人類的成神之路(下):人工智慧沒有意識?在科學家眼中連思考都可以量化

人類的成神之路(下):人工智慧沒有意識?在科學家眼中連思考都可以量化
我們想讓你知道的是

未來有一部分人或許真的會成為所謂的「神人」,又或許不會;有一大群人或許會因為被科技取代而成為「無用之人」,又或許不會;而數據教可能會出現,也或許不會。但這些可能如果真的發生,你會怎麼樣?

唸給你聽
powered by Cyberon

延伸閱讀:人類的成神之路(上):人要升級為神,有三條路徑可走

科學家眼中的萬物本質

「人工智慧」是什麼?如果對人工智慧的定義進行簡化,簡化到最後就是「演算法」,人工智慧說白了,就是一堆演算法組成的一套演算法,或者說演算系統。

人工智慧唯一會做的事情,就是根據演算法進行計算,而所依據的不同演算法可以產生出不同的計算結果,而當你設計出一個足夠先進和複雜的演算系統,理論上,你就可以讓它執行任何的計算任務,包括模仿人類思考。

因為在科學家眼中,其實所有事物,包括人類的思考,都是可以進行量化(quantify,數量化)的,也應該進行量化,然後用數學演算法來描述、表現出來,形成演算法。那什麼是量化呢?

舉個例子,如果你現在感到很高興,然後科學家問你,如果0分是毫不高興,10分是最高興,你現在體驗著的高興是多少分?這時你給出的答案,就是被量化了的高興情緒。換言之,連主觀情緒都是可以被量化的。(當然更好的方法是,也檢測你大腦中的多巴胺分泌與接受程度)。

然而量化對科學家來說有多重要呢?舉個例子,愛因斯坦在發表「廣義相對論」(一套描述引力的理論,而且是他的巔峰之作)的八年前,就已經對「廣義相對論」有了大概的猜想,但當時的他還未找到用數學來描述「廣義相對論」的方式,於是才花了八年的時間來學習需要的數學工具,在完成數學計算後才發表。

對物理學家們來說,數學是物理學家最重要的溝通語言。而在生物學家的眼中,生物本身就是一套演算系統,只是每個生物的複雜度不一樣而已:

生物學家近幾十年間已經證實,情感並不是只能用來寫詩譜曲的神秘精神現象,而是對所有哺乳動物生存和繁衍至為關鍵的生物演算法。

以生存問題為例:有只狒狒看到附近樹上掛著一串香蕉,但也看到旁邊埋伏著一隻獅子。狒狒該冒著生命危險去摘香蕉嗎?這可以看作計算概率的數學問題:一邊是不摘香蕉而餓死的概率,一邊是被獅子抓到的概率。

要解開這個問題,狒狒有許多因素需要考慮。我離香蕉多遠?離獅子多遠?我能跑多快?獅子能跑多快?這只獅子是醒著還是睡著?這只獅子看起來很餓還是很飽?那裡有幾隻香蕉?香蕉是大是小?是青的還是熟的?除了這些外在資訊,狒狒還要考慮自己身體的內在資訊。

如果它已經快餓死了,就值得不顧一切去搶香蕉,別再管什麼概率了。相反,如果它剛剛吃飽,多吃只是嘴饞,那又何必冒生命危險?想要權衡所有變數和概率之後得到最好的結果,狒狒需要的演算法會比控制自助飲料機的演算法複雜得多,然而計算正確得到的獎勵也大得多,那就是這只狒狒的生命。

如果是隻膽小的狒狒(也就是它的演算法會高估風險),就會餓死,而形成這種膽小演算法的基因也隨之滅絕。如果是隻莽撞的狒狒(也就是它的演算法會低估風險),則會落入獅子的口中,而形成這種魯莽演算法的基因也傳不到下一代。這些演算法通過自然選擇,形成了穩定的品質控制。只有正確計算出概率的動物,才能夠留下後代。

