一套行不行，对不起没有这个渠道。布鲁萨德她儿子的教材学校不让带回家，她想给儿子另外弄一套，各处都找不到，连盗版都没有。现在美国的中小学课本都是由三家大公司出版的，直接供货到学校，同时考试题也是这几家公司出。换句话说你是用这些公司的课本，然后用这些公司的考试题，一条龙服务，这是个每年几十亿美元的生意。

那你说能不能让学生重复使用旧教材呢？有时候的确就是这么干的，有的学生还在用八十年代师兄师姐的教材。但这个做法通常不可行，因为教材几乎每年都要随着州政府的教育政策变来变去。

这还不算，有些看似能用技术解决的问题，也解决不了。比如有时候经费到位了，书也买了，结果书被放置在学校的仓库里，没发到学生手上。老师以为今年还是没有书，校长不记得书有没有买。布鲁萨德找到一个类似于“区教委”的机构，说你们知不知道辖区内这些学校今年都开设了什么课程，需要什么教材。区教委说这个真没有，但是我们有个中央数据库，有各个学校订购教材的数据。

布鲁萨德就把这个数据库拿过来，结果一看，很多学校订购的教材数和学生人数根本对不上。布鲁萨德又跑到各个学校去现场调查，发现教材的发放和管理都非常混乱。学校经费有限，人手不够，有些校长要亲自管理教材。有的校长不愿意使用州里的数据库系统，自己弄了个表格，很难跟别人分享，最后就是一大堆问题。

布鲁萨德就说，数据技术再先进，最初的数据录入，也是由人来完成的。如果校长根本不愿意录入数据，老师根本统计不清楚自己班需要多少教材，再先进的计算机技术又有什么用呢？这里的主要问题在于，教育，本质上是个因人而异的、混乱的、动态的系统，而公共教育系统，是个统一的、标准化的、最好是不变的系统。

比尔·盖茨和梅琳达基金会一直在美国全国推行一个所谓“共同核心课程”系统，相当于中国那种全国统一的教学大纲和标准化考试，但是在各地受到了老师和学校的抵抗。其实老师的抵抗有道理，这不仅仅是不民主，而是不同学区的学生水平差异很大，用同一个标准确实不合理。学校教学没有自由度，而且应试教育的负面影响太大，结果现在美国的公共教育非常混乱。

布鲁萨德说，盖茨这帮人是想把教育当成一个工程问题去解决。工程问题本质上是数学，需要在一个定义良好的环境里，用定义良好的参数描写一个定义良好的问题。可是教育问题从来都不是“定义良好”的，其中有各种复杂的情况。复杂和标准化是一对永恒的矛盾，这就是为什么计算机技术发展了这么多年，美国基础教育几乎没有发生任何进步。

所以，我们可以看到，就在分发教材这一件事儿上，计算机人工智能都不能起到很好的作用。因为计算机和人工智能擅长的是解决工程问题，工程问题要求定义良好，而复杂社会问题恰恰是不能定义良好的。那么好，你说我们不解决社会性问题，就应对以工程问题为主的事情行不行？可能还是不行，接下来我们就来说一说，在自动驾驶，这个看上去纯工程的问题上，人工智能有多难。这是我们的第二部分内容。

公众对自动驾驶汽车这个话题已经欢呼了很多年，那现在自动驾驶技术是什么情况呢？国际汽车工程师学会弄了一个标准，把自动驾驶汽车一共分为五个级别。

零级代表完全没有自动化，就是人开车。一级，是指计算机在某些时候、某种程度上可以给人提供一些辅助性的帮助。像自动刹车、保持车道、停靠辅助系等等。二级，是有的时候汽车可以自己开，但是要求人一直盯着，特斯拉已经做到了这个级别。三级，是说人可以不盯着了，就让车自己开，但是如果车向你发出信号，你要随时接管驾驶。四级，是指在某些环境和条件下，实现自动驾驶，人去睡觉都没问题。五级，是完全的自动驾驶，不论什么天气和路况人都不用管车。

截至此时此刻，任何一家公司的自动驾驶技术都没有超过二级。而有些专家认为，五级自动驾驶是一个永远都达不到的目标。这是为什么呢？因为人工智能处理不了意外。

其实你开车的时候并不是简单地把着方向盘控制着油门和刹车，你非常有智能。你要看交通信号，你要看各种路边的标志物，你要判断路上有什么东西。如果前面路上有一只小鸭子在慢慢走，你得踩刹车；但是如果是一只鸟，你可以想象车开过去它就会飞走，你就不用减速；如果路上有个塑料袋，你可以直接碾压过去；但如果那是个石头，你就必须绕着走。

你对路面状况有深刻的理解，这种理解和你的生活阅历，和你平时积累的经验有关。最起码你得知道塑料袋是什么，石头是什么，而汽车并不知道。计算机只关心这些物体的移动趋势，估算每个物体的速度，预测它的路线，看看跟车的路线会不会发生冲突。如果有冲突就踩刹车或者绕着走，但真实的路面上会有各种意外。

