撰文 佩德羅·多明戈斯（Pedro Domingos） 翻譯 崔迪瀟

　　我們對(duì)于未來化場景的大多想象都是基于高度的自動(dòng)化，但是每個(gè)人的生活習(xí)慣不同，所以每個(gè)人需要的自動(dòng)化程序都不一樣。那么，美好的未來生活怎么才能讓每個(gè)人的自動(dòng)化程序都合你的心意呢？

　　也許，你需要的僅僅是一個(gè)數(shù)字替身，它是“電子化”的你，了解你的一切生活習(xí)慣。這個(gè)替身會(huì)成為你的助手和管家，把你的工作和生活中按部就班的部分安排得井井有條。

　　事實(shí)上，人工智能最可能導(dǎo)致的情景就是“數(shù)字替身”的大量出現(xiàn)�！皵�(shù)字替身”是我們自身的虛擬模型，這些模型可以在各種各樣的模擬中互動(dòng)，幫助我們?cè)谌粘Ｉ�活中做出更快速、更全面的決策。如今的各種語音助手音箱已經(jīng)是這個(gè)替身的雛形。人工智能將服務(wù)于人類，而不是控制人類。

　　光明圖片/視覺中國

　　1.從制造機(jī)器到機(jī)器學(xué)習(xí)

　　人類是唯一可以制造機(jī)器的動(dòng)物。通過這種方法，我們擴(kuò)展了自身的能力，超越了我們的生物極限。工具使我們的雙手變得萬能。汽車讓我們行進(jìn)得更快，飛機(jī)給了我們翱翔的翅膀。計(jì)算機(jī)賦予我們更強(qiáng)大的智力和記憶力，智能手機(jī)為我們安排日常生活。而現(xiàn)在，我們正在創(chuàng)造一項(xiàng)全新的技術(shù)，用代碼賦予它通過數(shù)據(jù)和練習(xí)進(jìn)行學(xué)習(xí)的能力，使其可以實(shí)現(xiàn)自我進(jìn)化。它會(huì)最終取代我們嗎？還是將以史無前例的方式提升我們的能力，增強(qiáng)我們的人性？

　　機(jī)器學(xué)習(xí)源于20世紀(jì)50年代部分科學(xué)家的開創(chuàng)性工作，如弗蘭克·羅森布拉特（Frank Rosenblatt）設(shè)計(jì)了一種能夠識(shí)別數(shù)字的電子神經(jīng)元，阿瑟·塞繆爾（Arthur Samuel）開發(fā)了一種跳棋程序，可以通過和自己對(duì)弈來學(xué)習(xí)，并最終擊敗人類選手。但也僅僅是在過去十年，機(jī)器學(xué)習(xí)領(lǐng)域才開始真正騰飛，為我們帶來了自動(dòng)駕駛汽車、能（在一定程度上）理解我們指令的虛擬助手等各式各樣的應(yīng)用。

　　每年，我們都會(huì)開發(fā)數(shù)以千計(jì)的新算法。所謂的算法，就是用來指導(dǎo)計(jì)算機(jī)完成某些操作的指令序列。而自我學(xué)習(xí)機(jī)器的核心特點(diǎn)是，我們不需要為它們編寫具體的程序，只需要給它們一個(gè)諸如“學(xué)習(xí)如何玩跳棋”的寬泛目標(biāo),接下來，機(jī)器就可以像人類一樣，通過積累經(jīng)驗(yàn)而不斷優(yōu)化。

　　對(duì)人工智能的追求可以看作是人類自我進(jìn)化的一部分。自動(dòng)化技術(shù)發(fā)展的下一階段是發(fā)明出所謂的主算法，將把當(dāng)前的5種機(jī)器學(xué)習(xí)方法整合為統(tǒng)一的框架。技術(shù)只是人類能力的拓展。除了達(dá)成我們給予的任務(wù)目標(biāo)，機(jī)器并沒有自由意志。我們應(yīng)該擔(dān)心的是人類對(duì)技術(shù)的濫用，而非被機(jī)器奪走了控制權(quán)。

