人工智能未来:码农大批失业 程序员成为“驯兽师”_最新动态_新闻资讯_程序员俱乐部

中国优秀的程序员网站程序员频道CXYCLUB技术地图
热搜:
更多>>
 
您所在的位置: 程序员俱乐部 > 新闻资讯 > 最新动态 > 人工智能未来:码农大批失业 程序员成为“驯兽师”

人工智能未来:码农大批失业 程序员成为“驯兽师”

 2016/5/22 5:32:41    程序员俱乐部  我要评论(0)
  • 摘要:导语:《连线》杂志本周刊文称,随着机器学习技术的发展,人类和技术的关系也将发生转变。人类将无法再为计算机制定确定的规则,而是会像训练宠物犬一样去训练计算机。以下为文章全文:在计算机发明之前,大部分实验心理学家都认为,大脑是一个不可知的黑盒。你可以分析对象的行为,例如摇铃狗就会流口水,但思维、记忆和情感究竟是什么?在科学以外,这类东西模糊不清,很难捉摸。因此,这些自称行为主义者的主要研究集中在刺激与反应、反馈和强化的关系,即摇铃如何导致狗流口水。他们放弃了对人脑内部机制的探索
  • 标签:程序 失业 程序员 未来 人工智能 智能

  导语:《连线》杂志本周刊文称,随着机器学习技术的发展,人类和技术的关系也将发生转变。人类将无法再为计算机制定确定的规则,而是会像训练宠物犬一样去训练计算机。

  以下为文章全文:

  在计算机发明之前,大部分实验心理学家都认为,大脑是一个不可知的黑盒。你可以分析对象的行为,例如摇铃狗就会流口水,但思维、记忆和情感究竟是什么?在科学以外,这类东西模糊不清,很难捉摸。因此,这些自称行为主义者的主要研究集中在刺激与反应、反馈和强化的关系,即摇铃如何导致狗流口水。他们放弃了对人脑内部机制的探索,而他们也主导了这一领域 40 年时间。

  随后的 50 年代中期,一批颇具反叛精神的心理学家、语言学家、信息理论学家,以及早期的人工智能研究员提出了关于思维的不同概念。他们认为,人脑并不是条件反射的综合体。人脑吸收信息、处理信息,随后在这些信息的基础上采取行动。人脑具备写入、存储,以及调用记忆等功能,是一种富于逻辑的体系。人脑并不是黑盒,而是更类似计算机。

  这种所谓的认知革命最初规模不大,但随着计算机成为全球心理学实验室的标配设备,这一理论得到了更广泛的接受。到 70 年代末,认知心理学已经超过了行为主义心理学,同时也带来了讨论人类思维的一套新语言。心理学家开始将思维描述为计算机程序,而商业人士也开始关注,当代工作场合中人类思维的容量和处理能力限制

  这样的故事多次上演。随着数字革命深入我们每个人的日常生活,这也渗透至我们的语言,以及我们有关事物运行法则的基本理论中。技术总是可以做到这点。在启蒙时代,牛顿和笛卡尔促使人们将宇宙视为精密的时钟。在工业时代,扮演这一角色的是带活塞的机器。(佛洛依德关于精神动力学的概念借鉴自蒸汽机的热动力学。)现在我们迎来了计算机。从基础来看,这是个赋能的概念。因为如果世界是一台计算机,那么世界就可以被编程。

  代码有逻辑,代码可以被黑客修改,代码有自己的目标。这就是数字时代的核心原则。用知名风投马克·安德森(Marc Andreessen)的话来说,软件正在吞噬世界。在这一过程中,我们周围密布着机器,能将我们的行动、思维和情感转化为数据,而工程师可以对这些原始数据进行加工。我们已经看到,生活本身被一系列指令所主导,而这些指令可以被发现、探索、优化,甚至改写。

