智智西（公众号：zhidxcom）海中田 【摘要】很多人总是担心人工智能会超越人类智能，机器会打败人类。
《华尔街日报》该刊物表示，与其担心即将到来的Singularity（奇点），不如更多地思考Multiplicity（多样性）：人类和机器合作组成多样化的团队来解决问题。
新技术不一定是反人类的；它可以用来增强人性。
人类再一次被机器打败了。
上个月，世界顶级围棋棋手输给了谷歌的 Alphago 程序。
由于围棋游戏非常复杂，这一事件标志着机器学习的重大进步。
还有一点更为重要，但却被忽视了：与此同时，一些世界顶级围棋选手以“人机队”的形式与 Alphabet 程序进行比赛。
国际象棋棋手们学习了 Alphabet 之前玩的游戏，掌握了新的策略，并表示在使用该程序后他们获得了信心。
这一事件告诉我们，我们或许可以从不同的角度来看待即将到来的人工智能时代。
大多数计算机科学家认为，机器将抢走人类工作岗位的预测有些夸张。
与其担心即将到来的奇点，不如更多地考虑多重性：人类和机器一起工作，组成不同的团队来解决问题。
多重性并不是科幻小说。
该技术结合了机器学习、群体智能和云计算，已经成为帮助美国人执行日常任务的一项重要技术：搜索文档、过滤垃圾邮件、翻译语言、查找新闻和电影、导航地图、整理照片和视频。
看看谷歌搜索引擎。
它运行在一组算法上，具有来自人类用户的大量输入，并且每次单击或跳过链接时都会反馈有价值的信息。
过滤垃圾邮件也是如此。
每当有人将电子邮件标记为垃圾邮件或重写过滤器时，系统确定信息相关性的能力就会提高。
正是因为多重性，亚马逊才能推荐书籍，Netflix 才能推荐电影，Facebook 才能组织帖子。
通过点击，无数人展示了他们的选择。
我们使用这些数据来构建和维护统计模型来预测用户需求。
聚集人和产品是关键，算法基于相似的人有相似品味的假设来提出建议。
持续的人机交互确保系统不断发展，添加新项目，不断调整口味。
尽管科学家们还没有完全理解多样性，但他们发现机器多样性带来了巨大的好处。
研究人员开发了多种称为“集成学习”的技术，其中大量专门的算法一起工作以产生单一结果。
加州大学伯克利分校的 Leo Breiman 和 Adele Cutler 开发了一种称为“随机森林”的变体。
两位研究人员表明，在具有噪声数据的复杂问题中，一组“决策树”通常比单个树表现得更好：只要树的多样性足够强。
此外，几个世纪以来，我们在政治学、经济学和社会学领域对人类多样性带来的好处和坏处有了深入的了解。
将人们分组来解决问题，实验告诉我们，参与者的多样性比他们的整体智商更重要。
在机器学习领域，也许最令人兴奋的就是深度学习，人类对语音和图像进行标记，形成多样化的训练样本，研究人员在此基础上调整数百万个参数。
机器人技术也取得了令人兴奋的进展，尤其是在无人驾驶方面，这些技术还具有多样性特征。
不同群体的人类驾驶员提供数据，合并后的数据可以告诉我们在不同环境下最合适的反应是什么，然后以此为基础训练多元统计机器学习算法在分布式硬件上运行。
系统必须根据道路变化、天气和交通状况不断升级和优化，人类的期望也会越来越高。
在所有这些研究中，持续的人类反馈是核心且至关重要的。
正是由于人类智能与人工智能的结合，才出现了我们今天使用的复杂而高效的系统。
如果没有人类的输入，这些系统将很快变得过时和恶化。
尽管我们在人为因素和人机界面方面积累了多年的经验，但我们仍然需要继续研究并找到将不同的人类群体与不同的机器群体结合起来的最佳方法。
机器智能何时超越人类智能？这个问题还不是最重要的。
最重要的问题是：人类如何以全新的方式与机器协作。