【海星体育直播】热门球队引发球迷热议，备受瞩目备受期待

　　前言

　　AI行业尽显乱象，

　　是股风？还是技术真正成熟？

　　是人为吹捧？还是风口真的到了？

　　一名在斯坦福教授TensorFlow教师的“忏悔”：

　　我海星体育直播觉得自己像个骗子

　　有些事我必须坦白，我感觉自己像个江湖骗子。

　　我每隔几天都会收到来自朋友，朋友介绍的朋友，或者某家公司的什么人的邮件，请我谈谈有关人工智能的看法。这些人中有刚卖掉自己初创企业的成功创业者、刚拒掉百万美元年薪工作Offer的斯坦福MBA毕业生，还有不少大银行的高层。几年之前，我甚至不敢靠近这些类人群，更不敢奢想他海星体育们会对我的看法感兴趣。

　　他们的措辞不外乎以下几种：能否帮忙介绍 AI 圈里的人？是否愿意加入我们一起做 AI？对于 AI 产品有什么建议？他们口中的 AI 仿佛是人皆向往的不老泉，得赶紧找到并跳进去才能永葆青春。不知怎么搞的，他们觉得我能带他们去。

　　我其实大概明白别人为什么会认为我是个专家。多年的历练使得我对于打造一份光鲜的简历已经得心应手。名校背景、师出名门、知名企业任职经历，样样不缺，而最耀眼的光环莫过于我在斯坦福教授“深度学习研究中的 TensorFlow”课程，这可是当下最热门的话题。我曾应聘的一家法国公司称他们用算法筛选了数百份简历，而我的简历奇迹般地排在首位。

　　可我并不是个专家。我刚读完大三，没发表过任何论文，没参加过任何 AI 会议（去不起）。好吧，算是去过一个，那也不说明什么问题，是吧？

　　每当跟别人提起我在选修CS的课程时，他们总是一副“这些对你来说很容易吧”的论调。真不是啊！我学起来和别人一样吃力，可能还更吃力些。我来斯坦福本来是想学新闻或与社会科学相关的什么专业，偶然选了一门CS的课之后觉得挺好玩。在修读我的第一门微积分课时，教授把我叫到他办公室建议我重选一门低级别的课程，因为我显然跟不上这门。

　　我曾经特别享受 office hour。读 CS103，CS109 和 CS221 那会儿，我基本在 office hour 时段扎营了，不放过每一个问助教问题的机会。现在再去问问题就比较尴尬了，总有助教或同学会反问：“这些你不该早就知道了么？你不就是教这些的么？”

　　就因为我教 TensorFlow，我就应该懂一切有关 AI 的知识，这种臆断真是让我烦透了。我教这门课并不是因为我是 AI 或者 TensorFlow 方面的专家，而是因为我对这一领域感兴趣，并且想与志趣相同的人一道学习。而既然没有人愿意教这样一门课，我只能自己上。

　　整个教课的过程中我都备受煎熬。我整宿失眠，惶恐不知教授我的学生哪些内容才好，而这些学生都比我懂得多，他们半数以上都是硕士生或博士生。有一次，直到早上九点的时候，当天课程需要演示的课件中仍有一个 bug，此时我已不吃不喝、不眠不休地熬了24小时。我在电话中向男友哭诉：“我是个大骗子！”，此时的他正在新西兰自驾逍遥。幸好他是我认识的最好的程序员之一，他安慰我，让我去睡觉，并保证一连上网就帮我查看。勉强合眼几小时，我醒来后发现问题已经解决。没有男友，Tessy、David 及其他好多朋友的帮忙，我不知道自己如何能坚持下来。

　　我确实从教授这门课中学到了很多。我对 TensorFlow 的认识加深了许多，因为我不得不去设想学生有可能询问的各种问题并尽力寻找答案。我也借机接触到了许多我仰慕的人物，他们都是如此之好，会帮我修改我的讲义，还来我的课做客座演讲。我还被迫学习编码规范，因为我受不了被学生嘲笑我的编码不像样（当然有可能他们现在还在嘲笑我）。

