“技術崇拜”與“技術恐懼”都會阻礙AI創(chuàng)新，“技術節(jié)制”才是正道
隨著我們制造的機器越來越智能，我們從工業(yè)時代開始到現(xiàn)在所秉持的觀念已經有些不合時宜了。在這個情況下，出現(xiàn)了技術崇拜與技術恐懼兩個相互對立的觀點。不過在StudioVV6的負責人NitzanHermon看來，技術節(jié)制才是最重要的。我們需要有一個清醒的觀念來理解用戶的需求、技術的變化及其使用的場景，否則將不能取得足夠的成效與創(chuàng)新。
目前，數據變得越來越多，層級也越來越明顯，機器也越來越復雜。一旦這種復雜性超出了我們的理解范疇，庫卡機器人，那么，我們與工具的關系就必然會進入一個新的階段。
我們現(xiàn)在使用技術做的很多事情，其實都源于早期的工具。但是，工具本身已經發(fā)生了改變，但我們用來與之互動的心智模式卻一直相對穩(wěn)定。工具變得更快、更強大，對線的依賴度越來越低。
比如說，出現(xiàn)了高鐵，出現(xiàn)了智能手機。隨著第一臺通用計算機電子數字積分計算機（ENIAC）的引入，這一切都改變了。
技術進化
ENIAC于1946年在賓夕法尼亞大學安裝，它是第一臺能夠處理多任務的機器。所以，負責操作它的人也必須重置自己的心智模式。
但隨著模型視圖控制器（MVC）的誕生，我們就要用一種簡潔、線性和可認知的方式處理單一維度計算了。MVC誕生于20世紀70年代末，是AlanKay、TrygveReenskaug和AdeleGoldberg發(fā)明的一種服務器架構。他們在開發(fā)Dynabook（早期的筆記本）和Smalltalk（一編程語言）的時候發(fā)明了這種技術。
MVC基于一個靜態(tài)的數據庫、一個專有的接口點和連接兩個的控制器。最關鍵的點在于，數據只能在一個方向上移動。無論你是在發(fā)推文、查東西還是閱讀文章，數據都朝一個方向移動：要么是奔著用戶去，要么就是在奔著數據庫去，并不是同時進行的。
這是當前建立大多數軟件應用的基礎體系結構，從最底層的技術上影響了我們的使用習慣。點擊頁面后，請求發(fā)送到數據庫，KUKA機器人維修，數據庫給出反饋，然后用戶得到結果。
對技術態(tài)度的轉變
與之前的點擊或者鍵入式的輸入（發(fā)起請求）不同，現(xiàn)在開始變得越來越復雜了。隨著各種各樣的工具出現(xiàn)、有了更好的傳感器和更加厲害的嵌套數據技術（深度學習、反向傳播、神經網絡等），工業(yè)機器人維修，我們能夠以一種全新的、令人興奮的方式利用統(tǒng)計計算。但這其中有一個重要的問題我們并不能完全理解發(fā)生了什么。因為這些技術發(fā)揮作用的過程仍然是一個黑匣子。這就是為什么算法中會出現(xiàn)各種各樣的偏見的一大原因。我們可以推斷出為什么會有這些偏見，但我們不能馬上修正它。
算法的長尾特性使得它們與之前如流水線一樣運行的框架有著本質上的不同。我們很難再采取立場，去修正模型或者提煉數據來源。一旦做出了改變，我們就需要有足夠的耐心，等待它向下游擴散到模型中。
這種復雜性，再加上新的技術能力，正在給人類帶來有趣的偏見和信仰。在工具的認識論看來，這通常與它們的本體（客觀）屬性相分離。有趣的是，科技領域的一些創(chuàng)新者通常與日常使用工具保持距離，并編寫一種思維方式，將工具置于當前的軌跡之上或之下的。
技術崇拜與技術恐懼
技術崇拜認為所有的技術都是好的。然而，以這種方式思考，限制了他們對改進和有意義的設計進行公開討論的能力。最直接的例子莫過于算法的個性化，造出來越來越智能的虛擬助手，以及期待一種通用人工智能（AGI，也有人稱之為強人工智能）的統(tǒng)治。
技術恐懼是一種對立的觀點，認為任何我們不理解的東西（以及它的潛力）都會毀滅我們。在這一點上，他們似乎忘記了所有的數據技術，比如機器學習、深度學習，以及目前被稱為人工智能的所有東西，只不過是一個工具而已
埃��？馬斯克（ElonMusk）和馬克？扎克伯格（MarkZuckerberg）前不久在社交媒體上進行的隔空對話體現(xiàn)了這兩派觀點的差異。扎克伯格是技術崇拜的典型代表。他是一位成功的創(chuàng)始人，在互聯(lián)網上有很大的貢獻。他也是硅谷文化的代表人物創(chuàng)造一種技術，等待人類追隨。
馬斯克對技術的看法稍微復雜一些，因為他似乎在一個相互對立的觀點之間搖擺不定（這一模式本身就是對二進制觀點的支持）。馬斯克稱，人工智能是人類文明的基本生存風險。雖然這是一個合理的觀點，但他并沒有提出一個合理的論據。因為有各種各樣的原因都能證明，大腦和機器之間是有區(qū)別的。
技術節(jié)制（Techno-Sobriety）呢？
這兩個陣營在對AGI的看法上的交集非常有趣。技術崇拜者歡迎大腦成為一種計算機式的問題，而技術恐懼者則害怕被機器統(tǒng)治。這種分類似乎并不具備結構性。想想那些思想家所固有的精神偏見或性格特征。如果你相信一種算法是智能的，那么你就會對自己的心理偏見有一個有趣的反思。
通用人工智能協(xié)會的主席BenGoertzel表示，AGI可以從咖啡測試中提煉出一個很好的定義。如果你走進一個普通的美國家庭，想弄清楚如何煮咖啡。你需要知道怎么識別咖啡機，弄清楚按鈕的作用，然后找到櫥柜里的咖啡豆等等。
對于幾乎所有的成年人來說，這是一組很容易完成的任務，但對計算機來說是極其困難的。
創(chuàng)建AGI要比創(chuàng)建ANI（弱人工智能）要困難得多。根據大多數專家的預測，我們還需要20年的時間，才能開發(fā)出這樣的人工智能。
在這一段時間，我想知道的是，我們能夠做些什么來更好地理解這些工具，并形成一種具有可用性的新思維模型。畢竟，技術節(jié)制是將這些技術帶到我們客戶手中的唯一途徑。我不需要一個能制作咖啡、編寫網站、做飯的機器人我需要一個更貼近我思維方式的工具。我需要一種能夠理解我不斷變化的想法的工具，而不是一個一直試圖去模仿我習慣的工具。
我們需要有一個清醒的觀點來理解用戶的需求、技術的變化及其使用的場景。當我們在沒有一個清晰的認知信念的情況下去做這些事情的時候，并不能取得足夠的成效與創(chuàng)新。