人工智慧如何看待我們的世界

一個男人在夜間走在街上。在櫥窗的另一邊，一台 iMac 移動，彷彿用目光追隨著他：當男人跳躍時，電腦就傾斜，如果他做鬼臉，機器就會打開 CD 播放器。這是 2002 年的 Apple 廣告，但今天的問題不再是機器何時會看著我們，而是它們已經如何看待我們。而答案比我們想像的更奇怪：錯誤不在於相信人工智慧只需要「理解」我們的世界，而是沒有看到它實際上是從零開始重建世界，使用在我們看來荒謬或危險的代碼和捷徑。普遍的想法是，我們必須教 AI 以我們的方式看待事物，以我們的方式思考。但事實是，它們根據完全不同的邏輯進行感知，而且經常被迫簡化現實，甚至使其變形。真正的視角轉變是，我們不僅要向機器解釋事物：我們還必須學會從它們的角度看世界，以了解它們在哪裡出錯、在哪裡絆倒，以及為什麼。一個具體的例子：當藝術家 Elisa Giardina Papa 致力於訓練 AI 進行圖像識別時，她必須在每個物體周圍畫出「邊界框」，例如沙發上的女人。但如果女人的 T 恤上的圖案與沙發的布料混淆，機器就無法區分這兩個物體。Papa 說，對演算法來說，「這張圖片最終被歸類為一個奇怪、不確定的類別：既不是單純的女人，也不是單純的沙發。」 這不是一個微不足道的錯誤：這是一個系統的結構限制，它只能看到它能標記的內容。對於透明物體或放在一旁的椅子，也會發生同樣的情況：現實很容易就會超出既定模式。藝術家 Eryk Salvaggio 訓練人工智慧識別森林中的蘑菇時，必須忽略所有不尋常的細節——這與尋找例外的人類本能完全相反。結果呢？人工智慧將世界視為統計平均值，而不是獨特細節的集合。當我們試圖讓世界適應它們時，奇怪的事情就會發生。Amazon Go 商店讓你不用經過收銀台就能離開，但需要一千人手動檢查影像並修正 AI 的錯誤，每一千筆交易中，有七百筆需要人為介入。最終，這項實驗被終止。另一個極端案例：Elaine Herzberg 的悲劇，她被一輛無人駕駛的 Uber 汽車撞倒。感應器「看見」了路上的這位女士，但無法對她進行分類：有時是車輛，有時是未知物體，有時是騎自行車的人。由於從未將她標記為在人行道外的行人，系統沒有煞車。問題不在於技術，而在於它無法接受不符合預設模式的事物。但這些簡化不僅僅是技術上的。機器人學家 Tom Williams 表示，人工智慧經常誤解那些帶有不同口音或方言的人，迫使人們為了被識別而「消除」自己的聲音。當企業試圖改善資料以提高包容性時，他們可能會創造新的監控形式或重現舊有的偏見，例如微軟使用了借自 19 世紀偽科學的種族分類。那麼該怎麼辦？另一種方法來自那些試圖克服「邊界框」的系統。Waymo 已經開始將人們呈現為數位線條人，這些點組成的骨架不僅可以讓我們了解某人是否正在過馬路，還可以了解他們看向哪個方向，或者是否即將改變方向。這樣，電腦不僅僅是將看到的東西「放進盒子裡」，而是試圖解讀姿勢、意圖、動作。這是朝著非情感性而是認知性同理心概念邁出的一步：我們不是要求 AI 產生情感，而是要求它理解（至少部分地）我們的存在方式和行動方式。為了做到這一點，我們還需要重新思考我們的介面：僅僅對我們來說簡單是不夠的，它們必須使 AI 能夠真正掌握人類環境的複雜性。就像我們曾經使用資料夾圖示來幫助人們了解電腦一樣，現在我們還必須建立「翻譯器」，幫助 AI 理解我們世界的細微差別，而不僅僅是其簡化版本。而最終的逆轉是：我們的道路不僅僅是教 AI 以我們的方式看待事物，而是學會與它們解讀現實的陌生方式共存，知道它們可能在哪裡犯錯或造成傷害。否則，我們就有可能生活在一個為演算法而非為人類設計的世界中。如果你認為「教 AI 看待事物的方式像我們一樣」就足夠，那麼請準備改變你的想法：我們也必須學會像它們一樣看待事物，以免世界變成一堆盒子，沒有人真正被認可。如果這個觀點讓你印象深刻，你可以在 Lara Notes 上用 I'm In 來表示，這是一個表示：這個觀點現在是你思維方式的一部分的動作。如果你今晚要告訴別人，也許是回憶 Amazon Go 商店的荒謬或 Elaine Herzberg 的案例，你可以在 Lara Notes 上用 Shared Offline 標記與你在一起的人，這樣你就知道這次對話很重要。這趟人工智慧感知之旅來自 NOEMA，為你節省了 14 分鐘。