诺奖得主Wilczek：人工智能正在解放我们的大脑

　　我们曾将记忆“外包”给文字，现在我们正在将计算、翻译和识别三个重要的认知能力“外包”给计算机，在更广范围、更深的层次解放我们的大脑。

图片来源：pixabay

　　撰文 Frank Wilczek（2004年诺贝尔物理学奖获得者、麻省理工学院物理学教授）

　　翻译 梁丁当

　　编辑 丁家琦

　　上个月我读了玛丽·雷诺（Mary Renault）的《唱颂歌的人》（The Praise Singer）。这是一部关于古希腊诗人西莫尼德斯（Simonides）的小说，西莫尼德斯和苏格拉底生活在同一个时代，那时文学正从口头传诵转向文字。两个人都反对这个转变，当然也就没有留下任何文字作品。雷诺小说里的西莫尼德斯把写作当作“对缪斯女神的亵渎” ，柏拉图也曾告诉我们，苏格拉底蔑视写作的理由是文字“不能有效地传授真理”。

　　西莫尼德斯和苏格拉底自有他们的道理：依赖文字会让表演者不再需要完美的记忆，从而不能深刻理解剧情（译者注：古希腊文学中的一大组成部分是戏剧）。如果他知道古典音乐的独奏者就是靠背乐谱来深入理解乐曲的，西莫尼德斯一定会在九泉下微笑的。但是，众所周知，文字在精确和可重复性上有着显然和不可超越的优势。苏格拉底等人的异议实在有些苍白无力。

　　到如今，已经没人质疑用文字等媒介来给记忆“减负”的必要性了。如果你觉得文字表达力不够（苏格拉底的直觉是对的），我们可以加宽频带，加上音频、视频甚至网真（telepresence，一种通过结合高清晰度视频、音频和交互式组件，在网络上创建一种独特的“面对面”体验的新型技术）。我们不再死记事实，取而代之的是学习如何检索事实。

　　今天，除了记忆之外，我们还在“外包”其他认知功能。就我目前所能想到的，我们正在同时进行至少三个革命。

　　其中最先进的是计算。像我这个年纪的人（注：维尔切克教授生于1951年），刚好用过计算尺和“加法器”。第一代电子计算器非常昂贵，是每个理科生梦寐以求的东西。今天，你在玩具商店用10美元能买到更强大的计算能力。

　　计算能力的革命在多个方面都改变了我们的观念，其中之一，就是国际象棋不再是超级天才的游戏。能进行快速无错运算的计算机可以碾压最好的人类选手。（译者注：围棋最近也被计算机征服了。）

　　在物理界有句幽默的名言：“闭上嘴，计算吧”（shut up and calculate），现在它已经有了全新的含义。以前我们必须通过一些聪明的技巧和近似把问题简化，直到人可以计算。现在，物理学家的目标是把问题转化成计算机可以理解和计算的形式。

　　我早期活跃的领域，量子色动力学（QCD），就是典型的例子。通过几十年的努力，传统的“解析”办法对QCD里的方程依然束手无策，但是依赖计算机的“数值”方法却非常成功，它已经能告诉我们夸克和胶子是如何构成质子，并预言高能质子碰撞后会发生的绝大多数现象。

　　翻译很快将是下一个“外包”的对象。语言障碍造成了国家间的隔阂，是现代文明危机的源泉之一。目前，我们已经有了粗糙的自动翻译系统，在这方面的进一步发展将会强有力地推动社会的进步。

　　一个相关的问题是人类语言和机器语言之间的翻译——也就是编程。高级计算机语言已经让编程变得越来越方便，但编程依然是个令大多数人却步的专业技能。Siri和Alexa已经让我们看到了一丝未来：或许到那时我们编程，只需要用清晰的英语、西班牙语或中文告诉计算机我们要干什么就行了。

　　识别是最不成熟的的领域，处于研发的最前沿。识别我们所看到的东西是我们人类的基本能力之一，如果识别可以自动化，变成计算机的能力，我们就能造出机器仆人和自动驾驶汽车（也就是机器人司机）。人脑通过神经元间的信号传递和相互影响来工作，受人脑的工作原理启发而产生的神经网络技术最近取得了巨大进展。

　　在神经网络里，信息存储在各类连接的相对强度里。神经网络不是通过普通的编程而是依靠经验的优化来获得强大的能力。一个成功的神经网络具体的工作过程可能非常难理解，就像人脑里的神经网络一样。从这个角度看，将任务“外包”给神经网络非常像训练一个助手。

　　在如今的新时代，也有一些像西莫尼德斯和苏格拉底一样的人，他们担忧把计算、翻译这些任务“外包”给机器会让人的技能退化。没错，它们确实会，就像文字记录降低了记忆的重要性一样，但总体上，这些工具让我们获得了解放，我们可以在更高的层次上探索。

　　本文经 Wilczek 教授授权翻译。

　　原文发表于2017年2月23日的《华尔街日报》，题目为Offloading Will Liberate Our Minds

　　原文链接：https://www.wsj.com/articles/offloading-will-liberate-our-minds-1487870720