但這還是非常抽象。到底狒狒要怎麼計算概率?它當然不會忽然從耳後抽出一支鉛筆,從褲子後面的口袋掏出筆記本,然後開始用計算器認真計算奔跑速度和所需體力。

相反,狒狒的整個身體就是它的計算器。我們所謂的感覺和情感,其實各是一套演算法。

狒狒感覺餓,看到獅子的時候會感覺害怕而顫抖,看到香蕉也會感覺自己流口水。它在一瞬間經歷了襲來的種種感覺、情感和欲望,都是計算的過程。

計算結果也是一個感覺:這只狒狒突然覺得湧起一股力量,毛髮直豎,肌肉緊繃,胸部擴張,接著它會深吸一口氣:「衝啊!我做得到,衝向香蕉!」但也有可能它被恐懼打敗,肩膀下垂,胃中一片翻攪,四肢無力:「媽媽,有獅子!救命啊!」也有時候,因為兩邊概率太相近,很難決定。而這也會表現為一種感覺。狒狒會感覺十分困惑,無法下決心。「上……不上……上……不上……可惡,我不知道該怎麼辦!」

要把基因傳遞給下一代,只解決生存問題還不夠,還要解決繁衍問題,而這也取決於概率計算。自然選擇進化出喜好和厭惡的反應,作為評估繁衍機會的快速演算法。美麗的外表意味著成功繁衍後代的概率高。

如果有位女人看到某位男人,會想:「哇!他真帥!」雌孔雀看到雄孔雀心想:「我的老天!瞧瞧那尾羽!」這其實都是類似自助飲料機在做的事。

光線一從男性身體反射到女性的視網膜上,這幾百萬年進化而成的無比強大的演算法就開始運作了,幾毫秒以內,就已經將男性外貌的各種小線索轉換為繁衍概率,並得出結論:「這很有可能是個非常健康、有生育能力的男性,有優良的基因。如果我和他交配,我的後代也很可能擁有健康的身體、良好的基因。」

當然,這項結論並不會用文字或數位表達出來,而是化成熊熊慾火在體內燃燒。對於雌孔雀或是大多數女性來說,這並不是用紙筆來做的計算,而是一種「感覺」。

從這一角度來看,人類不過就是一套演算系統,當肚子餓的時候就會出現想找吃的慾望,當天氣熱的時候就會出現避暑的念頭。而人類的學習能力以及思考能力,也只是比「找吃的」和「避暑」更為複雜的算法而已。

而當一個人造的演算系統足夠複雜,以致於可以模仿、甚至超越人類的學習與思考時,這個演算系統就可以被稱為人工智慧了。

人工智慧的職能

而目前比較先進的人工智慧,是可以從大量的數據分析中學習,藉此計算出最優的結果(數據越多,結果越正確),並做出一系列我們從前以為機器無法做到的事情,而且有些做得比人類還更好,例如人臉識別(正確率達97%)、下圍棋(打敗頂級高手李世乭)、自動駕駛、語音辨識、語言翻譯、醫藥診斷(比醫生準確許多,而且不會疲憊)等等。

其中最震撼人心的一項,是人工智慧甚至可以進行藝術創作:

大衛.柯普(David Cope)是加州大學聖克魯茲分校的音樂學教授,也是古典音樂界極具爭議的人物。柯普寫了一些電腦程式,能夠譜出協奏曲、合唱曲、交響樂和歌劇。他寫出的第一個程式名為EMI(Experiments in Musical Intelligence,音樂智慧的實驗),專門模仿巴哈的風格。

雖然寫程式花了7年,但一經推出,EMI短短一天就譜出5,000首巴哈風格的讚美詩。柯普挑出幾首,安排在聖克魯茲的一次音樂節上演出。演出激動人心,觀眾反應熱烈,興奮地講著這些音樂如何碰觸到他們內心最深處。

觀眾並不知道作曲者是EMI而非巴哈,而等到真相揭開,有些人氣得一語不發,也有人甚至發出怒吼。EMI繼續更新,學會了如何模仿貝多芬、蕭邦、拉赫曼尼諾夫和史特拉文斯基。柯普還為EMI簽了合約,首張專輯《電腦譜曲的古典音樂》(Classical Music Composed by Computer)受到意想不到的歡迎。

人紅是非多,古典音樂愛好者的敵意也湧現出來。俄勒岡大學的史蒂夫.拉爾森(Steve Larson)就向柯普挑戰,來一場人機音樂對決。拉爾森提議,由專業鋼琴家連續彈奏三首曲目,作曲者分別是巴哈、EMI以及拉爾森本人,接著讓觀眾投票是誰譜了哪首曲子。

拉爾森堅信,一邊是人類的靈魂之作,一邊是機器人的死氣沉沉,觀眾肯定一聽就能判斷出。柯普接下了戰書。在指定的當天,數百位講師、學生和音樂迷齊聚俄勒岡大學的音樂廳。表演結束,進行投票。結果呢?

