新技术会囫囵吞下昨天的错误，想要理解不假思索便实施新技术所带来的危险，就要对历史上的不公平情形保持警醒。我们无法使用过去的工具来解决今天的问题，就像艺术家、地理学家特雷弗·帕格林（TrevorPaglen）所指出的，人工智能的兴起反而放大了这些问题，因为它极度依赖于历史信息来作为自己的训练数据：“过去是个种族主义横行的时代，而我们只能用过去的数据来训练人工智能。”17
瓦尔特·本雅明（WalterBenjamin）对这个问题的措辞则更加尖锐，他在1940年写道：“没有一项文明的记录同时不是野蛮的记录。”18用过往知识的残余来训练初生的人工智能，就等于把这种野蛮编码进我们的未来。
而这些智能系统不只存在于学术论文和消费级相机里—它们已经在人们大量的日常生活中起着决定性作用。特别是在警察与司法体系中，人们已经广泛建立起对智能系统的信任。美国的在岗警察中，有一半已经使用了“预测性警务”（predictivepolicing）系统，比如PredPol，这款软件运用“高等数学、机器学习和已被证实的犯罪行为理论”来预测最可能出现新犯罪行为的时间地点，相当于针对违法行为的天气预报。19
那么，要如何通过日常生活中的随机事件生成对真实事件的预期呢?对行为的计算是如何承载起自然法则的力量？尽管已有各种尝试，但大地的一个念头要如何才能被人知晓？
浓尾大地震(Great Nōbi Earthquake）发生在1891年，位置在今天的日本爱知县境内，据估算，其震级达里氏8级。地震造成的断层长达50英里，落差达到8米，造成多个城市的数千间房屋倒塌，超过7000人死亡。直至今日，这仍是日本群岛已知的最大级别的地震。震后，早期地震学家大森房吉（FusakichiOmori）描述了余震的分布模式，被人们称为“大森定律”的频数衰减公式。值得注意的是，大森定律及其衍生理论都属于经验法则，也就是说，它们符合已知的震后数据，而这一数据在每次地震中均有不同。它们就像是余震，是已发生事件的隆隆回声。地震学家和统计学家经过几十年艰苦努力，也没能研究出类似算法来从相应的前震中预测出地震的发生。
第六章 认知
145
155