  企业利用代码去理解人类最亲密的关系:Facebook 的马克·扎克伯格(Mark Zuckerberg)甚至表示,“基本数学定律是人际关系的基础,而这些人际关系维持着人们最关心的人和事的平衡”。2013 年,克雷格·温特(Craig Venter)宣布,在试图解码人类基因的 10 年后,他开始进行编码,以创造合成的生物。他表示:“情况很明显,这个星球上我们已知的所有细胞都是由基因软件驱动的生物机器。”一些文学作品也坚称,你可以修改自己的源代码,重新编程你热爱的生活,睡眠习惯和消费习惯。

  在这样的世界中,编写代码不仅是必要技能,也是一种帮助人们深入了解事物内部状态的语言,被视为获得力量的途径。未来学家马克·古德曼(Marc Goodman)表示:“如果你控制代码,那么就控制了世界。”《彭博商业周刊》的保罗·福特(Paul Ford)略显谨慎:“如果说程序员没有运行世界,他们至少控制着运行世界的工具基础。”

  无论你是否喜欢这样的状态,或者说无论你是一名编程精英,还是连智能手机的设置菜单都用不好的菜鸟,你都不必习惯于这样的状态。我们的机器正在开始使用不同的语言,而即使是最优秀的程序员也无法理解这种语言。

  过去几年,硅谷最大的科技公司正在积极发展新的计算技术,即机器学习。在传统的编程方法中,工程师写下精确的指令让计算机去执行。而对于机器学习技术,程序员编写的并不是让计算机去执行的指令。程序员只是训练计算机。如果你希望让神经网络去识别小猫,那么不需要告诉计算机小猫的长相,例如眼睛、耳朵和皮毛。你只需向计算机展示成千上万的小猫照片,随后计算机自己就能在图片中找出小猫。如果你将狐狸的照片混在了小猫照片中,那么也没有关系,你只需要给予计算机大量正确的训练即可。

  这样的方法并不新颖,出现时间已有数十年,但直到近期才变得更强大。这部分是由于深度神经网络的兴起。这样的大规模分布式计算系统模拟了大脑中的多层神经元结构。无论你是否意识到这点,机器学习都已经在我们的在线活动中扮演了重要角色。Facebook 使用机器学习去判断,将哪些内容投放至你的消息流。谷歌照片使用机器学习去识别照片中的人脸。微软的 Skype Translator 能实时翻译不同语言之间的对话,而基础也是机器学习。无人驾驶汽车利用机器学习去避免交通事故。甚至谷歌搜索引擎也开始依靠深度神经网络。今年 2 月,谷歌任命机器学习专家约翰·吉安南德里(John Giannadrea)为搜索业务负责人,并启动新项目给工程师培训这一新技术。吉安南德里表示:“通过开发学习系统,我们不需要再编写这些规则。”

  不过问题在于:在机器学习系统中,工程师无法知道,机器如何去完成自己的工作。神经网络的运行很大程度上不透明,令人无法捉摸。换句话说,这是个黑盒。随着这样的黑盒在我们的日常生活中扮演越来越重要的角色,它们不仅将变革人类与技术之间的关系,将改变我们对自己、对世界,以及对我们与世界关系的思考。

  如果说在传统观念中,程序员就像是上帝,是计算机系统规则的制定者,那么现在他们更像是家长,像是宠物的训练者。作为家长或者宠物的主人,你与孩子或宠物的关系将会有些说不清、道不明。

  程序员将遭遇变革

  安迪·鲁宾(Andy Rubin)是资深的发明家和程序员。作为 Android 系统的联合创始人,鲁宾的办公室和家里摆着各种机器人,这点在硅谷已人尽皆知。他自己为机器人编程。他表示:“在我还很年轻时,我就深入至计算机科学。我喜欢计算机是因为,我可以消失在计算机的世界里。这就像是一块白布,我可以从头开始创造些东西。在许多许多年中,这给我带来了一个完全受控的世界。”

  然而他现在认为,这样的世界正走向尾声。机器学习的兴起令鲁宾感到兴奋。他的公司 Playground Global 投资了机器学习行业创业公司,对自身的定位则是领导智能设备的发展。不过,这也令他有些遗憾,因为机器学习改变了关于工程师的定义。

