計算機尚未出現(xiàn)之前，大多數(shù)經(jīng)驗豐富的心理學(xué)家都以為大腦就像個不可知的黑匣子。我們可以分析對象的行為——比如著名的巴普洛夫?qū)嶒灒簱u響鈴鐺會讓狗分泌唾液，但思維、記憶與情感這些又如何分析呢？這些東西太過模糊、難以了解，遠超科學(xué)知識的理解范疇。因此這些自稱“行為學(xué)家”的科學(xué)家們將自己的工作范圍限定在對刺激和反應(yīng)、反饋與強化、鈴鐺與唾液之類的研究上，他們放棄了理解思維內(nèi)部運作方式的嘗試，而這樣的時日長達40年之久。

　　之后到了20世紀50年代中期，一群叛逆的心理學(xué)家、語言學(xué)家、信息理論學(xué)家以及早期的人工智能研究學(xué)家們提出了關(guān)于思維的不同設(shè)想。他們認為：人類不僅有條件反射的行為，還能吸收處理信息并依此行事，他們有著寫作、存儲和回憶的系統(tǒng)，這個系統(tǒng)可通過合乎邏輯的正式語法運行。大腦完全不是什么黑匣子，而更像是計算機。

　　這場所謂的認知革命始于微末，但隨著計算機成為全美心理實驗室的標配之后，有更多人開始認可這種概念。到了20世紀70年代末期，認知心理學(xué)之勢壓過了行為主義，在討論心理學(xué)的問題時，也出現(xiàn)了全新的語言。心理學(xué)家開始按照程序的方式描述思維，普通人談起在大腦記憶庫中存儲信息，商業(yè)大牛也煩惱于腦力帶寬與處理能力對工作的限制。

　　這個故事一再重復(fù)發(fā)生，正如歷史總是緩慢呈螺旋狀上升，電子革命也逐漸滲透了我們的生活，并滲透到我們的語言中，滲透到關(guān)于事物運作的深層基礎(chǔ)理論中——技術(shù)總有這樣的作用。在這場啟蒙運動中，牛頓與笛卡爾啟發(fā)我們將宇宙看成一架精密的時鐘。在工業(yè)時代，它是帶有活塞的機器（弗洛伊德的精神力學(xué)概念便借鑒于蒸汽機的熱力學(xué)理論），而現(xiàn)在宇宙則成了計算機。由于這個世界是一臺計算機，因此我們就能對它進行編譯。

　　代碼合乎邏輯、可以修改、也可以預(yù)測結(jié)果，這些便是數(shù)字時代的生活核心原則，也是自證預(yù)言。套用風險投資商Marc Andreessen的一句話，隨著計算機侵蝕著這個世界，我們周圍滿是機器，它們將我們的行為、思想以及情感轉(zhuǎn)化為數(shù)據(jù)——大批會用代碼的工程師所能操控的原始數(shù)據(jù)。根據(jù)這樣的看法，生活中有一系列能被探索、利用、優(yōu)化甚至重寫的指令，一些公司利用代碼來理解我們最為親密的關(guān)系，比如Facebook的扎克伯格就已經(jīng)在這方面取得了很大進展，他認為人類關(guān)系中存在著“基本數(shù)學(xué)定律”，決定我們更關(guān)心哪些人和事。在2013年Craig Venter宣布，在經(jīng)過十年對人類基因代碼的解譯之后，他開始編寫代碼，創(chuàng)建合成有機體：“這一點越來越明顯——地球上已知的所有活體細胞都是由DNA程序驅(qū)動的生物機器?！鄙踔羷钪疚膶W(xué)作品也聲稱：你可以修改自己的源代碼，對愛情生活、作息規(guī)律以及消費習慣進行重構(gòu)。

