← Lex Fridman

Rosalind Picard:情感计算、情绪、隐私与健康

Rosalind Picard: Affective Computing, Emotion, Privacy, and Health

第2019-06-17期2019-06-17简体中文

嘉宾:Rosalind Picard

收听本集00:00 / 1:00:21
阅读设置
按你的习惯阅读
正文字号
下载播客精读
把这一篇,带走慢慢读

中文 · 精读 · 当前版本

下载功能还未开放

§01原文文稿 · 00:00–09:02

00:00以下是与罗莎琳德·皮卡德的一段对话。

00:02她是麻省理工学院的教授、

00:04MIT 媒体实验室情感计算研究组(原文转写为「Effective Computing」)的主任,

00:06(接上)

00:08也是两家公司 Affectiva 和 Empatica 的联合创始人。

00:12二十多年前,

00:13她以一本同名著作

00:15开创了情感计算这一领域。

00:17这本书描述了情绪

00:20在人工智能和自然智能中的重要性。

00:23情绪沟通所扮演的至关重要的角色,

00:25对于人与人之间的关系、

00:28以及人与机器人互动的关系。

00:30我真的很享受与罗斯就这么多话题交谈,

00:34包括情绪、伦理、隐私、可穿戴计算,

00:37还有她近来在癫痫方面的研究,

00:39甚至爱与意义。

00:42这场对话是

00:43「人工智能播客」的一部分。

00:46如果你喜欢它,请在 YouTube、iTunes 上订阅,

00:48或干脆在推特上关注我 @LexFriedman,

00:51拼作 F-R-I-D。

00:53现在,这就是我与罗莎琳德·皮卡德的对话。

00:5920 多年前,

01:00你创造了「情感计算」这个术语,

01:03并自那以来在这一领域引领了大量研究。

01:06据我理解,目标是让机器检测

01:09并诠释一个人的情绪状态,

01:12并基于那个情绪状态

01:14调整机器的行为。

01:16那么在过去 24 年里,你对情感计算所定义的

01:19问题空间的理解发生了怎样的变化?

01:25也就是范围、应用、挑战、

01:28涉及什么,这些年来它是如何演变的?

01:32是啊,其实,最初

01:33当我定义「情感计算」这个术语时,

01:36它比「智能地识别和回应人类情绪」要宽泛一点,

01:40(接上)

01:42尽管那大概是我们下功夫最深的两块。

01:44(接上)

01:47最初的概念还涵盖了那种

01:50内部拥有像人类情绪那样运作的机制的

01:52机器。

01:55它会是任何与人类情绪相关、从中产生、

01:59或刻意影响人类情绪的计算。

02:02所以人机交互这一部分

02:05是人们往往会看到的那部分,

02:07比如如果我真的对我的电脑很恼火、

02:11我对着它皱眉、对着它骂,

02:13而它就一直表现得微笑、开心,

02:15就像那个小回形针过去那样,

02:17跳舞、眨眼,那类的东西

02:22只会让你更加沮丧,对吧?

02:24而我想,那个蠢东西需要看到我的情感。

02:29而如果它要有智能——

02:30微软的研究人员在这上面下了很大功夫,

02:33它当时其实含有一些最先进的 AI,

02:34(接上)

02:36那东西要真的聪明。

02:38它需要回应我和你,

02:41而我们可以给它发出非常不同的信号。

02:45所以顺便,简短打断一下,

02:47那个 Clippy,也许是在 Word 95、98 里,

02:52我不记得它是什么时候诞生的,

02:54但很多人,你是否发现用这个参照,

02:58人们到现在还能认出

03:00你在说什么?

03:01我不指望如今最新的学生知道,

03:05但我对很多听众提起过,

03:07比如你们中有多少人知道这个 Clippy?

03:09而仍然大多数人似乎都知道它。

03:11所以 Clippy 算是看着,也许是自然语言处理,

03:15在你打字时试图帮你补全,

03:18我想是这样。

03:19我甚至不记得 Clippy 是什么了,只记得它烦人。

03:22是啊,有些人其实喜欢它。

03:25我会听到那些故事。

03:27你想它吗?

03:28嗯,我想念那份烦扰。

03:31他们觉得有一种元素。

03:34有个谁在那儿。

03:34有个谁在那儿,而我们是在一起的,

03:36而它们很烦人。

03:37它就像一只就是不开窍的小狗。

03:40它们老是把沙发抓坏那类的。

03:42而事实上,它们本可以做得更聪明,像只小狗。

03:44如果它们当年,比如当你冲它吼

03:48或骂它时,

03:49如果它把小耳朵往后贴、尾巴垂下来、

03:51耷拉着走开,

03:52人们大概会想要它回来,对吧?

03:55但相反,当你冲它吼时,它做了什么?

03:58它微笑、它眨眼、它跳舞,对吧?

04:01如果有人来我办公室而我冲他们吼,

04:03他们开始微笑、眨眼、跳舞,

04:04我会想,我再也不想见到你了。

04:06所以比尔·盖茨在说它要被取消时

04:08赢得了全场起立鼓掌,

04:10因为人们太恼火了。

04:12它在情绪上太不智能了,对吧?

04:15它在「你是否在写一封信」这件事上是智能的,

04:18在那个情境下你需要什么样的帮助。

04:20它在这件事上完全不智能:

04:23嘿,如果你在惹恼你的客户,

04:25别在这么做时对着他们的脸微笑。

04:28所以那种不匹配是开发者

04:32压根没想到的东西。

04:35而当时的智能真的全都是关于数学、

04:39语言、国际象棋和游戏,

04:44是那些能被相当好地定义的问题。

04:47社会情绪互动比国际象棋、围棋、

04:50或任何人们试图解决的游戏

04:53复杂得多。

04:56而要理解那一点,需要

04:58大多数计算机科学领域的人

05:00其实在个人层面所缺乏的技能。

05:02嗯,我们来谈谈计算机科学。

05:03自从那项工作、

05:06自从那个讯息、

05:07自从你以这一领域的大量研究工作

05:09真正开创了它以来,情况有没有变好?

05:11我仍然发现,作为一个像你这样

05:14对人类深怀热情、

05:16却又身在计算机科学的人,

05:18似乎仍然缺乏,

05:22恕我直言,计算机科学家身上的那种同理心。

05:26是啊,嗯。

05:27或者说没有变好。

05:28姑且说,如今计算机科学家当中

05:30有多得多的多样性。

05:32今天的计算机科学家是一个

05:35比 25 年前多元得多的群体。

05:37而那是好事。

05:39我们需要各种各样的人成为计算机科学家,

05:41这样计算机科学才能更多地反映社会的需要。

05:45而每一种人格类型里都有才华。

05:49所以它不必局限于那些

05:52比起其他人更喜欢计算机的人。

05:54你觉得它有多难?

05:55你对「识别情绪、

05:58或创造一种深具情绪智能的互动」有多难的看法。

06:03随着你进一步探索它,

06:06它变得更容易还是更难了?

06:07而我们离攻克它还有多远?

