第22章 做机器做不了的事，才配做人(2/2)

他反而并不愤怒了，取而代之的是深深的忧虑。

深度学习型人工智能，是靠大数据的喂养来建模和预测社会演变、人类选择的。

但是，这种人工智能有个最大的弊端，那就是它并不懂逻辑，所以没有对黑天鹅冲击的预见能力。它只是基于人类已有经验的总和，或者说人类历史上所有发生过的事情，来推测未来。

打个比方，早在2010年，谷歌公司的社会预测型人工智能，就发出过一个推演：

说不吃早餐的人，性-yín_luàn的概率会远远高于吃早餐的人的4.3倍。

这个数据准不准？

准，飞常准。

在全世界当时可被精确统计的样本里，不吃早餐的人拥有多个混乱性伴侣的比例，确实是吃早餐的人的4.3倍。

可问题是，人工智能知道这背后的逻辑原理么？看得懂因果关系么？

不，它看不懂。

大数据只看事实结论，它不关心逻辑。

如果非要它给个逻辑，或许它会敷衍塞责地写一句：“因为不吃早餐，所以喜欢找更多异性啪啪啪”或者“因为我找了更多异性啪啪啪，所以我不想吃早餐”。

人类一眼就能看出这纯属扯淡。

而同样的数据，如果交给人类的社会学家分析，人类会怎么干？

人类会深入调研、询问当事人的感想，最后得出这样的结论：“不吃早餐和性yín_luàn毫无关系。但只是因为不吃早餐的人，是生活无规律的一种重要表现形式。

而生活无规律的人，显然在挑选自己性伴侣方面也会更加随意而无责任心。所以，是生活无规律这种三观，同时导致了这个人有较大概率分别选择不吃早餐和随便挑选性伴侣。但不吃早餐和性yín_luàn本身之间毫无因果关系——它们都是生活无规律这个‘因’导致的‘果’。”

拉尔森部长的这番检讨，算是打在了问题的根子上了。

一个太信赖人工智能的社会系统，面临了因果不分、只看数据的窘境。

这时候，一个全新的、没有历史记录可供借鉴的事物发生了，又该如何去预估其扰动呢？

“我们太信赖这些年来科技对稳定的加持了。以至于一个新扰动变量就把我们的繁荣彻底打回了原形。我们的敌人，估计也是智商高绝的存在，竟然对我们的软肋了解如此之深。”

蒙扎克总统悲哀地叹了口气，发现自己竟然短时间内没有办法解决。

敌人似乎完全知道该怎么跟一个人工智能帝国作战，如何专挑人类能胜任、而人工智能又相对薄弱的最后死角，狠狠地打击。

：。：