　　在這個世界上，編寫代碼已經(jīng)不僅僅是一項社會需求的技能，更是打入這種語言使用群體內(nèi)部的一項工具。在機械化時代里，我們稱這種打入群體內(nèi)部的能力為權(quán)力杠桿。未來主義者Marc Goodman寫道：“如果你能控制代碼，就能控制世界?！?而在《彭博商業(yè)周刊》中Paul Ford的說法更謹慎一些：“就算代碼編寫者不是世界的掌控者，他們也把控著能控制這個世界的事物。”

　　不過無論你是否喜歡——無論你是編程精英中的一員，還是連手機設(shè)置都搞不定，都不會對此習以為常。如今，我們的機器開始使用不同的語言了，甚至連最厲害的編程者都無法完全理解。

　　在過去這幾年里，硅谷最大的科技公司都在積極尋求機器學(xué)習方面的算法。在傳統(tǒng)編程中，工程師要撰寫詳細的步驟指令，以便計算機可以遵循執(zhí)行。而在機器學(xué)習中，編程者不再編譯指令代碼，而是訓(xùn)練計算機。舉個例子：如果想要教會神經(jīng)網(wǎng)絡(luò)如何識別一只貓，無需讓計算機尋找胡須、耳朵、皮毛和眼睛，只需簡單地向它展示成千上萬張貓的照片，最終事情就解決了。如果在分類時，計算機仍錯將狐貍當作貓，也不必重寫代碼，只需繼續(xù)對計算機進行訓(xùn)練。

　　這種辦法并不算什么新東西——它已經(jīng)存在了幾十年，但近來這種方法發(fā)展地更加強大，這也要部分得益于深度神經(jīng)網(wǎng)絡(luò)的崛起，隨著大規(guī)模分布式計算系統(tǒng)的出現(xiàn)，它們可以模擬大腦神經(jīng)元的多層連接。而且無論你是否意識到這一點，機器學(xué)習都已經(jīng)在我們的網(wǎng)絡(luò)活動中留下了深刻的痕跡。Facebook使用這種方法來決定在用戶的News Feed中顯示哪些內(nèi)容，Google Photos則使用它來識別人臉。機器學(xué)習運行著微軟的Skype Translator，可以實時翻譯多種語言。無人駕駛汽車也使用機器學(xué)習來避免事故發(fā)生，甚至連多年來作為人類撰寫規(guī)則高嶺之巔的谷歌搜索引擎也開始依賴于這些深度神經(jīng)網(wǎng)絡(luò)。在今年2月份，谷歌用機器學(xué)習專家John Giannandrea代替了原本多年來的搜索主管，并發(fā)起了再教育項目，訓(xùn)練工程師學(xué)習這些新技術(shù)。Giannandrea對記者表示：“構(gòu)建機器學(xué)習體系之后，我們就無需再編寫這些規(guī)則了?！?/p>

　　我們的機器現(xiàn)在開始使用不同的語言了，甚至連最厲害的編程者都無法完全理解。

　　但這就是問題的關(guān)鍵——通過機器學(xué)習，工程師是無法了解計算機如何完成工作的，神經(jīng)網(wǎng)絡(luò)的運行大部分情況下都是我們難以了解的。換句話說，它實際上是一個黑匣子。隨著這些黑匣子越來越多地接手我們的日常數(shù)字生活，它們不僅將我們的人際關(guān)系轉(zhuǎn)變?yōu)榧夹g(shù)實現(xiàn)，也會改變我們對自己、對世界的看法，以及對人類自身的定位。

　　如果在舊有觀點中，程序員就像是神明那樣，撰寫著管理計算機系統(tǒng)的規(guī)則，那么現(xiàn)在走下了神壇，成為了更像父母或者馴狗者這樣的角色。

　　安卓之父Andy Rubin是一個骨子里的發(fā)明家兼程序員，他是安卓操作系統(tǒng)的聯(lián)合創(chuàng)始人。在硅谷，Rubin便以工作場所和家里塞滿了機器人而聞名，他自己為機器人編程：“我在很年輕的時候便進入了計算機科學(xué)這一行，而且也非常熱愛這一行，因為我可以沉浸在計算機的世界里。它是一張純凈的白紙、一塊空白的畫布，我可以從頭做些什么東西。這讓我感覺全世界盡在掌控，我可以在這個世界里沉浸很多很多年?！?/p>