觀眾認為是巴哈的其實是EMI,認為是拉爾森的其實是巴哈,而他們認為是EMI的,其實是拉爾森。還是有人繼續批評,說EMI的音樂雖然技術出眾,但還是缺了些什麼,一切太過準確,沒有深度,沒有靈魂。

但只要人們在不知作曲者是誰的情況下聽到EMI的作品,常常會大讚這些作品充滿靈魂和情感的共鳴。

在人工智慧創作的歌曲中,我最喜歡的是這一首(正在重複播放中),可以感受一下:

人工智慧在現階段就已經可以做到這些事情,而它未來將能夠做出更多的事情:

2013年9月,牛津大學的卡爾.弗瑞(Carl Benedikt Frey)及邁克爾.奧斯本(Michael A. Osborne)發表了《就業的未來》(The Future of Employment)研究報告,調查各項工作在未來20年被電腦取代的可能性。根據他們所開發的演算法估計,美國有47%的工作有很高的風險被電腦取代。

例如到了2033年,電話行銷人員和保險業務員大概有99%的概率會失業。運動賽事的裁判有98%的可能性,收銀員97%、廚師96%、服務員94%、律師助手94%、導遊91%、麵包師89%、公車司機89%、建築工人88%、獸醫助手86%、安保人員84%、船員83%、調酒師77%、檔案管理員76%、木匠72%、救生員67%。

當然,也有一些工作還算安全。到了2033年,電腦能夠取代考古學家的可能性只有0.7%,因為這種工作需要極精密的模式識別能力,而且能夠產生的利潤又頗為微薄,因此很難想像會有企業或政府願意在接下來20年間投入足夠的資本,將考古學推向自動化。 

當然,到了2033年也可能出現許多新職業,比如虛擬世界的設計師。然而,此類職業可能會需要比當下日常工作更強的創意和彈性,而且如果收銀員或保險業務員到了40歲中年失業,能否成功轉型為虛擬世界設計師,也實在難說。就算他們真的轉型成功,根據社會進步的速度,很有可能再過10年又得重新轉型。畢竟,演算法也可能會在虛擬世界裡打敗人類。

所以,這裡不只需要創造新工作,更得創造「人類做得比演算法好」的新工作。由於我們無法預知2030年或2040年的就業形勢,現在也就不知道該如何教育下一代。

等到孩子長到40歲,他們在學校學的一切知識可能都已經過時。傳統上,人生主要分為兩大時期:學習期,再加上之後的工作期。但這種傳統模式很快就會徹底過時,想要不被淘汰只有一條路:

一輩子不斷學習,不斷打造全新的自己。

只不過,許多人,甚至是大多數人,大概都做不到這一點。由於接下來的科技發展潛力極其龐大,很有可能就算這些無用的大眾什麼事都不做,整個社會也有能力餵飽這些人,讓他們活下去。

然而,什麼事能讓他們打發時間,獲得滿足感?人總得做些什麼,否則肯定會無聊到發瘋。到時候,要怎麼過完一天?答案之一可能是靠藥物和電腦遊戲。那些對社會來說多餘的人,可以多花點時間在3D虛擬世界裡。比起了無生趣的現實世界,虛擬世界能夠為他們提供更多刺激,誘發更多情感投入。

這聽起來還是不免讓人擔心的,許多人的工作將被人工智慧所取代,真的可能嗎?我們的社會會讓這樣的事情發生嗎?整體來說,會。至於為什麽會,以及其詳細的推論,礙於篇幅的問題就不在此敘述了,感興趣的人可以看原書。

我們這裡來談一談作者預想出來的宗教。

數據教

簡單來說,數據教是「以數據為本」的宗教,數據教的追隨者認為,凡是讓數據成長,讓資訊自由的行為,就是善的。但為什麽?

