跟著我們制作的機械愈來愈智能，我們從工業時期開端到如今所秉承的不雅念曾經有些不達時宜了。在這個情形下，涌現了“技巧崇敬”與“技巧恐怖”兩個互相對峙的不雅點。不外在Studio VV6的擔任人Nitzan Hermon看來，技巧控制才是最主要的。我們須要有一個蘇醒的不雅念來懂得用戶的需求、技巧的變更及其應用的場景，不然將不克不及獲得足夠的成效與立異。

　　今朝，數據變得愈來愈多，層級也愈來愈顯著，機械也愈來愈龐雜。一旦這類龐雜性超越了我們的懂得領域，那末，我們與對象的關系就必定會進入一個新的階段。

　　我們如今應用技巧做的許多工作，其實都源于晚期的對象。然則，對象自己曾經產生了轉變，但我們用來與之互動的“心智形式”卻一向絕對穩固。對象變得更快、更壯大，對“線”的依附度愈來愈低。

　　好比說，涌現了高鐵，涌現了智妙手機。跟著第一臺通用盤算機——電子數字積分盤算機（ENIAC）的引入，這一切都轉變了。

　　技巧退化

　　ENIAC于1946年在賓夕法尼亞年夜學裝置，它是第一臺可以或許處置多義務的機械。所以，擔任操作它的人也必需“重置”本身的“心智形式”。

　　但跟著模子視圖掌握器（MVC）的出生，我們就要用一種簡練、線性和可認知的方法處置單一維度盤算了。MVC出生于20世紀70年月末，是Alan Kay、Trygve Reenskaug和Adele Goldberg創造的一種辦事器架構。他們在開辟Dynabook（晚期的筆記本）和Smalltalk（一編程說話）的時刻創造了這類技巧。

　　MVC基于一個靜態的數據庫、一個專有的接口點和銜接兩個的掌握器。最癥結的點在于，數據只能在一個偏向上挪動。不管你是在發推文、查器械照樣瀏覽文章，數據都朝一個偏向挪動：要末是奔著用戶去，要末就是在奔著數據庫去，其實不是同時停止的。

　　這是以后樹立年夜多半軟件運用的基本系統構造，從最底層的技巧上影響了我們的應用習氣。點擊頁面后，要求發送到數據庫，數據庫給出反應，然后用戶獲得成果。

　　對技巧立場的改變

　　與之前的點擊或許鍵入式的輸出（提議要求）分歧，如今開端變得愈來愈龐雜了。跟著各類各樣的對象涌現、有了更好的傳感器和加倍兇猛的嵌套數據技巧（深度進修、反向流傳、神經收集等），我們可以或許以一種全新的、使人高興的方法應用統計盤算。但這個中有一個主要的成績——我們其實不能完整懂得產生了甚么。由于這些技巧施展感化的進程依然是一個“黑匣子”。這就是為何算法中會涌現各類各樣的成見的一年夜緣由。我們可以揣摸出為何會有這些成見，但我們不克不及立時修改它。

　　算法的長尾特征使得它們與之前“如流水線一樣運轉的”框架有著實質上的分歧。我們很難再采用立場，去修改模子或許提煉數據起源。一旦做出了轉變，我們就須要有足夠的耐煩，期待它向下流分散到模子中。

　　這類龐雜性，再加上新的技巧才能，正在給人類帶來風趣的成見和崇奉。在對象的熟悉論看來，這平日與它們的本體（客不雅）屬性相分別。風趣的是，科技范疇的一些立異者平日與平常應用對象堅持間隔，并編寫一種思想方法，將對象置于以后的軌跡之上或之下的。

　　技巧崇敬與技巧恐怖

　　技巧崇敬以為一切的技巧都是好的。但是，以這類方法思慮，限制了他們對改良和成心義的設計停止地下評論辯論的才能。最直接的例子莫過于算法的特性化，造出來愈來愈智能的虛擬助手，和等待一種通用人工智能（AGI，也有人稱之為能人工智能）的統治。

　　“技巧恐怖”是一種對峙的不雅點，以為任何我們不睬解的器械（和它的潛力）都邑撲滅我們。在這一點上，他們仿佛忘卻了一切的數據技巧，好比機械進修、深度進修，和今朝被稱為人工智能的一切器械，只不外是一個對象罷了……

　　埃隆？馬斯克（Elon Musk）和馬克？扎克伯格（Mark Zuckerberg）前不久在社交媒體長進行的“隔空對話”表現了這兩派不雅點的差別。扎克伯格是技巧崇敬的典范代表。他是一名勝利的開創人，在互聯網上有很年夜的進獻。他也是硅谷文明的代表人物——發明一種技巧，期待人類跟隨。

　　馬斯克對技巧的意見略微龐雜一些，由于他仿佛在一個互相對峙的不雅點之間扭捏不定（這一形式自己就是對二進制不雅點的支撐）。馬斯克稱，“人工智能是人類文明的根本生計風險。”固然這是一個公道的不雅點，但他并沒有提出一個公道的論據。由于有各類各樣的緣由都能證實，年夜腦和機械之間是有差別的。

　　技巧控制（Techno-Sobriety）呢？

　　這兩個陣營在對AGI的意見上的交集異常風趣。技巧崇敬者迎接年夜腦成為一種盤算機式的成績，而技巧恐怖者則畏懼被機械統治。這類分相似乎其實不具有構造性。想一想那些思惟家所固有的精力成見或性情特點。假如你信任一種算法是智能的，那末你就會對本身的心思成見有一個風趣的反思。

　　通用人工智能協會的主席Ben Goertzel表現，AGI可以從“咖啡測試”中提煉出一個很好的界說。假如你走進一個通俗的美國度庭，想弄清晰若何煮咖啡。你須要曉得怎樣辨認咖啡機，弄清晰按鈕的感化，然后找到櫥柜里的咖啡豆等等。

　　“關于簡直一切的成年人來講，這是一組很輕易完成的義務，但對盤算機來講是極端艱苦的。”

　　創立AGI要比創立ANI（弱人工智能）要艱苦很多。依據年夜多半專家的猜測，我們還須要20年的時光，能力開辟出如許的人工智能。

　　在這一段時光，我想曉得的是，我們可以或許做些甚么來更好地輿解這些對象，并構成一種具有可用性的新思想模子。究竟，技巧控制是將這些技巧帶到我們客戶手中的獨一門路。我不須要一個能制造咖啡、編寫網站、做飯的機械人——我須要一個更切近我思想方法的對象。我須要一種可以或許懂得我賡續變更的設法主意的對象，而不是一個一向試圖去模擬我習氣的對象。

　　我們須要有一個蘇醒的不雅點來懂得用戶的需求、技巧的變更及其應用的場景。當我們在沒有一個清楚的認知信心的情形下去做這些工作的時刻，其實不能獲得足夠的成效與立異。