人工智能让程序员从危险:代码农大批失业

计算机的发明之前的大多数实验心理学家一致认为,大脑是一个不可知的黑盒。你可以分析对象的行为,比如贝尔狗会流口水,但究竟什么是思维,记忆和情感?在科学上,这种模糊,很难掌握。

因此,这些声称行为研究集中在刺激和反应,反馈,和加强的关系和如何贝尔在狗流口水。他们放弃了人类大脑的内部机制,他们也占据了40年。

50年代后期,一群非常叛逆的精神心理学家、语言学家、理论家的信息,和早期的人工智能研究人员提出的概念思维不同。他们认为,人类的大脑不是一个复杂的条件反射。人类的大脑吸收信息和处理信息,然后根据信息采取行动。人类的大脑所写、存储和调用功能,如记忆、是一个完整的逻辑系统。人类的大脑不是一个黑盒,但更类似于电脑。

所谓的认知革命最初规模不大,但随着计算机成为心理实验室设备的标准,这一理论已被广泛接受。到70年代末,认知心理学已经超过了行为主义心理学,同时还将讨论一系列新的人类思想的语言。心理学家将开始考虑描述为一个计算机程序,和商人也开始密切关注,在现代职场人的思维能力和处理能力的限制。

这个故事很多次。数字革命我们每个人的日常生活,这也渗透到我们的语言,以及在美国的基本理论对事物运行的法律。技术可以做到这一点。在启蒙时代,牛顿和笛卡尔促使宇宙精密时钟。扮演一个角色在工业时代,与活塞的机器。(弗洛伊德精神动力学的概念借鉴蒸汽机的热动力学)。现在,我们又迎来了电脑。的基础上,这是一个概念。因为如果世界是一个电脑,所以世界可以被编程。

逻辑代码,黑客可以修改的代码,代码都有自己的目标。这是数字时代的核心原则。知名风投马克•安德森(Marc Andreessen)的话,软件正在吞噬这个世界。在这个过程中,我们正在收集机,可以转换我们的行动,思维和情感数据,工程师可以这些原始数据进行处理。我们已经看到,生活本身是由一系列的指令,这些指令可以发现,探索,优化,甚至重写。

企业使用的代码理解人类最亲密的关系:Facebook的马克•扎克伯格,马克•扎克伯格(Mark Zuckerberg)甚至说,“数学的基本法律是人际关系的基础,和这些关系保持平衡的人最关心的人和事”。2013年,折磨粘土(Craig Venter)宣布,经过十年的努力解码人类基因组,他开始编码,创建合成的生物。他说:“很明显,这个星球上我们知道所有的细胞都是由基因的生物机器软件。”一些文学作品也坚持认为,您可以修改源代码,重组你的爱的生活,睡眠习惯和消费习惯。

在这样的世界里,写代码不仅是一种技能,也是一种语言,帮助人们全面了解内部状态的东西,被认为是一种力量。未来学家马克·古德曼(Marc Goodman)表示:“如果你控制代码,那么控制世界。”彭博商业周刊的保罗(Paul福特福特)稍微谨慎:“如果程序员不运行的世界,至少他们控制世界的运行工具基础”

无论你喜欢这样一个状态,或者你是一个编程精英,甚至使用他们的智能手机设置菜单坏新秀,你没有适应这样一个状态。我们的机器已经开始使用不同的语言,甚至最好的程序员无法理解的语言。

在过去的几年中,硅谷最大的科技公司正在积极开发新的计算技术,即机器学习。在传统的编程方法,工程师写准确的指令,为计算机执行。机器学习技术,程序员写不要让电脑执行命令。计算机程序员只是训练。如果你想要一个神经网络来识别小猫,所以不需要告诉计算机小猫的外观,如眼睛、耳朵和毛皮。你只需要给电脑成千上万的猫的照片,然后电脑本身能够找到猫的图片。如果你把狐狸图像在小猫的照片,这并不重要,你只需要给电脑适当的培训。

这种做法并不新鲜,在几十年,但直到最近变得更加强大。这部分是由于神经网络的深度。这样的大规模分布式计算系统来模拟大脑神经元的多层结构。不管你意识到没有,机器学习方面发挥了重要的作用在我们的网上活动。

Facebook的使用机器学习来判断,它内容交付你的消息流。谷歌图片使用机器学习识别照片中的脸。微软的Skype不同语言之间的对话,翻译人员可以实时翻译和基础是机器学习。无人驾驶汽车使用机器学习来避免交通事故。即便是谷歌搜索引擎也开始依赖于神经网络的深度。