　　現(xiàn)在機(jī)器學(xué)習(xí)算法大致可以分為5個(gè)大類，每一類都是從不同的學(xué)科領(lǐng)域獲得了靈感。并不讓人意外的是，有一種機(jī)器學(xué)習(xí)方法就是在模擬自然選擇，我們稱這樣的算法為進(jìn)化算法。例如，在哥倫比亞大學(xué)的創(chuàng)新機(jī)器實(shí)驗(yàn)室（Creative Machines Lab）中，有許多雛形機(jī)器人在嘗試爬行或飛行，其中表現(xiàn)最優(yōu)異的結(jié)構(gòu)將定期融合和變異，產(chǎn)生新一代的3D打印樣機(jī)。一開始這種隨機(jī)組裝的機(jī)器人幾乎無法運(yùn)動(dòng)，但經(jīng)歷了數(shù)千次的迭代后，這種方法已經(jīng)產(chǎn)生了類似蜘蛛或蜻蜓的機(jī)器人。

　　但這種進(jìn)化是低效的。當(dāng)前應(yīng)用最廣泛的機(jī)器學(xué)習(xí)方法是深度學(xué)習(xí)，它的靈感來自大腦。這種方法從模擬單個(gè)神經(jīng)元功能的高度簡化的數(shù)學(xué)模型出發(fā)，構(gòu)建出包含數(shù)千個(gè)神經(jīng)元的網(wǎng)絡(luò)，并通過學(xué)習(xí)不斷調(diào)整不同神經(jīng)元之間的連接。如果兩個(gè)神經(jīng)元在處理數(shù)據(jù)時(shí)同時(shí)放電，它們之間的連接就會(huì)加強(qiáng)。這樣的神經(jīng)網(wǎng)絡(luò)能以極高的準(zhǔn)確度識(shí)別人臉、理解語音和翻譯語言。機(jī)器學(xué)習(xí)也會(huì)借鑒心理學(xué)。與人類相似，這種以類比為基礎(chǔ)的算法通過在已有的數(shù)據(jù)中尋找近似的問題來解決新的問題。這種特性可以實(shí)現(xiàn)自動(dòng)化的客戶服務(wù)，也可以讓電商網(wǎng)站基于用戶個(gè)人習(xí)慣推薦商品。

　　光明圖片/視覺中國

　　2.努力創(chuàng)造一個(gè)主算法

　　通過自動(dòng)執(zhí)行科學(xué)方法，機(jī)器也可以實(shí)現(xiàn)學(xué)習(xí)。為了引入新的假設(shè)，所謂的符號(hào)學(xué)習(xí)會(huì)進(jìn)行逆向推理演繹：如果我知道蘇格拉底是人類，要推斷出他會(huì)死，我還需要知道什么信息？知道人會(huì)死或許就足夠了，而且這個(gè)假設(shè)可以通過檢查樣本中其他人類是否會(huì)死來進(jìn)行確認(rèn)。英國曼切斯特大學(xué)的生物機(jī)器人Eve便是通過這種方法發(fā)現(xiàn)了一種有可能治療瘧疾的新藥物。根據(jù)瘧疾的相關(guān)數(shù)據(jù)和基本的分子生物學(xué)知識(shí)，Eve提出了什么樣的藥物可能具有療效的假設(shè)，還設(shè)計(jì)了實(shí)驗(yàn)并在機(jī)器人實(shí)驗(yàn)室進(jìn)行測(cè)試，然后修改或放棄一些假設(shè)，不斷重復(fù)上述過程直到取得滿意的效果。

　　最終，機(jī)器學(xué)習(xí)可以完全構(gòu)建于數(shù)學(xué)原理之上，其中最重要的是貝葉斯定理。按照這個(gè)定理，我們可以基于現(xiàn)有知識(shí)，先給不同假設(shè)指定初始概率，然后提升與數(shù)據(jù)相符的假設(shè)的概率，并降低與數(shù)據(jù)不符的假設(shè)的概率，最后計(jì)算所有假設(shè)的加權(quán)平均值，就可以作出預(yù)測(cè)：概率越高的假設(shè)，權(quán)重也越高�；�于貝葉斯定理的機(jī)器在某些醫(yī)療診斷中的準(zhǔn)確率要高于人類醫(yī)生，也是很多垃圾郵件過濾系和谷歌個(gè)性化廣告推薦系統(tǒng)的核心技術(shù)。

