人工智能不可避免地侵蚀了人类生活的方方面面。
我们无法想象没有人工智能的生活会是什么样子。
不断有说法称，人工智能很快就会占领我们的工作、打人类的战争、管理我们的健康，甚至像科幻电影中的情节一样成为人类的主人。
而大数据已经见证了一切。
所以不要相信那些荒谬的说法。
现实情况是，计算机仍然无法像人类一样思考，尽管它们看起来表现得相当好。
聪明但不聪明的计算机比我们知道更多的事实——它们有更好的记忆力，计算速度更快，而且不知疲倦。
机器人在机械任务方面远远胜过人类：拧紧螺栓、播种、搜索法律文件、接收银行存款和分配现金。
计算机可以识别物体、画图、驾驶汽车……您当然可以轻松想到其他十几个令人印象深刻的超人计算机壮举。
人们很容易认为计算机性能如此出色是因为它们非常“聪明”。
在哈佛商学院四月份发表的一项研究中，实验者研究了影响人们如何看待流行事物（例如歌曲）的因素。
一些专家认为，人类比计算机更有说服力，但在比较人类和计算机提出的“建议”的影响时，很明显算法占据上风。
计算机非常好并且正在变得更好，但计算机算法仍然是为非常狭窄的用途和明确定义的任务而设计的，例如拼写检查和信息检索。
这与通过评估正在发生的事情、为什么发生以及采取行动的后果来处理不熟悉的情况所需的一般情报相去甚远。
计算机无法制定有说服力的理论，无法进行归纳推理或长期规划，无法写出引人入胜的诗歌、小说或电影剧本。
计算机不具有任何情感、感受或灵感。
计算机不知道任何意义上的单词的含义。
计算机不具备人类一生积累的智慧。
计算机甚至不知道这些简单问题的答案：当你将橙汁与牛奶混合时，加一点盐味道会不会更好？如果我闭上眼睛倒着走下楼梯，安全吗？我不知道需要多长时间才能开发出具有与人类相当的通用智能的计算机。
我怀疑这需要几十年的时间。
我确信那些声称已经实施的人是错误的，而且我不相信那些给出具体日期的人。
同时，请对牵强的科幻场景持怀疑态度，谨慎对待开发人工智能产品的企业。
探索冰山下的大海并不是情感和诗意。
如今，利用高性能计算机挖掘大数据模式来帮助做出重大决策已逐渐流行。
当统计模型分析大量潜在的解释变量时，可能的关系数量变得非常大，可能达到数万亿。
如果考虑更多潜在变量，即使它们都只是随机噪声，某些组合也必然与我们试图通过人工智能预测的结果高度相关：癌症、信用风险、工作适合性、犯罪可能性。
偶尔会出现有价值的发现，但考虑的解释变量越多，发现的关系就越有可能是巧合的、暂时的、无用的或更糟糕的。
监控 Facebook 或 Twitter 上的词语使用情况来评估求职者的算法可能会发现虚假相关性，这些相关性对工作绩效的预测效果不佳，并且对性别、种族、性取向和年龄的影响各不相同。
。
2016 年，Admiral Insurance 开发了一种汽车保险算法，可以评估人们是否喜欢 Facebook 上的迈克尔·乔丹或伦纳德·科恩。
在预定发布前几个小时，Facebook 表示将不允许 Admiral 访问 Facebook 数据； Facebook 可能更关心的不是歧视或隐私，而是其自己的专有算法，可以根据您和您的 Facebook 好友的特征来识别他们的身份。
评估贷款申请。
最近，据报道，主要根据男性工程师的简历进行训练的亚马逊求职算法对含有“女性”一词的简历进行了“惩罚”。
亚马逊发现，尽管尽了最大努力，但其工程师仍无法确定该算法是否仍然歧视女性，亚马逊决定终止该软件。
2016年，国内某人工智能借贷应用创始人兼CEO表示：“银行只关注冰山一角，但我们构建的算法需要了解海底的大量数据。
”那么海底有哪些有用的数据呢？您可能会惊讶地发现这一切都与智能手机有关。
这位CEO吹嘘道：“我们不从传统金融机构聘请风控人员，不需要人来告诉我们谁是好客户，谁不是好客户，技术就是我们的风控员。
”在表明一个人具有良好的信用风险时，其中一项数据显示了接听电话的频率。
这并不是毫无意义的接听电话倾向，但它肯定是对那些宗教信仰禁止在某些日子或某些时间接听电话的人的歧视。
人工智能的黑匣子岁月 希拉里·克林顿(Hillary Clinton)竞选活动遭遇挫折。
他们严重依赖软件程序，忽视了人们的呼声，以至于没有注意到密歇根州和威斯康星州，直到为时已晚。
经验丰富的竞选工作人员都知道，选民的热情较低，但热情很难衡量，因此计算机会忽略它。
如果发现的模式隐藏在黑匣子中，甚至设计算法的研究人员和工程师也无法理解黑匣子的内部细节，那么情况会更加严重。
通常，没有人知道为什么计算机会得出这样的结论：应该购买某种股票，应该拒绝某个求职者，应该接受某种药物，应该拒绝某个囚犯的假释，或者应该炸毁某个建筑物。
。
人工智能与数字广告和个人数据的结合扩大了潜在损害的范围，特朗普竞选承包商剑桥分析公司的情况就是如此。
企业和政府收集的大量个人数据被用来推动和激励我们购买不需要的东西，去我们不喜欢的地方，并投票给我们不应该信任的候选人。
在人工智能和大数据时代，真正的危险不是计算机比我们聪明，而是我们认为计算机比我们聪明，并盲目遵循计算机为我们做出的决定。
计算机并非万无一失，我们必须自己判断统计模式是否有意义或只是巧合。
人类推理与人工智能有着根本的不同，这就是为什么我们比以往任何时候都更需要严格的推理。