本文轉(zhuǎn)載自公眾號(hào)“讀芯術(shù)”(ID：AI_Discovery)

AI越來越深入地參與到我們的生活中了。它收集關(guān)于我們的大量數(shù)據(jù)，做出越來越復(fù)雜的決策。AI可以幫我們分類和屏蔽電子郵件，語音助手可以應(yīng)答更復(fù)雜的請(qǐng)求，聊天機(jī)器人讓復(fù)雜的的流程自動(dòng)化，服務(wù)著成千上萬的客戶。這樣的例子不勝枚舉。

[[321856]]

未來已來，但我們真的準(zhǔn)備好了嗎?近幾年發(fā)生的許多事，讓我們無法消除對(duì)AI的顧慮。AI離不開數(shù)據(jù)，而數(shù)據(jù)從哪里來呢?企業(yè)不斷從用戶那里收集數(shù)據(jù)。無論用戶自己是否意識(shí)到了，用戶數(shù)據(jù)已經(jīng)成為了世界上最有價(jià)值的商品。

另一方面，如果AI是高效的，那么對(duì)于可以由機(jī)器代替數(shù)百萬個(gè)工作來說，又意味著什么呢?

失業(yè)擔(dān)憂、數(shù)據(jù)泄露、劍橋分析丑聞……讓這一切都令人警醒。我們真的希望生活中的每一個(gè)方面都被記錄和分析，從而受益于更智能的計(jì)算機(jī)系統(tǒng)嗎?

如何平衡這其中的獲得與失去?首先，我們必須搞清楚，在實(shí)現(xiàn)人工智能的過程中，人類扮演著什么樣的角色。

具有自我意識(shí)機(jī)器的進(jìn)化及未來

謹(jǐn)慎當(dāng)然可以理解，但是請(qǐng)考慮一下AI的能力。在這個(gè)宇宙中，我們從來沒有發(fā)現(xiàn)過如同人腦一樣，具有可塑性和很具潛力的東西。

然而現(xiàn)在我們卻看到，電腦在最復(fù)雜的游戲中擊敗人類，駕駛汽車比任何人類駕駛員都更安全、更高效，在醫(yī)療方面也能比人類醫(yī)生做得更出色。

這一切的最終目標(biāo)是創(chuàng)造一個(gè)具有自我意識(shí)的機(jī)器。

這是圖靈測(cè)試的目的，旨在確定計(jì)算機(jī)在復(fù)制人類方面的有效性。

這是成千上萬電影小說以及令人瞠目結(jié)舌的文章的主題，講述了具有自我意識(shí)的人工智能給人類帶來的風(fēng)險(xiǎn)。

這也是雷·庫茲韋勒(Ray Kurzweiler)在不到30年的時(shí)間里，對(duì)人類-人工智能奇點(diǎn)理論進(jìn)行的激進(jìn)卻越來越成為現(xiàn)實(shí)的預(yù)測(cè)的重點(diǎn)。

然而事實(shí)上，使人類真正獨(dú)特的，是我們的大腦的觀察，以及解釋我們周圍的世界的方式——盡管不常是正確的。

機(jī)器并不需要達(dá)到這樣才能有真正的意識(shí)，這種對(duì)自己和周圍環(huán)境觀察和評(píng)估決策的影響的能力，是人類獨(dú)有的。這是機(jī)器永遠(yuǎn)不會(huì)復(fù)制的東西，也是為什么人類智能對(duì)人工智能方程式如此重要的原因。

機(jī)器是如何思考的

如果機(jī)器不能像我們一樣觀察世界，那么他們究竟是如何“思考”的，我們又該如何影響這個(gè)過程?

