如果機器能幫我們學習，那麼有多少東西能夠被遺忘？

費曼高中時候的微積分筆記：「這一次我試著用這種方式將它記在腦子裡，而不是忘記。這樣我就學過微積分了。」| 圖片來源：Physics Central / Niels Bohr Library and Archive

撰文：Gene Tracy

在我還是個學生時的遙遠年代，大多數計算機都還是體型巨大的機器。當時我有一個朋友，他的博士導師堅持讓他對一個冗長又困難的原子理論進行手寫計算。他用掉了一頁又一頁的草稿紙，上面充滿了錯誤。於是最終他屈服於自己的挫敗感，在一個晚上他偷偷溜進計算機實驗室，寫了一段簡短的代碼來進行計算，再費力地將輸出結果抄寫下來，交給了他的導師。

「完美！」他的導師說，「這才表明你是一個真正的物理學家」。導師顯然對發生的事情一無所知。雖然後來我和這位朋友失去了聯繫，但我認識許多沒有像老一輩那樣精湛地掌握紙筆運算技巧，卻同樣成功地開拓了自己的科學事業的人。

在討論社會轉型時，我們通常都會關注那些至關重要的新技術。但是，相比於關注我們正在學些什麼，或許我們應該思考的是相反的問題：什麼是我們可以安然忘記的？2018年，《科學》雜誌向數十名年輕科學家提出「學校應該教給下一代什麼」的問題。許多人說，我們應該在記憶事實方面少花些時間，為更有創造性的事物提供更多的空間。

互聯網已發展得越來越強大和全面，因此我們為何還要費心去記住和保留信息？如果學生可以通過智能手機接觸到整個世界的知識，為什麼還要求他們往腦袋裡塞下那麼多知識？

人類文明是通過策略性地遺忘一些曾被認為是至關重要的生活技能才得以演化的。在新石器時代的農業革命之後，一個農場工人可以拋下很多關於森林的知識、追蹤動物的技能，以及其他一些對狩獵和採集至關重要的知識。在隨後的幾千年里，社會逐漸工業化，閱讀和寫作變得至關重要，或許就能將耕作與收割的知識棄之不顧。

現在，如果沒有智能手機的GPS，許多人很快就會迷路。所以接下來會發生什麼？有了無人駕駛汽車，我們會忘記如何親自駕駛嗎？如果識別語音的人工智慧可以解析出最微妙的話語表達，我們會忘記如何拼寫嗎？而且，這些都無關緊要嗎？

畢竟，我們中的大多數人已經不知道如何種植我們吃的食物，也不知道如何建造我們居住的房屋。我們不懂畜牧業，不懂如何紡羊毛，甚至不懂如何更換汽車上的火花塞。大多數人不需要知道這些事情，因為如社會心理學家所說，我們是「交互記憶網路」里的成員。

我們不斷地通過對話、閱讀和寫作等活動，與一個有「記憶搭檔」的社區進行「記憶交易」。作為這個社區的成員，多數人不再需要記住大部分的事情。這並不是因為知識已經全然被遺忘或喪失，而是因為會有別的人或別的東西來記住它們。我們只需要知道找誰交談，或者到哪裡去查找就足夠了。這種合作行為是進化贈與我們的遺傳天賦，它極大地擴展了我們的有效記憶能力。

然而新的情況是，我們的許多記憶搭檔如今都是智能機器。但是，像Google搜索這樣的人工智慧是獨一無二的，它反應迅速、隨時可用，更像是一個「超級記憶搭檔」。它讓我們得以接觸到人類知識寶庫中的很大一部分。

研究人員發現了當前形勢下的幾個陷阱。首先，我們的祖先是從其他人類群體中逐漸演化而成的，這是一種對等式的記憶網路。然而，來自他人的信息總是會受到各種偏見和動機性推理的影響。他們會對事物進行掩飾和合理化，還可能會犯錯。我們已經學會適應他人與自身的這些缺陷；但人工智慧演算法的出現使許多人傾向於相信，這些演算法必然是正確和「客觀」的。簡而言之，這是一種神奇的思維。

