技术:人工智能未来：码农大批失业 程序员成为“驯兽师”

本篇文章3878字，读完约10分钟

指南:《在线》杂志在本周的刊物中说，随着机器学习技术的迅速发展，人类和技术的关系也会改变。 人类不能为电脑制定明确的规则，就会像训练宠物狗一样训练电脑。

以下是复印全文。

在计算机发明之前，大部分实验心理学家认为大脑是未知的黑匣子。 如果分解贝尔犬这样的对象的行动会流口水，那么什么是思考、记忆、感情呢？ 除了科学以外，这种东西很模糊，不太有头绪。 因此，这些自称行为主义者的第一项研究集中在刺激和反应、反馈和强化的关系，即贝尔如何向狗流口水。 他们放弃了对人脑内部机制的探索，他们也主导了这个行业40年。

之后在50年代中期，叛逆的心理学家、语言学家、新闻理论学家、早期的人工智能研究者们提出了关于思维的不同概念。 他们认为人脑不是条件反射的综合体。 大脑吸收新闻，解决新闻，然后根据这些消息行动。 人脑具备写入、记忆、调用记忆等功能，是逻辑系统。 人脑不是黑匣子，类似于电脑。

这种认识革命最初规模不大，但随着计算机成为全球心理学实验室的标准设备，这一理论被更广泛地接受。 到70年代末，认识心理学超越了行为主义心理学，带来了讨论人类思维的新语言。 心理学家开始把思维描述为计算机程序，商务人士也开始关注，关注现代商业场景中人的思维容量和解决能力的限制。

这样的故事会上演好几次。 随着数字革命深入我们每个人的日常生活，这也渗透了我们的语言和关于我们事物运行规律的基本理论。 技术总是能做到这一点。 启蒙时代，牛顿和笛卡尔促使人们把宇宙看作精密的时钟。 在工业时代，扮演这个角色的是带活塞的机器。 (弗洛伊德关于精神动力学的概念参考了来自蒸汽机的热动力学。

东西，东西，东西，东西，只是这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里我我想把感情数据转换成数据。 。 。 。 。 。 。 。 。 。 。 。 。 也

不行，很明显，世界上一切都是基因，是生物。 ". 文学作品还主张可以编辑自己的源代码，重新编程自己喜欢的生活、睡眠习性和习性。

在这样的世界里，写代码不仅是必要的技能，而且是让人们深刻理解事物内部状态的语言，被认为是获得力量的方法。 未来学者马克·古德曼( marc goodman )说:“只要控制代码，就能控制世界。” 彭伯格商业周刊的保罗福特( paul ford )说:“如果程序员不运行世界，他们至少控制着运行世界的工具的基础。”

不管你是否喜欢这种状态，是否是编程精英，是否是连高端智能手机的设定菜单都不能很好地使用的初学者，都没有必要习惯这种状态。 我们的机器开始采用不同的语言，但最优秀的程序员也不能理解这种语言。

近年来硅谷最大的科技企业积极发展新的计算技术即机器学习。 在以前流传下来的编程做法中，工程师写了正确的命令让计算机执行。 在机器学习技术中，程序员并不是写着让计算机执行的命令。 程序员只是训练电脑。。 如果你想让神经网络识别小猫，就不需要告诉你眼睛、耳朵、毛皮等电脑小猫的脸。 只要在电脑上出示成千上万只小猫的照片，电脑自己就能在照片中找到小猫。 把狐狸的照片混在小猫的照片里就没关系了。 我只是给电脑很多正确的训练。

这样的做法并不新鲜，出现时间已经几十年了，但最近变得更强大了。 这是由于深度神经网络的兴起。 这样的大规模分布式计算系统模拟了大脑中的多层神经元结构。 不管你是否意识到了这一点，机器学习在我们的在线活动中起着重要的作用。 facebook使用机器学习进行评价，并将那些副本投入到你的消息流中。 谷歌照片使用机器学习识别照片中的脸。 微软的skype translator实时翻译不同语言之间的对话，基础也是机器学习。 但是今年也是

桃子只是这个日常日常日常日常日常我日常中的日常

桃子

程序员遭遇变革。

安迪·鲁宾( andy rubin )是资深的发明家和程序员。 作为安卓系统的共同创始人，硅谷众所周知，鲁宾的办公室和家里放置着各种各样的机器人。 他自己为机器人编程。 他说:“我还年轻的时候，我就深入了计算机科学。 我之所以喜欢电脑是因为我可以消失在电脑世界里。 这就像一块白布，我一开始就能做东西。 多年来，这给我带来了完全控制的世界。 ”。

但现在，我认为这样的世界正在走向终结。 机器学习的兴起使鲁宾兴奋起来。 他的企业playground global投资于机器学习领域的创业企业，自身的定位是领导智能设备的迅速发展。 但这也让他感到遗憾。 因为机器学习改变了工程师的定义。

