过去一两年，人工智能是最火的并且快速进入实用的技术。以前写过人工智能将彻底改变SEO，也介绍过人工智能在搜索算法中的实际应用，但需要说明的是，到目前为止，人工智能在搜索算法中的应用并不广泛。影响人工智能在搜索算法中大范围使用的最主要因素可能是，搜索引擎工程师不知道人工智能系统到底是怎么做出判断的，然后又导致另一个重要问题：很难debug。

人工智能是个黑盒子

用不太严格但容易理解的方式说，深度学习就是给现有数据（大量数据）打标签，然后系统自己总结数据和结果（也就是所打的标签）之间的关系，面对新数据时，就能依据自己总结的规律给出判断。对围棋来说，无论历史棋局还是自我对弈，AlphaGo知道盘面，也知道结局（也是一种标签），系统就会总结规律，面对新盘面时判断赢棋的概率。但AI系统找到的是数据的哪些特征，与结果之间是怎样的关系，连创造AI的工程师也不知道。

所以，现在的人工智能系统是个黑盒子。我们知道AI判断的正确率高，但不知道为什么，不知道是怎么判断的。

搜索算法中的AI也是如此。百度搜索工程师的说法很少见到，只是知道百度现在All In AI了。Google工程师明确表示过，他们对RankBrain到底是怎么工作的也不太清楚。在这种情况下，在算法中大量使用人工智能就比较麻烦了，一旦出现异常结果，不知道是什么原因，也无法debug。

写这篇帖子是因为前些天看到一篇纽约时报的文章“AI能学会解释它自己吗？”，非常有意思。一位心理学家Michal Kosinski把20万社交网络账号（是个约会网站）的照片及个人信息（包括很多内容，如性向）输入面部识别人工智能系统，发现人工智能在只看到照片的情况下判断性向准确率很高。人工通过照片判断一个人是否同性恋的准确率是60%，比扔硬币高一点，但人工智能判断男性是否同性恋准确率高达91%，判断女性低一些，也有83%。

从照片里是看不到音色语调、体态、日常行为、人际关系之类帮助判断的信息的。同性恋有纯相貌方面的特征吗？我个人的经验是，靠相貌判断不大靠谱。我以前认识一对男同，他们都是很man的那种，常年健身，待人彬彬有礼但绝没有女气，从外表是看不出来的。也可能是依靠某种服饰特点？表情？背景？人工智能从照片中到底看到了什么我们人类很可能忽略了的特征，或者人类根本看不到的特征，并达到91%的准确率呢？不得而知，反正只是知道AI看得挺准。

不能解释自己的AI无法被信任

这种黑箱特征有时候倒无关紧要，像是判断一下性向。有时候就不能这么草率了，比如看病。虽然AI系统诊断某些癌症的正确率已经达到人类医生的水平，但最后结论，目前还是要医生做，尤其是AI不能告诉我们它诊断的理由是什么的时候。除非以后AI能解释它为什么做出这个诊断，不然让人类100%信任AI是有比较大心理障碍的。

前几天刚刚看到新闻，新加坡政府开始测试无人驾驶公共汽车。这显然是个正确的方向，我也相信不久的将来就会成为现实。虽然自动驾驶汽车事故率比人低，理性上我们都知道其实更安全，但过马路时，停在旁边的公共汽车没有司机，我会不会有点提心吊胆，怕它突然启动？开车时扭头一看，旁边的Bus没有司机，我会不会吓一跳，下意识地离它远点？至少初期会的吧。和几个朋友聊起这个事，都是理性上相信，感性上心虚。

以前的程序是依靠确定性和因果关系运行的，比如搜索算法中哪些页面特征是排名因素，各占多少权重，这是工程师挑出来的、确定的，虽然挑的时候可能就是拍脑袋决定的，但经过监测效果、调整参数，会达到一个比较满意的平衡。人工智能系统并不依靠工程师给定的确定因果，而是更擅长于在概率和相关性中找到联系。对人来说，以概率和相关为特征的判断，经常就不好解释理由了，比如也许是看心情，也许是看好看不好看。

要求AI系统解释自己的判断，不仅是心理上的问题，也许以后会变成伦理和法律上的问题，像看病。再比如涉及用户利益的事情，像贷款，人工智能根据一大堆数据做出拒绝贷款的决定，银行却不能解释为什么拒绝，对用户该怎么交代？今年欧盟可能就要颁布法规，要求机器做出的决定必须有解释。这对Google、Facebook等全球性的企业是个压力。在很多领域，如军事、法律、金融，所有决定都是要有人来承担责任的，如果某个决定无法解释原因，恐怕也没有人敢承担这个责任。

另一个需要AI解释理由的原因是，前面提到，人工智能看的是概率和相关性，但看相关性做决定有时候会导致严重错误。纽约时报的文章举了个例子。经过数据训练的人工智能系统辅助医院急诊室分诊，总体上看效果不错，但研究人员还是不敢真的拿来实用，因为数据中的相关性可能误导人工智能做出错误判断。比如数据表明，患有肺炎的气喘病人最后病愈情况好于平均水平，这个相关性是真实存在的。如果AI系统因为这个数据就给有肺炎的气喘病人比较低的处理等级，那可能就要出事了。因为这些病人之所以最后情况良好，是因为他们一来就被给予最高等级，得到最好最快的治疗了。所以，有时候从相关性看不到真正的原因。

可解释的人工智能

X.A.I.（Explainable AI）可解释的人工智能，是刚刚兴起的一个领域，目的就是让AI对自己的判断、决定和过程做出解释。去年美国国防高级研究计划局（Darpa ）推出了David Gunning博士领导的XAI计划。Google也依然是这个领域的领先者，Deep Dream好像就是这方面研究的一个副产品：

回到搜索算法及SEO，搜索引擎之所以还无法全面应用人工智能，其中一个原因也许就是人工智能的判断没有解释、无法理解，如果算法使用目前的人工智能，一旦出现排名异常，工程师们将无法知道原因是什么，就更无法知道该怎么调整。

我想自动驾驶是最先AI实用化的领域之一，和能否解释也有一定关系。自动驾驶汽车的大部分决定是不大需要解释的，或者说解释是一目了然的，距离前车太近所以要减速或者刹车，这类判断应该不需要进一步解释理由了。

SEO们大概都有过同样的疑惑，某个竞争对手的页面看着没什么特殊的，内容不怎么样，视觉设计一般，外链普通，页面优化大家做的都一样，为什么排名就那么好呢？现在的搜索算法还可以探究原因，搜索工程师们大概有内部工具可以看到排名的合理性。如果搜索工程师看着一个挺烂的页面就是排在前面，却也不知道原因，还无从查起，他们的内心可能就焦虑了。

XAI的研究才刚刚开始，这给了SEO们最后的缓冲期。从人工智能系统在其它领域碾压人类的表现看，一旦大规模应用于搜索，作弊和黑帽SEO恐怕将成为过去，现在的常规SEO工作也许变得无足轻重，SEO们需要回到网站的本质：提供有用的信息或产品，别无他法。