電腦發明之前，大多數實驗心理學家都認為大腦是一個未知的黑箱。你可以通過“搖鈴－流口水”來分析動物的行為——但是思想、記憶和情感該怎么觀察？這些東西深不可測又難以捉摸，科學也無能為力。所以，這些自稱行為主義者的科學家把自己的工作定義為：刺激與回應，反饋與強化，搖鈴與唾液。他們放棄對理解大腦運作原理的嘗試。這種思想統治了學界40多年。

1950年代中期，一群有反叛精神的心理學家、語言學家和信息科學家以及早期的人工智能研究者探索出一種完全不同的思維概念。他們認為，人不僅僅是一系列應變反應的集合。他們吸收信息、處理信息、依此行動。他們有讀寫系統、敘事系統和回憶機制。這一切都通過一種有邏輯、有條理的句法來實現。大腦完全不是一個黑箱，而更像一臺電腦。

這場“認知革命”雖然起于青萍之末，但是隨著計算機成為美國心理學實驗室的標準配置，漸漸地為更多的人所知。1970年代末，認知心理學已經壓倒了行為心理學，當談及意識時，人們開始使用一種全新的語言。心理學家們開始把思維比作程序，普通人也習慣了說向大腦“存儲”信息，而商界精英為智力“帶寬”和處理能力跟不上工作需要而苦惱。

同樣的故事一再上演。當數字革命已經在日常生活中無孔不入，它也在滲透進我們的語言，滲透進我們對于事物基本運行規律的理解。技術一向如此。在文藝復興運動中，牛頓和笛卡爾啟發人們將宇宙想象成一座精密的鐘表。工業革命中，宇宙變成了一臺活塞機。現在，它成了一臺電腦。這種理論將給人類賦予更多的自主權，如果世界是一臺電腦，那么它就可以被編程。

如今，編程技能已經不僅僅是一項技能，更是一種語言，掌握了這門語言，你就成了掌握世界機密的“內部人士”。 “控制了代碼，就控制了世界。”未來學家Marc Goodman這樣寫道。（在《商業周刊》上，Paul Ford說的更謹慎一些：“就算程序員不掌控世界，他們也在掌控那些掌控世界的東西。”）

代碼是符合邏輯的。代碼是可破解的。代碼命中注定。這是數字時代生活的核心信條，也是自我實現的預言。

按照風險投資家Marc Andreessen的說法：軟件正在“吞噬”世界，周圍無處不在的機器正在把我們的行為、思想、情感轉化為數據——供揮舞著代碼的程序員大軍操縱的原材料。似乎，我們的生活遵循一連串基本的準則，可以被發現、探索、優化，甚至可以被重新編寫。互聯網公司通過代碼去了解我們最私密的聯系；Facebook的扎克伯格走得更遠，他認為“在人類關系中或許有一種基本的數學定律，決定著我們是誰，我們關心什么。”

2013年，在進行了10年人類基因破譯工作之后，生物學家克Craig Venter 宣布：他已經著手編為自己編寫代碼以生成人造器官。“再清楚不過了，地球上我們已知的所有生物細胞都不過是DNA軟件驅動的生物機器。”克雷格·文特爾說。甚至，自助類書籍也在聲稱你可以破解（hack）自己的“源代碼”，重新編程（reprogram）自己的情感生活、睡眠周期和消費習慣。

但是，無論你喜歡與否——不管你是編程階層的一員還是連手機鬧鐘設置都搞不定的普通人——不要對此習以為常。世界這臺“機器”正在開始說另一種語言，即使是最頂尖的程序員也不一定能全弄明白。

在過去數年間，硅谷最大的科技公司都在拼命追求一種被稱之為機器學習的計算方式。傳統的編程模式下，工程師寫好明確的、分步運行的指示，計算機只需執行。在機器學習模式下，工程師不會給計算器編寫運行指示，他們會訓練計算機。比如，如果你想教神經網絡去識別一只貓，不用告訴它要去找胡須、耳朵、毛和眼睛，只需要給它看成千上萬幅貓的照片，它最終自己會找到辦法。如果它一再把狐貍錯認為貓，你不需要重寫代碼，只需要繼續調教。

這種方法并不新鮮——已經存在了幾十年——但直到最近才變得極其強大，一部分歸因于深度神經網絡的異軍突起，大規模的分布計算系統模擬大腦神經元的多層連接。無論你是否意識到，我們很多的網絡活動背后都有機器學習的影子。 Facebook利用它來決定哪條新聞出現在你的時間線上，Google圖片用它來做面部識別。微軟的Skype Translator利用機器學習把演講實時轉換成不同的語言。

