这段工夫，很多人都关注了云南野象迁移的旧事：15头亚洲象，本来栖息在西双版纳保护区，但是从至少半年前起，它们就末尾一路向北跋涉，穿过田地、公路、村庄、城镇。在过去一个多月里，它们多次进入人的寓居区“肇事”，偷吃庄稼、闯进村民的院子里找食物，到汽车店里喝水，甚至还发生了醉酒事情。
这群野象到底在干啥呢？它们为什么要迁移呢？我置信，任何人在关注这群野象动态的时分，都忍不住想要问这些成绩。
我当然也对这些成绩感到猎奇。但是，除了猎奇野象的动机之外，我在关注这条旧事的时分还在思索另外一件事，那就是：有一天，我们会不会像明天观察象群这样，去观察另一类我们无法完全了解的物种——人工智能系统呢？
我之所以思索这件事，是由于我最近看到了我的一位大学同窗写的一篇文章，标题叫《一个18世纪的探险家如何能帮我们了解日益掌控世界的算法》。我这位同窗叫扎卡莫•伯格瑞拉（Giacomo Bagarella）。他从哈佛大学政治系毕业后，继续在公共政策范畴进修，后来加入了美国马塞诸塞省的创新和科技办公室。
他的文章讨论了一个很有意思的成绩：智能系统越来越弱小，它们跟人类社会的互动也越来越复杂。我们能否需求一个专门的学科，来研讨机器的行为规律？这个学科，能否应该参考迷信家研讨动物和生态系统的框架？
这篇文章发布在国外一个科技博客Gizmodo上。文章的次要逻辑可以拆分成以下三层：
第一，在18世纪，人对大自然的了解曾经阅历过一个“醒悟时辰”，在那一刻，人第一次把自然当作一个“万物互联”的系统来对待，而不是一个个被割裂的类别。
第二，对于算法和智能系统，我们也需求一个相似的了解框架，由于我们曾经进入了算法的“寒武纪大迸发”。
第三，一个新的、力图用系统思想研讨机器行为的学科曾经初现端倪了。
接上去，我把这三层逻辑逐一掰开，跟你分享一下背后的详细观点。
先说第一层逻辑：18世纪的醒悟时辰。这说的是著名的地理学家亚历山大•洪堡的故事。
洪堡在迷信史上的地位，从一个小细节你就可以感受出来，那就是达尔文曾经说，他写出《物种来源》是遭到了洪堡的启示。
那洪堡做过什么什么样的事情这么凶猛呢？他生命中最重要的一次阅历：他曾经用了整整5年工夫对南美洲来了一次彻底的调查。他从西班牙出发，先是探求了亚马孙水域的两条河流和寒带雨林，接着又穿越了纵贯南美洲大陆的安第斯山脉，脚印遍及委内瑞拉、秘鲁、厄瓜多尔、墨西哥等地。
有一次，他在南美洲厄瓜多尔中部的钦博拉索火山上攀爬。每隔几十米，他就要拿出他的设备停止测量，记录地面的温度、气压，搜集空气的样本，衡量湿度，测试水的沸点等等。与此同时，他还要观察他周围植被的样子。
就在他做这些事情的时分，某一刻，他忽然灵光一现：他发现，本人在探险时期，各个地方看到的植被似乎有颇多相似之处。比如说，他在厄瓜多尔看到的一种苔藓，在德国的一个森林里似乎也出现过。他在委内瑞拉看到的一种高山树，此前他在瑞士的阿尔卑斯山上也看到过。他在墨西哥看到的松木、橡树、柏树，他在加拿大也看到过。
就在那一刻，他产生了一个洞察，而这个洞察将会在将来改变人们对“自然”的看法。这个洞察就是“大自然”是一个“活着的全体”，是一张生命的大网；各类生命和物质，并不是彼此独立存在的。相反，在各种各样的物质和生命之间，存在着互相的作用力。整个大自然的运转，也是由某种全球共通的形式和规律支配的。
后来洪堡把他的洞察绘制成了一张图，被称为“自然之画”。在这张图上，你可以看到南美洲有11个不同的植被带，每个植被带如何遭到海拔、温度等等要素影响，以及和全球其他地区的山脉有什么相似之处。我们明天在地理课上学到的植被带、气候带、等温线、等压线的概念，追根溯源，其实就来自于洪堡绘制的这张图。
这个理念在我们明天听起来一点都不新颖，但是在当时却是一个颠覆性的认知。在洪堡之前，博物学家执着于发现各种各样的新物种，然后给不同的物种停止分门别类。但是，那时分没有人对于大自然的运转有全体的看法，更别提发现背后的规律、作用力了。
而洪堡可以说是第一个了解“万物互联”这个概念的人。他发现，无论是动物、植物，还是地理条件、气候，都不是彼此割裂的，而是互相影响的。
好，洪堡的故事说完了。洪堡对自然的了解，和人工智能有什么关系呢？
伯格瑞拉以为，在人工智能范畴，我们也需求一个“洪堡时辰”。为什么这么说？