　　而現(xiàn)在這個世界即將結(jié)束。Rubin對機器學(xué)習的崛起很感興趣，他的新公司Playground Global就在投資機器學(xué)習類的創(chuàng)業(yè)公司，他們對自身的定位就是引導(dǎo)智能設(shè)備普及，但這也是他難過的原因——機器學(xué)習的出現(xiàn)改變了作為工程師的意義。

　　Rubin表示：“人們不再逐行編寫程序了，神經(jīng)網(wǎng)絡(luò)學(xué)會了如何進行語音識別，但程序員無法深入研究具體的過程。就像人類的大腦一樣，我們無法切開腦袋來查看思維?！碑敼こ處煻⒅疃壬窠?jīng)網(wǎng)絡(luò)查看時，他們只能看到一片數(shù)學(xué)的海洋：一個大規(guī)模多層次的微積分問題集，通過數(shù)十億個數(shù)據(jù)點不斷衍生關(guān)系，并得出對世界的猜測。

　　過去人們對人工智能的設(shè)想并不是這樣的。數(shù)年之前，主流的人工智能研究者提出這樣的假設(shè)：想要創(chuàng)建智能，只需向一臺機器輸入正確的邏輯，編寫足夠多的規(guī)則，最終就能創(chuàng)建一個復(fù)雜到足以理解這個世界的系統(tǒng)。這些研究者在很大程度上忽視甚至貶低了機器學(xué)習的早期支持者對機器學(xué)習的觀點——不斷在機器中使用數(shù)據(jù)，直到這些機器產(chǎn)生自己的結(jié)論。多年來，計算機都不夠強大，無法真正證實兩種方法的優(yōu)劣，因此這種爭論成為了哲學(xué)問題。斯坦福的人工智能教授Sebastian Thrun曾為谷歌創(chuàng)造了無人駕駛汽車，他認為：“這些辯論大多都是基于頑固的信念之上——關(guān)于這個世界的組成方式，以及大腦的運作方式。神經(jīng)網(wǎng)絡(luò)中沒有符號或者規(guī)則，只有數(shù)字，這讓很多人敬而遠之?！?/p>

　　機器語言的變化不僅引發(fā)了哲學(xué)問題。在過去20年中，學(xué)習編程一直是獲得可靠工作最有保障的方式之一，但由深度學(xué)習的機器所組成的神經(jīng)網(wǎng)絡(luò)需要不同類型的勞動力，隨著舊有技能的淘汰，機器分析學(xué)家已經(jīng)開始擔憂人工智能對勞務(wù)市場的影響，也許程序員們很快就親身體驗。

　　就像經(jīng)典力學(xué)無法被量子力學(xué)替代一樣，編程仍是人類探索世界的強大工具。

　　技術(shù)專家Tim O’Reilly在談及這種轉(zhuǎn)變時表示：“我剛剛就這個問題進行了一場談話，并認為在受STEM教育的這些孩子長大之后，編程工作會與現(xiàn)在大相徑庭?！眰鹘y(tǒng)編程不會完全消失——實際上，根據(jù)O’Reilly的預(yù)測，在很長時間內(nèi)我們?nèi)孕枰绦騿T，但這樣的需求可能會越來越少，而編程逐漸會成為一種基礎(chǔ)技能，一種被人工智能Allen研究所的CEO Oren Etzioni稱為創(chuàng)建機器學(xué)習運行“腳手架”的方式。就像經(jīng)典力學(xué)無法被量子力學(xué)取代一樣，編程仍是人類探索世界的強大工具。但涉及到具體功能時，機器學(xué)習將會接手大量工作。

