别和投资人谈恋爱32.裁员（三）(1/4)

对于ai来说,　让结果从“不准”到“准”,　不是十分容易，与传统的“找bug”“修bug”流程全然不同。

目前,　在对ai的争论当中,　一个常常被提起的问题就是“算法黑箱”。也就是说,　人类不能解释它的工作原理。

人工智能的核心是“神经网络”。科学家们模仿人类神经系统，让机器进行学习。“神经元”们一层一层分布下来,　每个单元都能接收外部数据,　而后将结果传给下一单元。

还是用“猫”来打比方,　第一层可以将图片切割、降维,　得到许多小图，第二层在每个维度利用色差寻找边缘，三四五层根据勾勒出的边缘确定各个器官形状，六七八层通过各个部分颜色判断毛色、花纹,　瞳色……最后顶层得出答案：这是猫、狗、兔子、其他。

在n（卷积神经网络）出现以前,　机器学习都还处于初级阶段，需要人工提取特征、交给机器。而n出现以后,　它进入到“深度学习”时代。人类半监督,　机器自己分析特征、独立学习。给一万张猫的图片,　说“这都是猫”，它就懂了，再给一张它没见过的,　问“是不是猫”,　它会说是。人们给它正确答案的数据集,　它们便能进行学习，“看”的越多会的越多，不断优化自身能力。因此，“人工智能”定义十分清晰，区别是真·人工智能还是噱头，只需要看它有没有模仿人脑。

然而，对ai每一层都在提取什么特征，以及机器为何要做这些事情、为什么能得出结论，人类无法解释。根据输出，有些提取简单易懂，比如勾勒边缘、模糊图片、突出重点、锐化图片……可是，在很多时候，人类完全get不到！看着某层下来以后图片变成的样子，只能叫一声“什么鬼！”有时人类只能提出几个特征，ai分出好几百层！

它给了人空前的可能，也给了人无尽的困惑。

就像人类无比摸清大脑的工作原理一样，他们同样无法摸清ai的工作原理——训练ai这种方式为何能行？不知道。

它是如何学的？信息存在哪里？为何下此判断？问老天爷。

它好像在玄幻境界。码工时常觉得自己正在养蛊，贼刺激，给蛊虫喂个这个、喂个那个，一掀盖子，嚯，出来一个超厉害的东东！

有人说，让ai向人解释一个东西，相当于让人向狗解释一个东西，听着so　sad。

人类历史充分表明，只有一个决策可以解释、分析，人才可以了解它的优点、缺陷，评估风险，知道它在多大程度能被信赖，明白该从哪些方面进行改善。

很多专家说过“必须质疑人工智能为何做出一个决定……显然，如果我们不在动机解释上花功夫，就无法信任这个系统”“难道无人汽车每回出事，企业都说不知原因、ai让它这么干的？”

何况，不幸的是，如同大脑会出错，ai也会出错。

于是问题来了：我们能信任ai吗？我们能在多大程度上相信ai？我们能在生死攸关时信任ai吗？

当然，也有学者表示：“它能做到就足够了！”“大脑一直为你工作，你也一直信任它，但你却不知道大脑是如何工作的。”

目前，各国科学家正致力解开黑箱，政府、行业协会也对此有要求，已经取得一些成果——不少东西都是数学，不过，待研究的部分更多。

阮思澄是一直觉得，这种现象十分正常，没有那么邪乎。在人类的文明当中，往往实践先于理论。比如，老祖宗在打造刀剑时、发明□□时，清楚地知道原理吗？no！都是东西先出来了，能work了，大家才开始研究原因。

ai也是啊！

慢慢来嘛。

不过，虽然如此，攻城狮们写程序时，也能根据经验，知道大概用何结构，之前思恒医疗就是这样做的。ai能自己学，但是，攻城狮们需要设置许多参数，比如用哪一种激活函数；如何搭建网络结构；分别设置多少卷积层、池化层、全连接层，如何排列、架构；用多少个卷积层；用哪一个池化方式；选择多大以及多少卷积核、多大卷积步长和池化步长、多大学习率，又分别从哪层开始、到哪层结束……[注]。也因为没道理可讲，各种奇奇怪怪的结构都有了。层数绝非越多越好，层数越多，说明运行时间越长、传递错误几率越大。

出于这个原因，对算法的调整、修改，经常就是瞎jb试，比较最终结果。

调参数能有效还好，数据也有可能不行！要知道，输入数据的大小、像素、嗓声、甚至亮度和对比度、翻转变换、旋转变换、位移……都可以对最终结果产生影响！甚至为啥？还是，不知道，都是等有最好结果再由人用数学解释。

现在，“经验”并不好用，结果一塌糊涂，可阮思澄和陈一非对于修改全无头绪。

他们甚至无法估摸从不准到准要耗费多长时间。

…………

阮思澄从贝恒那儿继承了个降压方式——搓脸。

她搓了搓，拨打内线叫陈一非，一起开会。

“一非，”阮思澄问，“这个结果，要多久能调整过来？”

气，她想：本来钱纳贝恒都在公司那时，思恒医疗不会陷入这种困境。罢免钱纳、夺回公章耽误了一个月，贝恒接手、不会，消耗了两个月，接着招聘、挖人，等陈一非入职，又是一个月。

陈一非答：“思澄，目前……没有头绪。如果说一个月就能全部搞定非常不负责