我们都知道，Google一直在训练自动驾驶技术，他们遇到过各种各样奇怪的情况。有一次有几个小孩在高速公路上玩青蛙。还有一次，一个残疾人，坐着电动轮椅，在路中间追逐一只鸭子。鸭子绕圈跑，她也绕着圈追。那你说像这种情况你能一下子就准确预测这些人的行动路线吗？自动驾驶汽车识别路边的物体，都是靠把激光打到各种东西上再反射回来。可如果在下雪或者下雨，激光可能打到雪花或者雨滴上反射，汽车就可能对周围物体有重大误判。

计算机能不能保证看懂路边标记限速、慢行的交通标志牌？图形识别技术非常难，别忘了Google曾经把奥巴马夫人米歇尔给识别成一只猩猩。假如标志牌有损坏，或者上面被人贴了小广告，那汽车就很可能无法识别。还有，现在自动驾驶汽车都高度依赖GPS定位。可是现在美国有一种50美元就能买到的装置，能在周围干扰GPS信号。那如果路上有人使用这个装置，自动驾驶汽车要怎么办？

2016年，开特斯拉的一个司机车违反规定，把车完全交给自动驾驶，结果因为汽车没有识别出来前面的一辆白色卡车，导致死亡。它可能以为那是天上的白云或者别的什么东西。当然这是司机犯了错误，但这恰恰也说明自动驾驶技术非常容易遭遇意外。

除了安全，自动驾驶还有道德问题。比如说你正在以很快的速度开车，突然发现前边有一群小学生在马路上打闹。要避让这些小学生，你就会撞到路边的建筑物墙上；而如果撞墙，你的生命安全就面临危险。请问在这种情况下，你是选择撞墙还是选择撞向小学生呢？有道德的人，比如我，肯定是宁可自己面对生命危险，也不能撞小学生。

现在有很多公司正在研究自动驾驶的道德规范，Google甚至还专门聘请了哲学家，但是没有研究出来什么令人满意的方案。奔驰公司已经宣布，他们对自动驾驶汽车的设定是优先保证自己车里司机和乘客的安全。在前面那种情况下，奔驰的车会果断撞向小学生。

那你说这不是杀手汽车吗？这种汽车怎么能上路呢？所以这就出现了一个道德困境。人在现场不管做出怎样的临时反应，我们都认为是正常的。可是人工智能不管事先怎么设定，我们都觉得别扭。

自动驾驶技术还有一个经济学问题。机器学习是高度依赖数据的。我们知道有个“二八法则”，说的是你花20%的时间就能解决80%的问题，剩下80%的时间解决20%的问题。对自动驾驶汽车来说，我看更可能是你用2%的数据就能训练一个能解决路面80%的情况的自动驾驶系统，但是剩下那20%的情况，你就是再用98%的数据也未必能解决。

美国50个州都有各自的交通法规，各地的气候条件和路况都不一样，这还不算美国和中国的差别。这意味着什么呢？这意味着在一个地区训练出来的自动驾驶技术，换一个地方就可能不好使。所以人工智能模型不能推广，你必须在每一个地区都采集大量的数据才行。

那好，谁拥有这么多数据呢？现在冒出来很多搞自动驾驶技术的公司，我非常怀疑他们怎么跟Google竞争。Google一直都在积累数据，算法都是现成的，真正值钱的是数据。谁掌握了数据，谁的自动驾驶技术才有市场。人工智能时代的商业帝国一定是数据帝国，小的创业公司将会越来越难以起步。

所以，我们可以看到，即便是在“自动驾驶”这样看上去几乎纯工程领域的问题上，人工智能也有非常大的局限。第一，它不安全。第二，它不道德。第三，它不能促进商业平等，它只会让强大的公司变得更加强大。因此，在可以预见的未来，也许我们还是得自己开车。

这是我们说的第二部分内容，接下来我们说一说第三部分内容，也就是现阶段人工智能的社会化应用的根本矛盾是什么？

这个事儿得从美国的司法制度说起。中国的犯人，理论上来说，不管是什么人，同样的罪行就意味着同样的刑期。在监狱里如果表现好，同样的表现等于同样的减刑。惩罚力度，跟你是个什么人，没多大关系。但是在美国，法官判决的时候，会看犯人“是个什么人”。同样的罪行，如果这个人平时表现良好，就可能得到轻判。

这个指导思想是看犯人将来再次犯罪的可能性大小。如果法官认为这个人不会再次犯罪，他就会给轻判，而且很容易批准假释。而如果法官判断这个人将来很可能再次犯罪，那就会从重从严判罚，假释减刑什么的也别想了，就在监狱里待着，省得出去危害社会。

遇男不淑  爱上吸血小王子  绝世红妆  我靠各路大神创造科幻世界  甄珠  领主：我的系统能开科技！  淫乱少妇系列  重生大唐  穿越之围观大唐(耽美同人)  (灌篮高手同人)[流花同人]好想大声说爱你  四爷很忙  绝色倾城  贱妇  藏地密码之11:冥河之路  活出自己  雾隐占婆  杠上腹黑王爷:妾本狂野  笑傲江湖之徒手逍遥  恶魔恶魔  我和一群女人的故事