�[db:标签]�久以前，当[db:标签]��还是一个学生的时候，大多数计算机主机还很庞大，我遇到了一个朋友，他的博士生导师坚持说他个人需要很长时间才能完成。困难的原子理论计算。结果是一页一页一页地写满铅笔的手稿纸和很多错误，而朋友终于因为沮丧而放弃了。一天晚上，他潜入计算机实验室并编写了一段简短的代码来执行计算。然后，他付出了很多努力来复制结果并将其移交给他的导师。

老师说，这是很棒的——，证明您是一位真正的物理学家。在掌握世界脉搏方面，教授并不比普通人聪明。尽管我后来与这个朋友失去了联系，但我了解到，许多人仍然可以在科学事业上取得成功，而无需按照他们的前辈掌握笔的知识。

在讨论社会转型时，通常的做法是专注于对核心至关重要的新技能。但是我们可能应该考虑另一面：什么被遗忘，没关系？在2018年，《 01003010》杂志问了一群年轻科学家，这所学校应该教给下一代什么。大多数受访者表示，我们应该减少记忆时间，并为创意工作开辟更多空间。 随着Internet的力量和广度达到前所未有的水平，为什么要费心记住和记住信息？如果学生可以通过智能手机访问世界的知识，为什么他们必须要求他们用自己的大脑记住很多事情？

文明的发展是通过战略性地忘记以前被认为必不可少的生活技能来实现的。新石器时代的农业革命之后，农民可以忘记大部分林地知识，动物追踪技术和其他狩猎和采集必不可少的知识。在随后的数千年中，当社会工业化时，阅读和写作的重要性变得显而易见，而播种和收获的知识则被抛弃了。

我们中的许多人现在都在没有智能手机的情况下丢失了GPS。接下来会发生什么？无人驾驶汽车的出现会否使我们不需要学习驾驶？许多语音识别AI可以分析大多数日常对话。我们会忘记如何拼写吗？这重要吗？

毕竟，大多数人不再知道如何种植所需的食物或建造我们所居住的房屋。我们不知道如何饲养动物或旋转，甚至不知道如何更换点火装置。汽车。但是大多数人不需要知道这一点，因为我们都是社会心理学家所说的“交互式记忆网络”的成员。

我们通过“对话”，“阅读”和“写作”与“记忆伙伴”社区一起不断参与“记忆迁移”。作为该系列网络的成员，大多数人不需要记住大多数事情。这不是因为知识被完全遗忘或丢失，而是因为其他人或其他人负责保存这些知识。我们只需要了解应该问谁去哪里或去哪里。这种继承的合作行为才华是进化的礼物，极大地扩展了我们的有效记忆。

但是，有一个新现象，那就是，许多智能机现在正进入我们的内存合作伙伴行列。但是，诸如GoOGle搜索之类的AI在这一排名上尤其不同。它更像是“即时响应伙伴”，可以随时响应。它使我们能够访问所有人类知识清单的很大一部分。

研究人员注意到现状中存在许多陷阱。例如，我们的祖先与其他人类团体（对等存储网络）一起发展。但是，来自他人的信息不可避免地会产生带有主观动机的多种形式的偏见或推理。其他人的行为会像掩盖或强硬的话。他们也可能出错。我们已经学会了如何敏锐地对待其他人和自己的谬误。但是，人工智能算法的显示使许多人相信这些算法必定是正确的和``客观的''。简而言之，这是一种神奇的思维。

当今最先进的智能技术还通过反复的测试和评分流程进行了培训，测试它是否有意义并确定正确的答案，最终要依靠人力。鉴于必须在特定的数据集中训练机器，因此需要对某人进行比较。该算法倾向于加强我们对种族，性别和许多其他事情的偏见——。截至2017年，亚马逊使用的内部招聘工具就是一个典型案例：该公司发现，基于其内部人力资源部门的决策制定的算法可以系统地消除女性候选人的问题。如果我们的警惕性还不够，那么AI超级合作伙伴将成为超级顽固派。

另一个难题与获取信息的难易程度有关。在非数字领域，您需要找到其他人或去图书馆获取信息。我们知道别人或书中蕴含的知识，您自己的心灵中蕴藏的知识。但是研究人员发现，互联网的快速响应能力可能导致错误的信念，即我们寻求的知识已经成为我们所知的一部分。

以上结果可能反映了我们对思维开阔的直觉，哲学家戴维·查默斯（David Chalmers）和安迪·克拉克于1998年首次提出了这一概念。 他们认为，我们应该将思想理解为不仅包含在物理大脑中的事物，还可以向外扩展以包含有助于记忆和推理的事物：例如记事本，铅笔，计算机，平板电脑，甚至是网络云存储等等。

随着我们越来越能够无缝地获取外部知识，我们可能正在开发更广泛的“ I” ——，这是一种自我形象的潜在个性，被放大并带有记忆中的知识。在网络中已经模糊。如果是这样的话，脑机交互界面，甚至是大脑与大脑的交互界面会发生什么？也许通过神经植入？这些技术目前主要针对闭锁综合征，心脏病，高度肌萎缩性侧索硬化症（ALS）或运动神经元疾病（MND）的患者开发。但是，一旦这项技术变得完美，它的普及很可能极大地提高——作为竞争环境中的性能改进工具。

一种新型的文明已经出现，其机器智能得到高度发展，访问点无处不在，我们可以将其添加到高效的人工存储网络中。即使有了植入物，我们获得的大多数知识也将不再存储在“升级的”半机械大脑中，而是远程存储在多服务器存储库中的——中。 如今，每个Google搜索平均要经过1500英里，到达数据中心然后返回。瞬间，从启动到响应的整个过程完成，大约使用了1000台计算机。但是，对网络的依赖也意味着一系列新的漏洞。诸如食物或能源之类的任何崩溃的关系网络都将是灾难性的。没有食物，我们将饿死，没有能量，我们将被冻结。记忆力的广泛丧失也将导致许多文明陷入陷入一夜之间回到黑暗时代的危险。

但是，即使据说这台机器发人深省，但人类和机器的思维方式却大不相同。即使机器不比我们客观，我们也有对抗的力量。通过与人类AI团队的合作，我们可以使国际象棋更好，并做出更好的治疗决策。在这种情况下，为什么不能使用智能技术来帮助学生学习？

技术具有改善教育，极大地扩大可及性以及增强人类创造力和福祉的潜力。许多人正确地认识到，在发生巨大变化的前夕，他们处于文化防御气氛中。教育工作者可能会逐渐学会与AI合作伙伴一起成为更好的老师。但是在教育领域，与国际象棋或医学诊断不同，学生不是知识专家。作为无所不知的记忆合作伙伴，人工智能可以轻松地充当拐杖，并教导一群认为自己可以独立行走的学生。

正如我的物理学家朋友的经验所表明的那样，记忆是自适应的且可进化的。 某些演变不可避免地会涉及忘记旧的方式来腾出时间和空间来获得新的技能。鉴于旧的知识形式仍然保留在我们的网络中，并且我们可以在需要时找到它们，因此它们可能并未真正被遗忘。话虽这么说，随着时间的流逝，一代人在面对另一代人时总是变得陌生。这个过程很慢，但是毫无疑问。

本文的作者吉恩·特雷西（Gene Tracy）是美国弗吉尼亚州威廉和玛丽学院物理学院的教授。

（翻译：琳达）

……………………

| ᐕ)⁾⁾ 更多精彩内容与互动分享，请关注微信公众号“界面文化”（ID：BookSAndFun）和界面文化新浪微博。

来源：Aeon

原始标题：如果我们训练机器以记住