這條新聞說的是，現在用人工智慧技術生成人臉，已經能做到以假亂真的地步。比如說，你可以在一個視訊裡，把楊冪的臉換到《射鵰英雄傳》裡面朱茵的臉上，絲毫看不出違和感。你還可以生成假的社交賬號，創造一個看起來非常像真人，但實則不存在的人的頭像。這種現象，叫做深偽。

這件事聽了讓人有點毛骨悚然，因為它讓我們意識到，在一個演算法驅動的世界裡，有很多資訊都是真假難辨的，你不知道什麼是可以信任的。

不過其實，即使沒有深偽這種現象存在，我們對演算法的信任可能也早已經超出了很多人的想象。

前兩天《華爾街日報》財富板塊裡看到一篇文章。這篇文章的標題，叫做《為什麼投資人應該警惕自動化的投資建議》。

文章的作者是紐約城市大學商學院的一位教授。這位教授做了一個有意思的實驗：她邀請了800個測試者，告訴這些人他們要依據顧問的建議，來做某些投資決策。有一撥測試者被告知，這些建議是真人投資顧問提供給他們的，而另一撥測試者被告知，這些建議一自動化的演算法提供給他們的。然後教授讓測試者評估一下，他們對於顧問給的投資建議，有多大信心。

結果實驗發現，人們對於演算法顧問給的建議，比對於真人顧問給的建議，更有信心。也就是說，人們認為演算法的判斷比人的判斷更準確。

做完這一輪測試之後，這位教授又跟測試者說：很不幸，這些投資建議的結果最後都不怎樣，都沒賺錢。現在，你們要不要重新評估一下這些投資顧問？你還會接著用他們嗎？結果發現，測試者對於演算法顧問的信心仍然比對真人顧問的信心要高。

這個結果，乍一聽你可能會覺得，這不意外啊。因為我們都知道，投資是一個高度複雜的、需要理性分析的事。人會受到情緒和主觀意願的影響，但是演算法是客觀的，是理性的。所以演算法做出的決策，很多人天然會覺得更公正、更精準。

但是，這種認知恰恰是一個誤區。演算法也是人設計的。在設計的時候，會把我們人自己的偏見注入到演算法裡面。

你可能在得到很多老師的文章裡，都看到過演算法偏見的問題：比如那些用來預測個人犯罪行為的模型，會對少數族裔有偏見，因為用來訓練演算法的資料本身，就是有文化偏見的。

再比如說，有人曾經做過實驗，如果你在谷歌上搜索一個黑人常用的人名，這之後谷歌就會有更高概率，給你推送刑滿釋放人員需要的服務廣告，這其實就是種族歧視滲入演算法的例子。

不過這篇文章的價值，還不在於它指出這個誤區。這篇文章的價值在於，它通過這個實驗提醒我們，已經有很多人在不知不覺當中進入了一種演算法崇拜，把演算法當成一種權威來看待。

哈佛大學在2018年對這個現象，做過一個專門的研究。在研究裡，他們讓1200多名參與測試的人，對未來進行預測。有的是要預測某些商業事件發生的概率，有的是要預測百強單曲的排名，有的要預測政治事件，還有的要做線上媒人。

在測試者做了預測之後，實驗設計了一個特殊環節：他們告訴被測試人，我這有一個其他人關於預測的建議，你要不要參考？你可以考慮參考建議，修改你的預測。有的人收到的建議號稱是來自於真人；有的人收到的建議，則是來自於演算法。結果發現，同一條建議，如果實驗者說是來自於演算法而不是來自於人，那麼這條建議會更有可能被採納。而且這種情況出現在所有的預測領域裡，不管預測的是商業世界，還是百強單曲，抑或是線上媒人。

從這個實驗裡我們可以看到，演算法崇拜不僅是在投資這個領域存在，它其實是一個在逐漸泛化的現象。這種現象，我們在生活裡其實早已經習以為常了。出門打車的時候，很多人不都是更相信高德地圖生成的路線，而不相信司機師傅的判斷嗎？

那你可能會好奇，這樣的趨勢會帶來什麼樣的後果呢？

《華爾街日報》的這篇文章指出，演算法崇拜的一個後果，是人們可能會丟失看問題的多元視角。

打個比方來說吧，平時你要是做投資決策，可能會聽好幾個投資顧問的決定，從中選出一個最符合你心意的，或者綜合這些人的意見做一個決策。但是如果給你投資建議的是一個權威，像巴菲特一樣的人，你覺得他肯定不會錯，那麼你還會去尋求別人的建議嗎？可能就不會了。