現如今，最先進的智能技術都是通過反覆的測試和評分過程訓練得來的，人類仍要對它們進行最終的合理性檢查，並為其選定正確的答案。由於機器必須在有限的數據集上進行訓練，人類會在一旁進行裁斷，因此演算法往往會放大我們已有的關於種族、性別等問題的偏見。

在2017年之前，亞馬遜公司就曾使用過一個成為了這一問題的經典案例的內部招聘工具：在使用內部人力資源部門的數據進行決策訓練之後，公司發現這個演算法會系統性地排除女性候選人。因此，如果我們不提高警惕，我們的人工智慧超級夥伴就可能會變成超級偏執狂。

第二個困境與獲取信息的便利性有關。在非數字領域，我們向其他人或者去圖書館尋求知識時所需付出的努力能讓我們清楚地知道，他人的頭腦里或書本中都有著怎麼樣的知識。但研究人員發現，互聯網反應的完美敏捷度會導致錯誤的信念，它讓人們以為自己尋求的知識是自己原本就已知的東西的一部分，這種錯誤的信念會被編碼在後來的記憶中。

也許這些結果表明，我們有一種「延展心靈」的本能——這是哲學家David Chalmers和Andy Clark在1998年首次提出的觀點。他們認為，我們不應該把我們的心智僅僅視為是包含在物理大腦中的事物，還應該向外延伸到包括輔助記憶和推理的工具上：比如記事本、鉛筆、計算機、平板電腦和雲端等。

鑒於我們對外部知識的無縫訪問越來越多，或許我們正在發展出一個更加延展的「自我」——這是一個潛在的角色，在他膨脹的自我想像中，具有「知識就在我記憶網路中的某處停留」的模糊印象。如果是這樣的話，那麼當腦-機介面，或者也許是通過神經植入實現的腦-腦介面變得普遍時，又會發生什麼？

這些技術目前正在研發中，以供那些患有閉鎖綜合征、中風、ALS（運動神經元病）的患者使用。但當技術變得完善時，它們很可能會變得更加常見——成為在一個競爭激烈的世界中的機能輔助工具。

一種新的文明似乎正在出現，它是一種富含機器智能的文明，它使我們與靈活的人工記憶網路相連的介面無處不在。即使有了神經植入，大部分我們會去訪問的知識也不會停留在我們已經「升級」過的「賽博格」大腦中，而是會遠程地存儲在伺服器銀行中。眨眼之間，從啟動到響應，每一次的谷歌搜索從到達一個數據中心再返回，平均需要要經過大約1500英里（約合2400公里）的路程，在整個過程中使用大約1000台計算機。

但是對網路的依賴也意味著新的弱點產生了。人類的福祉（如食物或能源）所依賴的任何關係網路一旦崩潰，都將會引發一場災難。沒有食物我們就會忍飢挨餓，沒有能源我們就得蜷縮在寒冷中瑟瑟發抖。正是由於記憶的普遍喪失，文明才可能要陷入這樣一個隱約可見的黑暗時代。

但是，即使可以說機器會思考，人類和機器的思考方式也是不同的。我們具有能與之抗衡的優勢，而且機器常常並不比人類更客觀。通過與人工智慧合作，我們能下出更高明的棋局，也可以做出更好的醫療決策。所以，為什麼不使用智能技術來促進學生的學習呢？

技術可以潛在地改善教育，極大地拓寬獲取途徑，促進人類的創造性和福祉。許多人已經覺察到了自己正處在某種過渡的文化空間里，巨大的變化即將發生。或許教育工作者最終會與人工智慧夥伴合作，成為更好的教師。但與象棋或醫學診斷中的協作不同的是，在教育環境中，學生還不是成熟的專家。人工智慧作為無所不知的記憶搭檔，很容易會成為一根拐杖，培養出一些自認為可以獨立行走的學生。

我的那位物理學家朋友的經驗告訴我們，記憶是可以適應和演化的。這種演化必然包括忘掉舊的方式，以便騰出時間和空間來學習新的技能。如果舊的知識形式被保留在我們網路中的某個地方，並且在我們需要的時候就可以找到，那麼也許它們並沒有被真正遺忘。即便如此，隨著時間的推移，一代人總會慢慢而又毫無疑問地成為下一代人的陌生人。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！