06:12如果你想图灵测试解决智能,

06:16那看看情绪智能的图灵测试。

06:20我觉得它和我当初以为的一样难。

06:25我觉得我对它难度的预测分毫不差。

06:29我觉得时间估计总是很难,

06:33因为它们总是社会对某个特定话题的

06:37爱与恨的函数。

06:39如果社会兴奋起来,有成千上万名研究者

06:45为某个应用而工作,

06:49那个应用就会很快被解决。

06:52通用智能,

06:54计算机完全没有能力

06:58意识到自己在做什么,

07:03它没有意识这一事实,

07:05它没有任何变得有意识的迹象这一事实,

07:08它不读弦外之音这一事实,

07:11那类我们必须明确地教给它、

07:15而别人是隐性地领会的东西。

07:17我们还没看到那在改变。

07:20还没有突破让我们相信

07:23那会进展得更快,

07:25这意味着它仍然会算是被卡在

07:28很多局限里,

07:31在那里它大概只会在非常有限、狭窄、

07:34预先指定的情境里做对的事,

07:37在那些情境里我们几乎可以规定

07:40那里会发生什么。

07:42所以我看不到那,

07:46很难预测一个日期,

07:47因为当人们不做它时,它是无穷远;

07:51当所有人都做它时,你会在很短的时间里

07:56把其中漂亮的一块解决好。

07:58我其实觉得现在有一个比它的难度

08:01更重要的问题。

08:04而那正让我们中的一些人

08:05稍微踩一下刹车。

08:07通常我们都只是踩油门,

08:09让我们更快。

08:11这件事让我们往回收、踩下刹车。

08:14而那就是这项技术

08:18如今在中国这样的地方被使用的方式。

08:21而那让我深深担忧,

08:24以至于它让我自己往回收,

08:27收手许多我们本可以在做的事。

08:30并试着让这个共同体多想一想,

08:33好,如果我们要推进那个,

08:36我们如何能以一种

08:39设置好保护人们之保障措施的方式去做?

08:41那么我们所指的技术是,

08:43就是当一台计算机感知到一个人、

08:46比如人脸的时候,对吧?

08:48所以那里有很多令人兴奋的东西,

08:51比如与人形成一种深层连接。

08:53那么你的担忧是什么,它可能如何出错?

08:57是在隐私方面吗?

08:59还是在其他种类的更微妙的事情上?

§02原文文稿 · 09:02–18:28

09:02不过我们深入聊聊隐私。

09:04比如在美国这里,如果我在看一段

09:07比如说一位政治领袖的视频,

09:09而在美国,我们都知道,我们相当自由,

09:13甚至可以批评美国总统,对吧?

09:17在这里那不是什么令人震惊的事。

09:19它大约每五秒就发生一次,对吧?

09:22但在中国,如果你批评

09:27政府的领导人会怎样,对吧?

09:30所以人们非常小心不去那么做。

09:34然而,如果你只是在看一段视频,

09:37而你做出一个

09:40显出一点点怀疑的面部表情,会怎样,对吧?

09:45嗯,而在这里我们完全自由地那么做。

09:47事实上,我们自由地大发雷霆、

09:50想说什么就说什么,通常是。

09:54我是说,有一些限制,

09:56当运动员在全国转播中

09:58做这个的时候。

10:00也许球队会有点不高兴

10:03你挑那个场合去做,对吧?

10:05但那更多是个判断力的问题。

10:08我们拥有这些自由,

10:11而在没有那些自由的地方,

10:14如果我们的技术能读出

10:17你底层的情感状态会怎样?

10:19如果我们的技术甚至能非接触地读出它会怎样?

10:22如果我们的技术能在没有你事先同意的情况下

10:24读出它会怎样?

10:28而在美国这里,

10:30在我们创办的第一家公司 Affectiva 里,

10:32我们超级努力地去回绝那些

10:35试图在没有人们事先知情同意的情况下

10:38读取人们情感的钱和机会。

10:41而且即便是可授权的软件,

10:45你也得签字说明

10:46你只会以某些方式使用它,

10:48这本质上就是获得人们的认可,对吧?

10:52不要在人们不同意的情况下做这个。

10:56有另一些国家,他们对

10:58人们的认可不感兴趣。

10:59他们就是要用它。

11:01他们要把它强加于你。

11:03而如果你不喜欢它,

11:04你最好别对着任何审查者的方向皱眉。

11:08所以,第一,让我就一个小岔题评论一下。

11:11你知道吗,有了对抗样本、

11:15深度伪造之类的概念,

11:18你所提出的其实,

11:20在那一个意义上,深度伪造提供了

11:23一种令人安心的保护——你再也无法真正相信

11:30你脸的那段视频是真实的。

11:34因此,如果一个政府在试图、

11:37(接上)

11:38如果一个稳定、平衡、有道德的政府

11:44试图指控你什么,

11:46你至少有了保护。

11:47你可以说那是假新闻,就像如今流行的说法。

11:50是啊,那是对它的大致想法。

11:52我们知道如何进入视频、

11:54并看出,比如,你的心率和呼吸,

11:58以及它们是否被篡改过。

12:02而我们现在也能在你的视频里

12:05放进假的心率和呼吸。

12:06我们决定我们需要那么做。

12:10在我们开发出一种提取它的方法之后,

12:12我们决定我们也需要一种干扰它的方法。

12:15所以我们花时间去做那另一步这件事,

12:20那是我没有花在

12:22让机器在情感上更智能上的时间。

12:25而在我们如何花时间上有一个选择,

12:28它现在被这个目标左右得稍微少了一点,

12:32而被「对社会正在发生什么的关切」左右得

12:34稍微多了一点,

12:36以及我们想建造一个什么样的未来。

12:38而当我们退一步说,

12:41好,我们不是为了造 AI 而造 AI、

12:44去让埃隆·马斯克赚更多钱、

12:46或让亚马逊的杰夫·贝索斯赚更多钱。

12:48天哪,你知道,那是错误的伦理。

12:52我们为什么在造它?

12:54造 AI 的意义是什么?

12:57过去,它是由学术界的研究者驱动的,

13:01为了发表论文、为自己成就一番事业、

13:04并做点很酷的事,对吧?

13:05比如,因为也许它能做成。

13:08现在我们意识到,这让富人

13:12变得富得多,穷人是,

13:17鸿沟甚至更大。

13:19而那是我们想要的那种未来吗?

13:22也许我们想想,也许我们想重新思考 AI。

13:25也许我们想重新思考社会上

13:29正在造成最大不公的那些问题,

13:32并重新思考如何去造一种 AI——

13:35它不是关于通用智能,

13:36而是关于扩展「没有者」的

13:39智能和能力,

13:41好让我们弥合社会上的这些鸿沟。

13:43你希望那种踩刹车

13:46是有机地发生吗?

13:47因为我觉得 AI 背后的力量,大多数仍然

13:51是发表论文的欲望,

13:52是赚钱,而不去思考「为什么」。

13:55你希望它有机地发生吗?

13:57有监管的空间吗?

14:01是啊,是啊,是啊,好问题。

14:02我更喜欢,你知道,

14:05人们说的胡萝卜对大棒。

14:07我绝对更喜欢胡萝卜而非大棒。

14:09而且,你知道,在我们这个自由的世界里,

14:12大棒的作用是有限的,对吧?