　　這5類機(jī)器學(xué)習(xí)算法，每一種都既有優(yōu)勢(shì)，也有不足。例如，深度學(xué)習(xí)在解決視覺或語音識(shí)別等感知任務(wù)上性能卓越，但無法處理常識(shí)的獲取和推理等認(rèn)知任務(wù)。而符號(hào)學(xué)習(xí)則與之相反。盡管相比于神經(jīng)網(wǎng)絡(luò)，進(jìn)化算法可以解決更為困難的問題，但解決這些問題要耗費(fèi)大量的時(shí)間。類比方法可以從少量的數(shù)據(jù)實(shí)例中學(xué)習(xí)，但面對(duì)過多信息時(shí)卻容易陷入混亂。貝葉斯學(xué)習(xí)是處理少量數(shù)據(jù)的最有效方法，但處理海量數(shù)據(jù)時(shí)卻代價(jià)高昂。

　　因?yàn)椴煌�的方法各有利弊，所以機(jī)器學(xué)習(xí)研究者一直致力于把各種方法的優(yōu)勢(shì)結(jié)合起來。就如同一把能打開所有鎖的萬能鑰匙，我們也在努力創(chuàng)造一個(gè)所謂的主算法（master algorithm）——這個(gè)算法可以從數(shù)據(jù)中學(xué)習(xí)到一切特征，提取出所有可能得到的知識(shí)。

　　當(dāng)前，機(jī)器學(xué)習(xí)領(lǐng)域面臨的挑戰(zhàn)和物理學(xué)家面臨的挑戰(zhàn)類似：量子力學(xué)可以在微觀尺度上很好地描述宇宙，廣義相對(duì)論則適用于宏觀尺度，但這兩個(gè)理論卻是不相容的，有待調(diào)和。在粒子物理學(xué)的標(biāo)準(zhǔn)模型建立起來之前，詹姆斯·克拉克·麥克斯韋（James Clerk Maxwell）首先統(tǒng)一了光、電和磁；與此類似，包括我和華盛頓大學(xué)的同事在內(nèi)，很多研究團(tuán)隊(duì)都提出了將兩種或多種機(jī)器學(xué)習(xí)方法統(tǒng)一到一起的思路。但科學(xué)進(jìn)步是斷斷續(xù)續(xù)、非線性發(fā)展的，因此很難預(yù)測(cè)這個(gè)大一統(tǒng)的主算法什么時(shí)候才能實(shí)現(xiàn)。不管怎樣，這一目標(biāo)的實(shí)現(xiàn)并不會(huì)導(dǎo)致一個(gè)全新的、強(qiáng)大的機(jī)器種族出現(xiàn)，相反，它會(huì)促進(jìn)人類的進(jìn)步。

　　光明圖片/視覺中國

　　3.人工智能與自由意志

　　一旦我們獲得主算法，并輸入由每個(gè)人產(chǎn)生的大量數(shù)據(jù)，人工智能系統(tǒng)就可能通過學(xué)習(xí)得出每個(gè)個(gè)體的非常準(zhǔn)確和詳細(xì)的模型：我們的口味和習(xí)慣、優(yōu)點(diǎn)和缺點(diǎn)、記憶和愿望、信仰和個(gè)性、我們?cè)诤醯娜撕褪�，以及任何特定場景下我們�?huì)如何回應(yīng)。我們的模型實(shí)質(zhì)上能夠預(yù)測(cè)我們將做出的選擇，這既令人興奮又令人不安。

　　許多人擔(dān)心，擁有這些能力的機(jī)器會(huì)利用它們新獲得的知識(shí)來奪走我們所有的工作，奴役我們，甚至消滅我們。但這是不可能發(fā)生的，因?yàn)樗鼈儧]有自己的意志�；�本上，所有的人工智能算法都是由我們?cè)O(shè)計(jì)的目標(biāo)驅(qū)動(dòng)的，比如“找到從酒店到機(jī)場的最短路線”。這些算法與普通算法的區(qū)別在于，它們可以靈活地決定如何實(shí)現(xiàn)我們?yōu)樗鼈冊(cè)O(shè)定的目標(biāo)，而不是需要執(zhí)行預(yù)先定義的一系列步驟。即使通過不斷執(zhí)行任務(wù)而得到優(yōu)化，它們的目標(biāo)仍然沒有改變。不能更好地實(shí)現(xiàn)目標(biāo)的方案會(huì)被自動(dòng)放棄。此外，人類會(huì)核查機(jī)器的成果是否符合我們的目標(biāo)。我們還可以驗(yàn)證機(jī)器有沒有違反我們對(duì)它們施加的限制，比如“遵守交通規(guī)則”。

