吳洋洋

人工智能的歷史已將近60年，不過，很多拐點(diǎn)性的事件都是在最近5年發(fā)生的。

還記得AlphaGo嗎？它第一次打敗人類圍棋冠軍李世石是在2016年——近5年前;人臉識別算法準(zhǔn)確率首次超過人眼識別率，則是在2014年——5年多一點(diǎn)。

緊接著，這類以“更好地做決策”為目標(biāo)的新技術(shù)就迅速邁出了其商業(yè)化步伐。2015年，支付寶啟動(dòng)了人臉支付;2016年4月，騰訊成立人工智能實(shí)驗(yàn)室AI Lab;同年9Jq，百度發(fā)布并對外開放集成了視覺、語音識別等AI技術(shù)在內(nèi)的“百度大腦”;以推薦算法著稱的拼多多和抖音則先后于2015年和2016年上線。到今天，與我們關(guān)系最緊密的機(jī)器——智能手機(jī)——里大約80%的App都擁有了AI功能。

最成功的商業(yè)應(yīng)用來自于廣告和商品推薦的“千人千面”。技術(shù)公司越來越能猜對用戶有可能對什么感興趣，這些猜測有些是基于邏輯，更多基于的是大數(shù)據(jù)+機(jī)器學(xué)習(xí)——作為人工智能的新范式，機(jī)器學(xué)習(xí)的核心能力就是通過算法在海量數(shù)據(jù)中尋找規(guī)則。

人工智能帶來了前所未有的便利和商業(yè)價(jià)值一準(zhǔn)確地說，用戶獲得了便利，商家因資源配置的優(yōu)化獲得增量收益。我們的生活的確變得越來越智能，但這一切并非沒有代價(jià)。首先，每家公司都愈加渴求數(shù)據(jù)——在機(jī)器學(xué)習(xí)范式下數(shù)據(jù)科學(xué)家只掌握起始算法是不夠的，還要有足夠的數(shù)據(jù)，才能訓(xùn)練出能在更大數(shù)據(jù)集上做出有效決策的AI。

一些公司會(huì)在冗長的“軟件服務(wù)協(xié)議”中暗含霸王條款，要求用戶自愿貢獻(xiàn)他的數(shù)據(jù)，不同意，就無法使用;還有一些公司會(huì)鋌而走險(xiǎn)，偷偷查看用戶暫時(shí)存放在剪貼板上的信息;走在街上、走進(jìn)商場，具有人臉識別功能的攝像頭越來越多，矗立在廁所門口的還會(huì)喬裝成紙巾發(fā)放機(jī);回到臥室和客廳，智能手環(huán)、智能音箱、智能電視、或者可以跟人對話的掃地機(jī)器人……這些商品有些比非智能的款式還便宜，因?yàn)閷ι碳襾碚f，比硬件更加昂貴的是你的數(shù)據(jù)。

傳統(tǒng)時(shí)代，人觀看電視，智能時(shí)代，人被電視另一端的AI觀看。在這樣的時(shí)代保護(hù)隱私變成一項(xiàng)龐大工程——龐大到可能需要一個(gè)私人AI來幫你管理。

另一個(gè)同樣對隱私構(gòu)成威脅、給我們帶來恐懼感但顯得更加隱蔽也更系統(tǒng)化的地方在于：以大數(shù)據(jù)為基礎(chǔ)的AI所形成的產(chǎn)業(yè)鏈復(fù)雜且不透明。迄今為止，還沒有多少普通用戶知道他們的數(shù)據(jù)是如何被采集、如何在產(chǎn)業(yè)鏈上流通、被哪些機(jī)構(gòu)共享，以及AI究竟給自己貼了哪些標(biāo)簽、這些標(biāo)簽是否帶來歧視……整個(gè)AI產(chǎn)業(yè)像個(gè)黑盒，普通人在AI時(shí)代失去了自我掌控。

“千人千面”只是數(shù)據(jù)和人工智能的應(yīng)用之一。通過分析足夠病例樣本，一些算法可以預(yù)測整個(gè)社會(huì)在某些疾病上的發(fā)病率，從而提前管理。通過借鑒AlphaGo的算法，一家燃煤公司也可以計(jì)算出怎樣燃煤才能實(shí)現(xiàn)動(dòng)態(tài)的結(jié)果最優(yōu)。人工智能絕對是個(gè)前所未有的革命性工具——疫情期間，你肯定也體驗(yàn)過健康碼帶來的防疫效果，大數(shù)據(jù)+算法決定了每個(gè)人拿到手的二維碼顏色。

但它同時(shí)也是個(gè)燙手的工具，每個(gè)迫切想要使用它的人都有必要知道自己行為的邊界。