利用人工智能提升想象力

馬丁·里維斯 杰克·富勒

機器會想象嗎？我們通常認為計算機是通過我們給它的指令進行計算，得出結果的。我們不認為計算機具備我們所定義的想象能力：感受意外、形成反事實思維，或探索全新的可能性。然而谷歌人工智能團隊中一名杰出的科學家布萊斯·阿古拉·伊·阿卡斯（Blaise Ag era y Arcas）進一步突破了運算的邊界，他開創的一種算法可以讓電腦做出極富想象力的事情，這令人大開眼界。（參見副欄“谷歌人工智能繪制的小鳥圖片”）

阿古拉·伊·阿卡斯及其團隊開發了一個識別鳥類的算法，然后讓它按照自己對鳥類的理解創造出一些關于鳥的新圖片。在采訪他的時候，我們請教他這一切與想象力有何關聯。用他的話說，人工智能在開拓一種“流型空間”，即一個集合了所有可能被我們稱為“鳥”的概念空間，類似于我們的想象力對不太荒誕的反事實可能性進行探索的方式?！斑@些神經網絡按照我們給它的訓練材料找到某種事物的流型空間，然后它可以暢游其中，生成許多看起來完全有道理的事物?！?/p>

近來人工智能似乎正在逐步攻陷我們所說的想象力領域，這就提出了一個問題：計算機是否最終會在想象力的領域內也取代人類呢？

如今的人工智能所輸出的某些東西看起來似乎就是想象力的產物，這是否意味著人工智能將取代我們的想象力呢？回答這個問題之前，不妨先來看一些例子。

藝術家馬里奧·克林格曼（Mario Klingemann）要求一個名為“生成預訓練轉換器-3”（Generative Pretrained Transformer-3， GPT-3）的人工智能文本生成器，用英國諷刺文學作家杰羅姆·杰羅姆（Jerome K. Jerome）的文風寫一則關于推特的故事。他僅為GPT-3輸入了標題、作者名以及故事開篇的第一個字， 而這個人工智能寫出來的內容說是人類大腦的產物也不為過：“讓人意想不到的事實是，最后僅存的一種還能引起倫敦人民社交興趣的形式竟然是推特。我像往常一樣前往海邊度假時，被這一奇怪的現象驚呆了，我仿佛置身于一只八哥籠中，四處都是鳥兒‘推特、推特’的嘰喳聲。”

在智能寫作領域之外，人工智能還被用于創造一些世間全新的事物。2019年，數字設計與傳媒公司AKQA通過人工智能創造出一種全新的體育運動。它讓算法學習了400多種運動的規則，在此基礎上，這個算法給出了1，000種全新的運動概念。雖然其中很多想法比較離譜，不過團隊把名單縮減到10個，并對其中3個做了實地測試，最后從中選出了一個被計算機命名為“速度之門”（Speedgate）的運動（參見副欄“人工智能創造的體育運動”）。

這項運動的某些方面看起來并不陌生，但總體來講，它具有極高的原創性。速度之門所用的球有點像英式橄欖球，運動員可用手傳或用腳踢。每支隊伍必須讓球穿過中心球門，才有資格在兩端球門得分。球穿過兩端球門（兩邊任意一個）可以得兩分，如果一名運動員在隊友進球后接住它并把它踢回去，則可以得三分。

AKQA真正開展了這項運動，并進行了推廣活動，還協助舉辦了速度之門聯賽，現在世界各地都已有這項運動的隊伍了。AKQA稱其為“世界上首個由人工智能想象出來的運動項目”。

這個例子似乎蘊含了人工智能具有想象力的意味：機器生成許多新的想法，其中一個從反事實假設逐漸變成了現實世界中一個有價值的新事物。這種情況在其他領域也出現過。人工智能已經逐漸開始常規性地執行一些在我們眼中屬于“創造性”工作的商業任務了。

自然語言生成工具還被用于專為不同客戶定制不同的市場營銷內容。在新聞界，彭博新聞社有一個名為“Cyborg”的人工智能工具，它可以通過財務報告數據寫出文章的初稿。《華盛頓郵報》通過自主研發的人工智能算法“Heliograf”在一年的時間內創作出850篇報道。

人工智能還被用于藥理學，去尋找應對纖維化與癌癥的新型分子結構。相比于發明體育運動或創作繪畫作品，我們或許覺得藥物發明不大能算得上富有想象力的工作，但其實它們的底層實現形式是一樣的，都是人工智能從廣闊無垠的反事實空間所蘊藏的無限可能中挑選出那些有價值的選擇。

從這些例子中我們能得出什么結論呢？軟件在產出類似人類創造物的領域中正在大踏步地向前邁進，有些情況下已經創造出了不容小覷的經濟價值。因此人類與機器之間的界限的確正在發生變化，而且我們應當預見這一趨勢還會繼續。