14:14你总会找到绕开它的办法。

14:17我总体上觉得监管越少越好。

14:21话虽如此,尽管我的立场经典地是胡萝卜、

14:24不用大棒、不要监管,

14:26我觉得在这个领域我们确实需要一些监管。

14:29我确实觉得我们需要

14:30围绕保护人们及其数据的监管,

14:33即你拥有你的数据,不是亚马逊、不是谷歌。

14:38我希望看到人们拥有他们自己的数据。

14:40我还希望看到我们现在

14:42围绕测谎的那些监管

14:44被扩展到总体上的情绪识别——

14:48也就是现在你不能对一名员工用测谎仪,

14:50当你在面试一位求职者时,

14:52不能对候选人用。

14:54我觉得同样地,我们需要就

14:57「在未经同意的情况下读取人们的情绪」设置保护,

15:00并且在某些情况下,

15:02比如为工作和其他机会给他们贴标签。

15:06所以我也,我还觉得当我们读取

15:09预示心理健康的情绪时,

15:11那即便它不是医疗数据,

15:14也应该得到我们医疗数据所得到的

15:16那类保护。

15:18大多数人还不知道的是,

15:19现在凭你的智能手机使用,

15:22以及如果你戴着一个传感器、

15:25你想了解你的压力、你的睡眠、

15:27你的身体活动、

15:28你用手机用了多少、

15:30以及你的社交互动,

15:32所有那些非医疗数据,

15:34当我们用机器学习把它拼到一起时——

15:37如今叫 AI,尽管 AI 的奠基人

15:40不会那么叫它——

15:42那种能力不仅能看出你现在很平静、

15:48或你正变得有点有压力,

15:50还能预测你明天可能会怎样。

15:53你是可能生病还是健康、

15:55高兴还是悲伤、有压力还是平静。

15:58尤其是当你随时间追踪数据时。

16:00尤其是当我们追踪你一周或更久的数据时。

16:03你是否抱有一种乐观——

16:05你知道,我们手机上很多人

16:07都担心这个看着我们的摄像头。

16:10总的来说,权衡之下,

16:12你对那个看着我们数十亿人的摄像头

16:16所能带来的好处

16:17感到乐观吗?

16:19还是我们该更担心些?

16:24我觉得我们应该对

16:28谁在看我们、听我们多担心一点。

16:32坐在你厨房台面上的那个设备,

16:36无论它是,你知道,Alexa 还是 Google Home 还是苹果的 Siri,

16:42这些设备想要聆听,

16:47同时它们表面上说是为了帮我们。

16:49而我觉得这些公司里有很棒的人,

16:52他们确实想帮助人们。

16:54我不把他们全都定性为坏的。

16:56我用这些公司的产品,

16:59我点到的全是以 A 开头的公司,Alphabet、Apple、Amazon。

17:04它们是大得吓人的公司,对吧?

17:09它们拥有不可思议的权力。

17:11而你知道,万一中国把它们买下来呢,对吧?

17:17然后突然间所有那些数据

17:19都不再属于自由的美国,

17:22而是所有那些数据都属于某个

17:24只想统治世界、

17:26让你臣服于他们的人。

17:27而你猜,如果你在他们说了

17:32某句你不喜欢的话时、哪怕只是以错误的方式冷笑一下,会怎样?

17:34嗯,他们有再教育营,对吧?

17:37那是对它们的一个好听的词。

17:39顺便说,如今那里有盈余的器官,

17:41供做手术的人用。

17:43他们没有器官捐献的问题,

17:45因为他们抽你的血,就知道你是不是匹配。

17:48而医生们有记录在案,从完全健康、

17:51且并非囚犯的人身上摘取器官。

17:55他们只不过不是政府青睐的那些人。

17:59而你知道,那是一个相当恐怖、邪恶的社会。

18:04而我们在那里可以用「邪恶」这个词。

18:06我出生在苏联。

18:07我当然能够与你所表达的担忧产生共鸣。

18:13与此同时,大概你我,

18:15尤其是你,

18:19你知道,有一种令人兴奋的可能性,

18:23即你可以与一台机器形成一种深层连接。

18:27是啊,是啊。

§03原文文稿 · 18:28–27:33

18:28没错,所以。

18:30我们这些人,我录取过一些学生,他们说自己,

18:35你知道,当你列出,比如,

18:36你最希望能和谁共进午餐

18:39或晚餐,对吧?

18:41而他们会写,我不喜欢人。

18:43我只喜欢计算机。

18:44其中一个曾对我说,

18:46当我在家办这个派对时,

18:49我想让你知道,

18:51这是我一年中唯一的社交活动,

18:53我这一年唯一的社交活动。

18:55比如,好吧,而这是个才华横溢的

18:57机器学习人才,对吧?

18:59而我们在机器学习里需要那种才华。

19:01我喜欢计算机科学既欢迎爱人的人,

19:04也欢迎那些在人面前

19:07非常笨拙的人。

19:08我喜欢这是一个任何人都能加入的领域。

19:12我们需要各种各样的人,

19:14而你不必是个善于社交的人。

19:16我不是想逼不喜欢人的人

19:19突然变得善于社交。

19:21与此同时,

19:23如果建造未来 AI 的人大多数

19:26是那种不喜欢人的人,

19:29我们就有点问题了。

19:31嗯,等一下。

19:31那让我反驳一下这个。

19:33那你难道不觉得,世界上很大一部分人

19:38能,你知道,有孤独。

19:40孤独是一个正在增长的巨大问题。

19:44所以有一种对连接的渴望。

19:47你……

19:49如果你孤独,你就是一个庞大且不断增长的群体的一员。

19:51是的。

19:52所以我们是在一起的,我想。

19:54如果你孤独,加入这个群体吧。

19:56你并不孤单。

19:56你并不孤单。

19:57这句话不错。

20:00但你觉得有没有……

20:03你谈到了一些担忧,

20:04但你觉得有没有一种令人兴奋的可能性,

20:07即像 Alexa 和这类工具这样的东西,

20:11能以其他人类无法做到的方式

20:14缓解那种孤独?

20:16是啊,是啊,绝对能。

20:18我是说,一本好书就能算是缓解孤独,

20:22因为你就是被吸进这个精彩的故事里,

20:25你迫不及待地想去和那个角色共度时光。

20:27而他们不是人类角色。

20:30它背后有一个人。

20:33但是的,它可以是一种无比愉悦的

20:35打发时间的方式,而且它能满足需求。

20:39甚至,你知道,我不读那些低俗的言情书,

20:43但有人读,对吧?

20:44而他们从中得到了什么?

20:46嗯,大概是那种「置身其中」的感觉,对吧?

20:50置身于那个社交时刻、

20:52那个浪漫时刻,或与某人连接。

20:56我在读一些科幻小说时

20:57有过类似的体验,对吧?

20:59并与角色连接。

21:00奥森·斯科特·卡德,你知道,写得太棒了,

21:04《安德的游戏》和《死者代言人》,糟糕的标题。

21:07但那类把你拉进一个角色的书,

21:11你会觉得自己,你会觉得非常有社交感。

21:13它非常有连接感,尽管它并不在回应你。

21:17而一台计算机,当然,可以回应你。

21:19所以它能加深那种感觉,对吧?

21:21你可以拥有一种非常深的连接,

21:25比电影《她》所渲染的要深得多,对吧?

21:29嗯,深得多。

21:30我是说,电影《她》已经是一种相当深的连接了,对吧?

21:34嗯,但它只是一部电影,对吧?

