《超级思维 人类和计算机一起思考的惊人力量》

    托马斯·W.马隆
    79个笔记
    前言

    计算机最重要的贡献不是人工智能，而是“超级连接”（hyperconnectivity），即以全新的方式和空前的规模将人类的思维彼此连接起来。不过随着时间的推移，计算机也会完成越来越多如今只有人类才能胜任的复杂思考。

    引言

    在这里，“超级”并不一定意味着“更好”，而只意味着“更具包容性”

    第2章 群体也能做智力测验吗？

    这表明社会洞察力肯定与更广泛的人际交往能力相关，而且这些能力对在线交流和面对面交流同样有效。例如，让你读懂他人脸上情绪的那种社会智能或许也能帮助你根据他人输入的文字猜出他们的感受，并帮助你预测他们会对你可能回复的各种内容做何反应。


    言语型认知者、对象表象型认知者和空间表象型认知者。


    最佳组合似乎是拥有中等水平多样性的群体，这可能是因为其既有足以保证有效沟通的共性，又有足以解决一系列不同问题的多样性。


    集体智能水平更高的群体，学习速度也更快。


    公正地说，不管苹果公司在这些行业中取得成功的原因是什么，我都认为它表现出卓越的集体通用智能。

    第3章 人类将如何与计算机一起工作？

    将来机器扮演管理者角色的情况可能会更多。


    我认为，这种可称为“产业化写作”的形式未来会变得更普遍。例如，在当今世界，我们使用的几乎所有家具和服装都是在工厂里生产出来的，而且在每件产品的生产过程中，都有很多人（通常还有很多机器）参与其中。虽然我们偶尔也会买一些像毛衣或椅子这样的手工制品，但这些肯定是例外，而不是常规。同样地，我猜测在不远的将来，我们看到的许多书面材料可能都是在像CrowdForge系统这样的产业化写作过程中产生的。而且，在后面的章节中我们将会看到，越来越多的实际写作任务可能都是由机器而不是人完成的。尽管我们并非再也看不到某个人写作的长篇文本了，但它们总有一天可能会变得像今天的手工编织毛衣一样稀有。


    对与它们互动的人类来说，它们只是存在于网络空间或者“云”的模糊世界中的无实体智能。


    我认为我们未来使用的大多数人工智能产品，很可能会演变成与目标任务的实际要求相匹配的独特形式，而非拥有与科幻小说中的机器人一样的类人形态。形式各异的人工智能将以不同的方式嵌入不同的社会过程。


    Baxter有像人类一样的双臂，在它两臂间的躯体上部，也就是相当于人类头部的位置，还有一张类似人类的脸，这可能并非偶然。尽管这里需要有一张脸或一个头不是出于技术原因，但Baxter的设计师可能认为，如果工厂里的工人与看起来像人类的机器人一起工作，会感觉更舒服。


    要想让机器像人类一样全面灵活地使用和理解人类的日常语言，可能还需要数十年艰难的技术攻关。


    我在麻省理工学院媒体实验室的同事石井裕（Hiroshi Ishii）利用“可触比特”（tangible bits）和“自由基原子”（radical atoms）的概念，将这种与计算机进行非语言交互的想法进行了深入扩展。


    换句话说，人们不是通过语言告诉计算机他们想要评估的布局，而是通过直接操控实体对象来实现。


    目前，大多数的机器人在处理新任务前，都需要进行非常详细的程序设计，但你只要按照自己想要的方式去移动Baxter的手臂，就能安排它做一些新事情。


    从长远来看，人类与机器交互的终极方式可能将会是一种心灵上的融合，也就是机器与人类大脑中不同神经元之间的直接神经连接。


    一个人类团队要想变聪明，其成员必须善于合作。同样地，当人类团队中加入计算机时，也需要人与计算机能良好地相互合作。尽管有时最好的方法是让人类学会如何更好地与计算机合作，但在大多数情况下，最好的方法应该是设计出能与人类有效协作的计算机。我们在这一章中已经看到，在实现这一目标的过程中，有很多前景光明的可能性。当我们考虑这些可能性时，会遇到一个关键问题：计算机未来的智能水平——尤其是通用智能水平——将会如何？

    第4章 计算机将能达到什么样的通用智能水平？

    人工智能最简单的定义是“由机器展现出的智能”


