關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。 透過購買訂閱，您正在幫助確保未來關於塑造我們當今世界的發現和想法的具有影響力的故事的持續存在。
本月早些時候，全國人民都看到IBM設計的計算機系統沃森擊敗了《危險邊緣》的兩名歷史冠軍。這比方說，擊敗一位國際象棋大師要困難得多。為了獲勝，沃森必須駕馭人類語言的變幻莫測、習語、雙關語、文化典故——簡而言之，所有讓語言充滿樂趣並且對機器極其不友好的東西。記者斯蒂芬·貝克在幕後花了一年時間，當時IBM的工程師團隊努力在節目播出前設計並構建沃森。在他的新書《最後一道危險：人與機器以及探尋一切的旅程》中，他講述了沃森專案的故事，以及它對未來的意義。他和《心靈問題》的編輯加雷思·庫克討論了沃森和人工智慧。
庫克：長期以來，人們認為人工智慧是失敗的。沃森是否代表了一種關於人工智慧的新思維方式？貝克：的確，早期的人工智慧願景從未實現。事實證明，構建能夠處理人類交流和思想的複雜性和細微差別的系統比許多人想象的要困難得多。你可能會說，即使沃森在《危險邊緣》中擊敗了人類，它也並沒有特別接近目標。只要人工智慧在這一領域繼續不足——而且這還需要很長時間——許多人仍會將人工智慧視為一個未實現的承諾。
然而，在過去的15年左右的時間裡，人工智慧在功能方面取得了巨大進展。他們使用統計方法來模擬人類分析的某些方面。這包括從IBM的國際象棋電腦“深藍”到Netflix、亞馬遜和谷歌的計算機，這些計算機研究人們的行為模式並自動校準它們為人們提供的服務。
沃森的新穎之處在於其方法的極端實用主義。它結合了數十種不同的問題回答方法，從統計方法到基於規則的方法，並將它們用於解決《危險邊緣》線索的搜尋中。沒有正確或錯誤的方法。機器根據結果對它們進行評分，並在過程中“學習”信任哪些演算法以及何時信任。在人工智慧領域盛行的準神學爭論中，沃森是不可知論者的產物。這是一個新穎之處。另一個是它對棘手英語的理解。但我想說，這是透過在海量資料集上訓練機器所取得的穩步進展的結果。這種改進雖然令人印象深刻，但卻是漸進式的，而不是突破性的。
沃森所做的任何事情是否基於大腦的工作方式，或者它真的只是計算機科學家試圖解決一個問題？
IBM團隊在編寫沃森程式時很少關注人腦。與大腦的任何相似之處都是膚淺的，只是偶然的結果。我想說，沃森是真正的工程產品：人們使用現有技術建立一個機器，該機器在嚴格的截止日期前滿足定義的規格。如果大腦的某些方面幫助他們設計電路或編寫軟體程式碼，我相信他們會毫不猶豫地抓住機會。但他們的感覺是，解碼人類的思想可能需要數十年的時間，而他們當時非常匆忙。
沃森是否揭示了我們自己思維的任何資訊？
我發現沃森的許多方面與我們自己的思維相似。同樣，這不是因為我們具有相同的設計，而是因為我們正在解決類似的問題。例如，與許多計算機不同，沃森是為不確定性而程式設計的。它永遠不能確定自己理解了問題，並且對自己的回答也永遠沒有100%的信心。它總是會懷疑。作為一臺用人類語言執行的機器，這是一個明智的方法。
沃森擅長處理哪種型別的任務？
沃森擅長理解複雜的英語問題，然後在數百萬份電子文件中搜索答案。毫無疑問，我們人類比沃森更瞭解自己所說和所寫的內容。但它可以高速“閱讀”。沃森也非常擅長許多《危險邊緣》特定的任務，例如“前後”線索。例如，如果你問它一個既是太空步歌手又是南方城市的線索，它會在一兩秒內給出答案：“邁克爾·傑克遜·密西西比”。這項技能可能在《危險邊緣》演播室之外沒有太大的用處。
IBM希望將該技術用於什麼用途？
IBM非常希望在廣泛的行業中銷售基於沃森的技術，或基於該技術構建的服務。他們認為，任何需要從大量文件中得出證據或結論的公司都可以從問題回答技術中受益。他們已經與Nuance Technology和哥倫比亞大學醫學中心簽署了一項早期協議，以調整該系統用於醫學問題回答。醫生可以設想向機器詢問診斷結果，或者某些藥物組合是否已被證明會引起危險的副作用。IBM還認為沃森可以充當律師助理，或許可以在法庭案件中尋找先例。我認為沃森最有可能的第一份工作將是在技術幫助臺。
除了IBM之外，還有其他與沃森類似的專案嗎？
對問題回答技術的研究有很多。幾年前，微軟聯合創始人保羅·艾倫運營的孵化器Vulcan Technologies啟動了一個人工智慧專案HALO，旨在教計算機透過高中化學高階課程考試。與沃森不同，該專案基於教給計算機的知識。由於計算機“知道”各種化學物質之間的關係，因此它可以像沃森一樣不可能的方式進行推理。例如，它會假設水會在0攝氏度時結冰。相比之下，沃森可以很容易地找到這個事實，但無法從中得出任何結論。正如我在書中描述的那樣，HALO的缺點是教機器需要花費大量資金，並且它被錨定在該小的知識庫中，因此不靈活。
谷歌也在其技術中引入更多的問題回答功能。但這家搜尋巨頭從需要事實性資訊（例如“墨西哥的首都是什麼？”）的簡單問題入手。谷歌還在機器語言翻譯方面做了大量工作，他們使用統計方法。
在觀看沃森的設計過程時，你覺得最有趣的是什麼？
我發現最有趣的是他們如何在完全圍繞統計資料建立的實驗室中工作。沃森回答的每一個線索都會建立一個巨大的電子表格，並且每個變數都可以進行調整、測試、改進，然後在盲批次中再次測試，以檢視調整是否會影響更廣泛的樣本。我想這有點像日本汽車製造商聞名的持續過程改進。但至少他們是在製造汽車。有人可能會說，沃森實際上除了統計資料之外什麼也沒產生。它在《危險邊緣》中的回答是一種副產品。
隨著這種技術變得越來越普遍，我們的思維方式會發生什麼變化？
我們已經越來越多地在我們的網路中尋找答案。（只要看看任何使用iPhone的人就知道了。）隨著更先進的技術（如沃森的技術）變得可用，這種趨勢肯定會加速。隨著這種情況的發生，我認為我們將開始將普通知識視為一種較低的商品。為了在知識經濟中取得成功，人們將越來越需要運用知識，提出原創的想法。那些在這方面失敗的人很可能會被機器取代。
但這不僅僅是一個經濟問題。還有我們需要和想要在頭腦中擁有什麼才能擁有更快樂、更充實的生活的問題。畢竟，一個將知識工作外包給網路的人最終可能會難以進行有趣的對話或結交朋友。我們不應該忘記，沃森及其同類只是強大的工具——而我們才是擁有大腦的人。
你是科學家嗎？你最近是否閱讀過一篇想要撰寫的同行評審論文？然後請聯絡《心靈問題》編輯加雷思·庫克，他是一位普利策獎獲獎記者，在《波士頓環球報》編輯週日創意版塊。可以透過garethideas AT gmail.com與他聯絡