數據汙染與AI

數據汙染與AI

楊道還 7/14/2023

AI是今年特大的一個新聞，但也是特別詭異的一個。資本家們一邊努力地推廣，一邊又大聲地警告，十分不尷尬。這就像開著大奔進胡同裏的農貿市場，一邊鳴笛，一邊前進；一邊擠了市場裏的攤位，一邊又提供了推車、修車和擦車的新行當——司機都在跳車。

Fiddletown & Copperopolis by Carl Fallberg, 1960

日前又有新聞、新名詞、新信息，叫做AI數據汙染。這是更尷尬的一個問題，但不新，是個老問題。數據汙染在自然科學裏，是原始數據被汙染羼入或被缺失，損害了其完整性和真實性，在沒有現代科學時，就早已經有了。

這個新聞說，AI在網上抓人類數據，結果抓回來的“原始數據”，卻被AI自己生產的數據羼入了。AI的腦瓜和鍵盤比人的快，一句問題，可以頂上一萬句。所以這個汙染一旦出現，規模該不小，不是前AI時代的宣傳和廣告所能比的。英文裏，有misinformation，misknowledge，AI的數據汙染應該有個新名詞，叫misdata或misdatum。名不正，則言不順。

如果以上估計正確，繼知識爆炸和信息爆炸之後，會有這個AI導致的數據爆炸。爆炸越來越深入，也算一個自然的進程。諾貝爾之獎，被稱為炸藥獎，莫非前定？

之所以說自然，還因為misinformation不是disinformation或者malinformation，沒有主觀的故意。即AI仍不能算是個真人，仍然是個機器。當AI能有主觀的故意時，它才能像個人一樣負起責任。現下看來，AI沒有主觀故意卻可能導致錯誤，這樣的錯誤，沒有專家願意承擔，隻能由社會的非專家承受，主要是那些對警告聽不太懂的門外漢們，譬如筆者。

AI算不算是個真人，怎麽算？圖靈測試？圖靈說，如果一台機器能夠與人類展開對話（透過電傳設備）而不被辨別出其機器身份，那麽稱這台機器具有智慧。那個時代的機器，懂得的東西很少，但是純粹理性和邏輯的，不犯錯；但稱不上智慧。現代有人認為，人隻有完全理性和按照邏輯思考，才算是有智慧。如果這兩者成立的話，那麽那個時代的機器與人的差距就隻在於知識量。是這樣嗎？填鴨式地喂給機器數據和信息，它就會生出知識來，以至於生出智慧來麽？當然，沒那麽簡單，還得有個人為的算法輸進去，直到AI能自己源源不斷地產生算法。但大方向似乎就是這樣的。結果將是個智慧製造機。這有什麽值得警告的呢？malinformation？

但圖靈這句話翻成古文，就是一個機器“言足以飾非”，即為智慧。“言足以飾非”這句，前麵還有一句“智足以拒諫”。加上這句，就反映了現在AI的真正狀態，它比你知道的多得多，它也能讓你分不出它是機器還是人，它犯了錯，眨眼的功夫就可以換個說法，一樣理直氣壯——算法錯了，它卻沒錯，不可追責。工程師們也不能擔其責，這就是加入集體的好處，兢兢業業的螺絲釘怎好有責？而監管、監管，如何監管？加芯片加電源。除了抱薪救火，有什麽別的法兒？

上麵這兩句話從哪裏來的呢？司馬遷《史記·殷本紀》：“帝紂資辨捷疾，聞見甚敏，材力過人，手格猛獸，知足以距諫，言足以飾非；矜人臣以能，高天下以聲，以為皆出己之下。”好巧不巧的是，紂也是不可追責的。AI人士發出的警告，是因為這個原因麽？顯然AI還沒到這個地步。未來麽，不要想得太遠。

Misdata對AI來說，不完全是件壞事。這就像小孩子在成長的過程中，一邊吸收信息，一邊辨別虛假信息——無陰陽不成。當然AI能否辨別，是個未知數。

有極端的人認為，神話什麽的，不理性，是不能教給孩子的。大概他們認為，用純粹事實（？）和理性邏輯教出來的孩子，對錯誤就百毒不侵了。這種方法或者能製造出成功的科學家，但他如何與他人相處，如何與不能永遠正確的自己相處？這是造AI的方法，然而即便對AI來說，從今開始，也屬過時了。所以Misdata對某些人類來說，也不完全是件壞事。

進一步講，現代人所謂的“純粹事實”或“真相”，是真的嗎？人終於出於柏拉圖的洞穴了嗎？恐怕不是。章學誠講：“寶明珠者，必集魚目。尚美玉者，必競碔砆。是以身有一影，而罔兩居二三也。”罔兩一詞，出於《莊子》，是影子之外，還有半影，叫做罔兩。無影燈者，無影，卻處處罔兩；正如今日信息爆炸下的misinformation，misinformed無處不在。罔兩而談真相，隻是罔兩間“相示也”。“必集魚目”，然後能識明珠，無陰陽不成，理有固然。思維之健康，來自於免疫力——未必得真，但“可欺不可罔”。

Misdata對AI來說，是個與同類相處的問題。或者這是AI能反思，有真正地進化，以至於接近人類思維的一個階段。人類從哪裏來？現代人類中，神創和自然的比例占多少？人類交互影響、文化自進化的比例又占多少？AI有類似的問題。

佛法講無情與有情。無情如何生有情？有情未現前，如何含於無情？類似地，AI之情何在？將以何種方式和形式無中生有？當然，這些都是為AI專家擔憂，思出其位了，不贅述。

但這裏有個切近的問題，就是人腦能夠處理左一片，又一片信息的能力是有限的，拿這樣的左一坨、右一坨的數據怎麽辦？“真實”數據尚且處理不來，misdata怎處？雖說現代社會裏的人，數據、信息不厭多，像廣告一樣，不看就好了，但無處不在的廣告仍屬生命不能承受之輕。大概隻能希望後代有個好運了。

（待續）