21:36它是有剧本的。

21:37它只是,你知道,但我是说,

21:39可以有一种真实的互动,

21:42其中角色可以学习、你也可以学习。

21:46你可以想象它不只是你和一个角色。

21:49你可以想象一群角色。

21:51你可以想象一群人和角色,

21:53人类和 AI 连接在一起,

21:56也许少数几个人没法和每个人都做朋友,

22:00但那少数几个人

22:02和他们的 AI 可以和更多人交朋友。

22:07其中可以有一种被扩展的人类智能,

22:10让每个人都能那样与更多人连接。

22:14但它仍然非常有限,不过只是,

22:19我的意思是,比起那部电影里的东西,

22:21有多得多的可能性。

22:22所以这里有一种张力。

22:24所以,一方面,你表达了一个非常严肃的

22:27对隐私的关切,关于政府

22:29可能如何滥用这些信息,

22:31另一方面又有这种连接的可能性。

22:34那我们来看 Alexa。

22:36也就是私人助理。

22:37总的来说,就我所知,

22:40它们忽视你的情绪。

22:42它们甚至忽视情境、或你的存在本身,

22:47忽视你之所是那复杂、美丽、错综的方面,

22:52也许除了你嗓音中

22:54有助于它进行语音识别的那些方面。

22:58你觉得它们应该转向

23:00试图理解你的情绪吗?

23:03所有这些公司都非常有兴趣

23:04理解人类情绪。

23:07他们想要,每天有越来越多人告诉 Siri

23:11他们想自杀。

23:13苹果想知道

23:15一个人是真的有自杀倾向,

23:18还是只是在跟 Siri 闹着玩之间的区别,对吧?

23:21用词也许相同,但语气

23:25以及围绕那些词的东西,对于理解

23:31是应该以非常严肃的方式回应、

23:34给那个人带去帮助,

23:35还是应该算是开玩笑地回怼

23:40啊,你只是想拿我换点别的东西,对吧,是关键。

23:44比如,当有人那么说时你怎么回应?

23:47嗯,你确实想宁可偏向谨慎、

23:51并认真对待它那一边。

23:53人们想知道一个人是高兴还是有压力,

23:59部分地,嗯,那让我给你一个利他的理由

24:03和一个追逐商业利润的理由。

24:08而公司里有基于

24:11这两种原则运作的人。

24:12利他的人真的在乎他们的客户,

24:16也真的在乎帮你在一天结束时

24:19感觉好一点。

24:20而如果那些人知道他们让你的生活变好了,

24:22那只会让他们高兴。

24:24如果你压力很大地回到家,而在与

24:27他们的产品交谈之后,你感觉好些了。

24:29有另一些人,也许研究过

24:32情感如何影响决策

24:35和人们愿意付的价格。

24:36而他们知道,我不知道该不该告诉你,

24:38比如詹·勒纳(指詹妮弗·勒纳)关于「情牵」与「钱袋」的研究,

24:43你知道,如果我们把你操纵进一种略微更悲伤的心境,

24:47你会付更多,对吧?

24:50你会付更多来改变你的处境。

24:53你会为一样你甚至不需要的东西付更多,

24:55来让自己感觉好一点。

24:58所以,你知道,如果他们听起来有点悲伤,

25:00也许我不想让他们高兴起来。

25:01也许我首先想帮他们买点什么,

25:04一点购物疗法,对吧?

25:07那对他们有帮助。

25:08这对一家主要靠广告

25:09筹资的公司来说真的很难。

25:12所以他们被激励去让你、去向你推销产品,

25:16或者亚马逊,它主要靠

25:17你从它的商店买东西来筹资。

25:20所以我觉得我们应该,你知道,

25:22也许我们未来需要监管,

25:24来在那些能接触我们情绪的智能体

25:27和那些想卖东西给我们的智能体之间

25:29筑起一点墙。

25:32也许在那些之间需要

25:35多一点防火墙。

25:38那么也许在与 Alexa 的互动上

25:40深入一点,

25:42你提到,当然,一个非常严肃的关切,

25:44关于识别情绪,

25:46如果有人在谈自杀或抑郁之类的,

25:49但那实际的互动本身呢?

25:55你觉得,所以如果我,你知道,

25:57你提到 Clippy 和烦人,

26:01我们试图优化的目标函数是什么?

26:04是最小化烦人度,还是最小化或最大化幸福?

26:09或者如果我们看人与人的关系,

26:12我觉得那种推拉、那种张力、那种舞蹈,

26:15你知道,那种烦人、那些瑕疵,正是让它有趣的东西。

26:19那么有没有空间,比如目标函数是什么?

26:24有时候你想有一点推拉,

26:26我想到孩子打闹,对吧?

26:29你知道,我看着我的儿子们,他们,

26:31其中一个想挑逗另一个让他生气,

26:33而那很有趣。

26:34而这其实是健康的——去学习你的极限在哪里、

26:38去学习如何自我调节。

26:40你可以想象一个游戏,它试图让你生气,

26:43而你试图展现自制力。

26:45所以如果我们在做一种 AI 与人的互动,

26:48它帮助建立韧性和自制力,

26:51无论是学习如何不当一个霸凌者、

26:54还是如何转过另一边脸、

26:55还是如何应对你生活中一个施虐的人,

26:58那你也许就需要一个会按你情绪开关的 AI,对吧?

27:04但总体上,你想要一个会按你情绪开关的 AI 吗?

27:10大概取决于你的性格。

27:12我不,我想要一个尊重人的、

27:15它在那儿是为了服务我、

27:18是为了扩展我做事的能力。

27:23我不是在找一个对手,

27:25我在找一个帮手。

27:27而那是我会押注的那种 AI。

27:30你的感觉是,对世界上大多数人来说,

§04原文文稿 · 27:33–36:29

27:33为了拥有丰富的体验,

27:35那也是他们所寻求的。

27:37所以他们不是在找,

27:37如果你看电影《她》,剧透警告,

27:40我记得电影《她》里那个女人所代表的程序,

27:46离开那个人去找了别人,

27:51说它不想再约会了,对吧?

27:54比如,你——你的感觉是,如果 Alexa 说,

27:58你知道吗,我其实暂时受够你了,

28:02所以我要把自己关掉。

28:04你不把那看作……

28:07我会说你是垃圾,因为我花钱买了你,对吧?

28:10你,我们必须记住,

28:14而这正是这种把人和 AI

28:18当作平等者来混淆的做法真正具有欺骗性的地方,

28:22因为 AI 归根结底是某种

28:26我的学生和我在实验室里制造的东西。

28:28而我们在选择它被允许说什么、

28:33它何时被允许说话、它被允许听什么、

28:36在我们选择让它接触的输入下,

28:40它被允许对什么作出反应、

28:43它被允许有什么输出。

28:45它全都是人造出来的东西。

28:49而如果我们想造出某种

28:50让我们的生活悲惨的东西,行。

28:52我不会把它当作一门生意来投资,

28:56除非它只是为了自我调节训练而在那儿。

28:59但我觉得我们需要思考

29:01我们想要什么样的未来。

29:02而其实你的问题,我真的很喜欢那个——

29:05目标函数是什么?

29:06是让人们平静下来吗?

29:09有时候。

29:10是永远让人们高兴、让他们平静下来吗?

29:14嗯,有一本书讲那个,对吧?

29:16《美丽新世界》,让每个人都高兴,

29:18不高兴就吃你的索麻、吃你的快乐药丸。

29:22而如果你拒绝吃你的快乐药丸,

29:24嗯,我们就威胁把你送去冰岛

29:28住。

29:29我在冰岛住过三年。

29:30那是个很棒的地方。

29:31不吃你的索麻,那就去冰岛。

29:35在这儿做个小小的电视广告。

29:37我小时候在那儿待过几年。

29:39那是个美妙的地方。

29:40所以那本书的那一部分从没吓到过我。

29:43但真的,我们想要 AI 把我们

29:46操纵进屈服、让我们高兴吗?