今年2月,谷歌任命为机器学习专家约翰·吉安卡洛她(约翰Giannadrea)搜索业务经理,并开始一个新项目工程师培训的新技术。吉安她说:“通过开发一个学习系统,我们不需要编写的规则。”

但问题是:在机器学习系统中,工程师可以不知道,机器如何完成他们的工作。神经网络主要的操作不透明,是不可预测的。换句话说,这是一个黑盒。作为黑盒在我们的日常生活中扮演越来越重要的角色,他们不仅会改变人类和技术之间的关系,将改变我们自己的世界,考虑我们与世界的关系。

如果在传统的想法,程序员就像上帝,是一个计算机系统规则制定者,现在他们更像父母,像宠物训练师。作为一个家长或宠物主人,你和你的孩子或宠物的关系会有一些不能确定,或另一个。

程序员将会改变

安迪•鲁宾(Andy Rubin)是一个经验丰富的发明家和程序员。Android系统的联合创始人,鲁宾的办公室和家里有各种各样的机器人,它已经在硅谷。他有自己的机器人编程。他说:“当我年轻的时候,我深感计算机科学。因为我喜欢电脑,我可以在电脑的世界消失。这就像一块白布,我可以从头开始创建的东西。在许多,许多年,它给我带来了一个完全控制了世界。”

他现在认为,然而,这样的一个世界即将结束。机器学习的兴起,鲁宾很兴奋。他公司的操场上全球投资启动机器学习的行业,其定位是领先的智能设备的发展。然而,这也让他有些遗憾,因为机器学习的定义已经改变了工程师。

鲁宾说:“一步一步,人们不再写程序。神经网络后知道如何识别声音,程序员不能一步,看看机器。就像你的大脑。你不能砍下他的头,看看你在想什么。“如果工程师希望看到神经网络的深度,所以他们将看到一个数学的海洋,使用多层计算,判断数以亿计的数据点之间的关系,以便完成世界的猜测。

人第一个人工智能的概念并非如此。直到几年前,主流的人工智能研究人员仍然相信,如果你想发展代理,那么我们必须灌输正确的逻辑,机器的噪音只编写足够的规则,我们可以开发足够精度的系统,了解世界。他们中的大多数没有注意机器学习的早期发展,甚至诋毁的技术。多年来,计算机性能不强,和机器学习的优势不出来,所以的观点占了上风。

前斯坦福大学教授致力于人工智能塞巴斯蒂安,亚伦(Sebastian Thrun说:“大部分的争论都集中在思想,也就是说,如何组织世界的人类大脑,以及人类的大脑工作。神经网络不需要任何符号或规则,只有数字。这让许多人感到他们不能理解。“亚伦了谷歌无人驾驶汽车。

此外,不能理解机器语言也导致了一个更现实的问题。在过去的20年里,学习编程的捷径是找工作,许多家长让孩子额外学习计划。然而,由神经网络的深度学习机器需要不同的能力。机器导致边缘化的传统技能和分析人士开始担心,人工智能的影响就业市场。程序员可能很快就会亲身感受到这一点。

著名的科技行业Tim O ‘ reilly(Tim O ‘真的)表示,传统的编程不会完全死了,在很长一段时间内,我们仍然需要一个程序员,但这样的需求会逐渐下降,和编程将是一个“元技能”。使用人工智能研究所首席执行官艾伦奥林疼痛洋葱(Oren Etzioni),编程将机器学习的操作为目的的“脚手架”。量子力学的发展并不完全打破了牛顿的经典力学,代码仍将带来强大的力量,并且是一个为我们探索世界的工具。然而,在一个特定的功能,机器学习将取代我们做大量的工作。

当然,人们还是需要培训系统。但至少就目前而言,需要编程技能将会下降。未来的位置不仅需要掌握数学,也需要直觉关于教育。谷歌DeepMind组长Si哈萨比斯先生(黛米斯)说:“这就像一种艺术形式,本质上提取系统。世界上只有几百人擅长于此。“然而,是为数不多的在短短几年中促进科技产业的转型。

人类和技术将是什么样的关系?

