馆员荐书 | 我们该如何教孩子与AI做朋友?

如何让机器学习与思考？ 

如果问你，学习进步最快的方式是什么？大多数经历过学生时代的人都会毫不犹豫地回答：整理错题本。做对一道题获得的是一时的成就感，而做错一道题再订正它，收获的却是避免再犯同类错误的能力。

《给孩子的人工智能课》一书用这个巧妙的比喻，揭示了人工智能最核心的奥秘。在很长一段时间里，机器只能机械地执行程序预设好的指令，就像只会背答案却不会举一反三的考生。人工神经网络的出现彻底改变了这一切——它让机器也能像学生一样，从错误中汲取经验，不断调整自己的“解题思路”，而这源于科学家受到人脑神经系统的运作模式的启发。人体内有着数以亿计的微小单元——神经元，当一个神经元兴奋时便会传递信号到相邻的神经元，它们通过树突接收信号，通过轴突传递信息，彼此间的连接点突触则决定了信号的强弱。当我们反复练习某个技能时，相关神经元之间的连接就会增强；当我们荒废某项知识时，连接便会减弱。人类具有惊人的适应能力和学习能力，其背后的关键因素就在于这种“突触可塑性”。

计算机科学家们模拟人脑神经，构建起由输入层、隐藏层、输出层组成的数学模型，让机器拥有了“人造神经元”。每个节点之间的连接权重可以像突触强度一样被调整——当一个连接被频繁使用，它就会被强化；当它带来错误结果，就会尝试调整权重参数。这种动态调整的过程，就是机器的“学习”。作者用一个生动的比喻点明了这一复杂机制的本质：学习骑自行车，第一次会摔倒，但大脑会记住哪些动作是对的，哪些是错的。人工神经网络也是如此，在一次次“试错”与“调整”中，它逐渐找到通往正确答案的路径，也实现了从生物智慧到机器智能的跨越。

机器也会老眼昏花？ 

计算机是如何“看见”这个世界的？本书揭开了图像识别技术的神秘面纱，其基本原理与人类的学习过程惊人地相似：首先，科学家们需要将成千上万张打上标签的图片“喂”给机器，让算法从中提取特征——从最简单的边缘轮廓，到复杂的纹理结构，再到高度抽象的类别概念。经过无数轮训练，机器逐渐归纳出区分不同物体的判断依据。此后，当一张全新的图片出现时，它便能通过层层神经网络的筛选，最终给出“这是一只狗，概率90%”的判断。

然而，机器的“眼睛”并非万无一失。书中讲述了一个令人瞠目的案例：两张小狗的照片，在人类眼中几乎毫无差别，但图像识别AI却将前者认作“狗”，将后者莫名其妙地识别成了“鸵鸟”。这种让机器“老眼昏花”的元凶叫作“对抗样本”，即右图中添加了一层对人类肉眼而言难以察觉的微小噪点，便能成功迷惑算法的判断，欺骗它把小狗识别成了鸵鸟。

为什么会出现这种匪夷所思的错误？根源在于机器与人眼的观察方式截然不同。人类识别对象，依靠的是对头部五官、身形体态、颜色信息的整体把握；而图像识别算法却是在像素级层面进行区分。当我们看见一只猫时，看见的是“猫”；当机器“看见”一张猫的图片时，看见的却是上百万个像素点的排列组合。这种根本性的差异，使得微小的像素扰动足以让机器的判断谬以千里。

人工智能还能做这些！

本书向我们展示了一个正在突破传统边界的AI世界——它不再只是实验室里的算法，而成为解锁过去的钥匙、守护当下的卫士、重塑未来的推手。

在考古领域，AI成为历史解码大师。三星堆遗址出土的青铜神兽，因腐蚀开裂、部件缺失而修复难度极大。考古学家借助三维数字化技术和“3D多碎片拼接算法”，在虚拟空间中完成了文物的虚拟修复。而在茫茫戈壁中，遥感考古技术就像一双穿透地表的超级透视眼，找到了研究者寻觅已久的西域都护府遗址。

在刑侦领域，AI化身为“超级侦探”。张学友演唱会上，人脸识别检票系统关联警方数据库，让多名在逃罪犯当场落网；在美国，Parabon Nanolabs公司通过机器学习算法，结合大量DNA样本和面部照片，可以精准重建嫌疑人面部特征，并迅速比对和识别嫌疑人。

然而，最引人深思的是AI对教育边界的重塑。书中描绘的未来课堂令人神往：学生可以穿越到古罗马斗兽场见证历史，或在银河系中遨游探索星辰。AI助教还可以根据每个孩子的学习节奏定制个性化方案，让因材施教从理想走向现实。

谁是人工智能的监护人？

如果说前几章让我们惊叹于AI的神奇，那么《给孩子的人工智能课》最后这一部分，则将目光投向了技术光环背后的阴影。当算法开始替我们决策、替我们创作，甚至替法官预测罪犯是否会再次犯罪时，一个不容回避的问题浮出水面：谁来为人工智能的决定负责？

书中列举的案例令人警醒。在美国，Compa犯罪预测系统被广泛用于指导量刑，然而研究发现，该系统对黑人被告的再犯风险预测值显著高于白人——并非因为算法天生偏见，而是因为它从充满社会不公的历史数据中“学习”到了偏见。更耐人寻味的是，当开发者辩称其预测准确率高达80%时，数千名研究者却发起了强烈抵制。技术上的“准确”与伦理上的“公正”，在此刻出现了尖锐的对立。

类似的困境无处不在：自动驾驶发生事故时，责任究竟该归于车主、制造商还是算法开发者？当人工智能开始生成艺术作品，那些被“学习”了风格的原创艺术家，其权益又该如何保障？这些问题没有一个简单的答案，却每一个都关乎我们未来社会的运行规则。

面对这些挑战，书中并未给出悲观的结论，而是提出了三个层面的应对之策：在法规层面，需要建立完善的隐私保护和问责机制；在企业层面，开发机构必须承担起道德责任，建设高标准的数据安全保护制度；而在个人层面，我们对多元化的信息保持开放心态的同时，也需要培养批判性思维，对隐私获取的越权行为勇敢说“不”。

归根结底，人工智能只是一面放大镜，它放大的不过是人类自身的智慧与善良，偏见与缺陷。面对这面镜子，我们需要的是清醒的审视。在这个与AI同行的时代，学会与之相处，学会审视它的局限，或许是我们能给孩子最好的保护。