利用人工智能提升想象力

马丁·里维斯 杰克·富勒

机器会想象吗？我们通常认为计算机是通过我们给它的指令进行计算，得出结果的。我们不认为计算机具备我们所定义的想象能力：感受意外、形成反事实思维，或探索全新的可能性。然而谷歌人工智能团队中一名杰出的科学家布莱斯·阿古拉·伊·阿卡斯（Blaise Ag era y Arcas）进一步突破了运算的边界，他开创的一种算法可以让电脑做出极富想象力的事情，这令人大开眼界。（参见副栏“谷歌人工智能绘制的小鸟图片”）

阿古拉·伊·阿卡斯及其团队开发了一个识别鸟类的算法，然后让它按照自己对鸟类的理解创造出一些关于鸟的新图片。在采访他的时候，我们请教他这一切与想象力有何关联。用他的话说，人工智能在开拓一种“流型空间”，即一个集合了所有可能被我们称为“鸟”的概念空间，类似于我们的想象力对不太荒诞的反事实可能性进行探索的方式。“这些神经网络按照我们给它的训练材料找到某种事物的流型空间，然后它可以畅游其中，生成许多看起来完全有道理的事物。”

近来人工智能似乎正在逐步攻陷我们所说的想象力领域，这就提出了一个问题：计算机是否最终会在想象力的领域内也取代人类呢？

如今的人工智能所输出的某些东西看起来似乎就是想象力的产物，这是否意味着人工智能将取代我们的想象力呢？回答这个问题之前，不妨先来看一些例子。

艺术家马里奥·克林格曼（Mario Klingemann）要求一个名为“生成预训练转换器-3”（Generative Pretrained Transformer-3， GPT-3）的人工智能文本生成器，用英国讽刺文学作家杰罗姆·杰罗姆（Jerome K. Jerome）的文风写一则关于推特的故事。他僅为GPT-3输入了标题、作者名以及故事开篇的第一个字， 而这个人工智能写出来的内容说是人类大脑的产物也不为过：“让人意想不到的事实是，最后仅存的一种还能引起伦敦人民社交兴趣的形式竟然是推特。我像往常一样前往海边度假时，被这一奇怪的现象惊呆了，我仿佛置身于一只八哥笼中，四处都是鸟儿‘推特、推特’的叽喳声。”

在智能写作领域之外，人工智能还被用于创造一些世间全新的事物。2019年，数字设计与传媒公司AKQA通过人工智能创造出一种全新的体育运动。它让算法学习了400多种运动的规则，在此基础上，这个算法给出了1，000种全新的运动概念。虽然其中很多想法比较离谱，不过团队把名单缩减到10个，并对其中3个做了实地测试，最后从中选出了一个被计算机命名为“速度之门”（Speedgate）的运动（参见副栏“人工智能创造的体育运动”）。

这项运动的某些方面看起来并不陌生，但总体来讲，它具有极高的原创性。速度之门所用的球有点像英式橄榄球，运动员可用手传或用脚踢。每支队伍必须让球穿过中心球门，才有资格在两端球门得分。球穿过两端球门（两边任意一个）可以得两分，如果一名运动员在队友进球后接住它并把它踢回去，则可以得三分。

AKQA真正开展了这项运动，并进行了推广活动，还协助举办了速度之门联赛，现在世界各地都已有这项运动的队伍了。AKQA称其为“世界上首个由人工智能想象出来的运动项目”。

这个例子似乎蕴含了人工智能具有想象力的意味：机器生成许多新的想法，其中一个从反事实假设逐渐变成了现实世界中一个有价值的新事物。这种情况在其他领域也出现过。人工智能已经逐渐开始常规性地执行一些在我们眼中属于“创造性”工作的商业任务了。

自然语言生成工具还被用于专为不同客户定制不同的市场营销内容。在新闻界，彭博新闻社有一个名为“Cyborg”的人工智能工具，它可以通过财务报告数据写出文章的初稿。《华盛顿邮报》通过自主研发的人工智能算法“Heliograf”在一年的时间内创作出850篇报道。

人工智能还被用于药理学，去寻找应对纤维化与癌症的新型分子结构。相比于发明体育运动或创作绘画作品，我们或许觉得药物发明不大能算得上富有想象力的工作，但其实它们的底层实现形式是一样的，都是人工智能从广阔无垠的反事实空间所蕴藏的无限可能中挑选出那些有价值的选择。

从这些例子中我们能得出什么结论呢？软件在产出类似人类创造物的领域中正在大踏步地向前迈进，有些情况下已经创造出了不容小觑的经济价值。因此人类与机器之间的界限的确正在发生变化，而且我们应当预见这一趋势还会继续。

