代碼的終結：未來我們會像訓練小狗一樣調教計算機
騰訊科技訊 在未來，我們不是給計算機編程，而是會像訓練小狗那樣訓練計算機。
在計算機發明之前，實驗心理學家認為，大腦是一個不可知的黑盒子。你可以分析一個對象的行為——比如鈴鐺一響，小狗就會分泌唾液——但是你又怎麼去分析思維、記憶和情緒呢？這些東西神秘莫測，超出了科學研究的範圍。因此，行為學家們把研究的範圍框定在刺激和反應、反饋和強化上，並沒有嘗試去了解心智的內部機制，這段時期持續了四十年之久。
然後，到了1950年代中期，一群心理學家、語言學家、信息理論家和早期人工智慧研究人員提出了一個不同的概念。他們認為，人不僅僅是條件反射的集合，而且還會接收信息，處理它，然後採取相應的行動。人擁有一個系統，可以把信息寫入記憶，存放在記憶中，並且從記憶中調用信息。這是通過一種有邏輯的、正式的語法來進行的。大腦並不是一個黑盒子，它更像是一台計算機。
這種「認知革命」最開始是一點一點萌芽的，但是，隨著計算機成為全美各地心理學實驗室的標配，「認知革命」獲得了廣泛認同。到1970年代後期，認知心理學顛覆了行為主義，它使用一套全新的語言來描述心智活動。心理學家開始把思維比作程序，普通人也開始使用「記憶的銀行」之類的比喻。
控制了代碼，就控制了世界？
數字革命滲透到了我們生活中，也滲透到了我們的語言中，以及我們對事情的基本看法之中。科技就是這樣。在啟蒙時期，牛頓和笛卡爾激發人們把宇宙想成是一座精心製作的時鐘。工業時代，帶活塞的機器給人們帶來了啟迪，弗洛伊德的心理動力學就借鑒了蒸汽機熱力學機制。而在如今這個時代，計算機從根本上塑造人們的觀念，因為如果世界是一台計算機，那麼這個世界就可以被編程。
代碼具有邏輯，可以被修改。這是數字時代的核心原則。軟體無所不在，正如風險資本家馬克·安德森（Marc Andreessen）所說，我們置身於機器叢林之中，機器把我們的行為、想法和情緒轉換成了數據——而數據是一種原材料，可以供工程師編碼執行。我們把生活看成是一種有規則的東西，其規則就是一系列可以被發現、利用、優化，甚至改寫的指令。科技公司使用代碼來理解我們最密切的聯繫，就連一些勵志文章也說，你可以修改你自己的源代碼，對你的戀愛模式、睡眠習慣，以及消費習慣進行重新編程。
在這個世界上，編程能力已經不僅僅是一種理想的技能，而且也成為了一種語言，如果你會說這種語言，你就是一個「圈內人士」，擁有了登堂入室的門徑。「如果你控制了代碼，你就控制了世界，」未來學家馬克·古德曼（Marc Goodman）曾說。保羅·福特（Paul Ford）用詞則更加謹慎一些：「控制代碼的人就算沒有控制世界，也控制了可以控制世界的東西。）
現在，無論是你喜歡這種狀況還是討厭它，無論你是否精通編程，都不要執迷於它。因為我們的機器開始說一種完全不同的語言了，即便是最好的程序員也無法完全理解這種語言。
「機器學習」與深層神經網路
過去幾年裡，美國矽谷頂尖的高科技公司開始大力發展一種計算方法，稱為「機器學習」。傳統的編程方式是寫出一步步的指令，讓計算機遵照執行。但在機器學習中，程序員不為計算機編寫指令，而是對計算機進行訓練。如果你想教會神經網路識別小貓，你不是告訴它要找到鬍子、耳朵、皮毛和眼睛。而是向它出示大量小貓的照片，最終它就能學會。如果它把狐狸錯誤地歸類為貓，你也不需重寫代碼，只要繼續訓練它即可。
這種做法並不新鮮，幾十年前就有了，但是最近出現了突飛猛進，這要部分歸功於深層神經網路的興起。深層神經網路是一種大規模分布式計算系統，模仿大腦神經元的多層連接。我們有很多網上活動都是以機器學習為後盾的，比如Facebook用它來決定哪些內容出現在你的消息流里，谷歌照片服務用它來識別面孔，微軟Skype的翻譯功能也使用了機器學習，實時把內容轉換成不同的語言。此外，無人駕駛汽車也利用機器學習來避免事故的發生。
即便是谷歌的搜索引擎也已經開始採用深層神經網路了：該公司今年2月任命機器學習專家約翰·詹南德雷亞（John Giannandrea）擔任搜索部門負責人。谷歌發起了一項重要計劃，培養工程師掌握這些新技術。「通過打造學習系統，」詹南德雷亞說，「我們不必再編寫規則了。」
一個時代的結束
這裡的問題是：使用機器學習，工程師永遠不知道計算機是如何完成任務的。神經網路的機制在很大程度上是不透明的，神秘莫測。換言之，它就是一個黑盒子。隨著這些黑盒子開始承擔更多的日常數字任務，它們不僅會改變我們與技術之間的關係，而且還會改變我們看待自己、看待這個世界，以及自己在世界中位置的方式。