    人工智能就像人类智能一样有专业和通用之分


    这场争论的焦点并不是事实，而只是我们想如何定义用于描述这些事实的词语。


    基本问题在于，所有现代数字计算机的核心都是“处理器”，从某种意义上说，处理器是非常愚蠢的。


    它们做的所有事情实际上都只是简单指令的复杂组


    因此，对一台要像人类一样“理解”这一小段对话的计算机来说，它必须了解所有这些事实。现在，把这几项具体事实以一种能让计算机对它们做一些推理的格式进行编码和编程，并不太难做到。但是，哪怕只是朝通用智能的目标前进一小步，这几项事实在需要掌握的数百万条关于这个世界的事实中只不过是沧海一粟。当然，人类在孩童时期就学过这些东西，而且由于我们了解它们，所以在我们看来它们是显而易见的。我们只把它们当作常识


    它不要求人类程序员掌握语言的所有复杂规则和习惯用法，而只需要有能用一套较为简单的规则进行分析的大量可用文本。


    如果你思考一下，就会发现这正是我们人类了解这个世界的主要方式。


    IBM公司的超级电脑“沃森”可以让我们对这个想法有一些直观的认识。“沃森”在玩《危险边缘》智力问答游戏时，系统会利用几千个较小的智能体，其中许多智能体都在不同的处理器上并行工作。


    人工智能如何使团队更聪明？
    从长远来看，我认为不管真正的通用人工智能何时会实现，都很有可能包含类似于明斯基的“心智社会”的东西：由多种不同的专业化推理和智能形式一起构成的组合体，才会更聪明。
    但与此同时，我们能做些什么呢？下面这个观点极其重要，只是许多人还未真正意识到，即在实现通用人工智能之前的很长一段时间里，我们可以通过构建包括人类和机器智能体在内的心智社会，创造出越来越多的集体智能系统。

    第5章 人类与计算机群体如何更智能地思考？

    在行动之前，你必须决定采取什么行动，即使这种决策是你下意识做出的。
    在你决定采取某项行动之前，你需要制订一种或者多种可能的行动方案。但是，好的行动方案不是凭空产生的。为了发现和选择好的行动方案，你几乎总需要了解与你所在的世界相关的信息。为了获取这些信息，你可以：
    • 感知周围的世界；
    • 记住过去发生的事情。
    最后，智能的核心就是你从经验中学习，在环境中观察并找到规律，以及随时间流逝改善自己行动的能力。

    第6章 更智能的层级制

    人类的层级制是我们相较于地球上的其他生命形式具有的显著优势的关键所在。


    你可以把层级制视为一个调动大量个体去实现当权者的目标的超级思维。


    因此从这个角度看，谷歌公司就是一个高度自动化的层级制组织，庞大的谷歌“服务器群”就像一座座大型工厂，其中的几千台机器在少数人的管理下全天不间断地快速生产搜索结果。


    随着自动化的任务越来越多，层级制将会变成什么样子呢？尽管随着时间的推移，人类做的事情与机器做的事情之间的界限将不断变化，但在任何特定的时间，人类都会做机器做不到的事情。


    许多人担心这意味着人类的工作将会消失。不管机器的人工智能水平提升得多快（或者多慢），这样的情况都几乎肯定会发生。机器已经做到了过去一直由人来做的很多事情，未来它们会做得更多。目前，唯一不确定的就是这种变化将在哪里发生，以及什么时候发生。不过，我们将会看到，当机器在做过去由人来完成的常规工作时，人类往往会做一些以前没有做过的新事情。


    ，正如我在2004年出版的《工作的未来》（The Future of Work）一书中指出的那样，在经济领域的许多部门，通过廉价的沟通手段帮助做出分散决策的情况可能会变得更加普遍。这是因为新型信息技术使沟通成本变得更低，更低的沟通成本又使更多的人拥有比过去更多的信息。当更多的人能够获得足够的信息时，就能做出他们认为明智的决策，而不只是按照他们上级的命令行事。而且，自主做决策的人往往比那些一味服从命令的人更积极，更具创造力，也更灵活。


    第一，更多的任务将会由作为人类的工具或助手的自动化系统完成。第二，人类将以更灵活的分散化方式组织在一起，做更多的非常规工作。

    第7章 更智能的民主制

    当然，仅有让选民获得足够信息的可能性，并不能保证他们真能做到消息灵通。例如，今天的社交媒体赋予骗局、谣言和虚假新闻前所未有的影响力，利用这些技术阻断选民获得准确信息的路径，从而使民主制变得愚蠢和不再智能，这种情况是很有可能发生的。

    第8章 更智能的市场

    群体决策是从全世界的几千个买家和卖家之间的互动中涌现出来的。


    经济学家已经证明——至少在某些条件下——这种群体决策方法会使群体资源实现最佳配置，因为没有其他分配方式能在一些人的利益不受损的前提下，让其他人获得更多的利益。[插图]即使这些条件没有得到满足，市场往往也能非常有效地将稀缺资源分配给最需要它们的人，并激励每个人去生产对他人来说最有价值的东西。