　　當然，人類仍需要訓(xùn)練這些系統(tǒng)，但至少就目前而言，這項技能還是稀缺技能。這項工作需要我們對數(shù)學(xué)有高層次的理解，并需要拿捏直覺與教條知識的分寸。谷歌的DeepMind人工智能團隊主管Demis Hassabis表示：“這幾乎就像一種藝術(shù)形式，我們從這些系統(tǒng)中找出最好的，而在這個世界上僅有幾百個人能真正做好這件事?！钡退阒挥羞@么點人，也足夠在幾年時間內(nèi)改變整個科技行業(yè)了。

　　無論這種轉(zhuǎn)變代表著什么，它對文化帶來的影響會更大。人類編寫的軟件曾導(dǎo)致我們對工程師的盲目崇拜，認為人類的經(jīng)驗最終可以被精簡為一系列的綜合性指令。而機器學(xué)習則將鐘擺撞向另一個方向，宇宙運行的代碼可能會超出人類的分析能力。舉個例子，目前谷歌在歐洲正面臨指控，稱谷歌對其搜索結(jié)果施加不正當影響。如果連公司的工程師都無法清楚說明其搜索算法的工作原理，那么這樣的指控是難以證實的。

　　甚至最簡單的算法也會導(dǎo)致無法預(yù)測的緊急情況，這已經(jīng)不是新聞了——這種觀點可以追溯到混沌理論與隨機數(shù)生成器。在過去幾年中，隨著網(wǎng)絡(luò)發(fā)展地越發(fā)枝蔓叢生，功能也越來越復(fù)雜，代碼倒顯得更像是外星力量，機器中的幽靈較之以往更加復(fù)雜難懂，也難以控制。飛機無故著陸、股票市場無法避免地崩盤、還有輪流停電事故都曾經(jīng)出現(xiàn)。

　　這些力量導(dǎo)致技術(shù)專家Danny Hillis宣布啟蒙時代已經(jīng)終結(jié)，我們長達數(shù)世紀之久，對邏輯、決定論以及人類掌控自然的信仰將會結(jié)束。Hillis表示：我們正在經(jīng)歷轉(zhuǎn)變。他在《設(shè)計與科學(xué)》雜志上發(fā)表文章稱：“隨著我們的技術(shù)與制度產(chǎn)物變得更加復(fù)雜，我們與其之間的關(guān)系也在改變。我們不再是自己創(chuàng)造物的掌控者，而要學(xué)著與它們討價還價，通過哄騙與引導(dǎo)的手段來實現(xiàn)我們的目標。我們已經(jīng)建立了叢林，但它有著自己的生命?！睓C器學(xué)習的崛起是這段旅程中最新的，也許也是最后的一步。

　　這些可能是很可怕。畢竟，編寫代碼至少是那種普通人可以想象得到，也可以學(xué)習的工作，代碼的編寫者至少是人類。而現(xiàn)在，這些技術(shù)精英的群體比之前規(guī)模更小，他們對自己創(chuàng)造物的權(quán)威也削弱了，發(fā)出指令的方式也越來越間接。建立機器學(xué)習的那些公司已經(jīng)發(fā)現(xiàn)，這些東西的行為難以管理。去年夏天，谷歌匆忙道歉，因為其照片識別引擎錯將一副黑人照片標記為大猩猩，而谷歌最初的修正措施便是禁止系統(tǒng)為任何照片打上大猩猩的標簽。

　　所有這些都暗示著：一個新的時代到來了，我們喪失了對機器的權(quán)威?；艚疬@樣認為：“可以想見：這樣的技術(shù)比金融市場更強大，超越了人類研究者的發(fā)明，也勝過了人類領(lǐng)導(dǎo)者的操控能力，同時也開發(fā)出了我們甚至無法理解的武器?！?而這種觀點得到了Elon Musk與Bill Gates還有很多人的贊同，“然而人工智能的短期影響要取決于其控制者，長期影響則取決于它是否能夠被控制?！?/p>

