郑磊
在波士顿动力公司的实验室里，工程师为Atlas机器人注入第37次情绪识别算法升级。这时的人类正站在一个微妙的认知拐点：我们创造的智能体开始具备理解人类表情的能力，但我们却至今仍未能形成与智能机器平等对话的能力。《人机沟通法则：理解数字世界的设计与形成》恰如一面棱镜，将这场静默的认知革命折射出哲学光谱，迫使读者直面一个终极命题：当机器开始学习人类的沟通密码，我们是否做好了被反向解码的准备？
《人机沟通法则》的作者是微软设计和人工智能副总裁、麻省理工学院媒体实验室创始人前田约翰。作者兼具艺术设计师和程序员的双重背景，这本书从计算机的起源开始写，一直写到人类将与机器人协作时会遇到的难题。本书的内容不仅足够通俗，更是一本引导读者思考人与机器关系的哲学著作。
作为业内人士，这本书仍给笔者带来了许多新知识。据作者介绍，computer这个词起初指的是“做计算的人”，他们用铅笔和纸从事计算工作。其实人工智能的思想和实践一直是伴随着计算机同步发展的。图灵在1950年的论文中提到了人工智能的测试标准，AI这个术语出现在1956年，而当下人工智能的突飞猛进也是在GPU计算能力加速提高的背景下取得的。人们已经习惯了使用计算机处理日常事务，只是这种机器将会变得越来越智能和强大，对人类如何使用它提出了更高的要求。
作者耐心地演绎了计算机能力的提升过程。作为程序员，他使用的是递归算法的例子，以展示机器在简单重复计算方面拥有超乎常人的能力。程序员都很熟悉bug（代码缺陷或错误），但不一定知道这个说法来自最初的电子管式计算机硬件发生的问题。最初是女技师格蕾丝·霍珀在20世纪40年代检查一台计算机继电器故障时发现的。一直被困住的飞蛾导致电流无法通过两个接触点。但在计算机使用了集成电路之后，bug就只用于指代软件中的缺陷了。
计算机打开了人类认知世界的新维度，作者从递归到迭代，讲到了分形几何。这一点也启发了笔者的思考：人眼只能识别三维空间，最多加上时间维度，这是不借助工具的人类的认知边界；但是数学理论可以讨论N维空间，而计算机还能够模拟N维空间。我们看到的自然界万物生长和人类行为的重复规律也不会超过3次，这可能是“事不过三”的一个证据。我们看到的自然界的复杂形状，基本都是以3的幂次方形式不断自我复制而成的。这就是人类所了解的大自然之“道”。随着人工智能的发展，计算机正在帮我们扩展认知的边界。借助人工智能，人类至少可以在认知的广度、深度和速度上有明显提高。
这本书的篇幅不大，作者通过六个章节介绍了智能机器的运行特点。机器能够不知疲倦地重复任务，数据和算力的指数级增长赋予了机器强大的能力，但同时也可能放大偏见。作者指出，机器是有生命的，能够模仿人类对话，但其“智能”与“人性”之间存在着边界。当人类不得不面对机器替代部分人类活动，需要和这种新的智能物种共同工作时，也要认识到机器的缺陷。机器并非完美，它们在面对模糊目标或数据缺失的领域时仍然束手无策。智能机器暂时还无法具备人类的情感和情绪，更不会有潜意识。在未来很长一段时间里，人类仍将是机器的老师，机器不仅难以规避人类的弱点，甚至有可能将其放大，因此可能会加剧社会和经济的不平衡，需要人类的干预和引导。
人类需要和机器沟通，这是沟通范式的变革。人类沟通分为语法层（信息传递）、语义层（意图理解）、语用层（情感共鸣）三个维度。人工智能在多模态大语言模型的加持下，已经具备了与人类在前两个层次的深入沟通能力。MIT媒体实验室的实证研究显示，当对话系统在语用层达到人类自然交流的63%匹配度时，人类对智能机器的信任度出现指数级跃升。当机器开始解码人类的微表情与潜台词，人类会否丧失最后的“情感特权”？人类会失去沟通主体地位吗？这将不是简单的角色互换，而是整个沟通范式的维度坍缩。
目前有关人工智能的著作都逃不开对伦理的关注。算法歧视具有量子态特征，比如，当训练数据包含0.03%的偏见时，经过2000次迭代后，系统输出的建议会形成17%的系统性歧视。这个问题很重要但暂时无解。另一个问题是，当人类无法理解AI的决策路径时，是否应该建立新型的“机械同理心”？在人类与机器的对话中，当硅基物种开始模仿碳基生物的语言行为，这场跨越物种的沟通变革，终将重新定义我们何以为人。
