福布斯：人工智能革命如何重塑世界?

在不断发展的人工智能领域，三股强大的力量正在重塑我们的世界：预测性人工智能、规范性人工智能和生成性人工智能。这些技术是商业、医疗保健和创意产业中一些最激动人心的创新背后的驱动力。但它们究竟是什么?它们如何改变游戏规则?让我们深入研究并揭开这些人工智能强国的神秘面纱。

预测式人工智能：数字时代的水晶球

想象一下，拥有一颗水晶球，可以预知未来，揭示未来发展的重要见解。这基本上就是预测性人工智能所做的，只是没有神秘的花招。这种类型的人工智能使用历史数据和机器学习算法来以惊人的准确度预测未来的结果。

以天气预报为例。预测性人工智能分析大量气象数据，提前几天甚至几周预测天气模式。但它的应用远不止告诉你是否要带雨伞。在商业世界中，预测性人工智能改变了游戏规则。零售巨头利用它来预测消费趋势并据此储备库存。金融机构利用它来检测欺诈交易，防止其发生。医疗保健提供商利用预测性人工智能来识别有患上某些疾病风险的患者，从而实现早期干预并可能挽救生命。

预测性人工智能的强大之处在于它能够发现人眼可能看不见的模式和相关性。这就像有一个不知疲倦的分析师昼夜不停地工作，筛选大量数据以提取可行的见解。然而，重要的是要记住，预测性人工智能并非万无一失。它基于历史数据和模式，这意味着它倾向于延续训练数据的偏见，并且它可能会难以应对前所未有的事件或行为的快速变化。

规范式人工智能：数字决策者

如果说预测性人工智能是水晶球，那么规范性人工智能就是智者，告诉你该如何运用这些知识。规范性人工智能利用预测模型产生的洞察，并更进一步，推荐具体行动以实现预期结果。

可以将其视为您的个人 AI 战略师。在物流领域，规范性 AI 可以分析交通模式、天气状况和配送时间表，以优化配送卡车的路线，从而节省时间和燃料。在医疗保健领域，它可以根据患者的基因构成、生活方式和病史推荐个性化治疗方案。

规范人工智能最令人兴奋的应用之一是在自动驾驶汽车领域，它用于在道路上做出瞬间决策、导航交通、避开障碍物并实时适应不断变化的条件。

规范性人工智能的魅力在于它能够同时考虑多个变量和潜在结果，而这正是人类大脑经常难以做到的。它可以权衡利弊，计算风险，并在复杂情况下提出最佳行动方案。尽管如此，我们必须记住，规范性人工智能是一种辅助决策的工具，而不是完全取代人类判断。最终决策应始终涉及人类监督，尤其是在高风险情况下。

生成式人工智能：数字艺术家和创新者

现在，让我们将注意力转向人工智能领域的最新成员：生成式人工智能。如果说预测式人工智能是关于预测未来，而规范式人工智能是关于做出决策，那么生成式人工智能就是创造全新的东西。

生成式人工智能使用机器学习模型来生成原创内容，无论是文本、图像、音乐还是代码。它是 ChatGPT、Google Gemini 和 Claude 等聊天机器人背后的技术，这些聊天机器人可以进行类似人类的对话，而人工智能生成的艺术品和深度伪造作品也一直成为头条新闻。

但生成式人工智能不仅仅是创造数字艺术或诙谐的聊天机器人回应。它正在彻底改变产品设计，让工程师能够输入参数并在几分钟内生成数千种潜在设计。在制药行业，它被用于通过生成和评估分子结构来发现新的药物化合物。作家和营销人员正在使用它来集思广益并以前所未有的速度创作内容。

生成式人工智能最令人着迷的方面之一是它能够以新颖的方式组合各种想法，从而可能带来人类从未想象过的创新。这就像拥有一个不知疲倦的头脑风暴伙伴，可以获取人类知识的总和。

但与所有人工智能一样，它也存在挑战和重要的道德问题。随着这些系统变得越来越先进，我们需要努力解决原创性、版权和创造力本身的问题。此外，还存在滥用的可能性，例如生成令人信服的虚假新闻或深度伪造视频。

人工智能三重奏：强大的组合

虽然每种类型的人工智能都各有千秋，但它们的真正潜力在于如何协同工作，我们称之为混合人工智能。想象一下，一家企业使用预测性人工智能来预测市场趋势，使用规范性人工智能来制定利用这些趋势的战略，使用生成性人工智能来创建执行这些战略所需的产品或内容。这种人工智能三重奏可能会彻底改变整个行业，将创新和效率推向新的高度。

