假如机器可以留存记忆,我们可以放心忘掉多少东西?
发起人:另存为  回复数:0   浏览数:2816   最后更新:2019/04/20 21:55:22 by 另存为
[楼主] 另存为 2019-04-20 21:55:22

来源:界面  Gene Tracy


互联网上几乎可以查询到你想知道的一切,那么我们还有必要记住知识吗?

理查德·费曼念高中时的微积分笔记:“那是一种让一时的东西进到脑子里去的方法,以免忘掉它。”图片来源:Courtesy Physics Central/Niels Bohr L


很久以前,在我还是个学生的时候,绝大多数电脑的主机还是庞然大物,我结识了一个朋友,他的博士导师坚持要他亲手完成一项漫长而艰难的原子理论计算。其结果就是一页又一页的充斥着铅笔涂画且错误繁多的稿纸,朋友因陷入沮丧而最终放弃。一天晚上,他潜入计算机实验室,写了一段不长的代码来进行运算。接着他又费了不少功夫来手抄结果并将其交给他的导师。

老师说,棒极了——这证明了你是个真正的物理学家。教授在把握世界脉搏上并不比一般人更聪明。虽然我后来跟这位朋友失联了,但我却明白,许多人在不照着前人那样做一个精通笔算的高手的情况下,依旧能在科学事业上取得成功。

在讨论社会转型(societal transitions)的时候,常见的做法是聚焦将会具有核心意义的新技能。但我们可能应该考虑另一面:哪些东西是忘记了也不要紧的?2018年,《科学》杂志向一群青年科学家询问学校应向下一代教授哪些东西。大部分受访者称我们应当减少花在记忆事实上的时间,并为更多的创造性工作开拓空间。随着互联网的力量和广度发展到前所未有的级别,为什么还要费心去回忆和记住信息?如果学生用一部智能手机就能接触到这个世界的知识,为什么非得要求他们用自己的脑子来记住这么多东西呢?

文明的进化正是通过策略性地遗忘先前被视为不可或缺的生活技能来实现的。新石器时代的农业革命发生后,一个农民即便忘掉大部分林地知识、动物追踪技巧及其它一系列对狩猎和采集至关重要的知识,也是没关系的。在随后的数千年里,当社会实现了工业化,阅读和书写的重要性就凸显出来,而播种和收割的知识就算弃之不顾也无妨。

我们当中的许多人如今没了智能手机的GPS就会迷路。接下来又会发生些什么?无人驾驶汽车的问世是否会让我们不需学会开车?一众声音识别AI可以解析大部分日常会话,我们是否会因此可以忘记怎样拼读?这样要紧吗?

我们当中的许多人如今没了智能手机的GPS就会迷路


说到底,大部分人已经不再懂得如何栽培我们所需的食物或建造我们所居住的房屋了。我们不知道怎么饲养动物,或者怎么纺纱,也许连怎么更换汽车的点火装置都不明白。但大部分人也不需要知道这些,因为我们都是社会心理学家所称的“可迁移性记忆网络”(transactive memory networks)的成员。

我们不断地与“记忆伙伴”共同体一同卷入到“记忆迁移”当中,其途径有诸如对话、阅读和写作等。身为这一系列网络的成员,大部分人都不需要记住大部分事情。这并不是因为知识完全被遗忘或者失落了,而是因为有别人或别的东西来负责保存它们。我们只需要明白遇事应该去问哪些人或者到什么地方去查询即可。这种遗传下来的合作性行为天赋乃是进化的赠礼,它令我们的有效记忆能力得到了极大的扩展。

然而有一个新现象,那就是如今有许多智能机器也进入了我们的记忆伙伴行列。但诸如谷歌搜索这类AI在此行列中尤其与众不同。它更像是一种“超级记忆伙伴”,能够即时响应、始终可达。它令我们可以接触到所有人类知识库存里的很大一部分。

研究者已经注意到现状里有若干陷阱。例如,我们的祖先乃是与其他的人类群体一道进化的,这是一种人对人(peer-to-peer)的记忆网络。但来自他人的信息不可避免地会染上多种形式的偏见或夹杂有主观动机的推理。他人会有掩饰或强词夺理这样的行为。他们也可能会出错。我们学会了如何对这些他人以及自己身上的谬误保持敏锐。但AI算法的展示却让很多人倾向于相信这些算法是必然正确而“客观”的。简单来说,这是一种异想天开(magical thinking)。