除了影响找工作,这个转变会带来明显的文化意义。如果人工编写的软件工程师的崇拜,和人类经验可以丰富一系列可以理解指令的概念,机器学习将在相反的方向变化。推动宇宙运行代码可能分析的人。例如,谷歌正面临欧洲反垄断调查表示,该公司已经影响到搜索结果。如果谷歌的工程师们无法理解,首先会导致搜索引擎算法,那么费用将是非常困难的。

过去的一段时间,不确定性是爆发。最简单的算法也可能导致意想不到的结果,这不是新闻。这可以追溯到混合理论和随机数字生成器。在过去的几年中,随着网络越来越复杂,功能越来越代码变得越来越不明白,但也让人觉得难以控制的幽灵,无论是飞机失事,股市的快速熔断器,或大规模停电。

由于力量的崛起,技术专家丹尼•希利斯(丹尼•希利斯)准备宣布启蒙时代的结束。在这个时代,我们相信逻辑,不确定性,以及控制的本质。希利斯说,我们正在进入纠缠的时代。“随着技术变得更加复杂,我们与他们的关系也会改变。”设计和科学,他在《华尔街日报》说“我们不再是产品的主人,我们需要与他们谈判,说服他们,引导他们实现我们的目标。我们建立了丛林,丛林和有自己的生物。“机器学习的崛起是最新的一步旅程,也可能是最后一步。

这样一个真正的可怕。一般来说,编程的技能通过培训、学习的程序员至少是人类。然而目前,科技工作的精英为他们命令被削弱,甚至没有直接的命令。这一领域的公司已经发现,这台机器的行为难以控制。去年,谷歌的图像识别引擎将大猩猩的污点,而谷歌已经紧急道歉。Google的解决方案是非常粗糙的,系统将禁止任何标记为大猩猩。

这意味着,在未来几天,我们计划将被送到机器。著名物理学家斯蒂芬·霍金(霍金)说:“你可以想象,这种技术会比金融市场聪明,超过人类研究人员发明能力,控制技术比人类社会领袖,和发达的武器将是我们不能理解它。谁是短期影响依赖于人工智能的控制,但长期影响是,谁能控制的人工智能。“这个想法也得到了Elon Musk(Elon Musk)和比尔•盖茨(Bill Gates)的反应等。

这样的担忧,然而,不需要:“正义”还没有到来。我们只是对与新技术。目前,工程师们已经找到一种方法,以视觉的形式深入学习系统的内部情况。但是,即使我们不能完全理解机器的思维方式,这并不意味着我们不能做任何的机器上。在未来,我们将不会太关心底层的基础机器行为我们将学习关注行为本身。代码将下降的重要性,和机器的数据用于训练变得越来越重要。

如果这听起来很熟悉,因为它看起来像行为主义理论在20世纪。事实上,机器学习算法的训练过程经常被拿来与20世纪重要的行为比较实验。巴甫洛夫受过专门训练的狗流口水的研究不是基于饿,一直重复事件。他多次提供数据,直到重写代码。行为学家的观点,他们可以控制自己的研究对象。

亚伦说,从长远来看,机器学习的影响将逐渐流行。现在,你不需要知道HTML可以开发网站,但未来你不需要博士水平知识深度学习的强大的力量。只要知道如何训练狗,人们可以利用机器学习。亚伦说:“对我来说,这是最酷的事情编程领域,因为任何人都可以编程。”

历史上的计算,我们经常采用由内而外的方式来了解这台机器是如何工作的。起初,我们编写代码和机器代码。这种世界观具有一定的灵活性,但也意味着一个基于规则的确定性,是潜在的指令的产物。机器学习的情况,另一方面,我们需要采用由外向内的方法研究。不仅是代码决定行为,行为也会影响代码。机器世界的产物。

最后,我们还将扮演一个手写的代码和机器学习算法的能力。生物学家可能已经开始注意到。类似Crispr转基因技术使他们赢得了类似传统程序员控制代码的能力。然而,表观遗传学的研究结果表明,遗传物质并不是不变的,但是根据环境的经验和掌握的动态调整。我们的代码并不是完全独立于现实世界,而是一个现实世界深深影响。冬天可能会辩称,细胞是由基因软件的机器,但表观遗传学家史蒂夫·克尔(史蒂夫·科尔)有一个不同的观点:“细胞是机器的外部经验转化为生物元素。”

目前,在阿兰·图灵(Alan Turing)映射的问题分析机械设计80年之后,电脑外部经验可以转化成技术元素。在过去的几十年里,我们致力于探索世界的密码,并试图优化我们的经验世界。然而,我们的机器不太可能很长一段时间以这种方式工作,世界上从来没有并非如此。我们与科技的关系将会更加复杂,技术可以给我们带来更多的帮助。我们不再命令的机器,但培养机器。