mulgan2_Patrick Pleulpicture alliance via Getty Images_wikipediamonument Patrick Pleul/picture alliance via Getty Images

超越人工智能的局面改变因素

伦敦—尽管媒体充满了悲观和批判,但你也许不知道,仍有一些地方,科技被视为向善的力量——甚至是一种救赎之力。最新调查显示,80%以上的非洲年轻人对于科技对非洲的作用表示乐观。

但在其他地区,人们日益感到他们陷入了一场与科技的恶斗,科技威胁到它们的工作岗位,偷走他们的数据,摧毁所有童年梦想,还破坏了民主。科技常常就像远在天边又无法问责的力量对我们施加的作用,而不是我们可以控制之物。尽管人们对于人工智能极尽吹捧,但该领域的大部分投资都集中在军事因公和定向宣传与广告的操纵方法上。毫不奇怪,人们感到无力而焦虑。

幸运的是,我们仍有办法与从线上走向市场的杰出科技形成更好的关系。一个替代战略使发展“集体智能”,它不寻求用人工智能取代人,而将注意力集中在结合人类和机器的优点。这一方法正在商业、科学和政府领域形成影响力,部分原因在于它有用,但也有部分原因在于它体现了我们许多人所珍视的民主和人道的价值观。

只要你使用过维基百科,你就算领略过集体智能了。自20世纪90年代以来,数百万人在网上合作,制作的可靠而准确的知识供所有人查阅。从某种角度讲,维基模式并不是新鲜事。十九世纪,《牛津英语词典》便招募了数万名志愿者勾勒英语词汇的意思,和今天的维基百科异曲同工。

集体智能在近几年来实现了腾飞,原因是我们能够使用的工具前所未有地强大。以Zooniverse等“公民科学”项目为例。Zooniverse动员数百万网民的力量搜索新恒星,分析肿瘤,和完成其他观察性任务。该方法的支持者认识到,我们有巨量的脑力盈余——特别是在教育程度较高的国家——等待利用。

集体智能也在改变医疗,数千项计划将患者集中起来,共享数据或制定更好的疾病管理方法。一个著名的计划由对现有医疗机构不满的糖尿病患者推动,动员志愿者设计人工胰腺(胰岛素泵)。

PS Events: Climate Week NYC 2024
image (24)

PS Events: Climate Week NYC 2024

Project Syndicate is returning to Climate Week NYC with an even more expansive program. Join us live on September 22 as we welcome speakers from around the world at our studio in Manhattan to address critical dimensions of the climate debate.

Register Now

看到了这些成功,企业也开始更近距离地审视集体智能的潜力。比如,教育应用Duolingo用志愿者改近语言学习功能。著名玩具公司乐高早已开始依靠“粉丝”帮它设计新产品。德国工业巨头西门子用集体智能模式组织内部资金配置,其所居理论是西门子工程师要比上层管理者更清楚哪些项目最有可能成功。

最后,政府机构也在利用集体智能的力量。对大部分人来说,美国宇航局(NASA)给人的印象是休斯顿的白大褂和框架眼镜。美国宇航局确实仍然雇用大量科学家,但也向外部世界敞开大门。不管是设计新太空服,还是编写火箭发射软件,NASA都会从各行各业各人汲取思想,一旦采用给予财务奖励。

在这里,统一的思路是动员来源尽可能广泛的数据、洞见和思想,如此,各种组织都能获得比仅仅依靠算法或内部人员更大的成功机会。集体智能的最佳例子能够结合人类脑力和计算机处理能力,而不是把两者视为彼此的替代品。人工智能和集体智能结合常常可以起到一加一大于二的效果。在“自由象棋”中,有计算机帮助的人类可以击败最好的人类棋手和最好的计算机。

人工智能与集体智能的结合潜力巨大。比如,一个威尔士斯旺西大学(Swansea University)的项目让也门人上传弹药碎片,用机器学习算法进行归类,形成战争罪起诉的罪证。类似地,雅加达市将公民生成的洪水数据与传感器数据相结合,形成实时警报和响应系统。最近,类似的方法被用于跟踪COVID-19疫情的传播。

民主本身也成为集体智能最有前途的领域之一。许多实验证明,科技可用来改善政治包容度,挑战极权主义。在这方面,台湾是先行者,它用算法和公民反馈评估公共观点并制定政策。联合国也通过新的加速器实验室(Accelerator Labs)承认了集体智能为推动2030年可持续发展目标的关键。

尽管如此,今年我们仍将花费数千亿美元用于具体而有限的人工智能项目上,如面部识别,组合产品或视频推荐,以及赢得围棋比赛。这些应用本身严重依赖于人,需要人的数据来训练算法。光靠人工智能根本无法胜任处理复杂的混乱问题,而这些问题对我们的日常生活意义才最大。对这些问题,我们需要结合人力和机器智能。

纯粹的科技方案总是言过其实——然后往往令人失望。但愿我们在未来十年能学会如何使用科技增强我们的能力,而不仅仅是取代我们的能力。

https://prosyn.org/5sUpf37zh