如今最为先进的智能技术也是透过反覆的测试和评分过程来加以训练的,检验其是否有意义以及决定何谓正确答案,最终仍要依靠人力。鉴于机器必须依照一定的数据集来实行训练,需要有人在一旁做比对,算法具有一种强化我们的既有偏见的倾向——关于种族、性别和其它很多东西。截至2017年,亚马逊所使用的一种内部招聘工具(internal recruitment tool)就是个典型案例:公司发现,依照其内部的人力资源部门的决策训练而成的算法存在系统性地剔除女性候选者的问题。如果我们的警惕性不够,那AI这位超级伙伴就会成为超级顽固分子。

另一困境关系到获取信息的轻而易举性。在非数位领域内,你需要找到他人或者前往图书馆才能取得信息,对哪些知识在别人的脑子里或者书里、哪些知识又在自己的脑子里,我们是一清二楚的。但研究者已经发现,互联网的迅捷响应能力可以让人产生一种错误的信念,那就是我们所寻求的知识已经是一切为我们所知晓的一部分了。

对网络的依赖也意味着一系列新的脆弱性


上述结果也许体现出我们具有一种“扩展性心灵”(extended mind)的本能,哲学家大卫·查莫斯(David Chalmers)和安迪·克拉克(Andy Clark)1998年时首次提出了这一理念。他们主张,我们应当把心灵设想成一种不单单是被包含在物理大脑之内的东西,它也能向外扩展以涵括一些辅助记忆和推理的东西:譬如记事本、铅笔、电脑、平板电脑乃至网络云存储等等。

鉴于我们日益能够无缝地取得外部知识,我们或许正在发展出一个更具扩展性的“我”——这个潜在人格的自我-形象乃是经过放大的,其中知识在记忆网络中的居所界限已然模糊。如果是这样的话,待到大脑-计算机交互界面乃至于大脑对大脑的交互界面普及后,事情将会怎样?或许是通过神经植入(neural implants)?这些技术目前主要为闭锁综合征、心脏病、高度的肌萎缩侧索硬化(ALS)或曰运动神经元病(MND)患者而开发。然而,一俟技术完善,其普及度极可能会大为提高——在一个充满竞争的世界里充当效能提升工具。

一种全新类型的文明已呈呼之欲出之势,其机器智能高度发达,接入点无处不在,我们可透过它加入到高效的人工记忆网络中。甚至于,依靠植入,我们所取得的大部分知识将不再存储于我们“升级过的”半机械大脑里,而是远程地——在众多服务器组成的储藏库里。如今,每一次谷歌搜索都会经过平均1500英里的路程,到达某数据中心并返回,眨眼之间就能完成从发起到应答的全过程,其间会使用到大约1000台电脑。不过,对网络的依赖也意味着一系列新的脆弱性。任何事关诸如食品或能源等的关系网络一旦崩塌,那将是灾难性的。没有食品我们就会挨饿,没有能源我们就会受冻。而记忆的广泛流失也会令诸多文明陷入一夜回到黑暗时代的风险当中。

然而,即便机器据称可以思想,但人类和机器的思想方式迥然不同。我们具有对抗性的力量,就算是机器也并不比我们更客观。透过与人类-AI团队的协作,我们能把象棋下得更好,也能做出更佳的治疗决策。既然如此,为什么智能技术就不能用来帮助学生学习呢?

技术具有改善教育、极大地扩展可得性以及提升人类创造性和福祉的潜能。许多人正确地察觉到,他们身处巨变的前夕却囿于文化上的守成氛围。教育者或将逐渐学会与AI伙伴一道成为更优秀的老师。但教育领域与协作下象棋或者作出医疗诊断不同,学生尚不是内容专家(content expert)。身为无所不知的记忆伙伴,AI很容易就会充当起拐杖的角色,教导出一群自认为可以独立行路的学生。

正如我的物理学家朋友的经历所表明的,记忆具有适应性和可进化性。某些进化将不可避免地涉及到忘却旧方式,以腾出时间和空间来习得新技能。鉴于旧的知识形式仍留存在我们的网络中,而我们有需要的时候也能找到它们,它们大概并没有真正被遗忘。话说回来,随着时间的流逝,一代人在另一代人面前总归会变得陌生,这一过程缓慢但却毋庸置疑。

本文作者作者Gene Tracy系美国佛吉尼亚州威廉与玛丽学院物理学校长讲席教授。

(翻译:林达)

返回页首