如果說以前，程序員就好像是上帝，制定了計算機系統運行的法則，那麼現如今，他們更像是家長或者馴狗師了，這是一種更加捉摸不定的關係。
安迪·魯賓（Andy Rubin）是一名經驗豐富的程序員，參與了Android操作系統的搭建。 「我進入計算機科學這一行的時候還很年輕……它是一塊空白的畫布，我可以從零開始創建東西，」他說。「很多年來，這給我帶來了一種巨大的掌控感。」
但是現在，他說，這個時代即將結束。魯賓熱衷於機器學習，他的新公司Playground Global就是機器學習領域的創業公司，主營智能設備的普及——但是這事也有點讓他傷心，因為機器學習改變了「當一名工程師」的內涵。
「人們不再用線性的方式寫程序了，」魯賓說。「神經網路學會如何進行語音識別之後，程序員是無法深入其內部一窺究竟的。它就像你的大腦一樣。你不能砍下一個人的腦袋來看看他在想什麼。」如果工程師決意要看看深層神經網路中是什麼，他們看到會是一個數學的海洋：一個巨大的、多層結構的微積分問題，通過不斷推導數十億數據點之間的關係，得出對世界的猜測。
就在幾年前，主流的人工智慧研究人員還認為，為了創造智能，我們必須給機器灌輸正確的邏輯。等到編寫了足夠多的規則，最終我們就會打造出一種足夠精密的系統來了解這個世界了。他們在很大程度上忽視了機器學習的一些早期支持者，這些支持者認為，應該給機器灌入數據，讓它們自己得出結論。
許多年來，計算機一直沒有發展到強大得足以真正證明這兩種方法優劣的程度，所以這個爭論成為了一個哲學命題。「大部分爭論都立足在一些堅定的信念上：這個世界應該怎麼組織起來，大腦是如何工作的，」谷歌無人駕駛汽車研發者、前斯坦福大學人工智慧教授塞巴斯蒂安·史朗（Sebastian Thrun）說。「神經網路沒有符號，沒有規則，只有數字。這讓很多人都敬而遠之。」
程序員不會失業
一種不可解析的機器語言，這不僅僅是個哲學構想而已。在過去的二十年里，學習編程一直是最可靠的就業途徑之一——所以一些家長讓孩子在放學後去上編程輔導班。但是，以神經網路方式連接的深層學習機器是另外一個世界，需要的是另外一種員工。分析師已經開始擔心人工智慧會對就業市場產生怎樣的影響了。就像一些機器設備發明之後，之前的一些工種失去了意義，程序員自己可能很快也會品嘗到這種滋味了。
當被問及這種轉變時，提姆·奧萊理（Tim O"Reilly）說，傳統的編碼工作不會完全消失，而且在很長一段時間中，我們仍然需要程序員——但是需要的人數可能會減少，編程會成為一項元技能（meta skill）。按照艾倫人工智慧研究所（Allen Institute for Artificial Intelligence）的CEO奧倫·奧尼（Oren Etzioni）的說法，機器學習需要「腳手架」來運行，而搭建「腳手架」就需要會編程。不會因為有了量子力學，牛頓力學就會被拋棄。編程仍然會是一種強大的探索世界的工具，只是人們可能還需要其他更多的工具。但是，在驅動具體職能方面，主要工作是由機器學習來執行的。
當然，人們仍然要訓練這些系統。這項工作既需要對數學有非常深入的領悟，也需要有一種教學上的直覺。「這幾乎就像一種藝術，把這些系統中最好的一面引發出來，」谷歌DeepMind人工智慧團隊的主管戴密斯·哈薩比斯（Demis Hassabis）說。「世界上有隻有幾百人能出色地做到這一點。」但是，即便人數這麼少，也足以在短短的幾年間內就給技術行業帶來了轉變。
對文化的影響
無論這種轉變會給就業帶來怎樣的影響，它對文化的影響必定會更大一些。如果人類編寫的軟體導致了人們對工程師的崇拜，讓大家覺得人類體驗最終可以簡化為一系列可以理解的指令，那麼，機器學習就開始向相反的方向推動了。宇宙運轉的法則，可能是無法人為分析的。歐洲反壟斷調查稱谷歌對搜索的結果施加了不當影響。但是，如果就連公司自己的工程師也說不清楚搜索演算法究竟是如何發揮作用的，那麼這樣的指控就會變成無頭公案了。
不確定性已經不是什麼新聞，即使很簡單的演算法，也可能產生不可預知的突發行為——這種說法可以追溯到混沌理論和隨機數生成器。過去的數年中，隨著網路變得日益盤根錯節，功能變得越發複雜，代碼似乎越來越像是一種外星神力，機器的行為變得更加難以捉摸，難以管控：股市裡出現了一系列不可預防的突然崩潰；停電現象莫名發生。
