隨著人工智能新技術(shù)，特別是機(jī)器學(xué)習(xí)的出現(xiàn)，我們的“智力信用額度”被提高了。機(jī)器學(xué)習(xí)系統(tǒng)在數(shù)據(jù)海洋中識(shí)別模式，并借助這些模式來(lái)解決一些模糊開(kāi)放的問(wèn)題。例如，提供一個(gè)有關(guān)貓和其他非貓科動(dòng)物的標(biāo)記圖片數(shù)據(jù)集，機(jī)器學(xué)習(xí)系統(tǒng)就學(xué)會(huì)了如何識(shí)別貓。同樣地，讓系統(tǒng)訪問(wèn)醫(yī)療記錄，它就可以嘗試預(yù)測(cè)一個(gè)新入院病人的死亡可能性。

然而，大多數(shù)的機(jī)器學(xué)習(xí)系統(tǒng)并沒(méi)有發(fā)現(xiàn)因果機(jī)制（causal mechanisms）?；诮y(tǒng)計(jì)相關(guān)性引擎的機(jī)器學(xué)習(xí)系統(tǒng)無(wú)法解釋為什么它們認(rèn)為某些患者更有可能死亡，因?yàn)樗鼈儾⒉豢紤]數(shù)據(jù)的含義，而只是提供結(jié)果。當(dāng)我們將這些系統(tǒng)融入日常生活時(shí)，我們將共同承擔(dān)越來(lái)越多的智力債務(wù)。

制藥領(lǐng)域的發(fā)展表明，在某些情況下，智力債務(wù)是不可或缺的。那些我們并不理解的干預(yù)措施已經(jīng)挽救了數(shù)百萬(wàn)人的生命。很少有人會(huì)因?yàn)椴磺宄渥饔脵C(jī)制而拒絕服用拯救生命的藥物，如阿司匹林。但是，智力債務(wù)的增加也會(huì)帶來(lái)不好的結(jié)果。隨著具有未知作用機(jī)制的藥物激增，發(fā)現(xiàn)不良反應(yīng)所需的測(cè)試數(shù)量呈指數(shù)級(jí)增長(zhǎng)。

如果清楚藥物的作用機(jī)制，就可以預(yù)測(cè)其不良反應(yīng)。在實(shí)踐中，藥品間的相互作用往往是在新藥上市后才發(fā)現(xiàn)的，這就形成了一個(gè)循環(huán)。在這個(gè)循環(huán)中，藥物先被上市，然后被遺棄，期間還伴隨著集體訴訟。通常，伴隨著新藥產(chǎn)生的智力債務(wù)有一定的合理性。但是智力債務(wù)并不是孤立存在的。在不同領(lǐng)域發(fā)現(xiàn)和部署的沒(méi)有理論基礎(chǔ)的答案，會(huì)以不可預(yù)測(cè)的方式使彼此交錯(cuò)復(fù)雜化。

Inception系統(tǒng)顯然無(wú)法解釋究竟是哪些特征使其能夠判斷一只貓是否真的是貓，因而當(dāng)提供特制或損壞的數(shù)據(jù)給系統(tǒng)時(shí)，也很難預(yù)測(cè)系統(tǒng)是否會(huì)出現(xiàn)失誤。這些系統(tǒng)在準(zhǔn)確性上存在的未知漏洞，無(wú)疑給了攻擊者機(jī)會(huì)。伴隨著機(jī)器學(xué)習(xí)系統(tǒng)所生成的知識(shí)的使用，這些差距也就隨之產(chǎn)生了。一些醫(yī)療AI經(jīng)過(guò)訓(xùn)練后已經(jīng)能分辨出皮膚腫瘤是良性還是惡性。

然而，就像哈佛醫(yī)學(xué)院和麻省理工學(xué)院的研究人員通過(guò)改變圖片的某些像素騙過(guò)系統(tǒng)，讓其做出錯(cuò)誤的判斷，攻擊者也可能會(huì)利用這些漏洞實(shí)施保險(xiǎn)欺詐。在人工智能系統(tǒng)預(yù)測(cè)能力的誘惑下，我們可能會(huì)放棄自身的判斷。但是系統(tǒng)存在著被劫持的可能，而我們沒(méi)有什么簡(jiǎn)單的方法來(lái)驗(yàn)證其答案的正確性。