　　但不要過于恐懼，這并非天網(wǎng)來臨的前兆。我們只是在學(xué)習采用一項新技術(shù)的規(guī)則，工程師們已經(jīng)研究出了方法，可以對深度學(xué)習系統(tǒng)的內(nèi)部進行可視化。但即便我們從未完全理解過這些機器思考的方式，也不代表我們在它們面前無能為力。在未來，我們不用太過擔心其行為背后的源頭，而是著重于行為本身。相對于我們用來訓(xùn)練機器的數(shù)據(jù)，代碼的重要性會下降。

　　這并非天網(wǎng)來臨的征兆，我們只是在學(xué)習采用一項新技術(shù)的規(guī)則。

　　如果這一切似曾相識，那是因為這與20世紀的行為主義非常相似。事實上，訓(xùn)練機器學(xué)習算法的過程經(jīng)常會被拿來與20世紀初的那場著名的行為主義實驗相類比。在著名的“巴甫洛夫?qū)嶒灐敝?，巴甫洛夫在?xùn)練狗時，并沒有讓狗對饑餓有深層的了解，而是簡單地通過重復(fù)一系列行為來實現(xiàn)結(jié)果：他一次又一次地重復(fù)提供數(shù)據(jù)，直到代碼能夠自我重寫。無論你怎么評論行為學(xué)家，他們的確了解怎樣控制研究主體。

　　Thrun表示：長期來看，機器學(xué)習將會普及技術(shù)。同樣地，你也無需了解如今用來構(gòu)建網(wǎng)頁的HTML語言，也無需拿到PhD學(xué)位才能發(fā)揮深度學(xué)習強大的力量。編程不再是掌控一系列神秘語言的程序員的專屬領(lǐng)域，任何會馴狗的人都能參與進來。Thrun表示：“對我來說，這是編程中最酷的事情，因為現(xiàn)在誰都能編程了?！?/p>

　　自計算有史以來，大多時候我們都采用自內(nèi)而外的角度來觀察機器的運作方式。首先由人類編寫出代碼，再由機器將其表達出來。這種世界觀隱含著可塑性，但也暗示著一種基于決定論的規(guī)則，一種認為事物是規(guī)則背后產(chǎn)物的觀念。機器學(xué)習則代表著相反的觀念，一種自外而內(nèi)的視角——不僅代碼定義行為，行為也會定義代碼，而機器是世界的產(chǎn)物。

　　最終我們將會懂得在欣賞手寫代碼的同時，也能欣賞機器學(xué)習算法對代碼修正的能力，這是設(shè)計與實現(xiàn)的互相妥協(xié)。生物學(xué)家已經(jīng)開始逐漸得出這個結(jié)論，類似Crispr這樣編輯基因的技術(shù)賦予了他們操控代碼的能力，而這是傳統(tǒng)軟件開發(fā)者曾使用過的能力。但在遺傳學(xué)領(lǐng)域有發(fā)現(xiàn)表明，遺傳物質(zhì)實際上并非一個不可變的指令集，它更像是一個開發(fā)中的動態(tài)集，可以根據(jù)環(huán)境與宿主的經(jīng)驗進行調(diào)節(jié)。我們的代碼并非獨立于真實物質(zhì)世界，卻深受后者的影響。Venter也許會相信細胞是由DNA軟件所驅(qū)動的機器，但表現(xiàn)遺傳學(xué)家Steve Cole則有不同的表述：“細胞是將經(jīng)驗載入生物體的機器?！?/p>

　　從圖靈首次設(shè)計出解決問題的機器到了80年之后的現(xiàn)在，計算機已經(jīng)逐漸成為了我們將經(jīng)驗融入技術(shù)的工具。幾十年前，我們找到了可以詮釋宇宙的密碼，并通過調(diào)整優(yōu)化人類的生活體驗。但這種方式終將改變，機器已經(jīng)脫離了我們的掌控，而世界也從未在人類的掌控中。我們與科技之間的關(guān)系將會更加復(fù)雜，但最終也會帶來更大的價值，我們將從機器的命令者轉(zhuǎn)變?yōu)闄C器的教育者。