第10章
驯服复杂性

《美国谍梦》（The Americans）是一部关于冷战的电视剧集，其故事背景设定在20世纪80年代的美国华盛顿特区。剧中有一台在联邦调查局的办公室之间派发邮件和机密文件的机器。20世纪80年代就存在这样一部自主运载工具，乍看之下令人惊奇。但它其实早在此前10年就上市了，名叫“移动邮件”（Mailmobile）。

为了给“移动邮件”指路，技术人员要先铺设一条能穿透地毯且发出紫外光的化学小径，从邮件室一路通向不同的办公室。机器人使用传感器缓缓地沿着小径（以每小时不到1英里的速度）前行，直到化学标记指示其停止。“移动邮件”的成本约为10000到12000美元（差不多等于现在的50000美元），如果支付额外费用的话，公司还可以再附加一套检测小径上障碍物的传感器。如果没有这套附加的传感器，它就会直接发出哔哔声，提醒人们自己要来了。如果办公室原本需要一个人用两小时来派发邮件，那么，“移动邮件”只需20分钟就可完成同等工作量，且其间不会留在办公室里聊天打趣。

邮件机器人需要提前仔细规划。为了配合机器人的运作，办公室里甚至需要做一些简单但也许价格不菲的调整。它只能应付环境中出现的少量变数。

即便到了今天，世界各地的许多自动化铁路系统仍有着烦琐的安装要求。例如，哥本哈根地铁没有司机，但它能运转是因为列车运行在精心规划的环境里，为数不多的传感器会将周遭环境告知机器人。

这些局限是大多数机器和设备的共同特征。依照设计，它们只能在严格的环境下运行。与大多数工厂车间的设备相比，邮件机器人显得有些特殊，因为许多办公室可以相对容易地安装它。但是，大多数情况下，机器人只能在严格控制和标准化设置的环境中运行，因为设备无法应对不确定性。

更多“如果”

所有机器（无论是软件还是硬件），本质上都是按照经典的“如果-那么”逻辑编程的。“如果”部分规定场景、环境条件或信息片段。“那么”部分告诉机器怎样处理每个“如果”（外加上“如果否”和“另外”）：“如果检测不到化学路径，那么就停止。”邮件机器人不能看到自己周围的环境，只能在人为减少了“如果”的环境下运行。

如果能够区分更多情况（更多的“如果”），哪怕它并不改变所做的事情（本质上也就是在任何点停止或前行），也能应用于更多的地方。如今，iRobot公司（一家1990年于美国特拉华州注册成立的机器人公司。该公司涉及制造军用机器人、商用机器人、医疗机器人及家用机器人，并以家用自动吸尘机器人——Roomba最为知名。——译注）出品的扫地机器人Roomba就能够这么做，它自由地在房间里“游荡”，依靠传感器来避免掉下楼梯或卡在角落里；它还有一个存储器，以确保及时清扫了全部地面。

如果机器人在室外运作，就需要移动得更慢，避免因地面潮湿而打滑。这时会出现两种可能的情况（或状态）——干燥和湿滑。如果机器人的运动还受更多条件的影响，比如光线是明是暗、有没有人在附近移动、该批邮件里是否有急件、是否可以从松鼠身上碾过去但不得从猫身上碾过去，以及其他更多的因素，并且，如果规则对互动敏感（比如，在黑暗中碾过松鼠没问题，但天亮时则不可以），那么，情况的数量（“如果”的数量）就会大幅增加。

更好的预测可以识别更多的“如果”。有了更多的“如果”，邮件机器人可以对更多情况做出反应。预测机器能够让机器人识别出黑暗中的潮湿环境，20英尺外有人类跑过，正前方有一只猫——这样的条件需要放慢速度；但同样是黑暗中的潮湿环境，同样是20英尺外有人类跑过，正前方是一只松鼠——这样的条件不需要放慢速度。预测机器能让机器人四处移动，而无须按照事先安排好的轨道或轨迹行进。我们这款全新的“移动邮件”可以在更多环境下运行，而且不需要新增环境改造的成本。

如今送货机器人随处可见。仓库里有自主配货系统，它能够预测环境，并做出相应调整。成群结队的Kiva机器人在亚马逊庞大的配送中心运送货物。初创公司正在尝试让送货机器人装载着包裹（或比萨），顺着便道和马路从公司送到客户的家里，再从客户家里回到公司。

如今的机器人能够这么做，是因为它们可以使用复杂传感器接收的数据来预测环境，并接收应对的指令。大多数时候，我们从概念上并不认为这是预测，但从本质上说，它就是预测。随着预测越来越廉价，机器人也会越来越好用。

更多“那么”

