科技反噬论：人类蜗居“云端”，算法蚕食世界(5)

如今的时代，我们有各式各样的可穿戴设备。我们天真地认为，自己的身体能够像这些设备一样，被升级、被优化。这些设备记录着我们的位置、心跳，甚至是脑电波。
厂商不停地劝说，让我们在睡觉的时候也戴着这些手表、手环，以便记录睡眠数据。那么，这些数据都去哪儿了，它们到底属于谁，什么时候才会被公布？我们清晨的梦境、午夜的恐惧、奔跑时的汗水…那个没有防备下的自我本质，如今变成了系统升级的佐料；而我们自己，却对此一无所知。
或者说，流氓算法无处不在。贫富差距加剧、国家解体、边境军事化、个人自由被削弱、极右翼团队的崛起、自然环境的退化……这些也许不是新技术带来的直接影响；但是，正是因为我们无法正确认识技术增强的复杂性，加速了个人和公司行为的广泛性和网络性，于是才导致了这些后果。
1997年的纽约，世界象棋冠军Garry Kasparov与IBM设计的深蓝（Deep Blue）第二次对弈。当Kasparov落败时，他表示，深蓝的一些动作聪明且充满创意，必定是人为干预的结果。然而，事实并非如此。
深蓝的一举一动，靠的是那块拥有1.4万超并行结构的芯片，能够每秒分析出2亿个棋盘落子点。即使Kasparov深谋远虑，然而一柄长枪难敌一营火炮。

时间线来到了2016年，谷歌的AlphaGo迎战韩国专业选手李世石。在第二场比赛时，AlphaGo做了一个让对手颇为吃惊的举动，其将子落在了距离棋盘中心相对较远的位置。评论员说道：“这个举动太奇怪了。”曾败在AlphaGo手上的Fan Hui表示：“我还以为是系统出错了，一般人类不会这么下。”
后来，AlphaGo赢得了这场比赛，以及后来的系列赛事。AlphaGo内嵌一个神经网络，里面拥有数百万个专业棋手的落子数据。此外，工程师还让Alphago自我练习数百万次。因此，其生成的落子策略会优于人类棋手。但是，Alphago自己是很难分辨清楚这些策略的：我们知道它落子的位置，却不知道它落子的原因。