当一切都能储存在大脑里，烂笔头还有用吗（下）| 科幻小说(19)

我阅读了许多哲人的文集，发现隐藏在人类进步乃至进化中的那一丝线索，归根结底是矛盾。在有些人那里，矛盾伴随人类的发展呈螺旋形扩散，纠结的东西越来越多，随着对新问题的解决，人类持续发展。在另一些人那里，上升的螺旋形是逐渐收敛的，人类把矛盾归类解决，最终会发现统一模式，一个大一统的矛盾，而人类的终极任务就是解决这个最终矛盾。还有人采取折衷方法，认为螺旋的每个阶段都有各自的矛盾，人类能够持续不断解决当前阶段的矛盾，但这些矛盾并没有毁灭，而是转化成更高阶段的产物，人类就得继续往上攀登，直至永恒。
狐不喜欢那么抽象的东西，在他看来，矛盾之所以产生，是因为人类对一种已经存在、却缺乏认知的问题抱有模棱两可的解法。只有当最优解被找到，人类才能克服当前矛盾。而寻找最优解的过程，就是人类进步甚至进化的过程。
狐最感兴趣的仍然是图灵测试。即使新脑已经普及到每个人，但旧脑依然在关键问题上拥有必要价值。如果用一句话说出新旧脑的分工，那就是新脑让人生存，旧脑让人存在。狐惊讶于在算法及模型如此普及发达的时代，新脑在处理许多常识时仍然存在偏差。

几百年前，计算机在处理加了噪点的图片时会遇到人类无法想象的麻烦。经典测试是，让受测者先观测一把红色口琴，之后观看一张照片。照片里还是这把口琴，只不过放在一束柔和蓝光下。当人类作为受测者，不出意外都能很快说出照片里的口琴与之前亲眼看到的是同一把。但计算机作为受测者，就会因为照片中口琴表面色彩的改变而在相当高的概率下识别错误。计算机在处理模式化的专业问题时无懈可击，但在解决日常问题时变得异常迟钝。归根结底，计算机缺乏人类知觉所特有的恒常性。
不过当时的古人已开始研究怎样让计算机在学习中总结出事物本质而不变的特征。一个典型例子是对抗网络。这是一种改进自人工神经网络的学习模型。思路是让计算机能同时学习标准样本，以及自身生成的添加了噪点的干扰样本，以增强模型的稳定性。这就像是让机器分裂为两个角色，一个角色想方设法制造具有迷惑性的事物以欺骗另一个角色，对方则用尽全力防止自己被骗。
狐认为对抗网络就是我与他兴趣的交汇点。