人工智能是不是新一代的炼金术?也就是说,控制着我们大部分生活——从网络搜索到社交媒体推送——的强大算法是不是现代版的点石成金术?进一步的问题是,那是不是件坏事?

根据著名人工智能研究者阿里 · 拉希米(Ali Rahimi)及其他人的说法,现今流行的神经网络和深度学习技术是建立在众多花招之上,再添加大量乐观主义,而不是系统分析。按照这个讲法,现代工程师汇编代码时怀着一厢情愿的念头和误解,恰似古代的炼金术士混合魔力药水时的内心所想。

确实,我们对于自我学习算法的内部工作机制和算法应用的局限之处缺乏基本理解。这些人工智能的新形式与传统的、能够逐行理解的计算机代码截然不同。相反地,这些算法在黑箱内运行,它们对于人类甚至是对于机器本身都似乎是不可知的。

人工智能界内的这番讨论已经对所有科学门类造成后果。当前,深度学习冲击了如此多的科研分支——从新药发现到智能材料设计,再到粒子碰撞的分析——科学本身也许面临被概念的黑箱吞噬的风险。让计算机程序上化学课或物理课会很困难。但我们如此遵从机器,是否等于抛弃早已被证明十分成功的科学方法,回头转向炼金术一般的黑魔法?

先别这么快下结论,法国科学家杨立昆(Yann LeCun)这么说道,他凭借神经网络上的开拓性工作而成为2018年图灵奖共同获奖人之一。他主张,当前人工智能研究的状况在科学史上一点也不新鲜。这仅仅是一段必然出现的“青春期”,许多领域早已经历过这种阶段,以反复试错、混淆、过度自信和缺乏总体理解为特征。我们一点也不用惧怕,还能从接受人工智能中获益良多。只是,我们显然对它的对立面更加熟悉。

毕竟,很容易想象知识顺流而下,从抽象概念的源头,经历实验的百转千回,抵达代表实践应用的广阔三角洲。这就是著名的“无用知识的有用性”论断,由亚伯拉罕 · 弗莱克斯纳(Abraham Flexner)在他发表于1939年的文章中提出(这个论断本身是对启蒙时代出现的美式概念“实用知识”的文字游戏)。

这种知识流动的一个典型例证是阿尔伯特 · 爱因斯坦的广义相对论。一切起始于“物理学定律应当对于所有观察者都有效,且独立于观察者的举动”的基本想法。接着,爱因斯坦将这个概念转译为弯曲时空的数学语言,再应用于引力和宇宙的演化。若是没有爱因斯坦的相对论,我们手头的智能手机中的GPS会每天漂移偏离大约1公里。

但是,或许这个“无用知识的有用性”范例正是丹麦物理学家尼尔斯 · 玻尔喜欢称为“伟大的真理”的东西——它的对立面也是伟大的真理。也许,正如人工智能所演示的,知识也能从低往上地逆流。

如杨立昆所暗示的,在广阔的科学史中,我们能发现这一作用的许多例子,而且这大概能冠名为“有用知识的无用性”。从漫长的一系列逐步改进和嬉戏般的实验中,能诞生影响广泛、极其重要的想法。比如说,从弗里德里希 · 福禄贝尔(德国教育家)幼儿教育思想的诞生再到阿尔弗雷德 · 诺贝尔发光发热的过程。

或许,最好的例证是热力学定律的发现,热力学定律对于所有科学分支来说都是基础。那些优雅的公式描述了能量守恒和熵增原理,是自然定律,所有物理现象都要遵守。但这些普遍概念直到一连串漫长而让人困惑的实验之后,才变得像是显然如此。实验的起点要回溯至18世纪时建造出第一台蒸汽机并逐步改进设计的时候。在实务考量的浓雾中,数学法则徐徐现身。

要看另一个例子的话,我们可以转向流体动力学的历史。如何在各种水路上运输东西?这是一个出现在早期人类面前的紧迫问题,人类祖先尽其所能克服难题,毫不担心甚至是毫不关心流体动力学的基本理解。在随后的一千年中,人类建造船只,驾船远航,单单依靠从经验得出的知识和经验,就打造出更具效率的船身。

直到19世纪时,我们才碰巧发现著名的纳维-斯托克斯方程,该方程以精准的数学语言描述了流体的运动。即便在那时,尽管机械发动机和更高速度的出现抬高了对理论思考的需要,知识依然一直由下向上流动。如今,这些复杂精妙的方程的性质构成了千禧年大奖难题中的一个未解难题,奖金有一百万美元之多,可以说,纳维-斯托克斯方程进入了基础数学的前沿领域。

我们甚至可以主张,科学本身早已遵循这条由下向上的路径。在17世纪现代科研的方法和实践诞生之前,科学研究大多被认为是非系统的实验和理论归纳。这些古代实践长久以来被认为是学术的死胡同,在近些年却受到重新评估:炼金术如今被认为是现代化学的一个有益的或许甚至必不可少的先驱——它更像原始科学,而非花哨的骗术。

修修补补是一条通往宏大理论和见解的富有成效的道路。这点认识对于当前以新颖方式结合先进工程学和基础科学的研究特别切题。纳米物理学家受到技术突破的驱策,正在修修补补,在分子层面上构建蒸汽机的现代对应物,操纵个别的原子、电子和光子。CRISPR之类的基因编辑工具允许我们剪辑生命的代码。我们正在以复杂得难以想象的结构,推动自然进入现实的新角落。我们有这么多探索物质和信息的新配置的机会,能够迈进现代“炼金术”的黄金年代。

然而,我们永远不该忘记那些来之不易的历史教训。炼金术不仅仅是一门原始科学,也是一门“大话连篇”的学问,做出过高的许诺,履约时却差得好远。占星术的预言曾经被信以为真,以至于人生得要去适应占星术,而不是占星术来适应人生。遗憾的是,现代社会并未免除这类虚幻想法,过于信任那些无所不能的算法,而没有批判地质疑算法的逻辑基础或道德基础。

科学一直遵循着自然的节奏,扩张与收缩交替出现。未系统化的探索时间过后,是一段沉淀巩固的时期,让新的知识以基本概念为基础。我们只能盼望,当前人工智能、量子设备和基因编辑领域的创意修补期——再加上多种多样的有用应用——最终会通往人类对世界的更深刻领悟。

资料来源Quanta Magazine

——————

本文作者罗伯特·迪克拉夫(Robbert Dijkgraaf)是荷兰理论物理学家,现任普林斯顿大学高等研究院院长,阿姆斯特丹大学教授。