驾驭人工智能的未来

当我们站在这场人工智能革命的边缘时，预测性、规范性和生成性人工智能显然将在我们的生活和业务中发挥越来越重要的作用。它们提供了前所未有的预测、决策和创造能力，为从医疗保健到娱乐等各个领域开辟了新的可能性。

然而，与任何强大的技术一样，这些类型的人工智能既带来了机遇，也带来了挑战。在利用它们的潜力时，我们还必须注意它们的局限性和道德影响。关键在于不要将人工智能视为人类智能的替代品，而要将其视为增强和提高我们自身能力的强大工具。

在这个由人工智能驱动的时代，那些能够有效利用这些技术(了解它们的优势、局限性和相互作用)的人将最有可能蓬勃发展。因此，无论您是企业领导者、医疗保健专业人士，还是好奇的个人，现在都是熟悉这些人工智能的时候了。未来已来，它正由预测性、规范性和生成性人工智能塑造。

20世纪60年代之后，科学学有两个重要的发展潮流。第一个潮流是对象导向的，以科学、技术和医学作为研究对象，但使用的方法可能是社会学、经济学的。在60年代，“科学技术与社会(STS)”成为人们关注的对象，但当人们要研究科学技术与社会的关系时，人们发现对科学、技术等对象的理解本身首先成了问题，必须要深化对科学、技术的系统认识，于是衍生出来科学技术学研究(Science and Technology Studies，S&TS),其实就是从社会学、经济学、政治学、历史学等多个人文社会科学的角度来对科学和技术这种社会现象进行比较深入的研究，这是对象导向的。

另外一个潮流是方法导向的，即尝试用定量方法来对科学对象进行研究，这就是科学计量学。从科学计量学角度来讲，它的发展非常值得我们关注。首先它要发现科学世界的量化特征，并且积累量化数据;然后开发各种类型的量化工具并进行量化分析，这个过程中量化数据也不断丰富。量化数据多元化和量化能力的提升推进了科学计量学的发展，形成了三个主要的阶段：首先是普赖斯的工作，即基于数理统计的计量科学学;然后是加菲尔德(Garfield)建立起引文数据库之后，围绕引文关系建立起来的基于引文网络分析的计量科学学;之后是把知识图谱、计算机方法应用于基于知识图谱的计量科学学。

可以看出，当代科学学发展的第一个趋势是从计量科学学走向计算科学。

计量科学学所利用的结构化数据是对科学世界的某些量化表征，计算科学学面向的是逐渐数字化的科学世界，这是两者之间本质上的差别。当然，计算科学学的发展得益于数字化和智能化技术的不断发展，使得数据越来越丰富，而且也能够获得并且以比较低的成本存储下来。与此同时，也得益于自然科学家、社会科学家和计算机领域学者在新的科学观基础之上的合作。以数字化、智能化技术为基础，科学世界的数字化为我们实现科学学理想提供了一定的可能，即用计算的方法、量化的工具来对一个可以数字化的科学世界进行更加精密的分析。

当然计算科学学也有它的局限性，主要是三个方面：

其一，科学世界不可能完全数字化，越是深层次的思想和观念越难以被数字化;其二，科学学使用的广泛数据和方法的一致性会导致研究结论片面性;其三，计算科学学面临更多数据伦理和人工智能伦理的问题。

当代科学学的第二个发展趋势是科学学的多样化和场景化。

普赖斯曾经说“分析研究科学自身的各门学科都是逐个产生出来的，但是到1960年代，它们已经表现出连接为一个统一整体的许多迹象。这个统一整体将会比它的各部分的总和还要更大”。我们要问的是“统一的”科学学是否可能?计算科学学是否能够提供这种可能?面对日益复杂化、社会化的科学系统，科学学如何展开其研究?实际上，不同领域、不同场景之下的科学研究既有共性，也有特殊性。尤其在今天，计算科学学不断发展，我们确实需要避免普遍主义和特殊主义两个极端。这意味着科学学研究将会因场景而异。尽管科学学渴望适用于各个科学领域的长期普遍的规律和机制，但是首先需要面对的是不同领域和国家之间文化习惯和偏好难以避免的差异。这种变化使得一些跨领域的见解难以被理解，相关的科学政策也难以实施。科研问题、数据之间的差异，一般是与领域相关联的，这也暗示科学学的研究将来会因“领域特色”而产生相应的变化。