据报道，曾获诺贝尔奖的经济学家乔治·施蒂格勒（George Stigler）说过这样一句话：“那些从未错过航班的人在机场花费了太多时间。”（按内森·罗森伯格对作者们所说的，乔治·施蒂格勒这番话说于1991年。）虽然这一奇特的逻辑的确站得住脚，但反方观点也很有力：在机场，你可以像在其他地方一样，把该做的工作做完，或是随意放松一下；早点到机场，避免错过航班，甚至能让你感觉更安心。所以，机场休息室就这么诞生了。为给乘客（或至少是富裕或频繁飞行的乘客）提供一个方便又安静的环境等候航班，航空公司发明了它。休息室的存在是因为你有可能提前到达机场。总是迟到的人只会在换乘班机或航班延误时使用休息室；他们错过飞往巴厘岛的航班时，大概也会在休息室抹眼泪吧。如果你的到达时间不够准确（这是很常见的情况），休息室提供了一定缓冲空间。

假设你的航班是上午10点，航空公司规定你应该提前60分钟抵达。你可以在上午九点抵达并登机。根据上述信息，你应该什么时候出门去机场？

一般而言，你可以在30分钟内赶到机场。所以，你差不多上午八点半出门，但这没有考虑交通拥堵的情况。有一回，本书的三名作者在纽约开会讨论完本书后飞回多伦多。三人在前往拉瓜迪亚机场时碰到了无比糟糕的交通状况，逼不得已，我们去机场的最后一英里是顺着高速公路走完的。所以，额外再加上30分钟是很合理的（如果你讨厌风险，再多预留些时间也无妨）。这下，你早晨八点钟就得出门，但你出门时并不知道当时的交通状况。所以，你往往会在休息室里待上30分钟，甚至更久。

诸如Waze之类的应用可以为你提供从当前位置到机场的准确时间。此类应用程序可以监测实时的和历史的交通情况，预测并更新最快的路线。把它跟Google Now（谷歌即时）搭配使用，再加上其他可显示历史延误情况或对应航班位置的软件，你便可以对自己的航班状况心中有数。总体而言，有了这些软件，你大可以放心依赖预测，它们开辟了新的选择，比如，“除非交通堵塞，否则我可以稍后再出门，径直去登机口”或者“如果航班延误，我稍后再出门”。

更好的预测减少或消除了不确定因素的关键来源，故此也免去了你在机场有个地方候机的必要。更为关键的是，更好的预测引发了新的行为。你不用设定航班离港前两小时从家里出发的硬性规则，而是按照视情况而定的或有规则，判断什么时候从家里出发。这类或有规则就是“如果-那么”语句，有了更多可靠的预测，就产生了更多的“那么”（早点出发，按时出发，或晚点出发）。因此，除了产生更多的“如果”，预测还可以通过增加可行的“那么”来扩大机会。

邮件机器人和机场休息室有一些共同的东西：它们都是对不确定性的不完美解决方案，并且都能为更好的预测所替代。

更多“如果”和更多“那么”

更好的预测可以让你更频繁地预测更多东西，同时减少不确定性。每项新的预测还会产生间接影响：它让你原本不会考虑的选项变得可行了。而且，你不必明确地对“如果”和“那么”进行编码。你可以用例子来训练预测机器。你瞧！从前不被视为预测问题的问题，而今或许可以按照预测问题的方式加以解决了。我们在自己没意识到的情况下做了折中。

这种折中是人类做出决定的一个关键方面。诺贝尔经济学奖获得者赫伯特·西蒙（Herbert Simon）称之为“满意即可”（satisficing）。当经典经济学假设了一种具有超级智慧的存在完美地在做一些理性决策时，西蒙在他的作品里意识到并强调，人类是无法应对复杂性的。因此，他们会追求满意度，尽量达成目标。思考很难，所以人会走捷径。

西蒙是一位博学家。除了诺贝尔奖之外，他还因为“对人工智能做出的贡献”而获得常被称为计算机界诺贝尔奖的图灵奖。他在经济学和计算机领域的贡献是相关的。1976年，他在图灵奖讲座上再次表达了自己对人类的思考，强调计算机“处理资源有限；在有限的时间段、有限的步骤内，它们只能执行数量有限的处理任务”。他认为，计算机就跟人类一样，会采取折中方案，使用户满意即可。

邮件机器人和机场休息室是在缺乏良好预测的条件下追求满意度的例子。这样的例子无处不在。人们需要多练习，多花时间，才能设想出更好的预测带来的可能性。对于大多数人来说，机场休息室是应对不佳预测的解决方案，一旦有了高效预测机器，它们的作用会降低——这么说显得不够直观。我们太习惯折中了，我们甚至无法想到，一些决策是牵涉预测的。