  鲁宾表示:“人们不再一步步编写程序。在神经网络知道如何识别语音之后,程序员无法介入,看看机器是怎么做到的。这就像是你的大脑。你不可能把头砍下来,看看你在想什么。”如果工程师想要窥探深度神经网络的内部,那么他们看到的将是数学的海洋,利用多层微积分计算去判断数十亿数据点之间的关系,从而完成对世界的猜测。

  人们最初对人工智能的设想并非如此。直到几年前,主流人工智能研究员仍认为,如果想要开发出智能体,那么我们必须给机器灌输正确的逻辑,只有编写足够的规则,我们才能开发出足够精密的系统,去理解整个世界。他们大多没有注意到机器学习的早期发展,甚至诋毁这一技术。在很多年时间里,计算机的性能不够强大,而机器学习的优势体现不出来,因此这样的观点占了上风。

  致力于人工智能的斯坦福大学前教授塞巴斯蒂安·斯伦(Sebastian Thrun)表示:“大部分争论集中于固有观念,即人脑如何组织世界,以及人脑的运转方式。神经网络没有任何符号或规则,只有数字。这令许多人感到不能理解。”斯伦开发了谷歌的无人驾驶汽车。

  除此之外,无法理解的机器语言还带来了更现实的问题。过去 20 年,学习编程可以说是找工作的捷径,许多家长都在让孩子们额外学习编程。然而,由神经网络主导的深度学习机器需要完全不同的能力。随着机器导致传统技能的边缘化,分析师已开始担心,人工智能对就业市场的影响。程序员可能很快就能亲身感受到这一点。

  知名科技行业人士蒂姆·奥莱利(Tim O'Relly)表示,传统编程不会彻底消亡,在很长一段时间里我们仍需要程序员,不过这样的需求将逐渐下降,而编程将成为一项“元技能”。用艾伦人工智能研究所 CEO 奥林·艾奇奥尼(Oren Etzioni)的话来说,编程的目的将变成为机器学习的运行“搭脚手架”。量子力学的发展并没有彻底打破牛顿经典力学,而代码仍将带来强大的力量,并且是我们探索世界的工具。然而,在提供特定的功能方面,机器学习将会代替我们去做很多工作。

  当然,人类仍需要去训练这些系统。但至少目前来看,对编程技能的需求将会下降。未来的职位不仅需要对数学的掌握,还需要关于教育的直觉。谷歌 DeepMind 团队负责人德米斯·哈萨比斯(Demis Hassabis)表示:“这就像是一种艺术形式,提炼出系统中的精华。目前全球只有几百人擅长此道。”不过,就是为数不多的这些人在短短几年时间里推动了科技行业的转型。

  人类与技术将是何种关系?

  除了影响找工作之外,这一转型还将带来明显的文化意义。如果说人工编写的软件带来了对工程师的崇拜,以及人类体验可被浓缩至一系列可理解指令的观念,那么机器学习将带来相反方向的变化。推动宇宙运行的代码可能是人类无法分析的。例如,谷歌目前正面临着欧洲的反垄断调查,称该公司过度影响了搜索结果。如果谷歌自己的工程师也无法弄明白,搜索引擎算法会将什么样的结果放在首位,那么这样的指控将非常困难。

  过去一段时间,这种不确定性正在爆发。最简单的算法也可能导致无法预期的结果,这已经不算新闻。这可以回溯至混论理论和随机数发生器。过去几年,随着网络越来越复杂,功能越来越多,代码变得越来越令人看不懂,而机器中的幽灵也让人觉得难以控制,无论是飞机事故,股市的迅速熔断,还是大规模的停电。

  由于这种力量的兴起,技术专家丹尼·希利斯(Danny Hillis)已准备宣告启蒙时代的终结。在这一时代里,我们相信逻辑、确定性,以及对自然的控制。希利斯表示,我们正在进入“纠缠的时代”。“随着技术产物变得更复杂,我们与它们的关系也将改变。”他在《设计和科学期刊》上表示,“我们不再是这些产物的主人,我们需要与它们协商,劝导他们、引导他们去实现我们的目标。我们建立起了丛林,而丛林里有自己的生物。”机器学习的崛起是这一旅程中的最新一步,也可能是最后一步。

