真是天下乌鸦一般黑，原来国外媒体为了博眼球，也会各种浮夸和杜撰。
去年六月，Facebook的五名人工智能研究人员，发表了一篇文章，演示了机器人可以像人类交涉一样进行对话。
尽管大部分情况下，机器人能够维持连贯的对话，但研究人员发现，软件偶尔会生成一些奇怪的句子，如“Balls have zero to me to me to me to me to me to me to me to”这种。
看到这些结果，研究团队意识到他们没能将机器人生成的句子，限制在人类英语口语上，从而使得机器人，创造了一种“机器人英语”用来互相沟通。该领域的其他专家认为，这个发现非常有趣，但并不是完全出乎意料的。
媒体的疯狂
在最初的研究论文发表一个月之后，Fast Company发表了一篇标题为“AI发明了人类无法理解的语言，我们该阻止它们吗？”的文章。这篇文章几乎通篇都在关注机器人，从标准英语衍生出机器人英语的过程，而这并不是那篇论文的主要发现。文章还说，研究人员“在意识到机器人用新的语言交谈”之后，他们决定中止整个试验，因为机器人似乎已经失控了。
Fast Company的文章迅速走红，传遍了互联网，使得一群饥渴的媒体，进一步加深了这种弗兰肯斯坦式（弗兰肯斯坦是玛丽·雪莱创作的长篇小说《弗兰肯斯坦》中的人物，是一个疯狂的科学家。后来用以指代“顽固的人”或“人形怪物” ）的描述。
某个网站这样写道：“Facebook的工程师们慌了，他们在机器人发展了自己的语言后，拔掉了AI的插头。”
唯恐落后的The Sun，也评论说“他们几乎组装了终结者的蓝图，机器人开始有自我意识，准备开始对人类发起战争了”。
卡耐基梅隆大学机器学习领域的助理教授Zachary Lipton，哭笑不得地看着整个事件，逐渐从“有趣的研究”变成了“耸人听闻的垃圾”。
据Lipton说，最近的流行话题，如“机器学习”、“深度学习”等，带动了一大波投机的撰稿人，他们为了赚取点击量，而误读研究的结果，Lipton称这种现象为“AI曲解流行病”。
越来越多的这一领域的研究者们，都有与Lipton同样的担忧，他们担心像Facebook文章中，那种关于AI的不准确的投机文章，会导致人们，对该领域的不切实际的期待，最终会威胁未来的研究进展、和新技术的应用。
媒体上关于计算机智能的的夸大，并非我们这个时代独有，实际上从出现计算机的那一天就有了。
媒体的疯狂从未停息
1946年2月，公交车那么大的笨重的ENIAC，在一次媒体发布会上，被展示给媒体，记者们对它的描述是“电子大脑”“数学弗兰肯斯坦”“天气预报控制机”、以及“巫师”。
为了给媒体的炒作降温，英国物理学家D. R. Hartree，在自然杂志上发表了一篇文章，用直观易懂的方式，描述了ENIAC的工作原理。
ENIAC
然而令他大跌眼镜的是，伦敦泰晤士报根据他的研究，发表了一篇文章，标题是《电子大脑：能解决最困难的问题，而且还有记忆》。
Hartree立即给编辑发了一封信，指出“电子大脑”这个词十分有误导性，并强调机器“不能代替人类的思维”。然而危害早已产生了，ENIAC在媒体中，永远地留下了“电脑”这个词。
在美国，康奈尔航空实验室的工程师Frank Rosenblatt的故事，也十分相似。他在1958年，发表了一篇，关于基础机器学习算法的文章，即“感知器”。
尽管“感知器”只能被训练成，识别有限的几个模式，但纽约时报发表的文章，称该算法是个能“自学”的“电子大脑”，而且终有一天，能够“走路、说话、看见、写字，还能自我繁殖、并拥有自我存在的意识”。
人类低估了用机器模拟人类大脑的难度
尽管有关AI的炒作，给大学和军方的研究人员，带来了资金，但在六十世纪末，许多AI的前沿学者，意识到他们低估了用机器模拟人类大脑的难度。
1969年，Marvin Minsky与Seymour Papert，合著了一本书，证明了Rosenblatt的感知器，并不能完成专家们承诺的功能，距离媒体所谓的智能也相去甚远，而此时距离Marvin Minsky宣称机器能在他的有生之年超过人类的说法，仅仅过去了八年。
Minsky和Papert的书，给研究社区带来了无尽的怀疑，并且传染到了其他领域，一时间AI的神话似乎破灭了。
1972年，哲学家Hubert Dreyfus，发表了一篇关于机器思想的影响深远的文章，题为《计算机不能做什么》。一年以后，英国数学家James Lighthill，发表了一篇关于机器智能的报告，其结论称“目前没有任何领域做出任何发现，能够产生当年大家声称的那些影响”。
这次理想破灭造成的低谷，后来被称为“第一次AI的寒冬”，导致AI领域的研究经费几乎被完全放弃。而鼓吹了许多“电子大脑”的泡沫的媒体，也失去了兴趣。
尽管八九十年代，还有一些不起眼的复兴，但AI差不多成了科幻小说家的专属领域，而计算机科学家们，干脆避免使用“人工智能”这个术语，以免被人当做“梦想家”。
第一次AI的寒冬，直到近十年新一代的研究者，发表了有关“深度学习”技术的成功应用的论文后，才完全消退。
