从算筹到AI：为何现代预测技术令人不安

法国数学家皮埃尔-西蒙・拉普拉斯曾提出过一个著名假设，即“拉普拉斯妖”。

在他看来，只要数据量足够庞大且算力强大，人类便能掌握全知全能的认知。

若能洞悉宇宙中每一个粒子的精确位置与动量，并通晓所有自然法则，那么未来便能被绝对精准地预知。

这种不确定性终将不复存在。正如拉普拉斯所描述的那样：

设想一种智慧，能瞬间洞察赋予万物生命的所有力量，以及构成万物的所有状态——这种智慧强大到足以分析所有数据——那么它便能通过一个公式，涵盖宇宙中最大天体与最小原子的运动；对它而言，不存在不确定性，未来与过去一样，都清晰可见。

人工智能的支持者未必会直白地说出这番话，但当他们狂热推崇机器学习与海量数据的力量时，实际上是在暗示这些技术正让我们无限接近拉普拉斯妖的构想。

他们的逻辑是：只要收集到每一个数据点，并构建足够强大的算力进行分析，就能预测此前无法预见的事情。

这种预测能力有望彻底革新所有知识领域，无论是医学、气候变化还是政治，无一例外。

受这种幻想驱使，量化者正在追踪你的一举一动：记录、制表、穷尽式地分析你的喜好与恶习，对你的数据进行百般“拷问”，直到它“招供”出所有信息。

无论你是开车、上网搜索、运动、发生亲密行为、饮酒、抽烟、旅行、睡觉、与亲友交谈、刷社交媒体、就医、玩网游、阅读、看电视，甚至只是呼吸，都处于被追踪的状态。

我们用量化术语来应对和谈论恐惧：患癌的概率、被抢劫的概率、地震发生的概率、下一场大流行的概率、气候变化导致地球不再宜居的概率、另一场世界大战爆发的概率。

人们渴望利用人工智能战胜不确定性的狂热乐观并非毫无根据。

计算机、数据和统计学已经带来了无数令人惊叹的突破。

“炸弹机”破解了纳粹的恩尼格玛密码；

在医学领域，回归分析在识别疾病风险因素方面发挥了关键作用；

大型主机为商业带来了新洞察，集中式数据处理实现了实时交易处理与可扩展性；

制造企业能够监控整条供应链的生产效率，识别瓶颈环节，优化资源配置。

20世纪80年代，个人电脑问世。

90年代至21世纪初，互联网和云计算兴起，进一步提高了数据的可获取性和处理能力。

2010年代成为转折点，在大数据和GPU等升级硬件的推动下，深度学习得以实际应用。

算法的不断进步为机器学习——也就是这台“预测机器”——铺平了道路。