隨著我們制造的機器越來越智能，我們從工業(yè)時代開始到現(xiàn)在所秉持的觀念已經有些不合時宜了。在這個情況下，出現(xiàn)了“技術崇拜”與“技術恐懼”兩個相互對立的觀點。不過在Studio VV6的負責人Nitzan Hermon看來，技術節(jié)制才是最重要的。我們需要有一個清醒的觀念來理解用戶的需求、技術的變化及其使用的場景，否則將不能取得足夠的成效與創(chuàng)新。
目前，數據變得越來越多，層級也越來越明顯，機器也越來越復雜。一旦這種復雜性超出了我們的理解范疇，那么，我們與工具的關系就必然會進入一個新的階段。
我們現(xiàn)在使用技術做的很多事情，其實都源于早期的工具。但是，工具本身已經發(fā)生了改變，但我們用來與之互動的“心智模式”卻一直相對穩(wěn)定。工具變得更快、更強大，對“線”的依賴度越來越低。
比如說，出現(xiàn)了高鐵，出現(xiàn)了智能手機。隨著第一臺通用計算機——電子數字積分計算機（ENIAC）的引入，這一切都改變了。
技術進化
ENIAC于1946年在賓夕法尼亞大學安裝，它是第一臺能夠處理多任務的機器。所以，負責操作它的人也必須“重置”自己的“心智模式”。
但隨著模型視圖控制器（MVC）的誕生，我們就要用一種簡潔、線性和可認知的方式處理單一維度計算了。MVC誕生于20世紀70年代末，是Alan Kay、Trygve Reenskaug和Adele Goldberg發(fā)明的一種服務器架構。他們在開發(fā)Dynabook（早期的筆記本）和Smalltalk（一編程語言）的時候發(fā)明了這種技術。
MVC基于一個靜態(tài)的數據庫、一個專有的接口點和連接兩個的控制器。最關鍵的點在于，數據只能在一個方向上移動。無論你是在發(fā)推文、查東西還是閱讀文章，數據都朝一個方向移動：要么是奔著用戶去，要么就是在奔著數據庫去，并不是同時進行的。
這是當前建立大多數軟件應用的基礎體系結構，從最底層的技術上影響了我們的使用習慣。點擊頁面后，請求發(fā)送到數據庫，數據庫給出反饋，然后用戶得到結果。
對技術態(tài)度的轉變
與之前的點擊或者鍵入式的輸入（發(fā)起請求）不同，現(xiàn)在開始變得越來越復雜了。隨著各種各樣的工具出現(xiàn)、有了更好的傳感器和更加厲害的嵌套數據技術（深度學習、反向傳播、神經網絡等），我們能夠以一種全新的、令人興奮的方式利用統(tǒng)計計算。但這其中有一個重要的問題——我們并不能完全理解發(fā)生了什么。因為這些技術發(fā)揮作用的過程仍然是一個“黑匣子”。這就是為什么算法中會出現(xiàn)各種各樣的偏見的一大原因。我們可以推斷出為什么會有這些偏見，但我們不能馬上修正它。
算法的長尾特性使得它們與之前“如流水線一樣運行的”框架有著本質上的不同。我們很難再采取立場，去修正模型或者提煉數據來源。一旦做出了改變，我們就需要有足夠的耐心，等待它向下游擴散到模型中。
這種復雜性，再加上新的技術能力，正在給人類帶來有趣的偏見和信仰。在工具的認識論看來，這通常與它們的本體（客觀）屬性相分離。有趣的是，科技領域的一些創(chuàng)新者通常與日常使用工具保持距離，并編寫一種思維方式，將工具置于當前的軌跡之上或之下的。
技術崇拜與技術恐懼
技術崇拜認為所有的技術都是好的。然而，以這種方式思考，限制了他們對改進和有意義的設計進行公開討論的能力。最直接的例子莫過于算法的個性化，造出來越來越智能的虛擬助手，以及期待一種通用人工智能（AGI，也有人稱之為強人工智能）的統(tǒng)治。
“技術恐懼”是一種對立的觀點，認為任何我們不理解的東西（以及它的潛力）都會毀滅我們。在這一點上，他們似乎忘記了所有的數據技術，比如機器學習、深度學習，以及目前被稱為人工智能的所有東西，只不過是一個工具而已……
埃??？馬斯克（Elon Musk）和馬克？扎克伯格（Mark Zuckerberg）前不久在社交媒體上進行的“隔空對話”體現(xiàn)了這兩派觀點的差異。扎克伯格是技術崇拜的典型代表。他是一位成功的創(chuàng)始人，在互聯(lián)網上有很大的貢獻。他也是硅谷文化的代表人物——創(chuàng)造一種技術，等待人類追隨。
馬斯克對技術的看法稍微復雜一些，因為他似乎在一個相互對立的觀點之間搖擺不定（這一模式本身就是對二進制觀點的支持）。馬斯克稱，“人工智能是人類文明的基本生存風險。”雖然這是一個合理的觀點，但他并沒有提出一個合理的論據。因為有各種各樣的原因都能證明，大腦和機器之間是有區(qū)別的。
技術節(jié)制（Techno-Sobriety）呢？
這兩個陣營在對AGI的看法上的交集非常有趣。技術崇拜者歡迎大腦成為一種計算機式的問題，而技術恐懼者則害怕被機器統(tǒng)治。這種分類似乎并不具備結構性。想想那些思想家所固有的精神偏見或性格特征。如果你相信一種算法是智能的，那么你就會對自己的心理偏見有一個有趣的反思。
通用人工智能協(xié)會的主席Ben Goertzel表示，AGI可以從“咖啡測試”中提煉出一個很好的定義。如果你走進一個普通的美國家庭，想弄清楚如何煮咖啡。你需要知道怎么識別咖啡機，弄清楚按鈕的作用，然后找到櫥柜里的咖啡豆等等。
“對于幾乎所有的成年人來說，這是一組很容易完成的任務，但對計算機來說是極其困難的。”
創(chuàng)建AGI要比創(chuàng)建ANI（弱人工智能）要困難得多。根據大多數專家的預測，我們還需要20年的時間，才能開發(fā)出這樣的人工智能。
在這一段時間，我想知道的是，我們能夠做些什么來更好地理解這些工具，并形成一種具有可用性的新思維模型。畢竟，技術節(jié)制是將這些技術帶到我們客戶手中的唯一途徑。我不需要一個能制作咖啡、編寫網站、做飯的機器人——我需要一個更貼近我思維方式的工具。我需要一種能夠理解我不斷變化的想法的工具，而不是一個一直試圖去模仿我習慣的工具。
我們需要有一個清醒的觀點來理解用戶的需求、技術的變化及其使用的場景。當我們在沒有一個清晰的認知信念的情況下去做這些事情的時候，并不能取得足夠的成效與創(chuàng)新。
