一个时代的结束
这里的问题是：使用机器学习，工程师永远不知道计算机是如何完成任务的。神经网络的机制在很大程度上是不透明的，神秘莫测。换言之，它就是一个黑盒子。随着这些黑盒子开始承担更多的日常数字任务，它们不仅会改变我们与技术之间的关系，而且还会改变我们看待自己、看待这个世界，以及自己在世界中位置的方式。
如果说以前，程序员就好像是上帝，制定了计算机系统运行的法则，那么现如今，他们更像是家长或者驯狗师了，这是一种更加捉摸不定的关系。
安迪·鲁宾（Andy Rubin）是一名经验丰富的程序员，参与了Android操作系统的搭建。 “我进入计算机科学这一行的时候还很年轻……它是一块空白的画布，我可以从零开始创建东西，”他说。“很多年来，这给我带来了一种巨大的掌控感。”
但是现在，他说，这个时代即将结束。鲁宾热衷于机器学习，他的新公司Playground Global就是机器学习领域的创业公司，主营智能设备的普及——但是这事也有点让他伤心，因为机器学习改变了“当一名工程师”的内涵。
“人们不再用线性的方式写程序了，”鲁宾说。“神经网络学会如何进行语音识别之后，程序员是无法深入其内部一窥究竟的。它就像你的大脑一样。你不能砍下一个人的脑袋来看看他在想什么。”如果工程师决意要看看深层神经网络中是什么，他们看到会是一个数学的海洋：一个巨大的、多层结构的微积分问题，通过不断推导数十亿数据点之间的关系，得出对世界的猜测。
就在几年前，主流的人工智能研究人员还认为，为了创造智能，我们必须给机器灌输正确的逻辑。等到编写了足够多的规则，最终我们就会打造出一种足够精密的系统来了解这个世界了。他们在很大程度上忽视了机器学习的一些早期支持者，这些支持者认为，应该给机器灌入数据，让它们自己得出结论。
许多年来，计算机一直没有发展到强大得足以真正证明这两种方法优劣的程度，所以这个争论成为了一个哲学命题。“大部分争论都立足在一些坚定的信念上：这个世界应该怎么组织起来，大脑是如何工作的，”谷歌无人驾驶汽车研发者、前斯坦福大学人工智能教授塞巴斯蒂安·史朗（Sebastian Thrun）说。“神经网络没有符号，没有规则，只有数字。这让很多人都敬而远之。”