　　我朋友 Delenn 说我，好工作都堆上门来了。大公司的人想跟我聊聊，初创公司的 CEO 和 CTO 煞费心思来约见我，我被惯得都懒得看招聘邮件了。我的世界都颠倒了。仅仅几年前，我每次应聘 CS 相关的工作都被拒。在我的课程上了 HackerNews 首页后，有家曾经拒掉我的公司还发来邮件问我是否还愿意为他们工作。

　　在过去两年间，我确实取得了进步。不过我绝对没天真到以为招聘人员态度的转变是基于对我所取得进步的了解。我认识的很多人都比我聪明得多，在 CS 相关领域也比我资深得多，但他们都很难找到一份相称的工作，就因为他们的简历中缺少那些被追捧的时髦词儿。而其他一些人，有些甚至连机器学习的基本概念都一知半解，仅仅因为他们修读过那些名头光鲜的课程，就坐拥大把的工作机会。Richard Socher 也谈到过这种现象，他刚以数亿的价格卖出了自己的公司，但还是每日骑车到学校。他对自己的学生提到：“那些公司天天来劝我的学生们退学去为他们工作”。

　　这种对 AI 的饥渴已经使得斯坦福所有与 AI 相关的课程人满为患。CS224N《应用深度学习的自然语言处理》有 700 名学生；CS231N《卷积神经网络的视觉识别应用》也差不多，后者的讲师之一 Justin Johnson 称学生的数量还在飞速增长。学期开始之初，这两门课的讲师拼命在四处找额外的助教。就连我的课程，首次开设，还是我这么个没名头的本科生课程，仅仅 20 个名额就收到了350 多份申请。许多选课的学生根本对这门课程就不感兴趣，他们选这门课仅仅是因为其他人都选。

　　也有另外的一些人借机发财。AI 训练营、AI 课程、AI 会议层出不穷。大公司开设 AI 课程，而那些课程内容你完全可以自学；几天的 AI 会议收费高达数千甚至上万美元。我的有些朋友拿到了数十万，甚至上百万的投资去搞他们的初创公司，有些连工作和产品原型还没有呢。

　　尽管我在这一波 AI 疯狂膨胀的泡沫中也是受益者，我不禁在想它终归会破灭。我并不确切知道破灭的时间和方式，但是我清楚现有的体系被我这样并无真才实学的人群所侵蚀，而这样一个被侵蚀的体系难以为继。也许将来有一天，人们会意识到许多自称 “AI 专家”的人都是江湖骗子。也许将来有一天，学生们会意识到他们应该把时间用在学习他们真正感兴趣的内容上。也许将来有一天，我丢了饭碗，死在大街上。也许我造的机器人还把你们都消灭了呢。谁说得准？

　　遍地开花的各类“AI”，大多只是徒有虚名

　　在科幻作品里，与人工智能（AI）的前景或者威胁密不可分的，是机器意识与人类的关系。不论是终结者或塞隆人，还是像《星际迷航》中的电脑或《星球大战》中的机器人那样起服务作用的机器，只要它们显示出了“知觉”的能力——或者至少是自我意识强到能够有专长，更不用说自主选择和做出意料之外的行为了——就会被冠以“AI”之名。

　　那么，我们应该怎么看待媒体、企业、或是科技领域成井喷式增长的所谓“AI”呢？

　　在有些情况下，这个“AI”的称号可能还算得上名副其实（至少是壮志可嘉）。比如说自动驾驶汽车肯定没有R2D2或者HAL9000那么先进，不过为了完成复杂的驾驶任务，它们确实是动用了传感器、数据和计算的组合。但是在大多数情况下，被宣传为人工智能的系统都并没有知觉、没有自我意识、不能自主选择、甚至做不出出人意料的行为。它们只是软件而已。

