关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。 通过购买订阅，您正在帮助确保未来关于塑造我们当今世界的发现和想法的具有影响力的故事的持续存在。
本月早些时候，全国人民都看到IBM设计的计算机系统沃森击败了《危险边缘》的两名历史冠军。这比方说，击败一位国际象棋大师要困难得多。为了获胜，沃森必须驾驭人类语言的变幻莫测、习语、双关语、文化典故——简而言之，所有让语言充满乐趣并且对机器极其不友好的东西。记者斯蒂芬·贝克在幕后花了一年时间，当时IBM的工程师团队努力在节目播出前设计并构建沃森。在他的新书《最后一道危险：人与机器以及探寻一切的旅程》中，他讲述了沃森项目的故事，以及它对未来的意义。他和《心灵问题》的编辑加雷思·库克讨论了沃森和人工智能。
库克：长期以来，人们认为人工智能是失败的。沃森是否代表了一种关于人工智能的新思维方式？贝克：的确，早期的人工智能愿景从未实现。事实证明，构建能够处理人类交流和思想的复杂性和细微差别的系统比许多人想象的要困难得多。你可能会说，即使沃森在《危险边缘》中击败了人类，它也并没有特别接近目标。只要人工智能在这一领域继续不足——而且这还需要很长时间——许多人仍会将人工智能视为一个未实现的承诺。
然而，在过去的15年左右的时间里，人工智能在功能方面取得了巨大进展。他们使用统计方法来模拟人类分析的某些方面。这包括从IBM的国际象棋电脑“深蓝”到Netflix、亚马逊和谷歌的计算机，这些计算机研究人们的行为模式并自动校准它们为人们提供的服务。
沃森的新颖之处在于其方法的极端实用主义。它结合了数十种不同的问题回答方法，从统计方法到基于规则的方法，并将它们用于解决《危险边缘》线索的搜寻中。没有正确或错误的方法。机器根据结果对它们进行评分，并在过程中“学习”信任哪些算法以及何时信任。在人工智能领域盛行的准神学争论中，沃森是不可知论者的产物。这是一个新颖之处。另一个是它对棘手英语的理解。但我想说，这是通过在海量数据集上训练机器所取得的稳步进展的结果。这种改进虽然令人印象深刻，但却是渐进式的，而不是突破性的。
沃森所做的任何事情是否基于大脑的工作方式，或者它真的只是计算机科学家试图解决一个问题？
IBM团队在编写沃森程序时很少关注人脑。与大脑的任何相似之处都是肤浅的，只是偶然的结果。我想说，沃森是真正的工程产品：人们使用现有技术创建一个机器，该机器在严格的截止日期前满足定义的规格。如果大脑的某些方面帮助他们设计电路或编写软件代码，我相信他们会毫不犹豫地抓住机会。但他们的感觉是，解码人类的思想可能需要数十年的时间，而他们当时非常匆忙。
沃森是否揭示了我们自己思维的任何信息？
我发现沃森的许多方面与我们自己的思维相似。同样，这不是因为我们具有相同的设计，而是因为我们正在解决类似的问题。例如，与许多计算机不同，沃森是为不确定性而编程的。它永远不能确定自己理解了问题，并且对自己的回答也永远没有100%的信心。它总是会怀疑。作为一台用人类语言运行的机器，这是一个明智的方法。
沃森擅长处理哪种类型的任务？
沃森擅长理解复杂的英语问题，然后在数百万份电子文档中搜索答案。毫无疑问，我们人类比沃森更了解自己所说和所写的内容。但它可以高速“阅读”。沃森也非常擅长许多《危险边缘》特定的任务，例如“前后”线索。例如，如果你问它一个既是太空步歌手又是南方城市的线索，它会在一两秒内给出答案：“迈克尔·杰克逊·密西西比”。这项技能可能在《危险边缘》演播室之外没有太大的用处。
IBM希望将该技术用于什么用途？
IBM非常希望在广泛的行业中销售基于沃森的技术，或基于该技术构建的服务。他们认为，任何需要从大量文档中得出证据或结论的公司都可以从问题回答技术中受益。他们已经与Nuance Technology和哥伦比亚大学医学中心签署了一项早期协议，以调整该系统用于医学问题回答。医生可以设想向机器询问诊断结果，或者某些药物组合是否已被证明会引起危险的副作用。IBM还认为沃森可以充当律师助理，或许可以在法庭案件中寻找先例。我认为沃森最有可能的第一份工作将是在技术帮助台。
除了IBM之外，还有其他与沃森类似的项目吗？
对问题回答技术的研究有很多。几年前，微软联合创始人保罗·艾伦运营的孵化器Vulcan Technologies启动了一个人工智能项目HALO，旨在教计算机通过高中化学高级课程考试。与沃森不同，该项目基于教给计算机的知识。由于计算机“知道”各种化学物质之间的关系，因此它可以像沃森一样不可能的方式进行推理。例如，它会假设水会在0摄氏度时结冰。相比之下，沃森可以很容易地找到这个事实，但无法从中得出任何结论。正如我在书中描述的那样，HALO的缺点是教机器需要花费大量资金，并且它被锚定在该小的知识库中，因此不灵活。
谷歌也在其技术中引入更多的问题回答功能。但这家搜索巨头从需要事实性信息（例如“墨西哥的首都是什么？”）的简单问题入手。谷歌还在机器语言翻译方面做了大量工作，他们使用统计方法。
在观看沃森的设计过程时，你觉得最有趣的是什么？
我发现最有趣的是他们如何在完全围绕统计数据创建的实验室中工作。沃森回答的每一个线索都会创建一个巨大的电子表格，并且每个变量都可以进行调整、测试、改进，然后在盲批次中再次测试，以查看调整是否会影响更广泛的样本。我想这有点像日本汽车制造商闻名的持续过程改进。但至少他们是在制造汽车。有人可能会说，沃森实际上除了统计数据之外什么也没产生。它在《危险边缘》中的回答是一种副产品。
随着这种技术变得越来越普遍，我们的思维方式会发生什么变化？
我们已经越来越多地在我们的网络中寻找答案。（只要看看任何使用iPhone的人就知道了。）随着更先进的技术（如沃森的技术）变得可用，这种趋势肯定会加速。随着这种情况的发生，我认为我们将开始将普通知识视为一种较低的商品。为了在知识经济中取得成功，人们将越来越需要运用知识，提出原创的想法。那些在这方面失败的人很可能会被机器取代。
但这不仅仅是一个经济问题。还有我们需要和想要在头脑中拥有什么才能拥有更快乐、更充实的生活的问题。毕竟，一个将知识工作外包给网络的人最终可能会难以进行有趣的对话或结交朋友。我们不应该忘记，沃森及其同类只是强大的工具——而我们才是拥有大脑的人。
你是科学家吗？你最近是否阅读过一篇想要撰写的同行评审论文？然后请联系《心灵问题》编辑加雷思·库克，他是一位普利策奖获奖记者，在《波士顿环球报》编辑周日创意版块。可以通过garethideas AT gmail.com与他联系