你能够也感受得到，我们曾经进入了一个AI系统几乎无所不在的时代。一个人从一睁眼末尾，就生活在一个AI构造的世界里。你手机上刷的旧事，吃饭时分点的外卖，出行时分叫的车、走的道路，在交友软件上约的会，等等这一切，都有AI算法的参与。甚至在一些极小的事情上，比如你能不能收费借到一个充电宝，能不能在办公室的零食货柜里刷脸买东西，也都是由AI系统决议的。在全球运用比较普遍的34万种AI相关的发明当中，超过一半都是在2013-2019年这6年之间被研发出来的。
伯格瑞拉把这种形状，称为AI算法的“寒武纪大迸发”。
大迸发不只意味着我们越来越依赖AI系统，还意味着，人类社会跟AI系统的互动越来越复杂，甚至不可预测。
有一个特别典型的例子是2006年，脸书发明了NewsFeed，也就是“新颖事”功能。在这个功能发布之前，脸书用户需求挨个点击好友的账户去查看好友的动态。但是新颖事给用户提供了一个全新的阅读界面，界面上有好友形状的实时更新、重要的旧事推送，以及好友最近看了什么等等。算法还会根据每个用户的阅读习气，对新颖事停止优化。
当初脸书做这个功能，只是觉得这样的阅读方式更高效。而后来他们把这个功能延续下去，也只是由于发现自从有了这个功能，用户的阅读量激增。
但是，我们都知道，新颖事这个功能可不只仅是影响了阅读量而已。有一种观点以为，新颖事的算法彻底改变了人和互联网互动的形式，从自动选择本人想看的东西、自动选择本人要加入的社区，到被动接受信息的轰炸。由算法主导人的信息摄入，就是从那一刻末尾的。甚至有观点以为，新颖事的发展史，就是“信息茧房”的建造史。
从这个例子里我们能感遭到一件事，就是算法和整个社会的互动，往往比算法的发明者想象得复杂得多、广泛得多。这就给AI研讨提出了新要求。
什么样的新要求呢？伯格瑞拉在文章里引见了一篇论文：2019年4月24号，《自然》期刊上发表了一篇文章叫《机器行为》。这篇文章有23个来自于不同范畴的迷信家，第一作者是当时在美国麻省理工学院媒体实验室的副教授，叫Iyad Rahwan。
这篇文章提出了一个观点：我们应该借用生物学的系统思想，来研讨AI系统。
传统来说，做AI研讨的，次要是计算机迷信家们。他们倾向于把AI看成是，有特定功能和目的的工具。比如，有些AI系统是人脸辨认的工具，有些是用来做自动驾驶的，有些是用来做数据发掘的。
由于这种工具化的视角，所以计算机迷信家在评价AI系统“好不好”的时分，次要关怀的维度，是AI能不能完成它在创造之初被构想的功能。比如，对于人脸辨认的AI工具，计算机迷信家次要会评价，它能不能准确地辨别物体；对于自动驾驶的工具，迷信家会评价它在各类天气条件下表现怎样样；对于数据发掘的工具，迷信家会评价它能不能精准地辨认广告商想要定向吸引的客户，等等。
这种评价形式，在AI系统还不普遍、不复杂的时分没什么成绩。但是，后面我们曾经说了，AI对社会的影响，往往超出了发明者的初衷。我们不能只盯着AI诞生时的目的，来评价它对社会的影响。
那么，我们有没有能够用一种洪堡式的全体视角来研讨算法呢？
这篇论文建议，迷信家可以模拟研讨动物行为的思绪来研讨机器或者说算法的行为。这种研讨不只触及研讨算法的功能，还触及研讨算法的发展和退化，研讨它是如何跟环境互相影响的。这就像研讨动物一样——迷信家不只关怀动物内在的生理结构，还关怀那些影响动物行为的内在要素，比如动物所处的生态系统，以及生物退化的普遍规律。
举个例子来说，生物学里，遗传学是一个很重要的课题。而在算法范畴，“遗传”也是一个普遍的现象。这种遗传能够体如今，某一种处理器的设计，会对算法停止“优胜劣汰”，甚至影响算法的全体设计思绪。遗传还体如今，一些好的“算法基因”，能够会经过开源系统迅速传播、复制，从而决议某一个范畴的技术道路，甚至决议这个范畴偏好的数据类型。这些现象都值得迷信家更深化、用更长的工夫框架来停止研讨。
除了这个话题之外，论文里还罗列了一些风趣的方向，比如算法的集体行为是什么样的？不同类型的算法之间如何互动、能否会产生意想不到的功能？算法和政治环境是如何互相影响的？算法的传播规律是什么？算法在学校和医院的运用，能否会改变人类发展的轨迹？等等。
这些成绩都指向一个研讨思绪：把算法和社会的互动看作一种全体来了解。在这个全体当中，很有能够存在着算法发展遵照的独特的逻辑和规律，就像大自然有它运转的规律一样。
好了，扎卡莫•伯格瑞拉的文章，我就给你引见到这了。这篇文章给我们提出了一个很有意思的成绩，那就是AI研讨能否需求一个“洪堡时辰”？显然，AI不是一套简单的工具，而是一个能和人类社会产生复杂互动的“慢变量”。我们能够需求一种更高的视角、一个愈加系统化的框架来了解这个慢变量的影响。 |