　　自动驾驶汽车眼里的世界：这款梅赛德斯的汽车利用视觉系统和3D成像来预测环境中物体的运动轨迹。

　　“低配版AI”的例子随处可见。

　　谷歌投资了一套使用机器学习算法的系统，用来识别网上的不良言论。这套系统名叫“洞察”（Perspective），使用了机器学习算法。然而人们发现，手误错别字都能骗过它。人工智能被称为是能强化美国某处边境的屏障，然而实际上这款“屏障”不过是一组传感器网络和自助信息亭，内置了一套可疑的侧写系统。类似的例子是，某个所谓“网球俱乐部AI”只是个稍微高级一点的球场线传感器，用的完全是现成的计算机视觉技术。Facebook也发布了一款AI，用于检测发在它平台上的带有自杀倾向的动态。不过仔细一分析，人们发现这个所谓“AI检测”基本只是一套模式识别过滤器，把符合某些特征的动态给标记出来然后交给人类管理员处理。

　　在科技之外的领域，AI也是个很常见的噱头。

　　据报道可口可乐公司想用“AI机器人”取代人类，来“机械化生产广告”。他们到底想干啥至今是个谜。和这种想法类似的是用AI作曲或者写新闻；这些想法乍一看都很有前景——但是话说回来，那些负责在维基百科上给文字和链接改错的AI编辑们陷入了互相纠正的无限循环。而且，根据人机互动咨询公司“机器人分析”（Botanalytics，没错，真的有这种公司）提供的数据，40%的人在与聊天机器人对话一轮后就放弃了。这也许是因为聊天机器人基本上都是冠上了大名头的电话树（那种通过按电话上的数字来进行到下一步的自助语音服务系统），或者是聪明的自动化Mad Lib游戏（该游戏的规则是，参与游戏的其中一人拿到一份空出了一些词的故事，而另外一些人负责在看不到故事的情况下提供填进去的词语，最后大家把这个故事读出来）。

　　AI也成了企业战略的新风尚。

　　彭博智能的经济学家迈克尔·麦当诺（Michael McDonough）研究了上市公司财报发布会的公开文字稿，发现其中提到“人工智能”的次数在过去的两年内迅猛增长。这些公司喜欢吹嘘自己在AI技术上的发展，却没有给它下定义。一家名为“德洛特全球人力资本趋势”的公司在2017年的报告中提到，AI已经使人们的工作和生活发生了“天翻地覆”的改变，但是完全没提及具体的变化有哪些。尽管如此，针对这份报告的新闻报道总结说，人工智能已经使得企业的领导们不得不“重新考虑他们的某些核心结构”了。

　　媒体和舆论有时候还会把单纯的产品特色夸大成AI带来的奇迹。

　　比如，上个月推特进行了一次服务更新，目的是保护用户免于低质量或恶俗推文的骚扰。这次更新带来的变更主要是一些简单的优化，比如隐藏那些被屏蔽拉黑的、或是新账户的推文，以及其它一些没有明说的内容筛选功能。尽管如此，有些人还是把这些改变（本质上不过是在查询数据库的时候多加了几个条件）看作是推特在“为了改善自己的AI而不懈地努力着”。

　　关于“人工智能”到底应该什么样，我找到了我在佐治亚理工学院（Georgia Tech）的同事，人工智能的研究人员查尔斯·伊斯贝尔（Charles Isbell），向他咨询专业意见。他的第一个回答是：“让电脑表现得跟电影里的一样。”这可能听起来像是在耍嘴皮子，但是它强调了AI与那些认知和知觉理论的内在联系。诸如《星际迷航》中机器人Data这样的角色提出了问题：究竟得具备哪些性质和能力，一个生命才能被认为是拥有意识和道德的呢？而自动驾驶汽车也向我们提出了同样的追问。不过，对于一个在社交网络上负责隐藏没有头像的账号所发的状态的内容过滤器，似乎就没有这种疑问了。它只是个软件而已。