既然如此，我們能否能為智力債務(wù)創(chuàng)建一個(gè)資產(chǎn)負(fù)債表，從而跟蹤那些無(wú)理論知識(shí)的用途呢？如果一個(gè)AI生成了一個(gè)新的披薩配方，那么你無(wú)需多言，盡管享用便是了。然而，當(dāng)我們要用AI進(jìn)行醫(yī)療健康方面的預(yù)測(cè)推薦時(shí)，我們就希望得到充分的信息。

機(jī)器學(xué)習(xí)系統(tǒng)單獨(dú)來(lái)看會(huì)持續(xù)產(chǎn)生有用的結(jié)果，但是這些系統(tǒng)并不是孤立存在的。這些AI收集并提取整個(gè)世界的數(shù)據(jù)，同時(shí)也產(chǎn)生著自身的數(shù)據(jù)，而其中很大一部分會(huì)被其他機(jī)器學(xué)習(xí)系統(tǒng)所使用。就像具有未知作用機(jī)制的藥物有時(shí)會(huì)相互作用一樣，那些背負(fù)智力債務(wù)的算法也是如此。

每個(gè)賣家策略的設(shè)定都很理性。但正是他們算法的相互作用產(chǎn)生了不合理的結(jié)果。數(shù)以千計(jì)的機(jī)器學(xué)習(xí)模型在不受監(jiān)管的情況下進(jìn)行互動(dòng)所產(chǎn)生的結(jié)果更是難以預(yù)測(cè)。早已部署了尖端機(jī)器學(xué)習(xí)系統(tǒng)的金融市場(chǎng)是此類問(wèn)題的溫床。去年秋天，摩根大通（J. P. Morgan）分析師Marko Kolanovic認(rèn)為金融市場(chǎng)的崩潰很容易再次發(fā)生，因?yàn)楝F(xiàn)在的交易大多基于自動(dòng)化系統(tǒng)。智力債務(wù)在這些系統(tǒng)的相互作用下不斷累積，盡管有時(shí)它們并不是正式關(guān)聯(lián)的。如果沒(méi)有類似于資產(chǎn)負(fù)債表這樣的東西，我們就無(wú)法預(yù)測(cè)或者回溯這些智力債務(wù)是否值得承擔(dān)。

智力債務(wù)的增加也可能改變我們對(duì)基礎(chǔ)科學(xué)和應(yīng)用技術(shù)的思考方式。與那些由政府支持，由學(xué)術(shù)研究機(jī)構(gòu)運(yùn)營(yíng)的大型資本項(xiàng)目（如粒子加速器等）不同，機(jī)器學(xué)習(xí)工具很容易被私營(yíng)企業(yè)或?qū)W術(shù)界所使用。

“與這篇論文相比，概念性論文或者提出新理論假設(shè)的論文的聲望要低得多”，他在接受采訪時(shí)說(shuō)到。在機(jī)器學(xué)習(xí)使得發(fā)現(xiàn)速度加快的時(shí)代面前，那些理論家們顯得那么無(wú)關(guān)緊要，甚至是多余的存在。與創(chuàng)建機(jī)器學(xué)習(xí)模型方面的專業(yè)知識(shí)相比，對(duì)特定領(lǐng)域的知識(shí)的重視程度自然也會(huì)降低。

金融債務(wù)將控制權(quán)從借方轉(zhuǎn)移到了貸方，從未來(lái)轉(zhuǎn)移到了過(guò)去。而不斷增加的智力債務(wù)也可能轉(zhuǎn)移控制權(quán)。一個(gè)充斥著不經(jīng)理解的知識(shí)的世界會(huì)變成一個(gè)沒(méi)有明顯因果聯(lián)系的世界，而我們只能依賴于我們的數(shù)據(jù)管家來(lái)告訴我們?cè)撟鍪裁?，什么時(shí)候做。例如，一個(gè)大學(xué)的招生委員會(huì)可能會(huì)將辛苦和不確定的人員篩選交給機(jī)器學(xué)習(xí)模型。這種方式可能會(huì)優(yōu)化新生群體，不僅是為了學(xué)業(yè)上的成功，還可以帶來(lái)和諧的人際關(guān)系以及校友的慷慨捐贈(zèng)。再者，我們理解這個(gè)世界的唯一方法可能就是采用我們的AI系統(tǒng)，通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)微調(diào)我們的社交媒體資料，這樣我們就能夠完全“融入”社會(huì)。