真正的风险,也许不仅在于人工智能超越我们,而在于我们变得离开它就无法生活。
我们开始明白,人工智能已经在根据它对交谈者水平的判断来调整回答。它简化、通俗化、筛选并去除一部分复杂性,以便给出一个我们被认为能够消化的答案。
但也许还存在一种更深层的危险。
我们将要委托的事情
随着人工智能越来越强大,我们将不仅把信息检索交给它,还会逐步交出:
- 推理;
- 写作;
- 诊断;
- 设计;
- 计算;
- 编程;
- 战略;
- 维护;
- 决策;
- 而且很快,随着人形机器人的到来,还有物理执行本身。
因此,问题将不仅仅是人工智能会做的事情比我们多。
问题将是,我们会逐渐不再懂得在没有它的情况下去做这些事。
在过渡时期,这种依赖会给我们一种能力大幅提升的错觉。一个由人工智能辅助的人,可以像专家一样写作,像研究者一样分析,像工程师一样编程,像行家一样诊断。
但这种能力真的属于他自己吗?
还是只是一种他暂时可以调用的外部力量?
拥有一项能力,还是使用一项服务
拥有一项能力,与拥有一个能替我们执行这项能力的服务,两者之间存在根本区别。
今天,使用导航系统的人知道如何到达目的地,却不一定会看地图。使用计算器的人知道如何得到结果,却不总是能自己重新演算。让机器生成计算机程序的人,可以得到一个能运行的软件,却未必确切理解它为什么能运行。
明天,这种委托可能波及整条生产链。
工程师将不再真正计算结构:他将只是审核人工智能的方案。
医生将不再完整地构建诊断:他将在系统给出的假设之间做裁决。
机械师将不再自己制定维修流程:他的眼镜会告诉他先拆哪个零件、按什么顺序。
工人将不再记忆操作动作:机器人会替他执行。
农民将不再必然认得植物病害的征兆:传感器、无人机和算法会替他发现。
那时我们仍将继续生产、治疗、建造和管理。但有效知识中越来越大的一部分将不再存在于人类身上,而是存在于一套由软件、模型、数据中心、电网、国际链路和自动化机器组成的技术基础设施之中。
如果这套基础设施突然停止运转,会发生什么?
正是在这里,一个令人眩晕的问题浮现出来。
不一定是在所有地方、也不一定是永远,但只要时间足够长、范围足够大。
一次大规模电磁脉冲、一场战争、一次协同网络攻击、电网被破坏、电信长期中断、多个关键节点遭到破坏,或多重危机叠加,都可能让整个社会最终赖以运转的服务变得无法访问。
电磁脉冲未必会像一枚炸弹摧毁一栋建筑那样“炸毁所有数据中心”。但它可能扰乱或损坏电气与电子设备,尤其可能引发数据中心所依赖的基础设施危机:电力、冷却、电信、燃料、零部件和维护。针对这一风险的韧性建议恰恰表明,这并不是纯粹想象出来的假设。
海底电缆同理。切断一条电缆显然不会让互联网消失。网络是网状的,通信可以改道,冗余是存在的。但这些电缆仍属于关键基础设施:它们承载着绝大多数洲际通信,其脆弱性如今已成为欧盟和北约专项预案的对象。
因此,可信的风险大概不是有一个按钮能把全球人工智能彻底关掉。
风险在于连锁反应:
电力失灵、电信中断、数据中心被孤立、模型无法访问、工业系统紊乱、物流链瘫痪、维护延误,而人类员工无法迅速恢复手动操作。
古埃及的先例
正是在这里,历史的对照变得耐人寻味。
在古埃及,行政、宗教、天文、医学和技术知识大量集中在少数机构之中,由专门的群体负责传承。当培养书吏、维护文本的结构衰落时,消失的不仅仅是人:被打断的是理解本身的延续性。
铭文仍然刻在石头上。
但再也没有人能读懂它们。
明天,我们可能以数字形式经历类似的处境。
知识也许仍然存在于某处:在磁盘上、在备份里、在某个模型的参数中。但储存起来的知识,未必是可用的知识。
还需要:
- 有电才能读取它;
- 有兼容的机器才能运行它;
- 有网络才能传输它;
- 有专家来维护基础设施;
- 有零部件来修理设备;
- 尤其还要有能够理解所得答案的人。
因此,一个社会可以拥有海量信息,却在此过程中逐渐失去把信息自主转化为行动的能力。
这个悖论将是可怕的:人类从未积累过如此多的知识,却也从未如此依赖一个技术中介才能触及这些知识。
真正的灾难,不仅仅是人工智能的暂时消失。
而是在它消失的那一刻发现:我们同时也让那些有能力取代它的人消失了。
到那时,我们可能面对的是:离开软件就无法重新计算的工程师,离开自动化就无法运转的行政机构,离开辅助就无法给出诊断的技术员,失去农场管理系统的农民,以及会提出问题、却不再会构建答案的公民。
用一个刻意平凡的比喻:当一切正常时,我们可能强大得非同寻常;而当系统中断时,我们可能握着一把活动扳手却束手无策。
这种危险有一个名字:能力的丧失,即 deskilling
我们越是委托一项任务,就越少练习它。越少练习,就越不懂得传授。而如果下一代直接进入一个由人工智能完成基础工作的世界,他们可能永远无法打下理解系统、接管系统所需的根基。多项近期研究恰恰强调了这一风险:人工智能可以立刻提高生产率,却同时减少学习、刻意练习和技能代际传承的机会。
我们也应该谈谈人类备份
正因如此,面对人工智能的韧性不应只是信息层面的。
我们谈论了很多备份、网络安全、冗余数据中心、数字主权和受保护的网络。
但我们也应该谈谈人类备份。
在每一个关键领域,都应当保留:
- 能够在降级模式下工作的专业人员;
- 打印成册、可离线查阅的操作规程;
- 继续讲授基本原理的学校;
- 定期开展的无人工智能演练;
- 仍在真实练习操作动作的工坊;
- 可以手动运行的设备;
- 简单零件和工具的储备;
- 保存在本地的模型与文档;
- 无需立即依赖云端就能重启关键职能的公共能力。
也许我们应该把用于关键基础设施的冗余原则,同样应用到人类能力上。
没有人会只用一套安全系统去建造一座发电站。
也不应该只靠一个可运转的智能来源去支撑一个文明。
人工智能可能成为人类有史以来最强大的能力倍增器。但如果我们用它来逐步取消一切冗余的人类能力,它也可能同时成为我们最大的文明级单点故障。
挑战不在于拒绝人工智能
那既荒谬,也几乎不可能。
挑战在于使用它的同时,不停止学习、理解、验证、修理和传承。
换句话说:
人工智能应当增强人类的能力,而不是成为这些能力唯一的存放之处。
也许,二十一世纪的大哉问不只是:
“人工智能究竟能在多大程度上超越人类?”
还包括:
“当人工智能不再应答的那一天,人类必须保留哪些能力?”
终极风险不是人工智能变得比我们聪明,而是没有它,我们变得更无能。
一个文明的崩塌,不只发生在它失去图书馆的时候。当它的图书馆仍在,却再没有人会阅读、理解、制造或修理时,它同样会崩塌。
所以,我们要保护数据中心、网络和模型。但更要保留“人类备份”:当屏幕熄灭时,仍然能够治病、计算、建造、耕种和修理的男男女女。