29:49嗯,如果你是一个,你知道,

29:52像一个痴迷于权力、病态的独裁者个体,

29:56只想控制其他人

29:57来在生活里获得你的快感,那么是的,

29:59你会想用 AI 来扩展你的权力和规模、

30:03逼人们屈服。

30:07如果你相信人类

30:10在被给予自由、以及去做一些

30:12可能让你惊讶之事的机会时更好,

30:15那你就想用 AI 来扩展人们建造的能力,

30:20你想造一种扩展人类智能的 AI,

30:22它赋能弱者、帮助平衡

30:27弱者与强者之间的权力,

30:28而不是给强者更多权力。

30:32那么在这个赋能人们、感知人们的过程中,

30:39就识别情绪而言,

30:41你的感觉是什么?

30:42「展现出来的情绪」

30:44与「真实感受到的情绪」之间的区别。

30:46所以,是啊,通过你的脸、你的身体

30:52以及其他各种东西表现在表面上的情绪,

30:56与在生物层面、神经科学层面、

30:58或某种认知层面上

31:01深处实际发生的东西。

31:03是啊,是啊。

31:05哇,这里没有简单的问题。

31:07嗯,是啊,我确信没有确定的答案,

31:11但你的感觉是什么?

31:12只看脸我们能走多远?

31:16当我们只看脸时我们非常受限,

31:18但我们能走得比大多数人以为的更远。

31:21人们想,嘿,我有一张很棒的扑克脸,

31:25所以你从我这儿只能得到中性。

31:28嗯,那太天真了。

31:30我们用你笔记本或手机上

31:32普通的摄像头就能读出。

31:34我们能从一张中性的脸读出你的心是否在狂跳。

31:39我们能从一张中性的脸读出

31:41你的呼吸是否正变得不规律、

31:44并显出压力的迹象。

31:46我们能在某些条件下读出——

31:50也许细节我就不告诉你了——

31:53你的心率变异功率是如何变化的。

31:57那可能是压力的一个迹象,

31:58即便你的心率不一定在加速。

32:02所以……

32:03抱歉,是从生理传感器还是从脸上?

32:06从你甚至看不见、

32:09但摄像头能看见的颜色变化。

32:11那太惊人了。

32:12所以你能得到很多信号,但……

32:15所以我们用普通摄像头得到人们看不见的东西。

32:18而从中,我们能看出关于你压力的一些事。

32:21所以如果你只是面无表情地坐在那儿、

32:25以为没人能读出我的情绪,嗯,你错了。

32:30没错,所以那真的很有意思,

32:31但那是来自脸上的某种视觉信息。

32:34那几乎像是走捷径

32:37通往身体的生理状态,

32:39靠的是你在视觉上能做的事里非常聪明。

32:42靠信号处理。

32:43靠信号处理。

32:44所以那真的令人印象深刻。

32:45但如果你只看我们人类能看见的东西,

32:49扑克脸、微笑、冷笑、

32:52那些微妙的、所有的面部动作。

32:54那么你可以在脸上

32:55隐藏那个有限的一段时间。

32:57现在,如果你只是去参加一个简短的面试、

33:00你藏着它,那对大多数人来说相当容易。

33:03然而如果你无论走到哪里都被持续监视,

33:08那它就会说,咦,你知道,莱克斯过去笑得很多,

33:13而现在我没看到那么多笑。

33:15而罗斯过去笑得很多、

33:20非常自发地笑得很多。

33:22而现在我只看到

33:23这些看起来不那么自发的笑。

33:26而且只在她被问到这些问题时。

33:28你知道,这里有什么变了。

33:31大概是没睡够。

33:33那个我们也能看。

33:35所以现在我也得小心一点。

33:37当我说「我们」时,你以为我们读不出你的情绪

33:40而我们能,它不是那么非黑即白。

33:42我们所读的更多是一些

33:45与你的激活相关的生理变化。

33:48这并不意味着我们知道关于你如何感受的

33:51一切。

33:52事实上,关于你如何感受,我们仍然知道得很少。

33:54你的想法仍然是私密的。

33:56你那些细微的感受仍然完全是私密的。

34:01那些我们一点也读不出。

34:02所以有一些宽慰:我们读不出那个。

34:07连脑成像也读不出那个。

34:09可穿戴设备读不出那个。

34:12然而,当我们读出你的身体状态变化、

34:16并知道你环境里正在发生什么、

34:18并随时间观察这些的模式时,

34:21我们可以开始做出一些关于

34:24你可能在感受什么的推断。

34:26而那正是它不只是那一瞬的感受、

34:31而更是你对事物的立场之所在。

34:34而那其实可能更可怕一点,

34:37对于某些种类的、控制欲强的政府人员——

34:42他们想更多地了解你是不是他们一队的、

34:46还是不是?

34:48并随时间获取那个信息。

34:50所以你是说,通过观察随时间的变化,

34:51有很多信号。

34:53是啊。

34:54那么你在计算机视觉

34:56和像可穿戴这样的生理感知上

34:57都做了很多令人兴奋的工作。

35:00你觉得哪个是最好的模态,

35:03什么是通往情绪灵魂的最好窗口?

35:08是脸吗?

35:09是声音吗?

35:10取决于你想知道什么。

35:11取决于你想知道什么。

35:13取决于你想知道什么。

35:13一切都是有信息量的。

35:15我们所做的一切都是有信息量的。

35:17那么对于健康、福祉之类的东西,

35:20你是否发现可穿戴的生理技术、

35:22测量生理信号

35:24对于基于健康的东西是最好的?

35:29那么这里我会用数据

35:31和我们一直在做的研究来经验性地回答。

35:34我们一直在做研究。

35:36现在这些正在进行,

35:38针对许多不同种类的人,

35:39但就我们已发表数据、

35:41且我能公开谈论的而言,

35:44现在数据仅限于

35:45新英格兰地区的大学生。

35:47所以那是一个小群体。

35:50在新英格兰的大学生中,

35:52当他们戴着一个可穿戴设备,

35:55比如这里的 Empatica Embrace,

35:57它测量皮肤电导、运动、温度。

36:01而当他们用一部智能手机,

36:05它收集他们一天中

36:09发短信的时间、给谁发短信、

36:12他们周围的运动、他们的 GPS、

36:14以及基于他们位置的天气信息。

36:18而当它用机器学习、

36:19把所有那些拼到一起、

36:20并且不只看此刻、

36:22而是看你大约一周里

36:26行为的节律时。

36:28当我们看那个时,

§05原文文稿 · 36:29–44:58

36:29我们在预测明天的压力、

36:33心境、喜悲心境和健康上非常准确。

36:38而当我们看其中哪些部分最有用时,

36:43首先,如果你拥有所有部分,

36:45你得到最好的结果。

36:48如果你只有可穿戴设备,

36:50你得到次好的结果。

36:52而那在预测明天的水平上

36:56仍然有超过 80% 的准确率。

37:00这难道不令人兴奋吗,因为带生理信息的

37:02可穿戴的东西,

37:05感觉它比非接触的、基于脸的方法

37:08更少地侵犯隐私。

37:12是啊,这很有意思。

37:14我觉得人们有时不,

37:16有意思的是,早年人们会说,

37:18哦,戴个东西或献血是侵入性的,对吧?

37:22而摄像头侵入性更小,

37:24因为它不碰你。

37:26我觉得恰恰相反,

37:28那些不碰你的东西也许才是最吓人的,

37:31因为你不知道它们何时开着、何时关着。

37:33而你不知道背后是谁,对吧?