　　然而，當(dāng)我們想象人工智能時(shí)，我們傾向于將人類的特質(zhì)，如意志和意識(shí)投射其上。我們中的大多數(shù)人也更熟悉家用機(jī)器人這樣的類人人工智能，而不是無數(shù)工作在幕后的其他類型的人工智能。好萊塢將機(jī)器人和人工智能描繪成人類的形象，也促使我們產(chǎn)生了這種印象。當(dāng)然，好萊塢采取這樣的策略可以理解，這能讓故事變得更有吸引力。人工智能只是一種解決難題的能力，而這一任務(wù)并不需要自由意志。它與人類作對(duì)的可能性，并不比你的手突然不聽使喚，扇自己耳光更大。和其他技術(shù)一樣，人工智能技術(shù)將永遠(yuǎn)是我們自身的擴(kuò)展。我們所設(shè)計(jì)的人工智能系統(tǒng)越強(qiáng)大，人類也就受益越多。

　　那么，人工智能會(huì)讓我們的未來變成什么樣子呢？智能機(jī)器確實(shí)會(huì)取代許多工作，但對(duì)社會(huì)的影響可能類似于以前的自動(dòng)化機(jī)器。200年前大多數(shù)美國人都是農(nóng)民，如今機(jī)器已經(jīng)取代了幾乎所有的農(nóng)民，卻沒有造成大規(guī)模的失業(yè)。末日論者認(rèn)為，這一次是不同的，因?yàn)闄C(jī)器正在取代的不僅僅是我們的肌肉，更是我們的大腦，這將讓人類無事可做。但是，人工智能距離承擔(dān)我們的所有任務(wù)仍然非常遙遠(yuǎn)。在可預(yù)見的未來，人工智能和人類將擅長不同的事情。機(jī)器學(xué)習(xí)的主要作用將是大大降低智力成本。這種普及進(jìn)程將讓人工智能在更多的領(lǐng)域變得經(jīng)濟(jì)可行，創(chuàng)造新的就業(yè)機(jī)會(huì)，并改造舊的工作，讓相同數(shù)量的人力能完成更多工作。

　　然后，還有未來學(xué)家雷·庫茲韋爾（Ray Kurzweil）宣揚(yáng)的“奇點(diǎn)”。他設(shè)想，技術(shù)進(jìn)步會(huì)永遠(yuǎn)不斷加速：機(jī)器學(xué)會(huì)制造更好的機(jī)器，而新的機(jī)器又能制造出比它還要好的機(jī)器。但我們知道這是不可能的，即便是量子計(jì)算機(jī)——它的計(jì)算能力也受到物理定律的嚴(yán)格限制，而且在某些方面，我們距離這樣的極限已經(jīng)不遠(yuǎn)了。人工智能的進(jìn)步，就像其他一切的進(jìn)步一樣，最終會(huì)趨于平穩(wěn)。

　　另一個(gè)在未來學(xué)家中流行的觀點(diǎn)是，我們自身的計(jì)算機(jī)模型將變得非常完善，以至于與真實(shí)的我們沒有區(qū)別。在這種情況下，我們可以把自己上傳到云端，永遠(yuǎn)作為軟件的一部分存在，不受現(xiàn)實(shí)世界的惱人的約束。不過這面臨著一個(gè)問題：它在生物學(xué)上可能行不通。為了上傳你自己，你需要一個(gè)精確的模型來描述你的每一個(gè)神經(jīng)元，以及它們儲(chǔ)存的記憶。你必須非�？煽康夭杉�這些信息，使得模型的預(yù)測(cè)結(jié)果盡可能地符合真正神經(jīng)元的行為——這確實(shí)是一個(gè)艱巨的任務(wù)。但即使這是一個(gè)可行的選擇，如果你有機(jī)會(huì)，你真的會(huì)上傳自己嗎？你怎么能確定你的模型并沒有丟失你的一些必要記憶——或者，這個(gè)模型真的擁有意識(shí)嗎？如果一個(gè)小偷以最為絕對(duì)和完整的方式偷走了你的身份呢？我相信，只要人們可以，都會(huì)選擇死守他們那黏黏的、以碳為基礎(chǔ)、計(jì)算機(jī)科學(xué)家戲謔地稱之為“濕件”（wetware）的本體——直到堅(jiān)持不下去為止。