自動駕駛汽車依靠機器學習來避免事故。甚至，Google搜索引擎這座由人工規則建立起來的“大廈”也開始仰仗這些深度神經網絡。2月份，Google用機器學習專家John Giannandrea替換掉了多年以來的搜索部門負責人，還開始啟動一個針對工程師的“新技能”再培訓項目。“通過培養學習機制，我們不一定非要去編寫規則了。”Giannandrea告訴記者。

但是，這就是問題所在：工程師們永遠也無法確切搞清楚計算機是如何通過機器學習完成任務的。神經網絡的運行很大程度上是不透明的，難以捉摸。換句話說，這是個黑箱。這些黑箱正在日益接管我們的數字生活。不僅在改變我們與科技的關系——還在改變我們對于自我、世界以及人類在世界中的位置的認識。

過去，程序員就像是上帝，制定計算機系統運行的律法；現在，他們變成了計算機的父母或訓狗師。無論是父母還是訓狗師都會告訴你，這是一種更為神秘的關系。 Android的聯合發明人Andy Rubin是個積習成癖的發明家和程序員，硅谷人盡皆知他的辦公室和家中到處都是機器人，他親自給它們編程。“我很小的時候就對電腦科學著了迷，因為在計算機的世界我可以忘記自己。它是一塊干凈的石板，一塊空白的畫布，我可以從無到有地創造。“他說，”多年以來，我對這個自己樂在其中的世界全權掌控。”

如今，這個世界已經走到了盡頭。Rubin為機器學習的崛起而激動歡呼——他的新公司Playground Global專門投資機器學習領域的創業公司，在智能設備的普及浪潮中保持領先，但這也會讓他感到些許難過。因為機器學習改變了工程師存在的意義。

“人們不會再逐行寫代碼了，當一個神經網絡學會了語音識別，程序員并不能深入內部去看看這是怎么發生的，就像你無法切開大腦看看自己在想什么。”Rubin說。當程序員窺視深度神經網絡的內部，他們看到的只是一團迷霧：海量多層次的微積分問題——由數十億個數據點持續不斷產生的連接——產生著對世界的猜想。

這并不是人們想象中的人工智能的運行方式。直到數年之前，主流的人工智能研究者還以為只要為一臺機器灌輸正確的邏輯，就能創造智能。只要編寫足夠多的規則，我們最終就能創造一套精密到可以理解世界的系統。早期的機器學習擁護者被忽視甚至遭到詆毀，他們更傾向于給電腦提供足夠多的數據，讓它們自己得出結論。多年之間，計算機的運算能力都不足以證明這種方法的價值，所以爭論變成了一場哲學思辨。

“大部分爭論都建立在關于世界運行與大腦運轉的頑固信仰上，”Google無人駕駛汽車之父、斯坦福人工智能教授Sebastian Thru說。“神經網絡沒有符號，也沒有規則，只有數字，這讓很多人望之卻步。”

一種無法解析的機器語言帶來的不僅是哲學觀念上的沖擊。過去20年間，學習編程已經成為一條無比堅實可靠的職業道路。但是一個由彼此神經連接的深度學習機器主宰的世界需要另一種勞動者。關于人工智能令各種技能過時的擔憂已經甚囂塵上，程序員很快就能嘗到自己釀下的“苦果”的滋味。

“我今天早上剛剛和別人談過這個話題。”當我問到這種轉變時，科技名流Tim O’Reilly 說。“當這一代的孩子成長起來，編程工作將會和今天的大為不同。”

當然，傳統的編程并不會徹底消失——O’Reilly預計很長一段時間內我們還是需要程序員——但是數量將大為減少，而且編程將會變成一種“元技能（meta skill）”，一種為機器學習創造“腳手架”的手段。就像量子力學的發現并未讓牛頓力學失效，編程依舊是探索世界的一種有力工具。但是要快速推進特定的功能，機器學習將接管大部分工作。

當然，還是要有人來訓練這些系統。但是，至少在今天，這還是一種稀缺的技能。這種工作需要對數學有高層次的領悟，同時對于“有來有往”的教學技巧有一種直覺。“使這些系統達到最優效果的方法差不多是一門藝術”，Google Deepmind團隊負責人Demis Hassabis說。“世界上只有寥寥數百人能出色地完成這件事。”

但即使是這一小撮人也足夠在數年之間改變整個科技行業。

不管這樣的轉變對于人類職業有何影響，它對文化造成的沖擊將會更大。人工編程軟件的興起引發了對于程序員的宗教式崇拜，一種觀念大行其道：人類的經驗最終可以濃縮成一系列可以理解的指令。而如今，機器學習把鐘擺撥向了相反的方向。宇宙運行的“代碼”可能在人們的理解之外。比如， Google在歐洲正面臨反托拉斯調查，被指控對搜索結果施加過度影響。這項指控很難被證明，因為就連Google自己的工程師都沒法說清楚搜索算法是如何工作的。