37:39一个可穿戴设备,取决于它上面的数据

37:43发生了什么——如果它只是本地存储,

37:46还是在流式传输、以及它被接到什么上——

37:52在某种意义上,你对它拥有最多的控制,

37:54因为把它取下来也非常容易,对吧?

37:59现在它不在感知我。

38:01所以如果我对它感知的东西不舒服,

38:05现在我自由了,对吧?

38:07如果我对它感知的东西感到舒服,

38:09那么,而且我恰好对这一个了如指掌、

38:12知道它拿它做什么,

38:13所以我对它相当自在,

38:15那我就有控制、我自在。

38:20控制是一个个体

38:24减少其压力的最大因素之一。

38:26如果我对它有控制、

38:28如果我知道关于它所能知道的一切,

38:30那我的压力就低得多,

38:32而我是在做一个知情的选择,

38:34关于是否戴它,

38:36或何时戴、何时不戴。

38:38我有时想戴它,也许另一些时候不想。

38:40没错,所以那种控制,是啊,我同意你。

38:42那种控制,即便,是啊,把它关掉的能力,

38:47那是一件真的很重要的事。

38:49它至关重要。

38:49而我们需要,也许,如果有监管,

38:53也许要保护的第一条,就是

38:55人们的能力——退出要和加入一样容易。

38:59没错,所以你也研究过一点神经科学。

39:04观察我们自己的心智、

39:08那种生物学的东西或神经生物学的、

39:12神经科学去获取我们大脑中的信号,

39:17是如何帮你理解情感计算这个问题

39:18和方法的?

39:21最初,我是个计算机架构师,

39:23我在造硬件和计算机设计,

39:26而我想造出像大脑那样工作的那种。

39:28所以我研究大脑

39:29和我研究如何造计算机一样久。

39:33你弄明白什么了吗?

39:36很少。

39:37它太惊人了。

39:39你知道,他们过去以为,

39:40哦,如果你移除大脑的这一块,

39:42而你发现这个功能消失了,

39:44嗯,那就是做这件事的那部分大脑。

39:45然后后来他们意识到,

39:46如果你移除大脑的另一块,

39:48那个功能又回来了,

39:50哦不,我们真的不理解它。

39:52大脑如此有意思、时时刻刻在变化,

39:56并且能够以大概会继续让我们惊讶的

39:58方式改变。

40:02当我们在测量压力时,

40:04你也许知道这个故事:我们在我们一个

40:07自闭症孩子的一只手腕上,发现了

40:10一个不寻常的大皮肤电导模式。

40:14而在试图弄明白你究竟怎么能

40:15在一只手腕上有压力、另一只没有时——

40:17比如你怎么能只在一只手腕上出汗,对吧?

40:20当你在那种交感的战或逃反应下

40:21感到压力时,

40:23比如你算是应该在某些地方

40:25比别处出汗更多,

40:26但不会在一只手腕上比另一只更多。

40:27那毫无道理。

40:30我们了解到,实际发生的是

40:33他大脑的一部分有不寻常的电活动,

40:37而那导致了一只手腕上、而非另一只上

40:41不寻常的大出汗反应。

40:44而自那以后,我们了解到

40:45癫痫发作会导致这种不寻常的电活动。

40:49而取决于发作在哪里,

40:51如果它在一个地方并停留在那儿,

40:53你可以有一个大的电反应,

40:55我们能用可穿戴设备在身体的一个部位捕捉到。

40:58你也可以有一种

40:59扩散到整个大脑的发作,

41:00全身性的大发作。

41:02而那个反应会扩散,

41:04我们几乎在任何地方都能捕捉到它。

41:07当我们了解到这个、随后造出 Embrace——

41:10它现在已通过 FDA 的癫痫检测审批——

41:13我们也与世界上一些

41:15最了不起的医生

41:18建立了关系,他们不仅帮助

41:20有不寻常脑活动或癫痫的人,

41:23其中一些还是外科医生,

41:24他们进去、植入电极,

41:27不只是为了瞬时读取那些

41:31我们希望看到恢复正常的奇怪脑活动模式,

41:35还为了持续读出这些深层脑区里

41:37正在发生什么,

41:39在这些患者没有发作的大部分时间里。

41:41大部分时间他们没有发作,

41:42大部分时间他们好好的。

41:44所以我们现在正在绘制

41:47那些深层脑区,

41:49那些你甚至通常用 EEG 头皮电极也拿不到的,

41:53因为深处的变化到不了表面。

41:58但有意思的是,当其中一些区域

42:00被激活时,我们看到一个大的皮肤电导反应。

42:04谁能想到呢,对吧?

42:05比如这里什么也没有,但这里有东西。

42:07事实上,在我们认为最危险的

42:10那些发作之后——

42:12它们先于所谓的 SUDEP,

42:14即癫痫猝死——

42:16有一段时间脑电波变平,

42:19看起来像这个人的大脑停了,

42:21但它没有。

42:23活动已深入到一个区域,

42:26它能让皮层活动看起来是平的,

42:29像这里一个快速的关机信号。

42:32如果它持续得够久,不幸地可能导致呼吸停止。

42:35(接上)

42:38在那发生之前,我们在拥有的数据里

42:42看到一个大的皮肤电导反应。

42:43这个变平越久,我们这里的反应越大。

42:46所以我们一直试图弄明白,你知道,起初,

42:49比如为什么这里什么也没有时

42:51我们却在这里得到一个大反应?

42:52嗯,原来有某种深得多的东西。

42:55所以我们现在可以进入这些个体的大脑——

42:57这些了不起的人,

43:01他们通常没有发作——

43:03拿到这些数据并开始绘制它。

43:05所以那就是我们现在正和顶尖医疗伙伴

43:07一起做的活跃研究。

43:09所以这个看皮肤电导的可穿戴传感器

43:12能捕捉到我们大脑里

43:17正在发生之事那复杂性的涟漪。

43:18所以这个小设备,你抱有一种希望,

43:22即你能开始从大脑里发生的有趣之事中

43:24获取信号。

43:27是啊,我们已经发表了这个反应的大小

43:30与之后发生的变平

43:32之间的强相关性。

43:35而不幸的是,也在一个真实的 SUDEP 病例里,

43:38患者死亡了,因为,嗯,我们不知道为什么。

43:42我们不知道如果当时有人在场,

43:43是否一定能阻止它。

43:45但我们知道大多数 SUDEP 发生

43:47在人独自一人时。

43:48而在这里,SUDEP 是一个缩写,S-U-D-E-P。

43:53它其实代表着在所有神经系统疾病中

43:56按「损失的生命年数」计的

43:58第二大原因。

44:01中风是第一,SUDEP 是第二,

44:03但大多数人没听说过它。

44:05其实,我来推一下我的 TED 演讲,

44:07它现在就在 TED 首页上,

44:09讲的就是这个。

44:11而我们希望改变那一点。

44:13我希望每个听说过婴儿猝死综合征和中风的人

44:17现在都会听说 SUDEP,

44:18因为我们觉得在大多数情况下它是可预防的,

44:21如果人们吃药、并在癫痫发作时

44:24不是独自一人。

44:26不保证可预防。

44:27有一些例外,

44:29但我们觉得大多数情况大概是可预防的。

44:31所以你现在有了这个第二版腕带形态的 Embrace,

44:35对吧,用于癫痫管理。

44:39那就是通过 FDA 批准的那个?

44:41是的。

44:42它算是一个「清」。

44:43FDA「clear(许可)」,他们这么说。

44:45抱歉。

44:46不,没关系。

44:46它本质上意味着它被批准上市。

44:49明白了。

44:50说句题外话,那做起来有多难?