　　4.人工智能警察抓捕人工智能罪犯

　　人工智能，尤其是機(jī)器學(xué)習(xí)，事實(shí)上只是人類進(jìn)化的延續(xù)。在《延伸表型》（Extended Phenotype）一書中，英國科學(xué)家理查德·道金斯（Richard Dawkins）談到，動(dòng)物基因控制的不只是它們的身體，還有環(huán)境，而且這種現(xiàn)象相當(dāng)普遍——從杜鵑產(chǎn)蛋到河貍筑壩，都是如此。技術(shù)就是人類表型的延伸，我們今天所構(gòu)建的是我們的另一層技術(shù)外骨骼。未來人類會(huì)如何運(yùn)用人工智能？我認(rèn)為最可能出現(xiàn)的情景要比通常的推測(cè)更有趣。

　　在十年內(nèi)，我們中的每一個(gè)人都可能擁有一個(gè)“數(shù)字替身”，這個(gè)人工智能助手將比我們今天的智能手機(jī)更加不可或缺。你的數(shù)字替身不需要和你一起移動(dòng)，它很可能存在于云中的某個(gè)地方，就像你現(xiàn)有的個(gè)人數(shù)據(jù)一樣。我們可以在Siri、Alexa和Google助手等虛擬助手中看到它的雛形。數(shù)字替身的核心是一個(gè)你自身的模型，該模型將從你與數(shù)字世界互動(dòng)時(shí)產(chǎn)生的一切數(shù)據(jù)中學(xué)習(xí)，包括桌面電腦、網(wǎng)站、可穿戴設(shè)備以及智能揚(yáng)聲器、恒溫器、手機(jī)信號(hào)發(fā)射塔和攝像機(jī)等環(huán)境傳感設(shè)備。

　　我們的學(xué)習(xí)算法越好，我們給數(shù)字替身提供的個(gè)人數(shù)據(jù)越多，它們就會(huì)變得越精確。一旦我們有了主算法，就可以通過增強(qiáng)現(xiàn)實(shí)設(shè)備和其他個(gè)人傳感器連續(xù)捕捉你的感覺和運(yùn)動(dòng)信息，這樣一來，數(shù)字替身會(huì)比你最好的朋友都更了解你。

　　你的數(shù)字模型和數(shù)據(jù)將由一個(gè)“數(shù)據(jù)銀行”來維護(hù)，這與你用來儲(chǔ)蓄和投資的傳統(tǒng)銀行不同。許多現(xiàn)有的公司肯定愿意為你提供這種服務(wù)。谷歌創(chuàng)始人謝爾蓋·布林（Sergey Brin）表示，谷歌想成為“你的大腦的第三個(gè)半球”，但如果你大腦的一部分要通過向你展示廣告來維持它的存在，你可能不愿意。最好是由利益沖突更少的新型公司或由與你志趣相投的人形成的數(shù)字聯(lián)盟來給你提供更好的服務(wù)。

　　畢竟，人工智能最值得擔(dān)心的地方不是它會(huì)自發(fā)地變邪惡，而是控制它的人會(huì)濫用它（用法國人的話說，cherchez l’humain——“看，問題根源總是在人類身上”）。因此，你的數(shù)據(jù)銀行的首要任務(wù)是確保你的模型永遠(yuǎn)不會(huì)被用來損害你的利益。你和數(shù)據(jù)銀行都必須保持警惕，時(shí)刻監(jiān)控人工智能犯罪，因?yàn)檫@項(xiàng)技術(shù)同樣也能增強(qiáng)壞人的能力。我們將會(huì)需要人工智能警察來抓捕人工智能罪犯�？苹米骷彝�廉·吉布森（William Gibson）在1984年出版的小說《神經(jīng)漫游者》（Neuromancer）中就描寫了這樣的警察，他稱其為圖靈警察。

　　當(dāng)然，這也給某些機(jī)構(gòu)提供了機(jī)會(huì)，讓它們更容易監(jiān)視和約束你。考慮到機(jī)器學(xué)習(xí)的發(fā)展速度，電影《少數(shù)派報(bào)告》（Minority Report）中的情景也可能出現(xiàn)——人們?cè)诩磳⒎缸飼r(shí)被提前逮捕。還有，在我們所有人都能獲得一個(gè)數(shù)字替身前，世界已經(jīng)適應(yīng)了部分擁有數(shù)字替身的人的生活節(jié)奏，這對(duì)那些尚未獲得數(shù)字替身的人也意味著不平等。