過去五年里，機(jī)器學(xué)習(xí)一直是人工智能行業(yè)的重點(diǎn)。機(jī)器學(xué)習(xí)包括提供算法及所需的工具，以提高性能，而無需明確的人工輸入。

在人工神經(jīng)網(wǎng)絡(luò)(ANNs)的支持下，機(jī)器學(xué)習(xí)在過去的五年發(fā)展迅速，模擬人類如何在周圍的世界中尋找和評(píng)估模式。于是乎，計(jì)算機(jī)能識(shí)別人臉，對(duì)語音信號(hào)作出反應(yīng)，并在高度復(fù)雜的活動(dòng)中與人類競(jìng)爭(zhēng)。

商業(yè)上，基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)在2016年成為主流，同年，AlphaGo擊敗了一位人類圍棋冠軍，這早于AI專家的預(yù)測(cè)。

四年后，深度學(xué)習(xí)被用于改善數(shù)百萬企業(yè)和計(jì)算機(jī)系統(tǒng)的流程。然而，研究人員對(duì)于深度學(xué)習(xí)是否能真正達(dá)到人類智力水平，還是持謹(jǐn)慎態(tài)度的。

機(jī)器在決策過程中缺乏透明度，且目前不清楚單個(gè)系統(tǒng)在觀察和學(xué)習(xí)新任務(wù)方面的可移植性(盡管有許多事情正在影響這一點(diǎn))。

另一個(gè)主要問題是，隱藏在算法黑箱背后的歧視與偏見。是的沒錯(cuò)，即使在深度學(xué)習(xí)系統(tǒng)中，也存在著固有的偏差。亞馬遜停止了一種招聘算法的使用，該算法將男性的簡(jiǎn)歷優(yōu)先排序。

麻省理工學(xué)院的研究人員發(fā)現(xiàn)，面部識(shí)別算法在識(shí)別少數(shù)民族，特別是少數(shù)民族女性方面往往訓(xùn)練不足。因?yàn)橛扇斯げ僮魅藛T和開發(fā)人員向他們?cè)O(shè)計(jì)的算法提供信息，所以可能存在固有的偏差。

硅谷公司于2018年進(jìn)行的的一項(xiàng)研究發(fā)現(xiàn)，該地區(qū)10家大型公司在2016年沒有雇傭黑人女性，3家公司根本沒有黑人員工。多樣性的缺乏會(huì)直接影響到輸入到這些系統(tǒng)中的數(shù)據(jù)，從而惡性循環(huán)。

人類和機(jī)器必須協(xié)作

毫無疑問，人工智能會(huì)一直存在，它的效率極高。人們?nèi)匀粨?dān)心自己的數(shù)據(jù)安全和算法偏見，但比起這些，人類更擔(dān)心的是被AI取代，帶來大面積的失業(yè)。

可以放心的是，雖然人工智能將取代一些可以被自動(dòng)化系統(tǒng)完全代替的工作—例如數(shù)據(jù)輸入，追蹤以及許多客戶服務(wù)行業(yè)工作，但它同時(shí)也在創(chuàng)造新的崗位，擴(kuò)大了數(shù)以百萬計(jì)的工作。

要讓AI發(fā)揮作用，就需要人類智能介入。人類不需再承擔(dān)繁重的工作，而是被重新導(dǎo)向于更具生產(chǎn)力的角色，這通常是支持AI或者與AI協(xié)同工作的角色。

技術(shù)越先進(jìn)，對(duì)于生產(chǎn)和管理人員的需求就越多。人工智能是一個(gè)工作引擎，只會(huì)與人類輸入?yún)f(xié)同工作，以獲取數(shù)據(jù)、管理數(shù)據(jù)、提供操作我們系統(tǒng)的算法等等。

我們生活在一個(gè)變化的時(shí)代。AI系統(tǒng)正以高速發(fā)展，并給我們的生活和各行各業(yè)帶來巨變。這是機(jī)遇也是挑戰(zhàn)，有太多事務(wù)亟待完善和處理。但必須強(qiáng)調(diào)的一點(diǎn)是，人類智能在這一過程中必不可少。