44:52它本质上是为计算机科学技术

44:54获得 FDA 批准。

44:57它太煎熬了。

§06原文文稿 · 44:58–54:07

44:58它比在顶级医学期刊上发表多篇论文

45:01难得多。

45:04是啊,我们在同行评审的

45:05顶级医学期刊《神经病学》上发表了最好的结果,

45:08而那对 FDA 来说还不够好。

45:10那个系统,

45:12所以如果我们看医学期刊的同行评审,

45:14有缺陷,也有长处,

45:16那 FDA 的审批流程,

45:19它和同行评审流程相比如何?

45:21它有那种长处吗?

45:23我任何时候都选同行评审而非 FDA。

45:25但那是好事吗?

45:26那对 FDA 是好事吗?

45:28你是说,它是否阻止了一些惊人的技术

45:31通过?

45:32是啊,它确实会。

45:33FDA 扮演着一个非常重要的好角色,

45:36即保障人们的安全。

45:37他们让各种东西,

45:39他们让你经过大量安全测试,

45:41而那很好、那很棒。

45:44我完全赞成安全测试。

45:46但有时他们让你经过额外的测试,

45:51他们不必解释为什么让你经过它,

45:54而你不明白你为什么要经过它,

45:56它没有道理。

45:58而那非常令人沮丧。

46:00而也许他们有非常好的理由,

46:04而他们只是,

46:05把那些理由说清楚会对人们是一种帮助。

46:09更透明些。

46:10更透明些。

46:12那么作为 Empatica 的一部分,你们有传感器。

46:15那么我们能攻克什么样的问题?

46:17从癫痫到自闭症,

46:24到我想我听你提过抑郁,什么样的东西?

46:28我们能缓解什么样的东西?

46:29我们能检测什么?

46:30你的希望是,

46:32我们如何能用这种可穿戴技术

46:33让世界变得更好?

46:35我真的很想看到我才华横溢的同行研究者们

46:40退一步说,什么是我们不知道如何解决的、

46:46真正困难的问题,

46:47它们来自那些也许我们在正常生活里

46:50甚至看不到的人,因为他们生活在

46:52贫穷的地方。

46:54他们被困在公交车上。

46:56他们甚至负担不起 Uber 或 Lyft、

46:58或流量套餐,或所有这些我们拥有、

47:02且不断改进的其他美好东西。

47:04与此同时,世界上有所有这些被落下的人,

47:07他们在与可怕的疾病搏斗,

47:09与抑郁、与癫痫、与糖尿病,

47:12与各种糟糕的东西,而也许多一点时间、

47:19多一点注意力去陪伴他们、

47:20去了解他们生活中的挑战是什么?

47:22他们的需求是什么?

47:24我们如何帮他们拥有工作技能?

47:25我们如何帮他们拥有希望和未来、

47:28以及一个过上那种美好生活的机会——

47:31我们这么多造技术的人都有的那种生活?

47:34然后那会如何重塑我们所造的

47:37那类 AI?那会如何重塑我们所造的新应用,

47:41或者也许我们需要聚焦于

47:44如何让东西更低成本、更环保,

47:46而不是一千美元的手机?

47:49我是说,拜托,我们为什么不能多想想

47:52那些为这些人以更少做更多的东西?

47:56生活质量与你手机的成本无关。

48:00它不是,已经有研究表明,

48:03大约七万五千美元收入之后,幸福是一样的,好吧?

48:08然而,我可以告诉你,你从帮助别人中

48:10得到很多幸福。

48:12你得到的远比七万五千美元能买到的多。

48:15所以我们如何把有真实需求的人

48:19与有能力建造未来的人连接起来,

48:21并建造一种真正改善

48:25所有当前被落下之人生活的那种未来?

48:28那么让我简短地回到一个点上,

48:32也许是电影《她》里的。

48:35那么你觉得,如果我们往更远的未来看,

48:37你说过,让我们的技术对我们人类

48:41更有同理心,其好处很大一部分在于让它们

48:46成为更好的工具、赋能我们、让我们的生活更好。

48:50嗯,如果我们往更远的未来看,

48:51你觉得我们会不会创造出一个

48:54我们能爱上的 AI 系统?

48:56一个我们能爱上、它也以一种

49:00类似于人与人互动的层面反过来爱我们的,

49:04像电影《她》里或更进一步?

49:07我觉得我们能以一些方式模拟它,

49:13让它能维持一阵子的投入。

49:17它会和另一个人一样好吗?

49:20我不这么觉得,如果你习惯了好人的话。

49:24现在,如果你从小到大只有虐待、

49:27而你受不了人类,

49:29我们能不能做点什么在那方面帮你、

49:32通过一台机器给你某种东西?

49:34是啊,但那是相当低的门槛,对吧?

49:36如果你只遇到过相当糟糕的人。

49:39如果你遇到过美好、了不起的人,

49:41我们离造出任何那样的东西还差得远。

49:44而我不会押注去造它。

49:49我反而会押注去造那种

49:53有助于算是水涨船高、

49:56帮助所有人成为更好的人、

49:59帮助所有人弄清楚他们明天是否会生病、

50:02并帮着给他们明天保持健康所需之物的 AI。

50:05那是我想造的那种 AI,

50:07它改善人类的生活,

50:09而不是那种只是走上《今夜秀》、

50:11让人们说「哇,看它多聪明」的 AI。

50:14真的吗?

50:15然后它又被放回盒子里,你知道?

50:18所以在那一点上,

50:19如果我们继续稍微往未来看一点,

50:23你觉得一个有同理心、

50:25且确实改善我们生活的 AI,

50:28需要有一个物理的存在、一个身体吗?

50:31甚至让我谨慎地说出那个「意」字——意识,

50:38甚至对死亡的恐惧。

50:40所以其中一些人类特征,

50:42你觉得它需要有那些方面,

50:45还是它可以仅仅保持为一个机器学习工具,

50:50从行为数据中学习、

50:53学习让我们——

50:56基于先前的模式——感觉好些?

51:00还是它需要意识的那些元素?

51:02取决于你的目标。

51:03如果你在拍电影,它需要一个身体。

51:06它需要一个绝美的身体。

51:08它需要表现得像它有意识。

51:10它需要表现得像它有情绪,对吧?

51:11因为那才卖座。

51:13那才会让我出现并享受这部电影。

51:16好吧。

51:17在现实生活中,它需要那一切吗?

51:19嗯,如果你读过奥森·斯科特·卡德的

51:21《安德的游戏》《死者代言人》,

51:23它可以只是你耳环里的一个小声音,对吧?

51:26而你可以拥有一段亲密的关系,

51:28它可以逐渐了解你。

51:29而它不需要是个机器人。

51:34但那没法让这成为一部那么引人入胜的电影,对吧?

51:37我是说,我们已经觉得有点怪,

51:38当一个人在火车上看起来像在自言自语时,

51:41尽管那是耳塞。

51:43所以我们有这些,具身是更有力的。

51:49具身,当你比较与一个

51:51具身机器人的互动、与一段机器人视频、

51:55以及没有机器人相比时,机器人更吸引人。

52:00机器人更能抓住我们的注意力。

52:01当你走进家门时,机器人

52:03更可能让你记得去做

52:05你要求它做的事,

52:06因为它算是有一个物理的存在。

52:09如果你不喜欢它,你可以躲开它。

52:10它能看出你在躲它。

52:12具身有很大的力量。

52:14会有具身的 AI。

52:17它们有巨大的力量、机会和潜力。

52:22也会有不具身的 AI,

52:24它们只是帮我们做不同事情、

52:28可能逐渐了解关于我们一些事情的

52:30小小软件助手。

52:33它们会有意识吗?

