媒体误读夸大人工智能新闻的炒作何时可以结

媒体误读夸大，人工智能的炒作何时可以结束？

图片来源：视觉中国

今年6月，国外一篇《AI寒冬将至》的文章曾引发业内对人工智能发展的争议，自动驾驶事故频发、AI军事化以及AI会导致人类失业等话题，也不断被媒体所报道，受众对AI的质疑和不信任感在增加。

媒体掌握舆论话语权，AI研究员掌握着专业技术，但两者的矛盾越来越大，面对媒体的误读和炒作，甚至很多科学家都要专门发文或出书进行辟谣和纠正。但这样的情况是怎么发生的?媒体的角色应该是什么?又该怎么避免呢?

去年6月，Facebook人工智能研究部门的五位研究人员发表了一篇研究报告，展示了机器人模拟人类进行谈判的对话情形，发现机器人偶尔会说一些很奇怪的话，比如：对我来说，对我来说，对我来说，对我来说，对我来说球没什么用。这在当时被认为是开发出了一种机器人之间进行交流的方言。

这项研究并没有新的突破，所以业内觉得没什么，但传到媒体那就变成了另外一件事，他们觉得这是一件很严重的事情。

比如，Fast Company(钛媒体注：美国最具影响力的商业杂志之一)发表了一篇题为《人工智能发明了人类无法理解的语言，我们应该阻止吗?》的文章，全篇都在描述机器人不断出现偏离标准英语的交流，更重要的是，Facebook的研究员是在认为这些机器人失控的情况下，决定拔掉插头，结束这项研究。

这篇文章出来后持续发酵，并且引发很多媒体的跟风自从《天境》官方正式公布11月30日下午14:00进行盗梦公测以来，甚至煽动大家的恐惧情绪，称Facebook的工程师因为机器人进行了新创语言的自主交流而感到恐慌，不得已叫停了他们的AI研究项目。

《太阳报》还说这与电影《终结者》的情节非常相似，其中有一个机器人出现自我意识后对人类发起了战争。

对于这些由媒体制造的耸人听闻消息，卡耐基梅隆大学机器学习系的助理教授Zachary Lipton感到万分沮丧。根据他的说法，近年来机器学习和深度学习等话题越来越受关注，导致了这种见缝插针的低质的泛滥 Lipton称之为AI误报风向(AI misinformation epidemic)不但歪曲了研究目的，还对人们正确理解该行业的发展造成了负面影响。

在这种情况下，越来越多的AI研究员也同样体会到了Lipton的挫败感，并开始担心人工智能猜测性的虚假报道，会促使人们对其发展前景抱有错误的预期，最终威胁到人工智能未来的进步以及其他新兴技术的应用。

由来已久的夸张报道，科学家出书辟谣

事实上，媒体对计算机智能的夸大宣传并非我们这个时代所独有的，早在计算这一概念出现时就已经存在。而最早可追溯到1946年2月，当体型巨大的电子数字积分计算机Eniac发布时，纷纷将其描述为电子大脑、数学怪人、天气预测者和控制者，甚至是巫师。

为了遏制对这一新机器的炒作，避免大众受到虚假的误导，著名英国物理学家DR Hartree在《自然》杂志上发表了一篇文章，描述了Eniac简单而有效的工作方式。

但让他难过的是，《伦敦时报》在他的研究基础上发表了一篇题为《电子大脑：解决谜题，带有记忆的阀门》的文章。对此，Hartree特意给该写信，称电子大脑一词具有误导性，机器无法替代人类的思想。

遗憾的是，误导已经形成，在媒体眼中Eniac永远成为了大脑机器的象征。

无独有偶，美国康奈尔航空实验室的工程师Frank Rosenblatt在1958年提出了一种名为感知器(perceptron)的基本机器学习算法，按照设计，它只能通过培训来识别有限的模式范围，但《纽约时报》发表了一篇文章声称该算法是一个电子大脑，可以自学，并很快能学会走路、说话、看、写作、自我复制，同时也能意识到自己的存在。

到了20世纪60年代末，许多AI先驱者越来越明显地意识到自己低估了在机器中模拟人脑的难度。

1969年，曾公开表示机器智能将超越人类的马文明斯基与计算机科学家西摩尔帕普特共同撰写了一本书，来证明Rosenblatt的感知器无法实现专家们曾经的设想，同时还表示，其智能程度远没有媒体宣传的那么夸张。

这本书出版后，迅速在人工智能及其他领域传播开来，掀起了一场戳穿人工智能神话的潮流。1972年，哲学家Hubert Dreyfus发表了一篇名为《计算机所无法胜任的事情》的文章，对机器研究产生了深远的影响。一年后，英国数学家James Lighthill发表了关于机器智能发展现状的报告，得出结论迄今为止，人工智能和机器智能领域所取得的成果，并没有产生预期的重大影响。