然而，计算机还远远达不到处理想象力的某些基本能力的水平。首先就是因果关系思维模型。GPT-3所谓的神经网络构建在互联网与书籍中的海量信息基础之上（维基百科中的600万篇文章仅占它所学习数据的0.6%）。从表面来看，GPT-3是一种以现实世界中的信息为依据的思维模型，能够生成不太离谱的新奇事物。但GPT-3是一种语言模型，它仅能够表现一串文本接在另一串文本后出现的概率。

人工智能研究人员盖瑞·马库斯（Gary Marcus）与欧内斯特·戴维斯（Ernest Davis）观察了类似GPT-3的系统后表示：“它们学习的并不是这个世界——它们学习的是文本以及人们把不同词语关联起来使用的方式。它所做的事类似于大型的剪切与粘贴工作——在它所见过的文本中将需要变化的地方进行缝补，而不是去深挖这些文本背后的底层概念。”

人工智能还缺乏想象力中另一种最基本的部分：想象的动机。动机指的不仅是推动一个流程启动的动力，而且是对于应当为什么而想象所做的引导——什么是重新思考的重要部分。

人工智能也无法把文字与这个世界关联在一起。正如哲学家大卫·查尔默斯（David Chalmers）所写，GPT-3“做着很多需要了解人类才能做的事，但它从来没能真正把语言与感知和行动联系在一起”。正如我们所见，没有重新聚焦、进入真实世界、经过试验与沟通的想象不过只是个人的憧憬。前文提到的关于体育运动、艺术创作以及新闻媒体的几个例子，都是由人类在计算机运算与真实世界中发挥着桥梁作用。

因此，我们可以得出结论，如果人工智能在没有人类介入的前提下就无法建立因果模型、连通感知與行动，也无法产生渴望或挫败，那么它在短期内便也无法取代人类的想象力。

不过我们能够看到的是，人工智能所创造的东西为人类的思考提供了极有价值的素材，人类可以把机器的输出变成一个有用的结果。这就是另一种看待问题的角度，也是谷歌的阿古拉·伊·阿卡斯向我们强调的一点：“你一定要知道，把人工智能与人类割裂开来的想法是有问题的。如果你把画面推远一点，放眼去看一个更大的社会技术体系，你会发现人工智能只是人类的另一种表达方式。在这个由人类以及人类所发明的一切所组成的巨型机器中，人工智能只是其中的一个部分。”

相比于我们是否会被取代这样的问题，更有意义的问题或许应该是这种庞大的协作体系将如何向前发展。人工智能会以什么样的方式与人类合作并促进我们的想象力呢？

为了对人工智能与人类协作的各种可能性有一个整体的了解，我们可以参考计算机科学家及商业领袖李开复在他的《AI新世界》（AI Superpowers）一书中所示的框架结构图（参见副栏“不同类型的人工智能与人类的协作方式”）。

横轴的两极表示的分别是更偏向于要求效率的职业（充分开发已知领域）与更偏向于要求想象力的职业（探索可能性）。纵轴的两极表示的分别是共情程度（意识到别人的思想状态并做出回应）与系统化程度（建立一套规则体系或在这样的体系下工作）。副栏“人工智能与人类协作中的各种具体角色” 展示的是各种不同的职业在此框架下的分布。

左下象限中主要是在基于规则的体系下对工作效率有要求的职业，比如卡车司机、厨师、会计、机械师或市场分析员。人工智能极有可能接管这些工作。左上象限中的职业需要在熟知的领域内有较强的共情能力，比如护士、售货员、记者或全科医生。这些角色会在核心操作中运用到人工智能，但对结果做出解释以及与人接触等环节将依然由人类完成，比如说人工智能写出的体育报道需要由人类进行修改调整，或高度依赖于人工智能进行数据分析的医生会关注与病患的人性化沟通。

右下象限中的职业处在规则体系下，但需要有反事实思维，比如程序员、工程师、活动策划师或士兵。这些职业将在想象力上与人工智能开展广泛的合作。比如平面设计师，他们对人工智能工具的运用就好像音乐家玩乐器一般。再比如士兵，他们的信息世界由人工智能构建，但他们需要应对各种不可预知的实际情况。最后，右上象限中的职业高度依赖于正确解读他人的能力，同时还要依赖自身的想象力——需要为应对特殊情况去创造新事物，或是对未来的可能性进行探索。这些职业在很大程度上将依然由人类主导，辅以人工智能的支持，例如心理治疗师、职业咨询师、政治家、首席执行官或企业家。