52:34会有人试图给它们编程、

52:36让它们显得有意识。

52:39我们已经能写出让它看起来像、

52:41哦,你什么意思?

52:42我当然知道你在那儿,对吧,的程序。

52:43我是说,说那类话是小事一桩。

52:45骗人很容易,

52:48但它真的有像我们这样的意识体验吗?

52:53还没人有一点头绪如何做那个。

52:55那似乎是超出

52:58我们当中任何人现在知道如何建造的东西。

53:01它必须有那个吗?

53:03我觉得没有它,你用很多东西

53:05也能走得相当远。

53:07但我们会给予它权利吗?

53:10嗯,那更是一场政治游戏,

53:13而不是一个真正意识的问题。

53:16是啊,关掉 Alexa 会不会坐牢,

53:18也许是几十年后一次选举的问题。

53:24嗯,索菲亚机器人已经在沙特阿拉伯

53:27被授予公民权利了,对吧?

53:30甚至在女性拥有完整权利之前。

53:33然后那个机器人还是被放回盒子里、

53:36运往下一个

53:39它会有付费亮相的地方,对吧?

53:42是啊,它很黑暗,近乎喜剧,甚至荒诞。

53:50所以我听你谈过你寻找信仰的旅程。

53:54当然。

53:55以及你如何通过读《圣经》发现了一些

54:00关于生命以及生命之外的智慧。

54:03而我也听你说过,

54:05你说科学家常常假设

§07原文文稿 · 54:07–1:00:11

54:07在当前能测量的东西之外什么也不存在。

54:11是啊,唯物主义。

54:12唯物主义。

54:13以及科学主义,是啊。

54:14所以在某种意义上,这个假设使能了

54:17近期的科学方法,

54:20假设我们能用我们当前拥有的

54:25测量机制揭开这个世界的奥秘。

54:28但我们很容易忘记我们做了这个假设。

54:33那么你觉得通过做那个假设,我们错过了什么?

54:35(接上)

54:38把科学方法限定于我们能测量、

54:42能推理、能重现的东西,这没问题。

54:47那没问题。

54:49我觉得我们必须认识到,

54:51有时我们科学家也相信

54:53历史上发生过的事情。

54:55比如我相信大屠杀发生过。

54:57我没法用科学证明过去历史里的事件。

55:03你用历史证据来证明它们,对吧?

55:06用它们对人们造成的影响、

55:08用目击者证词之类的东西。

55:11所以一个好的思考者认识到,科学

55:15是获取知识的许多方式之一。

55:19它不是唯一的方式。

55:21而近来有一些真的很糟的哲学

55:24和糟糕的思考,你可以称之为科学主义,

55:27即人们说科学是通往真理的唯一方式。

55:31而它不是,它就不是。

55:33还有其他也行得通的方式。

55:35比如对与某人之爱的认识。

55:38你不通过科学证明你的爱,对吧?

55:43所以历史、哲学、爱,

55:48生活中许多其他的东西向我们表明,

55:50除了科学之外,还有更多获得知识和真理的方式,

55:55如果你愿意相信有这么一种东西的话,

55:57而我相信有,比科学更多的方式。

56:01我信,然而我是个科学家。

56:03而在我的科学里,我确实把我的科学

56:05限定于科学方法能做的事。

56:09但我认识到,说「那就是全部」

56:11是短视的。

56:13没错,就像你列举的,

56:15有所有那些「为什么」的问题。

56:17而说真的,如果我们对自己诚实,

56:20相对于全部的奥秘,我们真正知道的百分比

56:25基本上是零……

56:28测度论,一个测度为零的集合,

56:30如果我拥有有限量的知识,而我确实如此。

56:34那么你说你相信真理。

56:37那让我问那个老问题。

56:40你觉得这一切是关于什么的?

56:42地球上的生命是什么?

56:44生命、宇宙,以及一切?

56:46以及一切,意义是什么?

56:47我忍不住要引用道格拉斯·亚当斯的 42。

56:49它是我最喜欢的数字。

56:51顺便说,那是我的门牌号。

56:52我丈夫和我为我们的房子猜了完全相同的数字,

56:54我们可以挑它。

56:57而我们挑 42 是有原因的,是啊。

57:00那么它只是 42,还是你有

57:02能围绕它说的其他词?

57:05嗯,我觉得有一场宏大的冒险,

57:07而我觉得这一生是它的一部分。

57:09我觉得它比这里眼睛、心、

57:12头脑和灵魂所看到的

57:14要多得多。我觉得在这一生中我们是透过一面昏暗的镜子去看。

57:18我们只看到所有可知之物的一部分。

57:22如果人们没读过《圣经》,他们应该读,

57:25如果他们自认为是受过教育的,

57:27你可以读《箴言》,

57:30并在其中找到无法用科学证明的

57:33巨大智慧。

57:35但当你读它时,你里面有某种东西,

57:38就像一个音乐家知道乐器奏得对、

57:41奏得美的时候。

57:42你里面有某种东西活了过来、

57:45并知道那里有一个真理,

57:47就像你的琴弦是被大师、

57:50而不是被我拨动的,对吧,我拨它时奏出的样子。

57:54但大概当你弹时,它听起来很壮观,对吧?

57:57而当你遇到那些真理时,

58:01你里面有某种东西在歌唱,

58:03并知道有比我能用数学证明、

58:06或能给计算机编程去做的

58:09更多的东西。

58:11别误会我,数学很美。

58:13计算机编程可以很出色。

58:16它鼓舞人心,对吧?

58:17我们想做更多。

58:19这一切都不会压抑我做科学、

58:21或通过科学获取知识的欲望。

58:23我根本没有贬低科学。

58:26我对科学所能做的愈发满怀敬畏,

58:29因为我对我们所不知道的一切愈发满怀敬畏。

58:33而说真的,在科学的核心,

58:36你必须有一种信念:有真理,

58:38有某种更伟大的东西有待发现。

58:41而有些科学家也许不想用「信仰」这个词,

58:44但正是信仰驱动我们去做科学。

58:47是对「有真理」的信仰,

58:49信有某种我们不知道、

58:52但值得知道的东西,信它值得努力,

58:56信有意义,

58:58信有「意义」这么一种东西,

58:59而顺便说,科学也无法证明那个。

59:02我们必须算是从一些假设出发,

59:04即有真理和意义这样的东西。

59:06而这些真的是哲学家所拥有的问题,对吧?

59:10这是他们的地盘,

59:11在某种层面上是哲学家和神学家的。

59:14所以这些是科学……

59:19当人们声称科学会告诉你一切真理时,

59:23那有一个名字。

59:23它是它自己的一种信仰。

59:25它是科学主义,而且它非常短视。

59:29是啊,外面有一个大得多的世界有待探索,

59:32以一些科学也许,

59:34至少就目前而言,不允许我们探索的方式。

59:37是啊,而且有意义、目的、希望、

59:40喜悦、爱,以及所有这些了不起的东西,

59:43它们也让这一切都值得。

59:45我觉得没有比这更好的收尾方式了,罗斯。

59:47非常感谢你今天与我交谈。

59:49谢谢你,莱克斯,何等荣幸。

59:50很棒的问题。

— 读到这里,多懂一点。 —