人工智慧讓程式設計師自危：碼農大批失業

　　安迪·魯賓(Andy Rubin)是資深的發明家和程式設計師。作為Android系統的聯合創始人，魯賓的辦公室和家裡擺著各種機器人，這點在矽谷已人盡皆知。他自己為機器人程式設計。他表示：“在我還很年輕時，我就深入至電腦科學。我喜歡計算機是因為，我可以消失在計算機的世界裡。這就像是一塊白布，我可以從頭開始創造些東西。在許多許多年中，這給我帶來了一個完全受控的世界。”

　　然而他現在認為，這樣的世界正走向尾聲。機器學習的興起令魯賓感到興奮。他的公司Playground Global投資了機器學習行業創業公司，對自身的定位則是領導智慧裝置的發展。不過，這也令他有些遺憾，因為機器學習改變了關於工程師的定義。

　　魯賓表示：“人們不再一步步編寫程式。在神經網路知道如何識別語音之後，程式設計師無法介入，看看機器是怎麼做到的。這就像是你的大腦。你不可能把頭砍下來，看看你在想什麼。”如果工程師想要窺探深度神經網路的內部，那麼他們看到的將是數學的海洋，利用多層微積分計算去判斷數十億資料點之間的關係，從而完成對世界的猜測。

　　人們最初對人工智慧的設想並非如此。直到幾年前，主流人工智慧研究員仍認為，如果想要開發出智慧體，那麼我們必須給機器灌輸正確的邏輯，只有編寫足夠的規則，我們才能開發出足夠精密的系統，去理解整個世界。他們大多沒有注意到機器學習的早期發展，甚至詆譭這一技術。在很多年時間裡，計算機的效能不夠強大，而機器學習的優勢體現不出來，因此這樣的觀點佔了上風。

　　致力於人工智慧的史丹佛大學前教授塞巴斯蒂安·斯倫(Sebastian Thrun)表示：“大部分爭論集中於固有觀念，即人腦如何組織世界，以及人腦的運轉方式。神經網路沒有任何符號或規則，只有數字。這令許多人感到不能理解。”斯倫開發了谷歌的無人駕駛汽車。

　　除此之外，無法理解的機器語言還帶來了更現實的問題。過去20年，學習程式設計可以說是找工作的捷徑，許多家長都在讓孩子們額外學習程式設計。然而，由神經網路主導的深度學習機器需要完全不同的能力。隨著機器導致傳統技能的邊緣化，分析師已開始擔心，人工智慧對就業市場的影響。程式設計師可能很快就能親身感受到這一點。

　　知名科技行業人士蒂姆·奧萊利(Tim O'Relly)表示，傳統程式設計不會徹底消亡，在很長一段時間裡我們仍需要程式設計師，不過這樣的需求將逐漸下降，而程式設計將成為一項“元技能”。用艾倫人工智慧研究所CEO奧林·艾奇奧尼(Oren Etzioni)的話來說，程式設計的目的將變成為機器學習的執行“搭腳手架”。量子力學的發展並沒有徹底打破牛頓經典力學，而程式碼仍將帶來強大的力量，並且是我們探索世界的工具。然而，在提供特定的功能方面，機器學習將會代替我們去做很多工作。

　　當然，人類仍需要去訓練這些系統。但至少目前來看，對程式設計技能的需求將會下降。未來的職位不僅需要對數學的掌握，還需要關於教育的直覺。谷歌DeepMind團隊負責人德米斯·哈薩比斯(Demis Hassabis)表示：“這就像是一種藝術形式，提煉出系統中的精華。目前全球只有幾百人擅長此道。”不過，就是為數不多的這些人在短短几年時間裡推動了科技行業的轉型。

　　除了影響找工作之外，這一轉型還將帶來明顯的文化意義。如果說人工編寫的軟體帶來了對工程師的崇拜，以及人類體驗可被濃縮至一系列可理解指令的觀念，那麼機器學習將帶來相反方向的變化。推動宇宙執行的程式碼可能是人類無法分析的。例如，谷歌目前正面臨著歐洲的反壟斷調查，稱該公司過度影響了搜尋結果。如果谷歌自己的工程師也無法弄明白，搜尋引擎演算法會將什麼樣的結果放在首位，那麼這樣的指控將非常困難。