還記得前面我們提到,人工智慧的演算法是「越多數據就越準確」的嗎?在這一前提下,數據越多意味著人工智慧就越強大,而人類的力量也隨之增強。

為了方便理解,我們不妨來科幻一下,看看未來如果各種事物都被量化,然後上載到雲端會是怎樣的情形。以下,是我根據我對哈拉瑞提出的觀點的理解,自己進行的一次思想實驗:

你剛購買了最新款的「個人身體狀況監測儀」,並讓商店裡的機器人為你安裝到的手臂上,這一個監測儀會隨時隨地的檢測你身體的狀況,並隨時把你身體的各項數據傳到你的可穿戴設備裡,例如,血糖多少、血壓多高、各個內臟的健康指數,而且還會根據這些數據,建議你午餐補充什麼營養(它根據你目前的胃口推薦了蘋果派),並告訴你目前已經從事太多腦力工作,因此建議你跑步上班,以提升大腦的健康與效率。而且你還可以下載最新的病毒數據,用以檢測最新型的病毒是否已經傳染給你。

你覺得這東西真不錯,於是照它的建議買了個蘋果派並跑步上班。之後,監測儀開始向你索取上載數據的權力,這樣你就可以和其他人比較自己的健康指數,看看自己是不是比大部分人更健康,你點擊了同意。監測儀回答說「感謝您幫助了全人民」。

在這個時代,上載自己的數據是新的道德規範,因為每個人的數據都可以幫助人工智慧更好的完善醫療系統,也可以在第一時間拉響病毒傳染的警報,而這最後的受益人就是全人民。

下班回到家,你上網看看社交圈裡有什麼最新消息,而你看到的標題是「政治家傑克承諾,將採取ABC的演算法來制定政策」另一個標題則是「政治家馬克承諾,將採用XYZ的演算法帶動經濟」。

現在的政治選舉的宣傳策略,不再是個人的理想,而是政客會搭配哪一款人工智慧來制定國家政策。之所以人工智慧可以給出很好的政策建議,都是多虧了數據教成員(互聯網時代的各大龍頭們)在近幾十年來不斷開發「量化設備」,並不斷的上載有關人類的各項數據。

「量化設備」指的是可以將任何有關人的行為和生理反應轉化為數據,像前面你買的那個「個人身體狀況監測儀」就是量化設備的其中一種。

可以明確的記錄一個人在每一秒鐘做了些什麼、看到了什麼、聽到了什麼、出現過什麼情緒等等,在收集了足夠的數據後,人工智慧會根據這些數據推播你會喜歡聽的歌、電影、遊戲、文字,如果提供的數據足夠多,那麼它還可以根據數據搜索出適合成為你終身伴侶的人,其準確率高達91%。

這項服務在資訊氾濫的那個年代大受歡迎,當時的人們還需要手動在搜尋引擎輸入關鍵詞,而現在完全無需這麼麻煩,只要戴上量化設備,久而久之人工智慧就會對你有足夠的了解,進而推播那些你一定喜歡的東西。

而當人工智對所有被大量上載的個人數據進行分析之後,就能得出哪些政策對人民來說影響最大最好,哪些則相反,進而提出更好的政策。

也正是因為人工智慧可以提出更好的政策,讓一些數據教的人認為,直接推舉人工智慧當總統,讓演算法決定國家政策是更明智的選擇。

尚在政治界的人類政客們當然極力反對,而在被問到「為什麽不讓人工智慧出任總統?」時,他們提出的理由是「因為我們有意識,而人工智慧沒有」。

數據教的人當然不接受這一套,因為對數據教的人來說,意識和效率成長、經濟成長、數據成長、人類福祉等等因素無關。

而總統之位應該給有能力讓這些指標成長之「物」來當。

40年前的生活是怎麼樣的?那是我父母還年輕的年代,個人電腦尚未普及,手機都還沒被發明的時代,而在這40年後的今天,我們的生活發生了天差地別的變化。那麼,40年之後的世界會變成怎樣?

作者哈拉瑞說,沒有人可以真的知道未來會發生什麼,一切都還言之尚早,而他寫下這本書也不是為了預言什麼,而是為了讓人們知道更多的選擇,尋找不一樣的可能性。

未來有一部分人或許真的會成為所謂的「神人」,又或許不會;有一大群人或許會因為被科技取代而成為「無用之人」,又或許不會;而數據教可能會出現,也或許不會。

但書本最後,他又用隱晦的方式引導讀者思考一下:如果真是這樣,你會怎麼樣?

本文經4THINK授權刊登,原文刊載於此

責任編輯:朱家儀
核稿編輯:楊之瑜