然而，計算機還遠遠達不到處理想象力的某些基本能力的水平。首先就是因果關系思維模型。GPT-3所謂的神經網絡構建在互聯網與書籍中的海量信息基礎之上（維基百科中的600萬篇文章僅占它所學習數據的0.6%）。從表面來看，GPT-3是一種以現實世界中的信息為依據的思維模型，能夠生成不太離譜的新奇事物。但GPT-3是一種語言模型，它僅能夠表現一串文本接在另一串文本后出現的概率。

人工智能研究人員蓋瑞·馬庫斯（Gary Marcus）與歐內斯特·戴維斯（Ernest Davis）觀察了類似GPT-3的系統后表示：“它們學習的并不是這個世界——它們學習的是文本以及人們把不同詞語關聯起來使用的方式。它所做的事類似于大型的剪切與粘貼工作——在它所見過的文本中將需要變化的地方進行縫補，而不是去深挖這些文本背后的底層概念?！?/p>

人工智能還缺乏想象力中另一種最基本的部分：想象的動機。動機指的不僅是推動一個流程啟動的動力，而且是對于應當為什么而想象所做的引導——什么是重新思考的重要部分。

人工智能也無法把文字與這個世界關聯在一起。正如哲學家大衛·查爾默斯（David Chalmers）所寫，GPT-3“做著很多需要了解人類才能做的事，但它從來沒能真正把語言與感知和行動聯系在一起”。正如我們所見，沒有重新聚焦、進入真實世界、經過試驗與溝通的想象不過只是個人的憧憬。前文提到的關于體育運動、藝術創作以及新聞媒體的幾個例子，都是由人類在計算機運算與真實世界中發揮著橋梁作用。

因此，我們可以得出結論，如果人工智能在沒有人類介入的前提下就無法建立因果模型、連通感知與行動，也無法產生渴望或挫敗，那么它在短期內便也無法取代人類的想象力。

不過我們能夠看到的是，人工智能所創造的東西為人類的思考提供了極有價值的素材，人類可以把機器的輸出變成一個有用的結果。這就是另一種看待問題的角度，也是谷歌的阿古拉·伊·阿卡斯向我們強調的一點：“你一定要知道，把人工智能與人類割裂開來的想法是有問題的。如果你把畫面推遠一點，放眼去看一個更大的社會技術體系，你會發現人工智能只是人類的另一種表達方式。在這個由人類以及人類所發明的一切所組成的巨型機器中，人工智能只是其中的一個部分?！?/p>

相比于我們是否會被取代這樣的問題，更有意義的問題或許應該是這種龐大的協作體系將如何向前發展。人工智能會以什么樣的方式與人類合作并促進我們的想象力呢？

為了對人工智能與人類協作的各種可能性有一個整體的了解，我們可以參考計算機科學家及商業領袖李開復在他的《AI新世界》（AI Superpowers）一書中所示的框架結構圖（參見副欄“不同類型的人工智能與人類的協作方式”）。

橫軸的兩極表示的分別是更偏向于要求效率的職業（充分開發已知領域）與更偏向于要求想象力的職業（探索可能性）?？v軸的兩極表示的分別是共情程度（意識到別人的思想狀態并做出回應）與系統化程度（建立一套規則體系或在這樣的體系下工作）。副欄“人工智能與人類協作中的各種具體角色” 展示的是各種不同的職業在此框架下的分布。

左下象限中主要是在基于規則的體系下對工作效率有要求的職業，比如卡車司機、廚師、會計、機械師或市場分析員。人工智能極有可能接管這些工作。左上象限中的職業需要在熟知的領域內有較強的共情能力，比如護士、售貨員、記者或全科醫生。這些角色會在核心操作中運用到人工智能，但對結果做出解釋以及與人接觸等環節將依然由人類完成，比如說人工智能寫出的體育報道需要由人類進行修改調整，或高度依賴于人工智能進行數據分析的醫生會關注與病患的人性化溝通。

右下象限中的職業處在規則體系下，但需要有反事實思維，比如程序員、工程師、活動策劃師或士兵。這些職業將在想象力上與人工智能開展廣泛的合作。比如平面設計師，他們對人工智能工具的運用就好像音樂家玩樂器一般。再比如士兵，他們的信息世界由人工智能構建，但他們需要應對各種不可預知的實際情況。最后，右上象限中的職業高度依賴于正確解讀他人的能力，同時還要依賴自身的想象力——需要為應對特殊情況去創造新事物，或是對未來的可能性進行探索。這些職業在很大程度上將依然由人類主導，輔以人工智能的支持，例如心理治療師、職業咨詢師、政治家、首席執行官或企業家。

