人工智能(AI)已达到临界点,它利用我们生活中每个应用程序,网站和设备收集的海量数据来代表我们做出越来越复杂的决策。AI正在我们的收件箱中进行分类和阻止电子邮件。它通过语音助手处理并处理我们日益复杂的请求。它通过聊天机器人补充了客户支持,并极大地实现了复杂流程的自动化,从而减少了知识工作者的工作量。显然,设备可以即时适应人类行为。那么人类是否真的适用人能智能?到底是人类智能还是人工智能呢?
未来已经来临,但这并不意味着我们已经为此做好了准备。最近两年充斥着许多故事,这些故事使普通消费者对AI在他们的生活中所扮演的角色三思而行。毕竟,要使AI有效,就需要数据。对于公司来说,要获取数据,他们需要从已经成为世界上最有价值商品的用户那里收集数据,无论他们是否意识到。如果有效,那对于现在可以由机器处理的数百万个工作意味着什么?
数不清的数据泄露,对AI系统失去工作的担忧以及Cambridge Analytica丑闻使所有这一切成为一个发人深省的观点。我们是否真的希望记录和分析我们生活的方方面面,以便获得更智能的计算机系统?
如果我们这样做了,我们如何在这些收益与众多可理解的恐惧之间取得平衡?首先要敏锐地理解人类情报在我们实施AI中所扮演的角色,以及如果没有一个,另一个注定要失败。
自我意识机器的演变以及下一步
警惕是可以理解的,但请暂时考虑一下AI的功能。我们从未在这个宇宙中发现任何像人类大脑一样具有延展性和潜力的东西。除了现在,我们看到计算机在我们设计的一些最复杂的游戏中击败了人类,比任何人类驾驶员更安全,更高效地驾驶汽车,并增强了医疗保健系统以检测疾病并更准确地治疗人类。
所有这一切的最终目标是创造一个自我意识的机器。Alan Turing同名测试的主题是确定计算机在复制人类方面的有效性。这是在不到30年的时间内对人类AI奇异性进行积极但越来越合理的预测的重点。这也是成千上万部电影,小说和令人窒息的论文的主题,这些论文涉及自觉AI对人类的风险。
实际上,使人类真正与众不同的是我们的大脑讲述其观察结果的故事,解释我们周围世界的方式-通常是错误的。机器并不需要真正意识到这一点。但是,观察和评估决策影响的能力不仅是我们自己,而且是我们周围环境的本质。这是机器可能永远无法复制的东西,这就是为什么人类智能对于AI方程式如此重要的原因。
机器如何实际思考
因此,如果机器不像我们那样观察世界,它们如何“思考”,我们将如何影响这些过程?
在过去的五年中,机器学习一直是AI行业的活动中心,代表了所有行业生产和价值的巨大增长。机器学习(ML)涉及为算法提供所需的工具,以提高性能,而无需明确的人工输入。
在人工神经网络(ANN)的支持下,机器学习在过去的十年中发展迅速,以模仿人类如何寻找和评估我们周围世界的模式。这使计算机能够识别人脸,对语音提示做出响应并在高度复杂的活动中与人竞争。
在商业上,基于ANN的深度学习在2016年成为AlphaGo击败人类围棋冠军的主流-AI专家预测这还需要几年的时间。
四年后,深度学习被用于改善数百万个企业和计算机系统中的流程。但是,该领域的研究人员对深度学习是否能够真正达到人类智能水平保持警惕。
他们在决策过程中缺乏透明性,并且尚不清楚单个系统在观察和学习新任务方面的可移植性。
另一个主要问题是任何一个单独的AI系统背后的开发人员和创建者。即使在深度学习系统的情况下,也存在固有的偏差。亚马逊停止了一项招聘算法,该算法优先考虑男性简历中常用的短语和语言。
麻省理工学院的研究人员发现,面部识别算法通常在训练上不足以识别少数民族,尤其是少数民族妇女。由于操作员和开发人员会向他们设计的算法提供信息,因此可能会存在固有的偏差。
2018年对硅谷公司的一项研究发现,该地区的十家大公司在2016年没有雇用一名黑人女性,三名根本没有黑人雇员。多样性的缺乏会直接影响输入这些系统的数据。
人与机器必须协同工作
人工智能是社会的永久组成部分。它太有效了,已经对它产生了太大的影响,无法更改。可以理解的是,人们对如何收集数据以及这些系统的偏见仍然存有疑虑。但是可以说,人们最担心的是这些算法使工作变得更有效的工作发生了什么,有效地减少了对工人的需求。
尽管AI会取代一些可以完全由自动化系统取代的工作例如数据输入,跟踪和许多客户服务工作但它会创造同样多的工作,并扩大数百万个工作。为了使人工智能发挥作用,它需要人类的智慧。劳动不再是忙碌的工作,而是被转移到更具生产性的角色上,这些角色通常与人工智能一起支持或协同工作。
越先进的技术,就需要更多的人来生产和管理它。类似于取代了某些类型的工作但创造了更多工作的工业革命,AI是一种工作引擎,它将仅与人工输入协同工作以捕获数据,管理数据,提供操作系统的算法等等。
通过上述介绍,人类智能还是人工智能相信大家已经知晓了吧,想了解更多关于人工智能的信息,请继续关注中培伟业。