本书前面介绍过翻译的例子。专家们认为自动翻译不是预测问题，而是语言问题。传统的语言学方法使用词典，并结合一定的语法规则来逐词翻译。这就是“满意即可”；因为有太多的“如果”了，其结果很不理想。当研究人员认识到翻译可以逐句进行甚至逐段进行时，它就变成了一个预测问题。

用预测机器进行翻译，涉及预测另一种语言中最可能与之对应的语句。统计数据使计算机可以预测“如果”——根据数据匹配的译文，哪一个句子是专业译员选用概率最大的。很明显，它并不依赖于语法规则。这一领域的先驱弗雷德里克·杰利内克（Frederick Jelinek）评论说：“每当我开除一位语言学家，语音识别器的性能都会随之提升。”显然，这样的发展，不免叫语言学家和译员感到恐慌。其他各种任务，包括图像识别、购物和对话，都可以被视为复杂的预测问题，可通过机器学习的方法处理。

更好的预测促成更复杂的决策，以此降低风险。例如，人工智能近来在实践方面的一项应用是放射学。放射科医师目前所做的大部分工作都是收集影像和识别重大病情。他们预测图像中的异常。

人工智能执行这一预测功能的能力，在准确度上愈发可与人类匹敌，甚至更好，它可以协助放射科医师和其他医学专家做出决策（这些决策将对患者产生影响）。关键性能指标是诊断的准确性：机器能否在患者生病时预测出疾病，在患者健康时预测出没有疾病。

但我们必须思考这些决策牵涉到些什么。假设医生怀疑是肿块，且必须决定用某种方法来检测它是否为癌变。选择之一是医学成像。另一种选择需要开刀，比如活检。活检的优势在于，它有更大概率提供准确的诊断。活检的问题当然也很明确，它需要开刀；因此，如果病情严重的概率较低，医生和患者都倾向于避免活检。放射科医生的工作之一，就是为不做开刀的手术提供理由。理想的做法是，执行一套流程，以确认严重的诊断。活组织检查是一项保险措施，针对的是对致命疾病不做治疗的风险。但活检是有代价的。进行活组织检查的决定取决于活组织检查本身的成本和开刀的程度，以及忽视这一疾病的后果会有多严重。医生根据这些因素来决定是否做活检，毕竟开刀是有身体和金钱成本的。

有了可靠的图像诊断，患者就可以放弃需要开刀的活检。如果没有预测，他们可能采取风险很大的行动。他们不再需要折中了。人工智能的进步意味着不再需要满意即可的方案，也不再需要更多的“如果”和“那么”了。复杂度高了，风险却更小了。这就扩大了选项，改造了决策。

本章要点

※预测的进步令决策者（不管是人类还是机器）能够处理更多的“如果”和“那么”。这带来了更好的结果。例如，以本章介绍的导航（和邮件机器人）为例，预测机器把从前仅能在受控制的环境下运行的自动驾驶车辆解放了出来。控制环境的特点，就在于“如果”（或状态）的数量有限制。预测机器让自动车辆可在非受控的环境下运行（比如在城市的街道上），因为预测机器不再需要提前把所有可能出现的“如果”进行编码，而是学会预测人类操作员在特定情况下会怎么做。

同样，机场休息室的例子说明，预测的增强如何促成了更多的“那么”（如根据对特定日子特定时段前往机场要花多长时间的预测，“那么，X时、Y时或Z时再出门”），而不再总是需要提前出门“以防万一”，以致在机场休息室等待较长时间。

※没有良好预测的时候，我们会依照“满意即可”的策略，根据可用的信息做出“足够好”的决策。总是提前出门抵达机场，却常常因为早到而等待较长时间，这就是个“满意即可”的折中方案。这一解决方案并非最优，但考虑到可用的信息，它足够好。邮件机器人和机场休息室都是旨在回应“满意即可”而出现的发明。预测机器将减少对权宜之举的需求，减少投资此类解决方案（邮件机器人系统和机场休息室）的收益。

※我们十分习惯在商业和社交生活里做出满意即可的决定，所以，要多实践，才能想象出预测机器能处理更多“如果”和“那么”（从而得以在更为复杂的环境下做更复杂的决定）所带来的更大范围的可能。对大多数人来说，机场休息室是应对错误预测的解决方案，它们在强大的预测机器出现的时代里会贬值——这并不直观。进行活检是另一个例子，活检的存在主要是为了回应医学影像预测的弱点。随着预测机器的信心不断提升，医学成像人工智能对活检相关工作所产生的影响可能会越来越大，因为，跟机场休息室一样，活检是一种代价很高并需要开刀的手术，是为了应对预测失误而发明出来的。机场休息室和活检都是风险管理式解决方案。预测机器将带来更好的新方法来应对风险。