算法正在创造一个没人能理解的代码世界

这几年，以今日头条为代表的“算法分发”模式席卷全球互联网行业。而各界对算法的非议也渐渐浮现，有的认为它“计算不准”，有的认为它“恶意推荐”，甚至还出现了“算法技术应退出时代舞台”的论调。

事实上，对科技公司来说，算法是一把双刃剑，一方面在驱动其业绩增长方面立下了汗马功劳，另一方面却“后患无穷”。以今日头条为例，该公司几乎完全凭借算法，快速超越了传统门户的人工编辑模式，优势极为明显；但在判断内容质量，发现传播风险方面，算法却还处于非常初级的阶段，不太能指望得上。

总的来说，随着算法的发展，这个代码叠加的技术正逐渐创造一个没人能理解的世界......

2018年3月18日，悲剧发生了，这也是科技人士所担心的。那天晚上，一辆Uber无人车在自动驾驶的状态下行驶，突然检测到前方有障碍物出现。一系列雷达和激光雷达传感器探测到的数据让机载算法开始计算，假设障碍物保持不动，车速稳定在43英里/小时，那现在二者的距离只需6秒。但是道路中的物体很少保持静止，于是更多的算法开始搜索可识别生物实体的数据库，以寻找一个模型来推出一个完美的解决方案。

起初，计算机空白了几秒，随后决定与障碍物“碰面”希望它能自行离开。然而，到最后一秒，该车才清楚的知道，这是一位推着自行车的女士。在这种情况下，汽车想要绕过去，但因为禁止自行采取规避行动，计算机只能将控制权交还人类。遗憾的是，安全员正在开小差，悲剧就这样发生了：49岁的Elaine Herzberg在车祸中去世。这件事也给科技界的留下了两个值得反思的问题：这种算法造成的悲剧是不可避免的吗？我们应该如何应对这些事件？

“在某些方面，我们失去了控制权。当程序进入代码，代码进入算法，然后算法开始创建新算法时，它会越来越不受人类控制，软件也就进入了一个没人能理解的代码世界。”是不是听起来很惊悚，事实也会如此。这句话出自Ellen Ullman之口，她是自20世纪70年代以来的一位杰出的专业程序员，也是为数不多的几位出版过关于编程的书的人。

“人们可能会说，‘那Facebook呢？他们创造并使用算法，还会进行改进。’但这不是Facebook的运作方式。研究员设置算法，它们学习，改变和运行自己。Facebook定期介入，但他们真的无法控制这些算法，对特殊的算法而言，它们不仅仅是自主运行，还会调用数据库，进入深层操作系统，等等。”

什么是算法？

如今，很少有哪种技术会比算法更受欢迎，但算法究竟是什么呢？从根本上说，算法是一个小而简单的事情，即用于自动处理数据的规则。如果a发生了，那么执行b；如果没发生，那就执行c。这是经典计算的“if / then / else”逻辑。核心上，计算机程序是这类算法的捆绑，为它们投递处理数据。

不过，近年来算法出现了一种很模棱两可的定义，指任何大型、复杂的决策软件系统，根据一组给定的标准（或“规则”），获取数据输入并快速评估。这彻底改变了医学、科学、交通、以及通信领域，让人们的生活在各个方面变得更好。

直到2016年，我们对算法有了新的思考。像Facebook和谷歌这样的公司开始以客观的承诺为算法辩护，认为它可以通过数学分离和缺乏模糊情感来权衡一系列条件。基于此，这种算法决策扩展到了发放贷款、保释、福利、工作面试以及其他任何需要选择的事情上。

现在的我们不再能接受这种对算法的“推销”。凯西·奥尼尔（Cathy O'Neil）在其著作《数学破坏武器》（Weapons of Math Destruction）中表示，对于人类的偏见，算法不仅会巩固还会放大，而不是消除。对此，她呼吁对任何能直接影响公众的系统进行“算法审计”（algorithmic audits），这是一个明智的想法，不过对科技行业不是一件好事，因为算法是他们的支撑，他们最不愿做的就是透明化。

好消息是这场战斗正在进行中，坏消息是人们的注意力都集中在人工智能的遥远承诺和威胁上，几乎没人注意到我们进入了算法革命的新阶段。由奥尼尔和其他人所创造的算法是不透明但可预测的，我们将这些算法称为“dumb”，它们能根据人类定义的参数来完成工作。

而结果的质量取决于编程的思想和技巧。其终极目的便是人工智能或AGI。一个智能机器将能够基于直觉（我们可能认为是经验和知识的积累）质疑自己的计算质量。谷歌DeepMind创建的AlphaGo就是一个很好的例子。事实上，在某些特定任务中，计算机已经远远优于人类，但要与人类的能力相比媲美，还需要时间。

现实生活中的危险

回到之前Uber无人车发生事故的原因。目前正在测试的自动驾驶汽车可能包括1亿行代码，并且鉴于没有 程序员 可以预测真实世界道路上的所有可能情况，他们必须学习并接收不断更新。我们如何避免在此代码环境中发生冲突，尤其是算法可能还需要保护自己免受黑客攻击的时候？

二十年前，George Dyson在他的经典着作《电脑生命天演论》（Darwin Among the Machines）中预测了今天发生的大部分事情。他表示问题在于我们正在构建超出控制范围的系统。人们总是相信，如果一个系统是确定的（根据固定规则行动，这是一个算法的定义），它就是可预测的，并且预测也是可控的。实际上，这两个假设都是错误的。

与以前的电子机械系统不同，新算法无法进行详尽的测试。除非我们拥有超级智能机器为我们做这件事，否则我们就是在铤而走险。因此，从目前的情况看，重点是机器学习。我们都知道，今年早些时候，Uber自动驾驶汽车出现了致死事故，因为算法在对行人分类时犹豫不决。这是由于编程不佳，算法培训不足还是拒绝接受技术的局限性造成的？真正的问题是我们可能永远不会知道答案。

新南威尔士大学的人工智能教授Toby Walsh表示，“我们最终会完全放弃编写算法，因为未来机器能比以我们做得更好。从这个意义上说，软件工程可能是一个垂死的职业。它将被机器接管。”此外，他还指出，这会让人们学习编程变得更加重要，因为随着我们越来越疏离编程，就会越觉得它的影响超出了我们的能力。另外，伦理在科技领域来说，是最重要的。毕竟，哪里有选择，哪里就是道德所在的地方。

相反的观点是，一旦程序出现问题，整个程序群体就可以被重写或更新，同一种情况就不会再发生了，而不像人类，重复错误的倾向可能更会误导机器。尽管如此，虽然从长远来看自动化应该更安全，但我们现有的侵权法体系需要重新定制，这需要有意或过失的证明。

其实，上文描述的大多数问题，也都在寻找解决方案。从长远来看，会有更多的人猜测，考虑到我们越来越依赖的算法系统的规模，复杂性和相互依赖性，当前的编程方法已不再适用。对此，部分航空航天工业采用了一种较新的被称为“基于模型的编程”的方法，其中机器完成大部分编码工作并且能够随时进行测试。

然而，基于模型的编程可能不是万能的灵丹妙药。它不仅使人类进一步远离这一过程，而且人类也无法从代码本身推断出极端行为，即使是在使用大型复杂系统构建的情况下也是如此。当我们等待技术上的答案来解决算法问题时，或许采用一些预防措施才是最重要的。