未来科学学可能会同时面向“普遍科学”和“特殊科学”。普遍科学实际上是体现我们科学知识生产的共性特征和共同问题;特殊科学体现科学知识生产对象、领域和国家特殊性的实践和问题上，往往与学科对象、领域和国家特殊的场景密切相关。因此，科学学应该鼓励促进科学发展的多样化探索和实验。在这个过程中，我们应该合作、共享、开放、包容，而不应该只有一种普遍主义的科学学模式，要求大家必须按照这种模式去发展，或者是把某一个地方性科学学的一种发展框架理解为全球必须要共同遵守的框架。

当代科学学的第三个发展趋势是要走向“负责任的”科学。

在早期科学学发展过程中，人们曾经有一个理想。比如爱丁堡学派有一位非常著名的学者大卫·艾杰(David Edger)曾经说过，科学学的目标是为科学与技术投资决策提供客观的、价值中立的基础。我们今天的科学学研究也是希望能够发展出一系列加速科学研究的政策和工具。

那么科学学是不是“价值中立”的?科学学是不是需要充分考量科学和技术发展的方向以及是否有利于社会经济健康发展?前文提到当代科学在研究对象上有非常重要的变化，即从人类之外的对象进一步扩展到人类自身。伴随着这个变化，生命科学、人工智能领域衍生出来诸多新的社会伦理问题。如基因编辑、合成生物学这些生命增强技术有可能打破人类的“类的同一性”。以前无论来自什么国家、什么民族，我们作为人类在生物学这个意义上具有“类的同一性”，现在有可能因为生命科学的发展而打破这种“类的同一性”。此外，大数据、人工智能、脑机接口等技术重新定义“人类”，重新建构“人-机”之间的关系，而这种关系与以前我们在科学研究中使用质谱仪或者显微镜所建立起来的人-机关系有了本质的区别。在这种情况下，当代科技发展正在挑战人类共有共享的良知和人性，带来大量社会伦理问题。当我们需要研究科学及科学如何发展的时候不得不去面对这些社会伦理问题。

与此同时，计算科学学的发展本身在方法上、对象上蕴含着许多在当代科学发展过程中衍生出来的社会伦理问题，比如计算科学学高度依赖数据、算法和人工智能技术，无法回避新科技革命所面临的数据伦理、算法伦理和人工智能伦理的问题。2021年11月，联合国教科文组织发布《人工智能伦理问题建议书》。《建议书》中提到：“人工智能系统实际上涉及人工智能技术开发各个环节，以及与这些环节相关联的各类机构和各类人群。”《建议书》把使用人工智能的这部分人群也纳入到人工智能体系中，这样几乎当代社会所有个体都不能游离在这个系统之外。当然也由此使得人工智能带来的伦理问题将涉及社会生活的方方面面，尤其是人工智能算法可能复制和加深现有的偏见，从而加剧已有的各种形式的歧视，并产生新的伦理问题。

从这个角度来看，这些伦理问题对科学学研究提出了新的挑战。2021年10月，美国国家科学基金会(NSF)设立了新资助项目，并用了“科学学”这个标题，即“科学学：发现、传播与影响”项目。该项目旨在增强科学活动公共价值方面的理论和知识，以及相关政策制定过程中所需要的一些智力支持。

由此，我们可以看到，怎样使社会受益，使科学发展能够给公共价值向善带来更多的可能性，其实变成我们今天再去考量“科学应该向什么方向发展、科学应该如何发展”的非常重要的价值准则。因此，我们需要一个“负责任的”科学。

“负责任的研究和创新”这个理念在最近一二十年已得到广泛认同。从这个理念出发，当我们以科学为对象，并且用科学方法来研究科学在当代发展的特点、规律以及它可能的趋向时，也需要体现负责任的研究和创新。“负责任的研究与创新”需要“负责任的”科学学。“负责任的”科学学意味着我们要不断反思以往科学学研究背后所包含的价值预设，需要“价值反思”和“价值对齐”。“价值对齐”是在人工智能发展过程中碰到的一个比较突出的问题，比如Open AI关于创新理念和路线之争，是“有效加速”还是“超级对齐”?这也是当代科学学发展要面对的一个共同话题。

由此来看，科学的核心任务之一不仅是要加速科学的发展，促进科学和技术之间的关联以及促进创新，还要引导和保障科学与技术健康地发展!