代碼的終結：未來我們會像訓練小狗一樣調教計算機(4)

[b]一個時代的結束[/b] 這裏的問題是：使用機器學習，工程師永遠不知道計算機是如何完成任務的。神經網絡的機制在很大程度上是不透明的，神秘莫測。換言之，它就是一個黑盒子。隨著這些黑盒子開始承擔更多的日常數字任務，它們不僅會改變我們與技術之間的關系，而且還會改變我們看待自己、看待這個世界，以及自己在世界中位置的方式。 如果說以前，程序員就好像是上帝，制定了計算機系統運行的法則，那麽現如今，他們更像是家長或者馴狗師了，這是一種更加捉摸不定的關系。 安迪·魯賓（Andy Rubin）是一名經驗豐富的程序員，參與了Android操作系統的搭建。 「我進入計算機科學這一行的時候還很年輕……它是一塊空白的畫布，我可以從零開始創建東西，」他說。「很多年來，這給我帶來了一種巨大的掌控感。」 但是現在，他說，這個時代即將結束。魯賓熱衷于機器學習，他的新公司Playground Global就是機器學習領域的創業公司，主營智能設備的普及——但是這事也有點讓他傷心，因爲機器學習改變了「當一名工程師」的內涵。 「人們不再用線性的方式寫程序了，」魯賓說。「神經網絡學會如何進行語音識別之後，程序員是無法深入其內部一窺究竟的。它就像你的大腦一樣。你不能砍下一個人的腦袋來看看他在想什麽。」如果工程師決意要看看深層神經網絡中是什麽，他們看到會是一個數學的海洋：一個巨大的、多層結構的微積分問題，通過不斷推導數十億數據點之間的關系，得出對世界的猜測。 就在幾年前，主流的人工智能研究人員還認爲，爲了創造智能，我們必須給機器灌輸正確的邏輯。等到編寫了足夠多的規則，最終我們就會打造出一種足夠精密的系統來了解這個世界了。他們在很大程度上忽視了機器學習的一些早期支持者，這些支持者認爲，應該給機器灌入數據，讓它們自己得出結論。 許多年來，計算機一直沒有發展到強大得足以真正證明這兩種方法優劣的程度，所以這個爭論成爲了一個哲學命題。「大部分爭論都立足在一些堅定的信念上：這個世界應該怎麽組織起來，大腦是如何工作的，」谷歌無人駕駛汽車研發者、前斯坦福大學人工智能教授塞巴斯蒂安·史朗（Sebastian Thrun）說。「神經網絡沒有符號，沒有規則，只有數字。這讓很多人都敬而遠之。」[br][center][url=/tiyu/detail_37898.html]首頁[/url]    [url=/tiyu/detail_37898_3.html]上一頁[/url]    [url=/tiyu/detail_37898_5.html]下一頁[/url]    [url=/tiyu/detail_37898_8.html]尾頁[/url][/center][url=/tiyu/detail_37898.html]第01頁[/url] [url=/tiyu/detail_37898_2.html]第02頁[/url] [url=/tiyu/detail_37898_3.html]第03頁[/url] [url=/tiyu/detail_37898_4.html][color=#C80211]第04頁[/color][/url] [url=/tiyu/detail_37898_5.html]第05頁[/url] [url=/tiyu/detail_37898_6.html]第06頁[/url] [url=/tiyu/detail_37898_7.html]第07頁[/url] [url=/tiyu/detail_37898_8.html]第08頁[/url]