从这个图中，我们可以看到人工智能与人类进行协作的几种方式。人工智能可以把我们从常规性的活动中解放出来；它能够执行许多核心任务，并在此基础上叠加人类的共情能力；或者它可以为想象力提供持续的刺激。

通过人工智能诱导想象 人工智能可以将我们从枯燥的分析工作中解放出来，尤其是异常监测工作，它能够帮我们找到有利于激发想象的意外因素。如自动化分析公司Inspirient的首席执行官格奥尔格·威滕伯格（Georg Wittenburg）所述：“有的东西对算法来说太简单了，就比如异常现象或数据异常值的检测。我们的系统会告诉我们‘该数据集存在14个异常值或14个异常事件——不多也不少——异常清单在此’。”

但算法要服从的一项限制在于，人类依然处于整个框架的核心位置：对某个思维模型来说什么算是异常，这是由人类来设定的。人工智能长于发现，但做不到关切。对系统的设计要把我们认为要紧的事物考虑进去。不过威滕伯格的算法可以通过反复的人机交互与有针对性的分析，去学习掌握人类会对什么感兴趣。

通过人工智能充实想法 人工智能让想象力如虎添翼，它能够推动思维模型的发展进程。有一种类型的人工智能工具叫作“混合主动”交互系统，人工智能通过提出自己的建议对人类的决策进行引导与深化。这类工具目前应用于翻译与客户服务领域。不过我们可以想象这种工具在我们重新思考时会有何作用：当我们想把有关新型医疗保健公司的想法写出来或绘制出来时，人工智能可以用相关数据、类似案例参考、各种图像以及趣闻轶事为我们的想象力提供参考。

通过人工智能与世界碰撞 与人工智能的交互可以是一种介于与人聊天和探索世界之间的活动。我们可以拿着一个早期想法告诉人工智能：“这是我关于新型银行的一个想法，请按照这些要点给我一个财务分析人员可能给出的反馈”或是“……科幻小说作家可能给出的反馈”。当你拿到它给出的结果时，再加码别的要求，比如“现在让它更刺激一点”，或是“现在再增加一点批判性”。

通过人工智能进行传播 想象力所面临的一个核心挑战在于思维模型的沟通比较困难。而人工智能可以通过把抽象的思维模型转化成图像或故事，轻松地帮我们解决这个问题。例如，英伟达公司开发了一种工具，它能够把人类宽泛的、概念性的涂鸦转变成照片级的风景图（参见副栏“人工智能延伸作画”）。

可以想象，若在未来有了这样的技术，我们就能快速勾勒出一个新产品的模样或是一个重新构想下的商业形式。这种工具应该能够对文字或视觉元素进行加工。我们可以把自己对未来公司的想法粗略地画上几笔，输入人工智能系统，然后由人工智能根据一些精彩的故事、过往的先例、其他事物的类比分析以及各种图像参考，完成具体元素的补充，换句话说，通过人工智能的精修与打磨，生成一种能够更加有效地把想法传播开来、启迪他人的东西。

通过人工智能建立新常态 人工智能能够帮我们把一个理念得到成功应用背后所具有的共性特征或者核心特征提取出来，这对于创新事物的规范化与流程化，甚至于开创一种新常态都至关重要。尽管人工智能（还）无法掌握因果关系，但它可以通过规律的识别帮我们在操作手册、解决方案，以及用户操作界面的设计中提供有效的支持。特别是随着客户的产品使用习惯被越来越多地以数据形式捕获，新事物的规则编制就更有方向性了。

比如说，这种方式可以应用到新耕种方法的数据分析上，它可以帮我们确定哪些属于所有情况都适用的特征，并让我们了解农民需要怎么做才能将新方法的潜能发挥出来。再比如说，通过研究某种试验性的教育技术在使用过程与使用结果上的数据，圈定可以应用于新平台的特性范围，并指导人们学会使用这些功能。

我们需要正视的一点是，有了人工智能，一个理念的持续演化会变得更加容易，因为人工智能能够从产品与客户的互动数据中洞察到新的变化，由此不断地对指令与用户界面进行升级。

通过人工智能让想象力重现 最后，人工智能可以帮我们从企业中找出并追踪那些对于保持思维的双重性必不可少的条件。比如说，算法可以对一个公司中出现的互动与尝试数量进行评估，并在此基础上判断这样的公司是否能够将想象力保持下去。或者我们也可以通过人工智能分析现有员工或未来员工的行为与特点，确保公司能够源源不断地收获具有反事实思维的人才。