　　5.虛擬空間的無數(shù)種人生

　　作為個(gè)人，我們的首要任務(wù)是不要自滿，不要盲目信任我們的數(shù)字替身，忽略它們才剛誕生沒多久的事實(shí)。人們很容易忘記，人工智能就像具備某些超常能力的自閉癥患者，而且在可預(yù)見的未來仍將如此。從外表看，人工智能似乎是客觀，甚至完美的，但在內(nèi)里，它們同我們一樣有諸多缺陷，甚至更多，只是方式不同而已。例如，人工智能缺乏常識(shí)，很容易犯一個(gè)人永遠(yuǎn)不會(huì)犯的錯(cuò)誤，比如把橫穿馬路的人誤認(rèn)成被風(fēng)吹起的塑料袋。它們往往只能理解我們指令的字面意思，精確給出我們要求的東西，但那不是我們真正想要的。（所以，在告訴自動(dòng)駕駛汽車不惜一切代價(jià)把你準(zhǔn)時(shí)送到機(jī)場前，要三思。）

　　實(shí)際上，你的數(shù)字替身和你如此相似，以至于它可以在各種虛擬互動(dòng)中替代你。它的工作不是像你一樣生活，而是要幫助你選擇那些你沒有時(shí)間、耐心或知識(shí)親自去選的東西。它會(huì)閱讀亞馬遜上的每一本書，推薦一些你最可能想要閱讀的書。如果你需要一輛車，它會(huì)研究各種選項(xiàng)，并與汽車經(jīng)銷商的替身討價(jià)還價(jià)。如果你在找工作，它會(huì)尋找所有符合你需要的職位，然后為你安排最有可能通過的真人面試。如果你被診斷出了癌癥，它會(huì)嘗試所有可能的治療方法并推薦最有效的治療方法。（讓你的數(shù)字替身參與醫(yī)學(xué)研究使得更多人受益也是你的道德責(zé)任。）如果你正在尋找愛侶，你的數(shù)字替身將會(huì)與所有符合條件的數(shù)字替身進(jìn)行數(shù)百萬次的虛擬約會(huì)。在虛擬空間中擦出愛情火花的情侶們則可以在現(xiàn)實(shí)生活中約會(huì)。

　　從本質(zhì)上說，你的數(shù)字替身會(huì)在虛擬空間中度過無數(shù)種可能人生，這樣活在真實(shí)物質(zhì)世界中的你就可能選出其中最好的一個(gè)版本。你的模擬生活是否真實(shí)，你的數(shù)字化身是否有某種自我意識(shí)，就像英劇《黑鏡》（ Black Mirror）中的一些故事那樣，都是有趣的哲學(xué)問題。

　　一些人擔(dān)心，這意味著我們將把自己生活的控制權(quán)交給計(jì)算機(jī)。但它實(shí)際上給了我們更多的控制權(quán)，而不是更少。你的模型還將從每次虛擬體驗(yàn)的結(jié)果中學(xué)習(xí)（你享受這次約會(huì)嗎？你喜歡你的新工作嗎？）所以隨著時(shí)間的推移，它給出的建議會(huì)越來越接近你本人的選擇。

　　事實(shí)上，我們已經(jīng)習(xí)慣了在潛意識(shí)的干預(yù)下做出我們的大多數(shù)決策，因?yàn)檫@就是我們大腦的運(yùn)作機(jī)制。你的數(shù)字替身就像是大幅擴(kuò)展了的潛意識(shí)，但它們之間有一個(gè)關(guān)鍵的區(qū)別：當(dāng)你的潛意識(shí)在你的身體里獨(dú)自生活時(shí)，你的數(shù)字替身將會(huì)不斷地與他人和組織進(jìn)行互動(dòng)。每個(gè)人的數(shù)字替身都將繼續(xù)努力學(xué)習(xí)其他人的模型，構(gòu)成一個(gè)基于模型的社會(huì)，它們會(huì)以計(jì)算機(jī)的速度生活，探索所有的可能性，猜測(cè)我們?cè)诋?dāng)下可能做出的選擇。我們的機(jī)器將是我們的偵察兵，為獨(dú)立個(gè)體和整個(gè)人類物種開辟一條通往未來的道路。它們將帶領(lǐng)我們?nèi)ネ�哪里？我們將選擇奔赴何處？

　　本文由《環(huán)球科學(xué)》雜志社供稿

　　作者簡介:

　　佩德羅·多明戈斯是華盛頓大學(xué)的計(jì)算機(jī)科學(xué)教授。

　　本文譯者:

　　崔迪瀟是西安交通大學(xué)人工智能與機(jī)器人研究所講師，主要研究方向是人工智能和無人駕駛技術(shù)。

　　《光明日?qǐng)?bào)》（ 2018年10月17日 14版）