人工智慧的創造力總會有極限

人工智慧對人類勞動力帶來了不小的困擾， 這一狀況會隨著人工智慧性能的增長而繼續下去。 不可避免地， “人工智慧很快將能勝任對公司經理而言耗時繁多的工作， 並會做得更好， 它的開銷也會更少”。 可是， 一旦涉及到更加複雜、更富有創造性的活動——比如發明創造——無論人工智慧是否比人類更能勝任， 這一爭論仍會持續下去。

不容置疑地， 近年來人工智慧所取得的發展是卓絕的。 舉例來說， IBM公司的人工智慧程式Waston能在多個領域工作， 在癌症研究和納稅申報領域它正發揮著作用。 AlphaGo， 一個被設計用來完成圍棋這項古老的棋類遊戲的電腦程式，

以4勝1負的成績， 打敗了身列當今國際棋壇最佳棋手的李世石。 AlphaGo之勝的突破在於圍棋的遊戲難度遠高於國際象棋。 在2016年3月的大勝之後， AlphaGo並沒有停止它的腳步， 這個穀歌公司名下的程式在互聯網上連勝了60名棋手， 這條消息對全世界的頂尖棋手們來說無疑是晴空霹靂， 也讓他們陷入了失控。 “人類千年的實戰演練進化， 電腦卻告訴我們， 人類全都是錯的， ”中國圍棋職業選手如是說：“我甚至覺得沒有人真正瞭解圍棋的真諦。 ”

縱然有了這些進步， 人工智慧仍有諸多不足。 舉例而言， 儘管AlphaGo的落子依靠深度學習來提升勝率， 但負責它的程式師們卻不知系統如何做出每一步的決定。

他們只能在層層嵌套的網路中一個又一個數位化的“原子”的值之中去仔細找尋原因， 但大量的資訊分散在紛繁複雜的網路中， 要去總結出AlphaGo每步落子的動機是不可能的。

但至少有一件事是可以做出總結的， 作為各領域的專家， 各公司的高管們絕不會因為誰毫無緣由地做出了一個有創造性也有風險、事後卻證明是眾多選擇中唯一正確的決定而去相信他——無論做出選擇的是人還是電腦程式。 Will Knight在他那篇富有爭議性的文章《人工智慧內心的陰暗秘密》中對人工智慧的這一缺陷進行了多方面的探索。

為了做出更進一步的解釋， 我和我的同事Lee Spector完成了一項關於電腦創造力極限的數學證明， 它已被刊載在期刊AIEDAM上。

我們發現即使是目前世界上運行速度最高的電腦也不能探索出某個事物的所有特徵， 就算是拿它研究1950年代的某些問題， 結果還是不理想。 為求革新而做的假設具有晦澀的特點， 即針對某個問題所提出的具有革新性的解決方案都基於該問題所具有的至少一個全新的或是被普遍忽視的特點， 就這一點而言， 人工智慧或許永遠無法勝任首席創意官的職位。 每一個富有革新性的解決方案都至少建立在對事物的大致瞭解之上， 從這一點來看， 您會發現人工智慧可能永遠無法勝任首席革新官的工作。

此外， 我們對萬事萬物的缺乏瞭解的空白， 電腦也無法總是去幫我們來填補。 在售出產品之前， 手機殼製造商們會將許多手機裝好殼之後摔在硬質測試臺上，

他們所依賴的可不僅僅是電腦類比資料。 我們對事物的缺乏瞭解的空白需要我們依靠實際的、依靠經驗為依據的研究來填補。

鑒於電腦的這些缺陷， 我和我的論文共同作者提出了一個解決方案：這是一種新的人機界面（HCI）， 它將允許人類和電腦的協同合作來彌補雙方的缺點。 例如， 電腦可以防止人類在目標設計、做出假定和類比時出現認知偏差， 而人類可以在創造性這一點上彌補電腦的缺陷。 為了使其順利工作， 它的介面需要友好的人機交互。

因此， 我們不用顧慮電腦是否會超過人類， 相反， 我們應該專注於去設計一個允許人類和電腦輕鬆協作的系統， 以便彼此可以優劣互補、取長補短。

長此以往， 人類將能和電腦這個強大的夥伴共同應對一路上的挑戰——在某些方面， 這些願景正在成為現實。 在輸掉了和AlphaGo的前三場比賽後， 李世石通過對電腦出人預料的落子的觀察， 走出了一個極富創造性的一步並贏得了那場比賽。

我們會見證越來越多的此類事件的發生。 只要我們還在開發和更新程式， 人類和電腦將會不斷面臨挑戰， 這會讓彼此在挑戰中都變得更富有革新意識。 此外， 為人類和電腦設計更為適當的交互來協同處理問題， 將會釋放出單靠哪一方都無法無法實現的革新能力。

Tony McCaffrey是Innovation Accelerator的首席技術官。