神话幻灭后，人工智能便迎来了第一个寒冬。在这期间，该领域的研究经费几乎全部放缓。就连那么曾经对电子大脑兴致勃勃的媒体，也失去了报道兴趣。

虽然在20世纪80年代和90年代出现了小规模的复兴迹象，但AI或多或少还是成为了科幻小说家们嘴边的话题，而计算机科学家也尽力避免使用人工智能一词，因为害怕被视为白日梦空想家。

寒冬过后王玉父母大腿一拍，深度学习出现引发媒体狂热追捧

人工智能第一个寒冬的结束，是在新一代研究人员发表关于成功应用深度学习技术的论文之后。虽然从本质上说，这也是一种类似于Rosenblatt感知器的数据统计技术，但计算能力的提高和庞大数据集的可用性，也意味着深度学习使语音识别、图像识别和语言翻译等任务变得切实可行。

而随着深度学习的火热，比如越来越多的企业斥资研究以及越来越多的学生展开学习，这也让沉寂了很长时间的媒体开始了大肆的报道。

2013年，John Markoff在《纽约时报》上撰写了一篇关于深度学习和神经络的专题文章《像人脑的计算机：从经验中学习》，不仅回顾了60年前的媒体炒作，还提出了新技术所带来的可能性。其中提到在未来几年中，深度学习将会催生新一代人工智能系统，完成一些简单的人工任务，包括看、听、说和操控等等。

从那时起，关于AI末日，人工大脑，超级人工智能和令人毛骨悚然的Facebook 人工智能机器人等夸张报道便开始每天出现在各大媒体上。而随着越来越多的媒体对人工智能进行大肆宣传，研究员的失望和沮丧也越来越明显。

让人感到不安的不仅是的知识盲区，而是总有无知媒体自称是AI领域的大V，但实际上，他们只会在其博客上引用马斯克的话进行内容质量低下的炒作。

对此，Lipton表示：人工智能要想取得实际进展需要一个清醒和知情的话题环境。但现在，大众了解的都是与事实不符的信息。对于信息的真伪与重要性，他们无从得知。

Lipton并不是第一个对人工智能炒作感到担忧的人。去年，美国机器人专家Rodney Brooks撰写了一篇文章，批评了麻省理工科技评论对人工智能未来发展前景的过度猜想。2013年，纽约大学教授Gary Marcus也写了一篇文章，认为炒作将带来不切实际的期望，进而让人工智能进入又一个寒冬。

媒体与研究员加强合作，才能行业正确的方向

但对于Lipton来说，AI寒冬的风险并不可怕，可怕的是媒体将如何误导人们对人工智能的理解。为了解决这个问题，他在去年3月创办了自己的博客，试图能凭借一己之力缓和那些耸人听闻的AI。

到目前为止，Lipton的博客得到了媒体的一些关注，并有了固定的读者群，但Lipton知道他的影响是有限的，这个行业真正需要的是培训，让他们更诚实，在这种情况发生之前，我的博客只是一块鹅卵石，激不起千层浪。

新兴技术领域的专栏作家Joanne McNeil对此十分赞同，她也认为科技中存在很大的问题，自身素质需要提高。虽然她也会在Twitter上调侃一些带有《终结者》风格的文章，但还是不会直接批判科技，因为在她看来，人工智能炒作的原因之一是资源分配不均。

按照她的话来说，如果你将的收入与人工智能研究员的收入进行比较，很快就会清楚为什么无法写出具有专业深度文章，毕竟他们不能与专业人士相提并论。研究人员可以从炒作中受益，但对想要对这项技术进行批判的来说，只是在受苦。

事实上，相关知识过硬的媒体人很少，如果研究员真关心写出来的文章内容，那他们应该参与到撰写中。同时，还要适当提高的收入，以便鼓励他们花费时间去认真挖掘与之相关的内容和专业知识。

虽然和研究人员之间更密切的互动，将是朝着正确方向迈出的一步，但澳大利亚国立大学工程与计算机科学教授Genevieve Bell表示，消除人工智能的炒作是不可能的，因为关于电子大脑或Facebook机器人的文章并不是关于技术的，而是关于大众的文化希望与焦虑。

总的来说，现在，毫无根据的猜测与真正的研究之间的界限有些模糊，但从历史的发展角度来说，这种模糊的界限终究要明确起来，以便大众合理区分，哪些内容是重要的，哪些只是幻想。

关注ITBear科技资讯公众号（itbear365 ），每天推送你感兴趣的科技内容。

声明：本文仅为传递更多络信息，不代表ITBear观点和意见，仅供参考了解，更不能作为投资使用依据。