　　《星际迷航》中拥有意识的机器人data。

　　伊斯贝尔认为，如果一个程序要被称作“AI”，那它至少要具备两个特点。首先，随着时间的推移，它得能从环境的变化中自主学习。虚构作品里，机器人和赛博格的学习过程是隐形的，藏在了叙事手段后面。但是就连很简单的机器学习系统，如Netflix的动态优化程序（它的任务是提高被压缩了的视频的质量），都会用从人类观众那里收集的数据来训练它的算法，作为以后做视频播送的选择的基础。

　　伊斯贝尔提出的真正AI需要具备的第二个特点是：它学会干的事情要足够有趣，就算人类也得努力一下才能学会。这个条件把人工智能和单纯的计算机自动化工作给区分开了。取代人类的组装汽车机器人不是人工智能，一个根据程序自动重复某些工作的机器也不是人工智能。对伊斯贝尔来说，一个“真正的”AI程序或机器应该能够表现出自我管理能力和创新性，以及能够给人惊喜，做出出乎意料的行为。

　　人们对“AI”一词的期望已经贬值了，抱怨这一点也许看起来并不重要。如果有传感器和数据支持的机器学习系统将会蓬勃发展，那么人类追踪这些技术的演变也是理所应当的事情。但是之前的经验告诉我们，计算机的“计算”可能没有感觉上那么高级。我之前曾经提出过一种看法：“算法”这个词已经已经成为了一种文化痴迷，在科技领域提到算法，简直就像在朝上帝祈祷。滥用这个词会把普通（而且有缺陷）的软件提升到它们不应得的偶像高度。AI这个词也一样。编写了许多机器人程序的艾莉森·帕里什（Allison Parrish）这样说道：“一个人谈到‘AI’的时候，他其实在谈的是‘某个别人写的电脑程序’。"

　　斯坦福大学的计算机科学家杰瑞·卡普兰（Jerry Kaplan）在麻省理工技术评论中提出了一种相似的观点：AI是一个神话，是“用从袋子里抓出来的毫不相干的工具和技术胡乱拼凑出的”。AI的科研群体似乎对此表示赞同；他们说他们的学科“支离破碎，杂乱无章”。考虑到现今AI领域的乱象，卡普兰提出用“拟人计算”（anthropic computing，即试图模拟人类的行为或交流方式的程序）来代替它。对卡普兰来说，AI自带的神秘意味，包括长久以来小说、电影和电视节目对它的使用所带来的桎梏，都使得“AI”这一术语更像是一个应该被驱逐的妖魔鬼怪，而不是一种值得期待的发展方向。

　　卡普兰的观点并非独一无二——差不多70年前，数学家阿兰·图灵（Alan Turing）不小心提出了机械智能的设想时，他就提出过：当机械能够骗得人类以为它们也是人类的时候，这个机械就能被称作有“智能”了。在1950年，这个设想显得有点不切实际；虽然图灵的思想实验不是局限于电脑的，但是在当时，那些仅仅能完成相对简单计算的机器就已经得有一间房间那么大了。

　　世界上第一款商务电脑UNIVAC I，于1951年投入使用。

　　然而在今天，电脑随随便便就能骗过人类。不是依靠装成人类的样子，而是让人类相信它们足以代替其它人类工具。推特和Facebook和谷歌都并不是“更好的”市政大厅，社区中心，图书馆，或是报纸——它们是不同的东西，在电脑上运行，带着自己的优缺点。要讨论这类网络服务的意义，必须把它们理解为公司软件的特定形态，而不是异次元AI的图腾。

　　在这方面，卡普兰可能是对的：彻底放弃AI这个名词，也许是驱除当今文化魔鬼附身的最好方法了。

　　不过伊斯贝尔的更传统一点的看法——AI是会学习、会根据学到的东西来行动的机器——也有些道理。这种看法保护了AI在科学幻想正统里的崇高地位，使得它能够时时提醒创造者和用户们一个本质的事实：今天的计算机系统没什么特殊的。它们是由人类制造的设备，运行着由人类编写的程序，融汇了来自双方的成就和缺陷。

　　本文内容节选自“果壳机器人、新智元”。如原作者对本文内容有任何异议，请通过以下方式联络小编。