    预测也是一种决策不管做什么决定，你通常都需要对你可能采取的不同行动的可能结果做出预测。通常，你决定要做什么预测这件事本身就是一个重要决策。事实证明，市场在做预测方面可以发挥惊人的作用。


    让计算机-人预测市场走得更远


    市场有一项非常重要的能力，即不断适应形势的变化，这些变化中就包括在任何特定的时间什么能实现自动化，什么不能实现自动化。因此在某种意义上，市场拥有一种包括并超越了其中的所有个体的通用智能。

    第9章 更智能的社群

    实践社群实践社群是指由从事相同工作，并通过相互交流学习如何能把工作做得更好的人组成的社群。[插图]人类学家朱利安·奥尔（Julian Orr）是我之前在施乐帕克研究中心（PARC）的同事，他对施乐复印机的维修技术员的工作方式进行了研究，并提出了关于实践社群的一个经典案例。[插图]


    信息技术在凝聚社群和分裂社群方面都扮演着重要角色。


    在各个子群看到的关于这个世界的事实和解释这些事实的价值体系大不一样的社群中，维系整个社群有效运行的共享规范会被大大削弱。


    信息技术都有可能继续在分裂某些社群和凝聚另一些社群方面发挥重要作用。

    第10章 更智能的生态系统

    到目前为止，我们讨论过的所有类型的超级思维都需要某种总体的合作框架：层级制中的权威，民主制中的选择，市场中的协议，社群中的规范。当一个群体没有这样的框架时，它就属于我们要讨论的最后一种超级思维——生态系统。


    在美国的超级思维生态系统中，权力与影响力的短期作用。从长远来看，还有另一种力量在起作用，即随条件变化生存、成长和复制的能力。


    生态系统会满足最强大、存在时间最长和成员数量最多的群体的愿望。但它们完全不知道是什么让其成员在这些方面获得了成功。它们只是单纯地奖励那些有效的东西，而不管这样做会满足谁的愿望。


    超级思维不会利用生物基因和有性繁殖来传播它们的特征。相反，它们的特征是以想法（有时被称为模因[插图]）为基础的，这些想法能够通过多种交流形式进行传播，再以多种不同的方式被模仿和组合。[插图]


    生态系统通常也会偏向那些能满足更多人的更多需求的超级思维。[插图]换句话说，生态系统或多或少都会试图做那些能为最多人带来最大利益的事情。


    几个世纪以来，功利主义哲学家一直认为，任何能为最多人带来最大利益的事情都是正确的。换句话说，生态系统实际上做的就是许多哲学家认为我们应该做的事情。我们可以把这个观点称为“进化功利主义原则”：[插图]当生态系统由成员为人类的超级思维构成时，从长远来看，这类生态系统一般会试图为最多的人提供最大的利益。

    第11章 每一种超级思维最适合做出哪种决策？

    换句话说，我们需要的超级思维是：• 所做群体决策能创造很多收益；• 所做群体决策的成本较低；• 所做群体决策的净收益能得到有效分配。

    第12章 越大（通常）越智能

    • 涉及更多的个体。在对不同物种的动物大脑进行比较后发现，拥有更多的神经元与更高的智能水平之间密切相关。[插图]而且，拥有更多处理元件（比如晶体管）的计算机能够存储和处理更多信息。因此，通过增加系统中基本处理单元的数量让系统变得更智能，这显然是合理的。信息技术可以使超级思维更智能的方式之一，就是增加它们包含的人和机器的数量。• 以新的方式组织工作。无论大脑中有多少个神经元，或者计算机中有多少个晶体管，如果这些元件未被正确连接，系统将不具备任何智能。因此，信息技术可以使超级思维更智能的另一个重要方式，就是探索连接和组织更大型的人机群体的更大可能性。


    • 涉及更多的个体。


    信息技术可以使超级思维更智能的方式之一，就是增加它们包含的人和机器的数量。


    • 以新的方式组织工作。


    信息技术可以使超级思维更智能的另一个重要方式，就是探索连接和组织更大型的人机群体的更大可能性。


    换句话说，对群体而言，拥有许多不同类型的问题解决者通常比拥有真正擅长解决某一特定类型问题的人更好。记者马特·里德利（Matt Ridley）曾说，用这种方式将不同的思想结合起来产生的惊人结果，就如同“思想在彼此交配”。无论你想怎么形容这个过程，各种不常见知识的结合通常都是多种集体智能的关键因素。


    根据经验法则，面对面团队的最佳规模为5~10人。如果少于这个人数，就无法形成足够的合力，也无法从不同的观点中充分获益。如果超过这个人数，就不得不面对在一个大型群体中工作的额外困难，这是不太值得的。