這早已不是新鮮事，即使是簡單的算法也會產生意想不到的新行為——這種觀念可以追溯到噪音理論和隨機數生成器。在過去幾年間，隨著計算網絡日益交織，功能日趨復雜，程序變得越來越像一股外星力量，機器中的幽靈變得越發難以捉摸、不受控制。飛機無故著陸，股市出現看似不可避免的極速暴跌，還有輪流停電事故。

這些“看不見的力量”讓科學家Danny Hillis公開宣稱文明時代——我們數百年來對于邏輯、決定論、人定勝天的信仰——的終結。“隨著我們創造的技術和機構日益復雜，我們和它們之間的關系已經改變，不再是它們的主人，而要學著跟它們討價還價，勸誘、指引它們達成我們的目標。機器學習的崛起是這段旅程的最新一章，也可能是最后一章。”

Google圖片將兩名黑人的照片識別為“大猩猩”

后果可能會相當恐怖。畢竟，編程技能還是普通人可以學習和掌握的。程序員畢竟還是人類。如今，技術精英群體的規模正在縮小，他們下達的指令正在不斷減少，越來越間接。那些制造出這些東西的公司發現它們的行為很難控制。去年，Google的圖片識別引擎開始把黑人打上大猩猩的標簽，它不得不緊急道歉，補救措施的第一步是阻止系統為任何東西貼上大猩猩的標簽。

“這一切都預示著一個我們失去對機器控制權的時代的到來。人們可以想象科技在金融市場上智勝人類，逃離人類領袖的操縱，甚至發明人類無法理解的武器。”史蒂芬霍金的這些話得到了埃隆·馬斯克 和比爾蓋茨等人的響應。“人工智能的短期影響取決于它操控在誰的手中，長期后果取決于能否被掌控。”

但是不必驚慌失措，這不代表天網的降臨。我們只是要學習如何與新一代技術合作共事。工程師們正在想法設法讓深度學習系統“引擎蓋”下的運作變得可視化。即使我們終究沒法完全弄懂它們是如何”思考“的，并不意味著我們在它們面前無能為力。未來，我們將不再關注行為背后的底層代碼，而是專注于行為本身。我們用于訓練機器的數據將比代碼更重要。

巴甫洛夫的條件反射實驗

如果這一切似曾相識，那是因為這很像20世紀的行為主義。實際上，訓練機器學習算法的過程經常會被與20世紀初那些偉大的行為主義實驗相提并論。巴甫洛夫并不需要深入理解饑餓的原理，只需要一再重復一系列動作就可以激發狗分泌唾液。他一次又一次地提供數據，直到代碼自己重新編程。

長期來看，機器學習將會使技術更加民主化。你今天不需要知道 html 就可以搭建一個網站，同樣的，你最終也不需要取得博士學位才能讓機器學習的超強能力為己所用。編程不再是程序員們一系列晦澀語言的專屬地盤，以后，任何人都可以編程。

在計算機發展史的大部分時間里，我們對機器的原理無所不知。我們編寫代碼，機器負責表達，這種世界觀雖然蘊含著“可塑性”，但也代表著一種基于規則的決定論，即認為事物是它們背后的規則的產物。機器學習的哲學則相反，不只是代碼決定行為，行為也決定了代碼。機器是世界的產物。

最終，我們既會欣賞逐行寫代碼的力量，也要通過機器學習算法來調整它。很可能生物學家已經開始動手了。Crispr 這樣的基因編程專家將會賦予基因和軟件程序員一樣的代碼操縱能力。但后生學理論表明基因并非一系列不可更改的程序設定，而是根據周圍環境和宿主經歷而改變的一組動態開關。我們體內的代碼并不是獨立于物理世界，而是深受它的影響，也會被深深改變。Venter可能會深信細胞是DNA軟件驅動的機器，但是后生學家Steve Cole有一種不同的表達：細胞是一種把將生活經歷轉化為生物現象的機器。

如今，在艾倫圖靈設計出“圖靈機”80年后，計算機成了將體驗轉化成技術的設備。幾十年來，我們都在尋找可以解釋、優化我們生活體驗的代碼。但是我們手中的機器不會再遂我們的愿了。我們和機器之間將會有一種更為復雜、然而最終會讓我們獲益更多的關系。我們不再給它們下指令，而是成為它們的父母。

本文來源：鈦媒體