隨著人工智能技術(shù)在各行業(yè)的應(yīng)用越來(lái)越廣泛，IT領(lǐng)導(dǎo)者需要了解如何采用人工智能技術(shù)收集商業(yè)見(jiàn)解的秘密。

人類一直夢(mèng)想著有一個(gè)無(wú)所不知、無(wú)所不能的精靈為自己提供幫助。如今需要感謝計(jì)算機(jī)科學(xué)家的不斷探索和努力，將在人工智能領(lǐng)域找到這個(gè)答案，因?yàn)槿斯ぶ悄苡锌赡茏龅饺魏稳讼胍龅氖虑?，至少在某些時(shí)候和某些地方是這樣。

人工智能的創(chuàng)新能力是驚人的。采用像Siri、Alexa或Google Assistant這樣的虛擬助理對(duì)于10到15年前的人們來(lái)說(shuō)似乎是神奇的事物，他們可以通過(guò)語(yǔ)音向虛擬助理發(fā)布命令或?qū)で蟠鸢?，而與上世紀(jì)90年代的語(yǔ)音識(shí)別工具不同，虛擬助理通常會(huì)提供正確的答案。

盡管人工智能有其神奇之處，但它們?nèi)匀灰蕾囉谟?jì)算機(jī)編程，這意味著其功能方面仍然受到了一些限制，但它們?cè)谔幚硪恍┲貜?fù)性的日常工作方面表現(xiàn)更好，但歸根結(jié)底，它們?nèi)匀恢皇峭ㄟ^(guò)計(jì)算函數(shù)并確定某個(gè)數(shù)字是大于還是小于閾值來(lái)做出決策的計(jì)算機(jī)。而在其提供巧妙的奧秘和復(fù)雜算法的背后，都是來(lái)自實(shí)現(xiàn)IF-THEN決策的晶體管。

那么對(duì)于人類來(lái)說(shuō)有什么選擇嗎？隨著人工智能技術(shù)在各行業(yè)應(yīng)用越來(lái)越廣泛，需要了解有關(guān)人工智能的一些不為人知的秘密。

1.從人工智能中發(fā)現(xiàn)的很多東西都是顯而易見(jiàn)的

對(duì)于人工智能科學(xué)家來(lái)說(shuō)，最困難的工作就是告知人們其所開(kāi)發(fā)的人工智能技術(shù)發(fā)現(xiàn)了每個(gè)人都知道的常識(shí)。也許開(kāi)發(fā)的人工智能應(yīng)用程序識(shí)別了100億張照片，發(fā)現(xiàn)天空的顏色是藍(lán)色的。但是如果沒(méi)有將夜空的照片放在其訓(xùn)練集中，其應(yīng)用程序永遠(yuǎn)不會(huì)意識(shí)到夜晚的天空顏色是黑色。

但是人工智能如何才能避免得出顯而易見(jiàn)的結(jié)論呢？數(shù)據(jù)中最強(qiáng)的信號(hào)對(duì)任何人來(lái)說(shuō)都是顯而易見(jiàn)的，而且對(duì)挖掘數(shù)字的計(jì)算機(jī)算法來(lái)說(shuō)也是顯而易見(jiàn)的。因此，人們需要了解的是，不要期望采用人工智能算法就能得到正確的結(jié)果。

2.利用人工智能細(xì)微差別的見(jiàn)解可能不值得

當(dāng)然，當(dāng)數(shù)據(jù)很精確時(shí)，良好的人工智能會(huì)識(shí)別微小的差異。只是有些細(xì)微的差別過(guò)于微妙，不值得追根究底。而人工智能程序可能一直執(zhí)著于識(shí)別這些細(xì)微差別。問(wèn)題是，有些信號(hào)顯而易見(jiàn)，有些信號(hào)的收益可能很微小甚至沒(méi)有。

3.神秘的計(jì)算機(jī)更具威脅性

雖然早期的研究人員希望人工智能算法的數(shù)學(xué)方法能夠?yàn)榻M織最終決策帶來(lái)更多的可信度，但是很多人并不相信其邏輯。如果說(shuō)有什么不同的話，人工智能的復(fù)雜性和神秘性使得對(duì)答案不滿意的人都會(huì)懷疑這個(gè)過(guò)程。人工智能技術(shù)越神秘、越復(fù)雜，人們就越有理由表示懷疑和憤怒。

4.人工智能主要是曲線擬合的問(wèn)題

數(shù)百年來(lái)，科學(xué)家們致力根據(jù)所給定的離散數(shù)據(jù)點(diǎn)繪制曲線（曲線擬合）。許多機(jī)器學(xué)習(xí)算法正在完成這樣的任務(wù)。它們收集了大量數(shù)據(jù)，希望通過(guò)它們繪制曲線。很多技術(shù)都是將問(wèn)題分解成數(shù)千、數(shù)百萬(wàn)、甚至數(shù)十億個(gè)小問(wèn)題找到解決方法。有些人發(fā)現(xiàn)，人工智能的決策有時(shí)并不準(zhǔn)確，他們會(huì)把注意力集中在這樣一個(gè)事實(shí)上：沒(méi)有深入的理論或哲學(xué)框架來(lái)為其給出的答案提供可信度，這只是對(duì)某些曲線和斜率的估算值。