虽然深度学习，本质上是与Rosenblatt的感知器类似的技术，是用了几十年的统计学原理，但越发强大的计算能力和大量的数据集，使得深度学习能够解决一些实际问题，如语音识别、图像识别和语言翻译等。
据报道，深度学习在研究者之间的评价，是“极其有效”，使得大学的机器学习课程暴增，各大公司也投入了几十亿美元，寻找熟悉新技术的人才，无数的创业公司，试图将AI应用在交通、医学、财务等领域。
随着AI的复活，媒体对AI的炒作，也在长时间的静寂之后恢复了。2013年，John Markoff给纽约时报，写了一篇关于深度学习和神经网络的专题报道，标题是《像大脑一样的计算机，从经验中学习》。
这篇文章不仅标题，让人回忆起60年前的那次媒体炒作，其中还包含了许多关于新技术，能做什么的断言。“在未来几年内，”Markoff写到，“这种方法可以促成新一代人工智能系统的诞生，这种系统能够轻易完成，人类能做到的一些事情，如看、说、听、移动、操作和控制等。”
从那以后，每天的新闻里，就充斥了大量耸人听闻的文章，如《AI大灾变》《人工大脑》《超级人工智能》和《可怕的Facebook人工智能机器人》等。
来自专家的批评
Lipton说，随着这些炒作愈演愈烈，研究人员对于媒体报道他们的研究成果的方式，也越来越失望，因为这些媒体，基本上不懂任何技术。
但Lipton认为更严重的问题，并不是媒体，对于技术的一无所知，而是社交媒体，对于那些自称是“AI话题领袖”的人的纵容，这些人只不过是在他们的Medium博客上，重复Elon Musk的话，用TED式的低劣文章赚钱。
Lipton说，“真正的AI进步需要诚实、详尽的公开报告。但现在，报告环境完全混乱，已经没办法分辨，哪些才是重要的了。”
Lipton并不是第一个，对这种AI炒作表达担忧的人。去年，机器人先锋Rodney Brooks，在MIT技术评论上，写过一篇文章，批评这种“关于人工智能的歇斯底里的疯狂”。
2013年，纽约大学教授Gary Marcus，为纽约客杂志写了一篇文章，说这种炒作，会带来不切实际的期待，由此导致的幻象破灭，会引发另一次AI寒冬。
但对于Lipton而言，目前的疯狂，不太可能引发另一次寒冬，而是更有可能会让人无法分辨真正的问题。
他说：“人们害怕错误的事情。有的政策制定者，在讨论决策算法的歧视问题的会议上，认真地讨论过机器人的人权问题。但由于这个问题太实际，因此根本没有多少人感兴趣。”
2017年3月，Lipton开了自己的博客，希望能影响话题，并给那些伤害力最高的AI新闻辟谣。
目前，他已经指出了Vanity Fair上一篇“低劣”的关于Elon Musk的文章，以及一篇关于Anthony Levansdowski的所谓“AI教堂”的文章。
这个博客受到了一些媒体的关注，也有了一些读者，但Lipton知道他的影响力，依然十分有限。他说：“我们真正需要的是受过训练的记者和更多的结合。但在那之前，我的博客只可能是垃圾堆里的一块石子。我不可能改变潮流的方向。”
当前AI炒作的根本原因或因资源分布不均？
Joanne McNeil，是一名以尖端技术为主的撰稿人，她也同意目前的科技撰稿人中，存在不思考、不学习的问题，她经常在Twitter上，取笑那些终结者式的文章。
但同时，她也厌倦了单方面批评那些撰稿人，认为当前的AI炒作的根本原因，是资源分布不均。
她说：“比较一下记者和AI研究人员的收入就知道了。记者们不可能像研究人员那样思考并写作的原因就很明显了。”
她还说，尽管许多研究人员，拒绝从炒作中获益，但作为一名希望认真对待科技的撰稿人，她感受到的只有痛苦。
“很少有媒体愿意发表有道理的文章，也很少有编辑，有能力编辑这种文章。如果AI研究人员真的关心，报道的思想性，他们应该联合起来，资助一家媒体，让撰稿人能为研究付出的时间，获得合适的收入。”
尽管撰稿人和研究人员之间的紧密交流，还不在正确的方向上，但澳大利亚国立大学工程和计算机科学的一名教授Genevieve Bell认为，消灭撰稿人对AI的炒作，是不可能的。
Bell解释说，这是因为关于电子大脑或Facebook的有害机器人的文章，并不是关于技术的，而是关于文化上的希望和焦虑的。
消灭AI炒作，是不可能的
“几千年来，我们一直在讲述不会动的东西活过来的故事，这些故事深深地影响了我们对现在的科技的解读。”Bell说，“专家们会迅速忽略人们对他们的研究成果的感受，但乌托邦式的希望和反乌托邦式的恐惧，已经成了对话的一部分。炒作实际上是一种文化扩张，它有它自己的重要地位。”
最终，Lipton认为，AI的投机文章，有存在的土壤，他也承认，想像和情感会引起对该领域的质疑。“但我依然认为，纯粹的投机和真正的研究之间的界限太脆弱了。”
他说，“历史已经告诉我们，我们必须关注这个边界，这样才能分辨出重要的问题和幻想之间的区别。”
原文：https://www.theguardian.com/technology/2018/jul/25/ai-artificial-intelligence-social-media-bots-wrong
作者：Oscar Schwartz
译者：弯月，责编：胡巍巍