人工智能能够教给我们什么

除了提升我们自身的想象能力，把一些精力放在开发更具想象力的人工智能技术上或可让我们更有效地了解想象力是什么，以及如何能更好地利用它。无论人工智能技术处于什么样的发展阶段，尝试把想象编译出来的过程，就是我们逼自己把最依赖直觉、最不明确的事物清楚地呈现出来的过程。也许人类更擅长想象，但尝试构建人工想象的过程，或许能让我们对想象在个人层面以及集体层面的发生过程有更多的了解。

这对于集体层面的想象，也就是让整个组织机构充满想象力来说尤为重要。组织架构的设计直到如今依然主要是以协调执行为目的。不过现在出现了一个叫作“组织算法”的全新领域，它把组织机构本身视为一种算法，即某些系统中的执行脚本或指令序列。算法并不一定只能在芯片上运行。企业脚本可以在企业中由相互关联的大脑组成的网络上运行，这个网络就是一个行之有效的神经网络。这样一来，这个问题就变成了：人工智能算法是否能够指导我们组织人类进行集体想象？

这一领域的研究才刚刚起步，但我们或许已经可以从中有所收获了。

通过对抗进行想象 已经在创造性应用程序中得到使用的一种最有趣的人工智能算法叫作“生成对抗网络”（generative adversarial networks， GAN），它通过两种相互对立的网络发挥作用，一种是生成模型，另一种是判别模型。

GAN的工作原理与我们在个人层面与集体层面都探讨过的一个重要主题有关：多重思维以及认知多样性的重要性。把GAN运用到公司层面会是什么情形呢？我们可能需要设置互相牵制的人员网络，一部分人负责创造，另一部分人负责对这些创造进行批判；其中的关键在于，这两方人员应当能够在履行自身职责的同时从对方的身上学习，不断打磨与优化各自的工作结果。这种真人版GAN可以通过游戏、比赛或其他能够制造有效对抗的形式展开，网络中的双方根据对方的输出结果与经验教训不断调整各自的运作方式。

用提示语代替程序代码 如今这些最强大的人工智能算法，比如GPT-3，有一个非常令人欣喜的特性，那就是用户与它们的交互不是通过传统的编程方式来进行的，而是使用提示语。也就是说，人类输入的一条信息就好像一粒种子，它生长成了一个比较长的响应，由此反向激发了人的想象。使用GPT-3时，你还可以对一个叫作“最优”的设置进行调整，它指的是人工智能最终输出的结果数量，人工智能会从中择一显示。

或许我们可以想象把类似的规则运用到组织机构层面。就好比一条提示语能够将人工智能中丰富的知识储备调动起来，一名首席执行官也可以通过文字、图像、视频等方式做出一个提示，让整个公司对其做出响应。这些响应结果或许可以通过人工智能或由中介团队甄选后呈现给决策制定者，进一步激发他们的想象力。整个过程中至关重要的一点就是速度：这么做的目标不是一蹴而就地求得完备的项目提案或制作精良的视频内容，而是要获得快速响应并将其迅速反馈给管理层，不断让其出现在管理层的探讨范围内。

控制“温度” GPT-3另一个能够给人以启发的功能是调节人工智能响应结果的“温度”，也就是偏离高概率响应结果的程度。当你想让人工智能解决一道数学题或一个事实性问题时，应当把“温度”调低：你一定不希望这类型的答案中有过多随意、跳脱的成分。但当你的目的是增加反事实想法时，把“温度”调高就是有道理的。

我们同样可以试想在企业中实践这种做法。理想情况下，企业的领导者应该有能力为企业中不同的部门调试不同的温度，对项目中某些特定的工作流程尤其应当如此。有的公司已经在这么做了，它们设置了一些创意部门专门研究疯狂大胆的项目。不过我们可以推动这种做法，让它成为贯穿整个公司的一种原则。一名经理对他安排下去的每一部分工作都可以设定1～10的温度。对于他要求提供的上季度零售分析报告，可以把温度设为1（“将平常我们关注的事实数据提供给我”）、设为6（“增加一些推测性的探讨”），或设为10（“问一些反事实的问题，并寻找能探索这些问题的新数据”）。

※※※

虽然目前还远未达到由机器取代人类的程度，但两者之间的边界无疑发生了变化。这种变化将会持續下去，而未来也会不断出现新的机会，帮我们更好地理解与利用好想象力。为了让我们做到有备无患，也算是呼应谷歌科学家阿古拉·伊·阿卡斯所说的话，我们应当记住，要把我们自己与人工智能视为社会技术体系中的统一体，而非相互取代的关系。换言之，我们寻求机会去了解与利用想象力，不仅是为了在人工智能与人类之间进行角色分配，更是为了将两者结合，提升想象力的效用。

想象我们与人工智能肩并肩的样子！