從這個圖中，我們可以看到人工智能與人類進行協作的幾種方式。人工智能可以把我們從常規性的活動中解放出來；它能夠執行許多核心任務，并在此基礎上疊加人類的共情能力；或者它可以為想象力提供持續的刺激。

通過人工智能誘導想象 人工智能可以將我們從枯燥的分析工作中解放出來，尤其是異常監測工作，它能夠幫我們找到有利于激發想象的意外因素。如自動化分析公司Inspirient的首席執行官格奧爾格·威滕伯格（Georg Wittenburg）所述：“有的東西對算法來說太簡單了，就比如異?，F象或數據異常值的檢測。我們的系統會告訴我們‘該數據集存在14個異常值或14個異常事件——不多也不少——異常清單在此’?！?/p>

但算法要服從的一項限制在于，人類依然處于整個框架的核心位置：對某個思維模型來說什么算是異常，這是由人類來設定的。人工智能長于發現，但做不到關切。對系統的設計要把我們認為要緊的事物考慮進去。不過威滕伯格的算法可以通過反復的人機交互與有針對性的分析，去學習掌握人類會對什么感興趣。

通過人工智能充實想法 人工智能讓想象力如虎添翼，它能夠推動思維模型的發展進程。有一種類型的人工智能工具叫作“混合主動”交互系統，人工智能通過提出自己的建議對人類的決策進行引導與深化。這類工具目前應用于翻譯與客戶服務領域。不過我們可以想象這種工具在我們重新思考時會有何作用：當我們想把有關新型醫療保健公司的想法寫出來或繪制出來時，人工智能可以用相關數據、類似案例參考、各種圖像以及趣聞軼事為我們的想象力提供參考。

通過人工智能與世界碰撞 與人工智能的交互可以是一種介于與人聊天和探索世界之間的活動。我們可以拿著一個早期想法告訴人工智能：“這是我關于新型銀行的一個想法，請按照這些要點給我一個財務分析人員可能給出的反饋”或是“……科幻小說作家可能給出的反饋”。當你拿到它給出的結果時，再加碼別的要求，比如“現在讓它更刺激一點”，或是“現在再增加一點批判性”。

通過人工智能進行傳播 想象力所面臨的一個核心挑戰在于思維模型的溝通比較困難。而人工智能可以通過把抽象的思維模型轉化成圖像或故事，輕松地幫我們解決這個問題。例如，英偉達公司開發了一種工具，它能夠把人類寬泛的、概念性的涂鴉轉變成照片級的風景圖（參見副欄“人工智能延伸作畫”）。

可以想象，若在未來有了這樣的技術，我們就能快速勾勒出一個新產品的模樣或是一個重新構想下的商業形式。這種工具應該能夠對文字或視覺元素進行加工。我們可以把自己對未來公司的想法粗略地畫上幾筆，輸入人工智能系統，然后由人工智能根據一些精彩的故事、過往的先例、其他事物的類比分析以及各種圖像參考，完成具體元素的補充，換句話說，通過人工智能的精修與打磨，生成一種能夠更加有效地把想法傳播開來、啟迪他人的東西。

通過人工智能建立新常態 人工智能能夠幫我們把一個理念得到成功應用背后所具有的共性特征或者核心特征提取出來，這對于創新事物的規范化與流程化，甚至于開創一種新常態都至關重要。盡管人工智能（還）無法掌握因果關系，但它可以通過規律的識別幫我們在操作手冊、解決方案，以及用戶操作界面的設計中提供有效的支持。特別是隨著客戶的產品使用習慣被越來越多地以數據形式捕獲，新事物的規則編制就更有方向性了。

比如說，這種方式可以應用到新耕種方法的數據分析上，它可以幫我們確定哪些屬于所有情況都適用的特征，并讓我們了解農民需要怎么做才能將新方法的潛能發揮出來。再比如說，通過研究某種試驗性的教育技術在使用過程與使用結果上的數據，圈定可以應用于新平臺的特性范圍，并指導人們學會使用這些功能。

我們需要正視的一點是，有了人工智能，一個理念的持續演化會變得更加容易，因為人工智能能夠從產品與客戶的互動數據中洞察到新的變化，由此不斷地對指令與用戶界面進行升級。

通過人工智能讓想象力重現 最后，人工智能可以幫我們從企業中找出并追蹤那些對于保持思維的雙重性必不可少的條件。比如說，算法可以對一個公司中出現的互動與嘗試數量進行評估，并在此基礎上判斷這樣的公司是否能夠將想象力保持下去。或者我們也可以通過人工智能分析現有員工或未來員工的行為與特點，確保公司能夠源源不斷地收獲具有反事實思維的人才。