如果我們把演算法看成是一種比人更客觀、更可靠的權威，那麼就有可能出現這樣的情況。

除此之外，人們也可能變得更不愛冒險：如果有演算法這樣的權威在時時提供正確答案，那麼還有什麼冒險的必要呢？

這樣的困局怎麼破呢？畢竟，演算法的準確性會持續提升，似乎演算法成為權威這件事是大勢所趨。

說到這，我就想來跟你說說下一個材料了。這個材料是我前段時間關注的一場，發生在斯坦福大學的人工智慧論戰。

這場論戰的主角，是《人類簡史》的作者尤瓦爾·赫拉利和人工智慧專家李飛飛。在論戰裡，有一個他們激烈爭論的問題，是人工智慧是否會代替人類，成為決策的主體。

當時，赫拉利提出一個假想。他說，按照人工智慧現在發展的趨勢，總有一天，人工智慧會比你自己還了解自己。到那個時候，人是不是就要把所有的決策權，都讓渡出來呢？你在哪工作、能學什麼專業，甚至是跟誰約會結婚——這樣的決定，由最了解你的那一方來做，是不是最好呢？

而且，我們也不需要演算法完美地了解我們自己才去做決定。我們只需要演算法，比我們自己了解自己多一點點，就能做這件事了。這麼一來，演算法在未來社會，不就成了掌控決策權的老大哥麼？而且，誰掌控了這樣的演算法，誰就有了控制整個社會的工具。赫拉利認為，這是一個危險的趨勢。

這其實不是一個新問題，很多哲學家也提出過類似的問題。但是我推薦這場論戰的原因，是李飛飛的回答。你可能知道，李飛飛是人工智慧領域炙手可熱的電腦科學家，在斯坦福任教的同時，還給谷歌的人工智慧發展做顧問。

李飛飛說，當我們考慮這些哲學層面的問題時候，好像整個世界唯一存在的就是兩個群體：一個是強大無比的人工智慧，另一個就是創造了這些強大人工智慧的一小撮人。

但是真實的社會遠比這個要複雜，這裡面有跨國的合作，有法律政策，有道德條款等等，總之，除了演算法以外，還有很多玩家和規則。

如果不是因為這些玩家和規則的存在，那過去不是有很多的技術發明都能對人類造成毀滅性的破壞麼？槍支、原子彈、生物科技等等。就連我們最基礎的技術發明，火，那不也是既能生火做飯，也能引發火災麼？

所以任何一種技術都是一把雙刃劍，就看它在什麼條件下被使用。這就需要社會裡的各個玩家和規則發揮作用了。不能把演算法的執行空間想象成一個真空，能毫不受限地向各個領域延展觸角。

這個討論，其實對演算法崇拜這個問題非常有啟發。演算法崇拜的解決方案其實不在演算法本身，而在於規則的制定和共識的形成。《華爾街日報》的文章提供了以下的解決方案：

第一，無論是人工智慧領域的創業者，還是法律的制定者，或者是媒體，都應該不斷地提醒人們：即使用演算法做決策，也要尋求第三方視角，不管這個視角是來自於人，還是來自於其他演算法。

第二，如果涉及到人們的重大利益，比如說像是投資回報、健康這樣的問題，那麼演算法的發明者也應該主動公佈，演算法裡面是否可能有偏見，或者是公佈演算法的一些基本假設。這就好比說，一家藥品公司要在說明書上公佈，藥品可能會有哪些副作用一樣。規則的制定者，要主動引導人們用批判性的視角，來看待演算法。

其實現在，依靠演算法、人工智慧做決策，已經變成家常便飯了，對有些行業來說甚至成了必需品，如果你的產品沒有演算法，反而顯得不夠專業，不夠前沿。但是，今天的材料恰恰是提醒我們，有一個維度是我們不能摒棄的，就是人這個維度。你是相信演算法猜你喜歡，還是相信一個你信賴的朋友或者導師，給你推薦一篇他們喜歡的文章？你是相信一個演算法自動生成投資決策，還是相信一個行業裡摸爬滾打多年的投資人給你的專業建議呢？

人本身有偏好和侷限，演算法也是一樣。一套真正有效的決策機制，一定是在機器和人的兩個維度之間，找到了平衡和互補。