今年诺贝尔物理学奖花落机器学习领域两位学者，“人工智能是否属于物理学”的话题引发广泛关注和讨论。对此，2024世界顶尖科学家协会奖“智能科学或数学奖”得主、康奈尔大学计算机科学和信息科学讲席教授乔恩·克莱因伯格，在25日开幕的2024世界顶尖科学家论坛上给出了自己的观点。
作为机器学习领域的顶尖科学家，同时也是横跨多学科的全能型学者，克莱因伯格认为，不必拘泥于学科之间的分界，解决问题才是硬道理。
算法善恶，取决于人
人工智能（AI）高速发展，利大于弊还是弊大于利？某些算法有益于人，某些算法可能有害于人，人类应该如何趋利避害？算法可能造成的风险，应从源头管控还是事后修正？
克莱因伯格认为，要让算法最大程度造福人类，必须在前期设计上下功夫，因为在真实世界中亡羊补牢难度过大、成本过高。他指出，算法与生俱来就有偏见，但算法没有直接的动机去产生偏见。换句话说，算法的偏见源自于人，要解决算法偏见，同样依赖于人类社会在公平性方面的努力。他说，“这取决于我们在设计中作出的选择。”
克莱因伯格获得2024顶科协奖的理由之一，就是他在算法公平性领域发挥的智识领导力。对于公平问题，他并未试图提供单一定义，而是从多个度量标准出发，确保算法在多维度上的公平。他指出，在设计算法时，要兼顾算法目标、使用数据、训练方法等各方面。比如在数据层面，算法作为敏感信息的存储库，其背后有大量数据支撑，所以我们应该保护这些数据的完整性，兼顾数据所代表的各方利益，彰显多元化的公平标准。
当然，作为一个方兴未艾的领域，AI与其他技术领域一样，也需要持续不断的监测和事后纠错。克莱因伯格承认，如何利用算法来实现社会目标，将永远是算法设计者、政策制定者和广大公众之间的持续对话。
科学合作，始发于人
作为算法公平性领域的研究者，克莱因伯格的目光没有停留在算法本身，他更注重的是这个强大的工具对社会各行业、各领域的影响。
克莱因伯格的开创性研究横跨算法、行为经济学、博弈论、法律和网络科学，从概念上深刻理解了信息技术的现状，并为其未来发展指明了方向。如此广阔的学术视野，源于克莱因伯格本人对于交叉学科研究的热情。他表示，为了使网络对人们有用且有益，需要借鉴许多领域的知识，包括解决技术问题的计算机学、数学和统计学，以及保障算法公平的经济学、社会学、心理学、政治学等社会科学。
从业至今，克莱因伯格的合作者多达50余位，这个数字背后是一张巨大的学术人脉网。在他看来，交叉学科研究的根本动力其实是“人”。他说，“我并不是一有问题就开始找人合作。相反，我会先和别人交流。虽然双方知识体系不同，但交流下来发现了共同点，找到了共同语言，然后我们就开始共事。”
克莱因伯格认为，保持这种跨学科的合作，特别是在不同国家和社会之间的合作，对科学界来说非常重要。
科学无界，造福于人
公平意识与合作精神，是克莱因伯格身上最显著的两个标签。当媒体把学科边界的问题抛给他时，得到的答复并不令人意外。
克莱因伯格从不觉得科学领域之间设有完全固定的边界，而且他笃信，多数人并不会在意学科边界问题，“人们只会关注问题有没有得到解决，关注科学家的工作能不能给社会带来益处。”
克莱因伯格指出，科学界内部之所以划分界限，是因为这样便于更高效、更专业地开展工作，但学科之间并不一定需要有清晰的领域边界。人工智能既有输入，也有输出，很多其他学科的想法概念已经进入AI领域。比如，今年的诺贝尔物理学奖得主正是利用了统计物理的基本概念构建了机器学习的基础。相对应的，人工智能也早已渗透到了其他学科领域。比如，今年的诺贝尔化学奖得主正是利用AI来研究蛋白质结构。
克莱因伯格说，诺奖所认可的，就是人工智能跨学科的贡献。
作者：孙欣祺
文：孙欣祺图：袁婧 摄编辑：孙欣祺责任编辑：任荃
转载此文请注明出处。