　　過去一段時間，這種不確定性正在爆發。最簡單的演算法也可能導致無法預期的結果，這已經不算新聞。這可以回溯至混論理論和隨機數發生器。過去幾年，隨著網路越來越複雜，功能越來越多，程式碼變得越來越令人看不懂，而機器中的幽靈也讓人覺得難以控制，無論是飛機事故，股市的迅速熔斷，還是大規模的停電。

　　由於這種力量的興起，技術專家丹尼·希利斯(Danny Hillis)已準備宣告啟蒙時代的終結。在這一時代裡，我們相信邏輯、確定性，以及對自然的控制。希利斯表示，我們正在進入“糾纏的時代”。“隨著技術產物變得更復雜，我們與它們的關係也將改變。”他在《設計和科學期刊》上表示，“我們不再是這些產物的主人，我們需要與它們協商，勸導他們、引導他們去實現我們的目標。我們建立起了叢林，而叢林裡有自己的生物。”機器學習的崛起是這一旅程中的最新一步，也可能是最後一步。

　　這樣的現實令人恐慌。在一般人看來，程式設計是需要透過培訓班學習的技能，程式設計師至少是人類。然而目前，這些科技精英對他們作品的指揮能力正在弱化，甚至已經無法直接去指揮。這一領域的公司已經發現，機器行為很難控制。去年，谷歌的照片識別引擎將黑人標記為大猩猩，而谷歌對此做出了緊急道歉。谷歌的解決辦法很粗暴，禁止系統將任何東西標記為大猩猩。

　　這意味著，在即將到來的時代裡，我們的主動權將被讓渡給機器。知名物理學家史蒂芬·霍金(Stephen Hawking)表示：“可以想象，這樣的技術將會比金融市場更聰明，在發明能力上超過人類研究員，對社會的操控技巧勝過人類領袖，而開發出的武器將是我們無法理解的。人工智慧的短期影響取決於控制者是誰，但長期影響在於誰能控制人工智慧。”這樣的觀點也得到了伊隆·馬斯克(Elon Musk)和比爾·蓋茨(Bill Gates)等人的響應。

　　不過，這樣的擔心不必太過：“天網”還沒有到來。我們只是在瞭解與新技術互動的規則。目前，工程師已經找到了某些辦法，以視覺化的方式呈現深度學習系統的內部情況。但即使我們無法完全理解機器的思考方式，也並不意味著我們對機器無計可施。未來，我們不會太關心機器行為的底層基礎，我們將學會專注於行為本身。程式碼的重要性將會下降，而用於訓練機器的資料變得越來越重要。

　　在計算發展史上，我們常常採用由內而外的方式去了解機器如何工作。最開始，我們編寫程式碼，而機器表達程式碼。這樣的世界觀有一定的靈活性，但也意味著某種基於規則的確定性，即事物是底層指令的產物。機器學習的情況相反，我們需要採用由外而內的方式去研究。不僅是程式碼決定行為，行為也會影響程式碼。機器是世界的產物。

　　最終，我們將同時發揮手寫程式碼和機器學習演算法的力量。生物學家有可能已開始注意到這點。類似Crispr的基因改造技術使他們獲得了類似傳統程式設計師操控程式碼的能力。不過，表觀遺傳學的發現表明，基因材料並非一成不變的指令，而是會根據環境和主人的體驗動態調整。我們的程式碼並非完全獨立於現實世界，而是受到現實世界深深的影響。溫特或許認為，細胞是由基因軟體驅動的機器，但表觀遺傳學家史蒂夫·科爾(Steve Cole)有著不同觀點：“細胞是將外部體驗轉變為生物學元素的機器。”

　　目前，在阿蘭·圖靈(Alan Turing)繪製了問題分析機設計的80年後，計算機已經可以將外部體驗轉變為技術元素。過去幾十年中，我們致力於探索世界的密碼，並嘗試最佳化我們對世界的體驗。然而，我們的機器不太可能長時間去按照這種方式運轉，而世界從來也不是這樣。我們與技術的關係將更復雜，而技術可能會給我們帶來更多幫助。我們不再指揮機器，而是將培養機器。