鲁宾说:“人们不再一步一步地写程序了。 在神经网络上知道语音的识别方法后，程序员介入了，看不到机器是怎么做到的。 这就像你的大脑，你不能剪头。 看看你在想什么。 ”。 工程师试图窥探深度神经网络的内部时，他们看到数学海洋，利用多层微积分计算评价数十亿数据点之间的关系，完成世界推测。

人们最初人工智能的设想并非如此。 直到几年前，主流人工智能研究者认为，如果要开发代理，我们必须教机器正确的逻辑，只有写足够的规则，我们才能开发足够精密的系统来理解世界。 他们许多人没有观察到机器学习的早期快速发展，而是诋毁这项技术。 多年来，计算机的性能不够好，没有出现机器学习的特征。 因为这样的观点占优势。

致力于人工智能的斯坦福大学前教授塞巴斯蒂安·斯隆说:“讨论的大部分集中在人脑如何组织世界、人脑工作方法这一固有概念上。 神经网络没有符号和规则，只有数字。 这让很多人感到无法理解。 ”斯隆开发了谷歌的无人车。

除此之外，无法理解的机器语言带来了更现实的问题。 在过去的20年里，学习编程可以说是找工作的捷径，许多父母让孩子们追加学习编程。 但是，神经网络主导的深度学习仪器需要完全不同的能力。 随着机器以前传来的技能的边缘化，分析人员开始担心人工智能对就业市场的影响。 程序员也许很快就能体会到这一点。

尽管如此

我游泳了

人和技术是什么关系？

不仅影响就业工作，这种变革还会带来明显的文化意义。 如果人工编写的软件带来对工程师的崇拜，人类的体验凝结在一系列可理解的命令观念中，机器学习就会带来相反的变化。 推进宇宙运行的代码可能是人类无法分解的。 比如说，谷歌现在面临着欧洲的反垄断调查，这家企业过度影响了搜索展示结果。 谷歌自己的工程师也不能知道每个搜索引擎算法会把什么样的结果放在第一位，这样的指控就非常困难。

在过去的时间里，这种不明确性正在爆发。 最简单的算法可能会导致意想不到的结果，这已经不是信息了。 这可以追溯到混论理论和随机数发生器。 这几年网络越来越复杂，功能多，代码越来越差，机器幽灵也很难控制，无论是飞机事故，还是股票市场的急速熔断，还是大规模停电。

随着这一力量的兴起，技术专家丹尼·希里斯( danny hillis )准备宣告启蒙时代的结束。 在这个时代，我相信逻辑、明确性、自然的控制。 希里斯说，我们已经进入了“纠缠的时代”。 “随着技术产物的增多，我们和它们之间的关系也会发生变化。 》他是《设计和科学期刊》，“我们不再是这些产物的主人，我们需要和他们协商，说服他们，诱惑他们实现我们的目标。 我们建造了丛林。 丛林里有自己的生物。 ”。 机器学习的兴起是这次旅行的最新一步，可能是最后一步。

这样的现实很可怕。 通常认为编程是培训班应该学习的技能，程序员至少是人。 但是，这些科技精英对他们作品的指挥能力减弱，甚至不能直接指挥。 还没，还没，还没，还没，这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里这里

好薯

但是，即使不能完全理解机器的想法，也并不意味着我们对机器什么都做不了。 将来我们不太在意机器行动的基础。 我们学会集中精力行动本身。 代码的重要性下降，训练机器的数据变得越来越重要。

如果说这类似，因为这看起来像20世纪的行动主义理论。 事实上，机器学习算法的训练过程经常与20世纪重要的行动主义实验之间进行。 巴甫洛夫训练狗流口水不是空腹感的研究，只是在重复着什么。 他多次提供数据直到代码改写自己。 在行动主义者看来，他们可以控制自己的研究对象。

斯隆说，机器学习的影响将在很长一段时间内普及。 现在，可以在不了解html的情况下开发网站，但是将来也没有博士水平的知识，可以利用深入学习的强大力量。 如果你知道怎么训练宠物狗，人们就可以利用机器学习。 斯隆说:“对我来说是编程行业最酷的事。 因为现在每个人都可以编程。”。

在计算迅速的发展史上，我们经常使用从内到外的方法知道机器是如何工作的。 一开始写代码，机器表现代码。 这种世界观有一定的灵活性，但意味着基于某种规则的明确性，即事物是基础指令的产物。 机器学习的情况相反，我们需要用从外到内的方法进行研究。 除了代码决定行动，行动也会影响代码。 机器是世界的产物。

最终发挥手写代码和机器学习算法的能力。 生物学家可能开始观察它了。 但是但是但是但是但是但是但是但是但是但是但是但是但是……但是……………………………………………………………………………………………………………………………………。 但是，但是，但是，但是，但是，这是骗人的。是。是。是。是。是。是。是。是。是。是。是。是。是。 已经结束了。已经结束了。已经结束了。已经结束了。已经结束了。已经结束了。

只是只是只是只是只是只是只是只是只是是AA也许是个问题AAAAAAA这里是