由於這些力量的崛起，技術專家丹尼·希利斯（Danny Hillis）宣布「啟蒙時代」已經結束。數個世紀以來，我們對邏輯、確定性和控制自然充滿了信念，這個時代現在結束了。希利斯說，「糾纏時代」（age of Entanglement）開始了。「我們在技術和機制上的創造的東西變得更加複雜，我們與它們之間的關係發生了變化，」他在《設計和科學》（Design and Science）雜誌上的寫道。「我們不再是我們創造的東西的主人，我們學會與它們商討，哄騙和引導它們朝著的我們的大方向前進。我們創造了我們自己的叢林，它們也有它們自己的生命。」在這條道路上，機器學習的崛起是最新的一個發展，也許會是最後一個。
前景令人擔心？
這可能會讓人覺得可怕。畢竟，普通人參加了短訓班之後，多少也會掌握一些編程技能。程序員至少還是人類。現在不僅科技精英圈縮小了，而且對於他們自己創造的東西，他們的控制力也減弱了。創造這些東西的公司發現它們很難管控。去年夏天，谷歌的照片識別引擎把黑人圖片標誌為大猩猩。公司在道歉的同時，馬上採取了一個糾正做法：讓系統不要把任何東西標記為大猩猩。
一些人覺得，這意味著機器奪走人類權威的時代將會到來。「可以想見，技術戰勝了金融市場，比人類研究者更擅長於發明創造，比人類領導者更擅長於操縱術，還會研製出一些我們甚至無法理解的武器，」斯蒂芬·霍金寫道，「雖然AI的短期影響取決於控制它的人，但它的長期影響則取決於它到底是否能被人控制。」埃隆·馬斯克和比爾·蓋茨等人都贊同他的說法。
但是無需太過害怕。我們才剛剛開始學習與一項新技術「糾纏」的規則。目前，工程師們正在研究如何把深度學習系統的過程進行視覺化。但是，即使我們永遠不能完全理解這些新機器的思路，這也不意味著我們會在它們面前無能為力。在未來，我們不會太關心它們行為的深層根源，而是學會把注意力放在它們的行為本身上。代碼的重要性將會降低，我們用來訓練它的數據會變得更加重要。
重拾行為主義
你可能覺得這看上去似乎有點眼熟，那是因為它和20世紀的行為主義很相似。事實上，訓練機器學習演算法的過程經常被比喻為20世紀初一個偉大行為主義實驗：巴甫洛夫用鈴鐺聲讓小狗流口水，那並非源自於對飢餓的深刻理解，只是一遍又一遍地重複一個套路。他提供了數據，一遍又一遍，直到代碼重寫了其本身。不管你對行為主義者有什麼看法，他們就是有控制實驗對象的本事。
史朗說，從長期來看，機器學習將帶來一種民主化的影響。就好比如今你不需要學HTML就能建網站，最終來說，你不需要博士學位，就能利用深度學習的巨大力量。編程不再是掌握了一系列神秘語言的程序員的專屬領地。只要你曾經教會過小狗打滾，你就能勝任。「對我來說，這是編程方面最酷的事情，」史朗說，「因為任何人都可以編程了。」
在計算的歷史上，對於機器如何工作，很多時候我們都採取了一個由內而外的視角。首先我們寫代碼，然後用機器表述它。這種世界觀暗示了一種可塑性，但也體現了一種基於規則的決定論，從某種意義上說，底層指令決定了一切。機器學習則相反，它代表了一種由外而內的視角：不只是代碼決定行為，行為也決定了代碼。
如今，計算機是一種把體驗轉化為技術的設備。幾十年來，我們尋求的是那種可以解釋我們對世界的體驗，以及進行一些調整後，可以優化我們對世界的體驗的代碼。但是，我們的機器將無法按照這種方式發展下去。我們與技術的關係將變得更加複雜，但最終來說也會變得更有價值。我們的角色也會發生變化，以前我們是設備的指揮官，以後我們會是設備的家長。（Kathy）
※手機需要經常關機？是時候來終結這個話題了！
※當這幾個星座這樣的時候，你要小心，你們的感情即將要終結了
※沒想到你是這樣的終結者！
※感情終結的信號，這些跡象表現你們關係要結束了！
※你們不要逼湯神，他發起狠來能終結自己腳踝！
※一件事，老闆都是只看最終結果，拼死拼活的過程沒必要拿出來炫耀
※你都習慣了嗎？蘋果終結了實體按鍵時代！
※機器人真的能成為終結者嗎？事實可能遠非我們想像
※海賊王最終結局預測，快進來看看是不是和你想的一樣
※你會找一個機器人女友，還是被終結者殺死？電影里早就有了答案
※你會找一個機器人女友，還是被終結者殺死？電影里早就告訴你答案了
※教會的終結
※這裡是宇宙的終結與開始，它們究竟是如何被發現的
※重男輕女，希望能在我們這一輩終結，看完想哭……
※邊緣計算崛起，將成為雲計算的「終結者」？
※我們是誰終結版來了！懟你沒商量，不服來戰！
※遇到話題終結者，是一種什麼樣的體驗？
※「只吃水果會瘦嗎」這個話題，可以終結了
※男人經常說這句話，你們的愛情多半要終結了