  这样的现实令人恐慌。在一般人看来,编程是需要通过培训班学习的技能,程序员至少是人类。然而目前,这些科技精英对他们作品的指挥能力正在弱化,甚至已经无法直接去指挥。这一领域的公司已经发现,机器行为很难控制。去年,谷歌的照片识别引擎将黑人标记为大猩猩,而谷歌对此做出了紧急道歉。谷歌的解决办法很粗暴,禁止系统将任何东西标记为大猩猩。

  这意味着,在即将到来的时代里,我们的主动权将被让渡给机器。知名物理学家史蒂芬·霍金(Stephen Hawking)表示:“可以想象,这样的技术将会比金融市场更聪明,在发明能力上超过人类研究员,对社会的操控技巧胜过人类领袖,而开发出的武器将是我们无法理解的。人工智能的短期影响取决于控制者是谁,但长期影响在于谁能控制人工智能。”这样的观点也得到了伊隆·马斯克(Elon Musk)和比尔·盖茨(Bill Gates)等人的响应。

  不过,这样的担心不必太过:“天网”还没有到来。我们只是在了解与新技术互动的规则。目前,工程师已经找到了某些办法,以可视化的方式呈现深度学习系统的内部情况。但即使我们无法完全理解机器的思考方式,也并不意味着我们对机器无计可施。未来,我们不会太关心机器行为的底层基础,我们将学会专注于行为本身。代码的重要性将会下降,而用于训练机器的数据变得越来越重要。

  如果说这听起来似曾相识,那么是因为,这看起来就像是 20 世纪的行为主义理论。实际上,机器学习算法的训练过程常常被拿来与 20 世纪重要的行为主义实验做对比。巴甫洛夫训练狗流口水并非通过对饥饿感的研究,而只是不断重复某个事件。他多次提供数据,直到代码对自己进行重写。而在行为主义者看来,他们能够控制自己的研究对象。

  斯伦表示,长期而言,机器学习的影响将逐渐普及。现在,你不需要了解 HTML 就能开发网站,而未来你也不需要博士水平的知识就能利用深度学习的强大力量。只要知道如何训练宠物犬,人们就可以利用机器学习。斯伦表示:“对我而言,这是编程领域最酷的一件事,因为现在任何人都能编程。”

  在计算发展史上,我们常常采用由内而外的方式去了解机器如何工作。最开始,我们编写代码,而机器表达代码。这样的世界观有一定的灵活性,但也意味着某种基于规则的确定性,即事物是底层指令的产物。机器学习的情况相反,我们需要采用由外而内的方式去研究。不仅是代码决定行为,行为也会影响代码。机器是世界的产物。

  最终,我们将同时发挥手写代码和机器学习算法的力量。生物学家有可能已开始注意到这点。类似 Crispr 的基因改造技术使他们获得了类似传统程序员操控代码的能力。不过,表观遗传学的发现表明,基因材料并非一成不变的指令,而是会根据环境和主人的体验动态调整。我们的代码并非完全独立于现实世界,而是受到现实世界深深的影响。温特或许认为,细胞是由基因软件驱动的机器,但表观遗传学家史蒂夫·科尔(Steve Cole)有着不同观点:“细胞是将外部体验转变为生物学元素的机器。”

  目前,在阿兰·图灵(Alan Turing)绘制了问题分析机设计的 80 年后,计算机已经可以将外部体验转变为技术元素。过去几十年中,我们致力于探索世界的密码,并尝试优化我们对世界的体验。然而,我们的机器不太可能长时间去按照这种方式运转,而世界从来也不是这样。我们与技术的关系将更复杂,而技术可能会给我们带来更多帮助。我们不再指挥机器,而是将培养机器。

发表评论
用户名: 匿名