人工智能能夠教給我們什么

除了提升我們自身的想象能力，把一些精力放在開發更具想象力的人工智能技術上或可讓我們更有效地了解想象力是什么，以及如何能更好地利用它。無論人工智能技術處于什么樣的發展階段，嘗試把想象編譯出來的過程，就是我們逼自己把最依賴直覺、最不明確的事物清楚地呈現出來的過程。也許人類更擅長想象，但嘗試構建人工想象的過程，或許能讓我們對想象在個人層面以及集體層面的發生過程有更多的了解。

這對于集體層面的想象，也就是讓整個組織機構充滿想象力來說尤為重要。組織架構的設計直到如今依然主要是以協調執行為目的。不過現在出現了一個叫作“組織算法”的全新領域，它把組織機構本身視為一種算法，即某些系統中的執行腳本或指令序列。算法并不一定只能在芯片上運行。企業腳本可以在企業中由相互關聯的大腦組成的網絡上運行，這個網絡就是一個行之有效的神經網絡。這樣一來，這個問題就變成了：人工智能算法是否能夠指導我們組織人類進行集體想象？

這一領域的研究才剛剛起步，但我們或許已經可以從中有所收獲了。

通過對抗進行想象 已經在創造性應用程序中得到使用的一種最有趣的人工智能算法叫作“生成對抗網絡”（generative adversarial networks， GAN），它通過兩種相互對立的網絡發揮作用，一種是生成模型，另一種是判別模型。

GAN的工作原理與我們在個人層面與集體層面都探討過的一個重要主題有關：多重思維以及認知多樣性的重要性。把GAN運用到公司層面會是什么情形呢？我們可能需要設置互相牽制的人員網絡，一部分人負責創造，另一部分人負責對這些創造進行批判；其中的關鍵在于，這兩方人員應當能夠在履行自身職責的同時從對方的身上學習，不斷打磨與優化各自的工作結果。這種真人版GAN可以通過游戲、比賽或其他能夠制造有效對抗的形式展開，網絡中的雙方根據對方的輸出結果與經驗教訓不斷調整各自的運作方式。

用提示語代替程序代碼 如今這些最強大的人工智能算法，比如GPT-3，有一個非常令人欣喜的特性，那就是用戶與它們的交互不是通過傳統的編程方式來進行的，而是使用提示語。也就是說，人類輸入的一條信息就好像一粒種子，它生長成了一個比較長的響應，由此反向激發了人的想象。使用GPT-3時，你還可以對一個叫作“最優”的設置進行調整，它指的是人工智能最終輸出的結果數量，人工智能會從中擇一顯示。

或許我們可以想象把類似的規則運用到組織機構層面。就好比一條提示語能夠將人工智能中豐富的知識儲備調動起來，一名首席執行官也可以通過文字、圖像、視頻等方式做出一個提示，讓整個公司對其做出響應。這些響應結果或許可以通過人工智能或由中介團隊甄選后呈現給決策制定者，進一步激發他們的想象力。整個過程中至關重要的一點就是速度：這么做的目標不是一蹴而就地求得完備的項目提案或制作精良的視頻內容，而是要獲得快速響應并將其迅速反饋給管理層，不斷讓其出現在管理層的探討范圍內。

控制“溫度” GPT-3另一個能夠給人以啟發的功能是調節人工智能響應結果的“溫度”，也就是偏離高概率響應結果的程度。當你想讓人工智能解決一道數學題或一個事實性問題時，應當把“溫度”調低：你一定不希望這類型的答案中有過多隨意、跳脫的成分。但當你的目的是增加反事實想法時，把“溫度”調高就是有道理的。

我們同樣可以試想在企業中實踐這種做法。理想情況下，企業的領導者應該有能力為企業中不同的部門調試不同的溫度，對項目中某些特定的工作流程尤其應當如此。有的公司已經在這么做了，它們設置了一些創意部門專門研究瘋狂大膽的項目。不過我們可以推動這種做法，讓它成為貫穿整個公司的一種原則。一名經理對他安排下去的每一部分工作都可以設定1～10的溫度。對于他要求提供的上季度零售分析報告，可以把溫度設為1（“將平常我們關注的事實數據提供給我”）、設為6（“增加一些推測性的探討”），或設為10（“問一些反事實的問題，并尋找能探索這些問題的新數據”）。

※※※

雖然目前還遠未達到由機器取代人類的程度，但兩者之間的邊界無疑發生了變化。這種變化將會持續下去，而未來也會不斷出現新的機會，幫我們更好地理解與利用好想象力。為了讓我們做到有備無患，也算是呼應谷歌科學家阿古拉·伊·阿卡斯所說的話，我們應當記住，要把我們自己與人工智能視為社會技術體系中的統一體，而非相互取代的關系。換言之，我們尋求機會去了解與利用想象力，不僅是為了在人工智能與人類之間進行角色分配，更是為了將兩者結合，提升想象力的效用。

想象我們與人工智能肩并肩的樣子！