    我认为，这未必反映出抗议者本身的能力不足。相反，这件事证明了在任何一个大型的面对面群体中，做出共识决策是非常困难的。

    第13章 我们如何以新方式分工合作？

    所有组织工作的新方式都包含以下三个要素中的一个或多个：• 以新方式分工；• 以新方式分配任务；• 以新方式协调任务之间的相互依赖关系。


    一个用于分析各种不同类型的相互依赖关系的框架。我们将相互依赖分成三大类：流动依赖关系指一个个体创造的东西将为另一个个体所用


    共享依赖关系指多个个体共享同一种资源


    组合依赖关系指不同个体完成的部分必须组合在一起

    第14章 更智能地感知

    为了进行有效的感知，任何超级思维都需要收集和解读关于世界的信息。新型信息技术使我们能以巨大的规模和前所未有的信息解读深度去感知世界。


    以下是我对未来几十年我们社会走向的一个简要总结：• 大多数人对他们隐私的关注程度将大大低于许多隐私倡导者现在的预期。例如，大多数人会自愿分享他们的大部分购物信息，而且他们会因此获得某种货币（或其他）收益。• 大多数商业交易行为将包含关于如何共享信息的明确条款，而且这些条款将会比现在网站上的难以理解的“使用条款”（我们中的大多数人看都不看就直接接受）更加标准化，也更容易理解。• 总的来说，各种数据和知识的经济价值会越来越大，就像随着人类从狩猎采集社会进入农业和工业社会，土地、资本和机器的经济价值也显著提高了。• 私人谈话（通过电子或其他方式）将保持私密状态。如果你的私人谈话内容被要求公开，那么有很多事情你将永远也不会说。例如，如果我知道我所有的朋友和同事都能知晓我跟我妻子说的跟他们有关的所有事情，那么我会坚定地把我对别人的很多感受都藏在心里。而且，我认为这样的世界实在不太令人满意。• 许多商务沟通将保持私密状态，因为如果大多数公司知道其竞争对手能听到和看到它们所做的一切时，就很难运营下去了。


    首先，我们需要找到一种能追踪几千条事实和关系的方式，而且这些数据对人和计算机都有用。有一种叫作贝叶斯网络的技术方法在这方面的前景尤其光明，它用人和机器都能理解的概率来表达某种情况下的关键事实和关系。[插图]

    第16章 更智能地学习

    对个体和超级思维来说，一般有两种重要的学习方式：开发和探索。[插图]当你通过开发的方式学习时，你会一遍遍地做同样的事情，随着时间的推移，水平不断提高。


    医学、法律、会计等领域的计算机-人学习循环类似的学习循环也可以被用来帮助许多其他类型的超级思维，学习如何更有效地工作。例如，在前几章中，我们看到医生可以通过询问他们同事的建议，并让计算机记录下沟通过程的方式建立医疗病历库。

    第17章 公司战略规划

    我们要关注的那种战略


    规划是大公司做出真正的战略决策的过程，这些决策通常关乎它们打算进行的变革是否匹配它们面对的市场，提供的产品和服务，以及它们希望获得的竞争优势。


    提出了几乎任何行业中的公司都可以使用的三种一般性战略：成本领先战略（成为低成本生产商），差异化战略（在顾客看重的某个维度上做到独一无二，比如质量），聚焦战略（为一小部分顾客量身定制产品）


    通过系统地追踪人们在很长一段时间内对技术进步和其他突破的预测准确性（和超前性），我们就能找到那些比别人表现更好的人。然后，我们就可以让这些人再看看被其他人拒绝的那些“疯狂”的想法。


    事实上，我认为如今的战略咨询公司（或它们未来的竞争对手），可能会把这样的功能作为一项服务来提供。例如，这样一家战略机器公司可能有一批稳定的人员（专业水平各异）在随时待命，他们可以快速地提出和评估各种备选战略。他们还可以利用软件使这个过程的某些部分自动化，并帮助管理其余部分。

    第19章 人工智能的风险

    • 人们将会做机器做不到的事情。
    • 人们将会做更多因机器的加入而使成本降低的事情。
    • 人们之所以将会做某些事情，只是因为我们希望人们这样做。


    在可预见的未来，这包括三项重要的能力：
    • 通用智能（不只是机器更容易掌握的各种专业智能）；
    • 人际交往技能（机器拥有的那些简单技能除外）；
    • 某些身体技能（比如，在不可预测的环境中工作）

    第20章 你好，互联网，你醒了吗？

    意识是一个系统在不同程度上能够拥有的一种属性。


    但笼统地讲，它是指整个系统生成的信息量，并且大于其各个部分生成信息量的和。
    微信读书