如果人类与机器化敌为友 将会所向披靡

（原标题：当人类与机器化敌为友 将所向披靡）

许多人老是担心AI将会超过人类智力，机器将会战胜人类。《华尔街日报》刊文称，与其担心即将出现的Singularity（奇异性），不如多思考一下Multiplicity（多样性）：人与机器合作，组成多样化团队解决问题。新技术不必与人类为敌，它完全可以用来增强人类。

人类再一次被机器打败。上个月，世界顶尖围棋选手输给了谷歌Alphago程序。这件事标志着机器学习取得了重大进步，因为围棋游戏很复杂。

还有一点更重要，它却被人们忽视：就在同一时间，一些世界顶尖围棋选手与Alphabet程序组成“人机团队”彼此竞争。棋手学习Alphabet之前下的棋局，掌握新策略，他们说自己与程序合作之后信心增强了。这件事向我们暗示：对于即将到来的AI时代，我们也许可以从不同的角度看待。

有人预测机器将会从人类手中中窃取工作，大多计算机科学家认为这种预测有点夸大。与其担心即将出现的Singularity（奇异性），不如多思考一下Multiplicity（多样性）：人与机器合作，组成多样化团队解决问题。

Multiplicity并非科幻。技术将机器学习、大众智慧、云计算结合在一起，它已经成为帮助美国人处理日常事务的基本技术：搜索文档、过滤垃圾邮件、翻译语言、寻找新闻和电影、导航地图、组织照片和视频。

看看谷歌搜索引擎，它运行于一套算法之上，海量人类用户输入信息，每点击或者跳过一个链接就会反馈富有价值的信息。过滤垃圾邮件同样如此。每一次有人将邮件标记为垃圾，或者重写过滤器，系统判断信息相关性的能力就会得到提升。

正是因为有了Multiplicity，亚马逊才可以推荐图书，Netflix才可以推荐电影，Facebook才可以组织帖子。通过点击，无数人将自己的选择展示出来，我们用这些数据构建、维护统计模型，预测用户需求。将人与产品聚合是关键，算法会假设相似的人有相似的品味，以此为依据提供推荐建议。持续的人际互动确保系统不断进化，新项目增加进去，品味不断调整。

虽然科学家对于Multiplicity的理解还不透彻，但他们已经发现机器多样性带来了很大的好处。研究人员开发了许多名叫“集成学习（ensemble learning）”的技术，也就是大量专业算法协同作战，形成单一结果。有一个变种叫作“随机森林（random forests）”，它是加州大学伯克利分校的Leo Breiman和Adele Cutler开发的。两名研究人员已经证明，在拥有噪音数据的复杂问题中，一群“决策树”往往比一棵树的表现更好：只要树的多样性足够强就行了。

另外，几个世纪以来，在政治学、经济学和社会学中，我们对人类多样性带来和好处和坏处有了深入的认识。将人组成群体解决问题，实验已经向我们证明参与者的多样性比他们的总IQ更重要。在机器学习领域，最激动人心的可能是深度学习，人类给语音和图片贴上标签，它们形成了多样化训练样本，以此为基础，研究人员对数以百万计的参数进行调整。

机器人也取得了令人兴奋的进步，尤其是无人驾驶方面，这些技术也具备Multiplicity特征。不同人类驾驶员群组提供数据，数据结合在一起就可以告诉我们在不同环境下最恰当的反应是怎样的，然后以此为依据训练多元统计机器学习算法，在分布式硬件上运行。系统必须根据道路变化、天气与交通条件不断升级、不断优化，人类的期待也会越来越高。在所有这些研究中，人类持续反馈信息都是核心与关键。

正是因为人类智力与AI结合，今天我们正在使用的复杂高效系统才会出现。如果人类不再输入信息，这些系统很快就会过时恶化。在人为因素与人机界面方面，我们已经积累了多年的经验，尽管如此，我们仍然需要继续研究，找到将多样化人类群组与多样化机器群组结合的最佳方式。什么时候机器智力能够超过人类智力？这个问题不是最重要的，最重要的问题是：人类如何才能与机器以全新的方式协作。

Multiplicity追求的是协作而非竞争。新的前沿技术不与人类员工为敌，它完全有可能让人类员工更强大。