本文转载自公众号《核心阅读》（ID：AI_Discovery）AI越来越深入我们的生活。它收集了大量关于我们的数据，做出越来越复杂的决定。AI可以帮助我们分类和阻止电子邮件，语音助手可以回答更复杂的请求，聊天机器人可以自动执行复杂的流程，为成千上万的客户提供服务。清单还在继续。未来已来，但我们真的准备好了吗？近年来发生的很多事情，让我们无法消除对人工智能的担忧。人工智能离不开数据，但数据从何而来？企业不断地从用户那里收集数据。不管用户是否意识到，用户数据已经成为世界上最有价值的商品。另一方面，如果人工智能是高效的，那么对于数百万可以被机器取代的工作意味着什么？失业恐惧、数据泄露、CambridgeAnalytica丑闻……让这一切都让人清醒。我们真的希望记录和分析我们生活的方方面面，以便从更智能的计算机系统中受益吗？我们如何平衡得失？首先，我们要搞清楚，在实现人工智能的过程中，人类扮演什么角色。具有自我意识的机器的进化和未来的谨慎当然是可以理解的，但要考虑人工智能的能力。在这个宇宙中，我们从未发现任何东西像人脑一样具有可塑性和潜力。然而，我们现在看到计算机在最复杂的游戏中击败了人类，驾驶汽车比任何人类司机更安全、更高效，并且比人类医生做得更好的医疗工作。所有这一切的最终目标是创造一个有自我意识的机器。这就是图灵测试的目的，以确定计算机在复制人类方面的效率。它是成千上万部电影和小说的主题，以及关于自我意识人工智能给人类带来的风险的令人瞠目结舌的文章。这也是RayKurzweiler在不到30年的时间里对人类-人工智能奇点理论做出的激进但越来越现实的预测的重点。然而，事实上，真正让人类与众不同的是我们的大脑看待和解释我们周围世界的方式——尽管并不总是正确的。机器不需要实现这一点就可以真正有意识。这种观察和评估决策对自身及其周围环境的影响的能力是人类独有的。这是机器永远无法复制的东西，也是为什么人类智能对AI方程式如此重要。机器如何思考如果机器无法以我们的方式看待世界，那么它们究竟是如何“思考”的，我们又如何影响这个过程？过去五年，机器学习一直是AI行业关注的焦点。机器学习涉及提供提高性能所需的算法和工具，而无需明确的人工输入。机器学习在过去五年中发展迅速，由人工神经网络(ANN)提供支持，它模仿人类如何发现和评估周围世界的模式。因此，计算机可以识别人脸、响应语音信号并在高度复杂的活动中与人类竞争。在商业上，基于人工神经网络的深度学习在2016年成为主流，同年AlphaGo比AI专家预测的更早击败了人类围棋冠军。四年后，深度学习被用于改进数百万企业和计算机系统的流程。然而，研究人员对深度学习能否真正实现人类水平的智能持谨慎态度。机器在决策过程中缺乏透明度，并且目前还不清楚可移植的个体系统在观察和学习新任务方面的表现如何（尽管有很多因素正在影响这一点）。另一个主要问题是隐藏在算法黑匣子背后的歧视和偏见。没错，即使在深度学习系统中，也存在固有的偏差。亚马逊停止使用优先考虑男性简历的招聘算法。麻省理工学院的研究人员发现，面部识别算法往往训练不足，无法识别少数族裔，尤其是少数族裔女性。由于人类操作员和开发人员为他们设计的算法提供数据，因此可能存在固有偏差。硅谷公司2018年的一项研究发现，该地区最大的10家公司在2016年没有雇用黑人女性，其中3家根本没有黑人员工。缺乏多样性直接影响输入这些系统的数据，形成恶性循环。人与机器必须协同工作毫无疑问，人工智能将永远存在，而且效率极高。人们仍然担心自己的数据安全和算法偏差，但比这些更担心的是，人类更担心被人工智能取代并带来广泛的失业。你可以放心，虽然人工智能将取代一些可以完全被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行业的工作——但它也在创造新的工作岗位，扩大数百万个工作岗位。工作。为了让人工智能发挥作用，人类智能需要介入。人类不再承担繁重的工作，而是被重新定位到更有生产力的角色，通常支持人工智能或与人工智能一起工作。技术越先进，对生产经营人才的需求就越大。AI是一个工作引擎，只能与人类输入结合使用以获取数据、管理数据、提供操作系统的算法等等。我们生活在一个变革的时代。人工智能系统正在高速发展，给我们的生活和各行各业带来巨大的变化。这既是机遇也是挑战，需要改进和解决的问题太多了。但必须强调的是，人类智能在这个过程中必不可少。