5.收集數(shù)據(jù)需要大量的工作

數(shù)據(jù)科學(xué)的研究人員意識(shí)到，找到數(shù)據(jù)才是真正的工作。人工智能是數(shù)據(jù)科學(xué)的近親，它也面臨著同樣的挑戰(zhàn)，收集數(shù)據(jù)需要處理文件格式、缺少數(shù)據(jù)字段和字符代碼等大量工作。

6. 需要大量的數(shù)據(jù)才能得出更深入的結(jié)論

有些答案很容易找到，但獲得更深入、更復(fù)雜的結(jié)論往往需要越來(lái)越多的數(shù)據(jù)。有時(shí)需要收集的數(shù)據(jù)量會(huì)呈指數(shù)級(jí)增長(zhǎng)。

7.被數(shù)據(jù)偏見(jiàn)所困擾

人們都了解其看到和感知的東西會(huì)受到一些限制，人工智能也不例外，并且顯然會(huì)受到訓(xùn)練集的限制。如果數(shù)據(jù)中存在偏差，人工智能將會(huì)繼承這些偏差。如果數(shù)據(jù)有漏洞，人工智能對(duì)外部世界的理解就會(huì)有漏洞。

8.人工智能是電力黑洞

人工智能的應(yīng)用將會(huì)變得越來(lái)越復(fù)雜。只要研究人員愿意，就會(huì)不斷創(chuàng)造出節(jié)點(diǎn)更多、層次更多、內(nèi)部狀態(tài)更復(fù)雜的模型。也許這種額外的復(fù)雜性足以使模型真正有用，也許下一輪可能會(huì)出現(xiàn)一些緊急的情感行為。但是也許需要運(yùn)行大量GPU才能真正捕捉到效果，因此人工智能將會(huì)耗費(fèi)更多的電力。

9.可解釋的人工智能進(jìn)展緩慢

人工智能研究人員一直花費(fèi)大量的時(shí)間來(lái)嘗試解釋人工智能在做什么。通過(guò)深入研究數(shù)據(jù)，發(fā)現(xiàn)訓(xùn)練有素的人工智能模型嚴(yán)重依賴于來(lái)自數(shù)據(jù)集特定的一些參數(shù)。不過(guò)，可解釋人工智能的結(jié)果通常并不令人信服，容易陷入“雞生蛋，蛋生雞”的悖論中，因此可解釋的人工智能進(jìn)展很緩慢。

10.努力做到公平是一個(gè)挑戰(zhàn)

如果研究人員將身高排除在人工智能訓(xùn)練集之外，但是人工智能程序很有可能會(huì)找到一些其他的數(shù)據(jù)來(lái)標(biāo)記身高不同的人，其數(shù)據(jù)也許是鞋子的尺寸，也許是臂長(zhǎng)。人們?cè)?jīng)夢(mèng)想能夠讓中立的人工智能做出一個(gè)公正的決定，會(huì)讓世界變得更加公平，但有時(shí)現(xiàn)實(shí)并不公平，而人工智能算法也無(wú)法做得更好。

11.有時(shí)修復(fù)甚至更糟

強(qiáng)迫人工智能公平地解決實(shí)際問(wèn)題嗎？有些人堅(jiān)持認(rèn)為，人工智能一定會(huì)產(chǎn)生準(zhǔn)確的結(jié)果，并重寫算法以更改輸出。但是人們開(kāi)始懷疑，如果已經(jīng)確定了想要的答案，那么為什么還要進(jìn)行任何訓(xùn)練或數(shù)據(jù)分析呢？

12.人類是真正的問(wèn)題所在

如果將1000萬(wàn)張圖片進(jìn)行分類，那么人工智能應(yīng)用程序在大多數(shù)時(shí)候都能產(chǎn)生相當(dāng)準(zhǔn)確的結(jié)果。當(dāng)然可能會(huì)出現(xiàn)問(wèn)題和錯(cuò)誤。一些小問(wèn)題甚至可能反映出人工智能偏見(jiàn)的深層次問(wèn)題，而這些問(wèn)題可能需要撰寫論文才能進(jìn)行解釋和分析。

人工智能并不是問(wèn)題所在，它們只是按照人類的指令行事。人工智能只是人類的工具，人類希望通過(guò)人工智能技術(shù)獲得優(yōu)勢(shì)并從中獲利。但人工智能應(yīng)用的結(jié)果取決于人類的目的，如果用于不當(dāng)?shù)哪康模敲慈斯ぶ悄艿膽?yīng)用將會(huì)帶來(lái)不利影響。
責(zé)任編輯：YYX