酷播亮新聞
# 本文由 波波洋 投遞譯稿
對人工智慧(AI)的未來的瘋狂追捧無處不在，各種關於AI治病 、AI加速創新、AI改善創造力等等聳人聽聞的消息令人目不暇接。 如果只看媒(jan)體(dan)頭(shou)條(ye)的話，你可能會認為我們已經生活在AI已經無處不在的未來時代。
不可否認，人工智慧帶來了大量有前途的機遇 ，但它也導致了一種所謂的「AI解決主義」思維。 這種哲學的中心思想是，只要有足夠的數據，機器學習演算法就可以解決人類的所有問題 。
但是這個想法大有問題。它並不是支持AI的進步，相反，由於它忽視了重要的AI安全原則，並且寄予了AI不切實際的期望，所以實際上是捧殺了AI的價值。
AI解決主義.ppt
僅僅用了幾年時間，AI解決主義已經從矽谷的技術佈道者們口中，植入了各國政府官員和政客的大腦里。 鐘擺已經從「人工智慧會摧毀人類」這樣的反烏托邦主義論調，擺動到「演算法是我們的救世主」這種烏托邦主義思潮上。
我們看到各國政府正在承諾支持國家AI方案，並參與一場技術和詞藻的軍備競賽，以期在新興的機器學習領域取得支配地位。 例如，英國宣布投入3億英鎊用於人工智慧研究，以將自己定位為該領域的領導者。 法國總統埃馬努埃爾·馬克龍(Emmanuel Macron)對AI的變革潛力充滿了迷戀，他承諾將法國變成全球人工智慧中心。與此同時，中國計劃在2030年前在全國創造價值1500億美元的AI產業 ，以增強人工智慧方面的實力。在這種大環境下，AI解決主義逐漸發育並站穩了腳跟。
神經網路.apk – 下載容易安裝難
儘管許多政治宣言吹捧即將出現的「 AI革命 」的變革性影響，他們卻傾向於低估現實中部署先進的機器學習系統的複雜性。
神經網路是最有前途的AI技術之一，這種機器學習系統簡略的模仿了人腦的神經元結構，但規模小得多，許多基於AI的產品都是用這種技術，從大量數據中推斷出模式和規則。 但許多政客不明白的是，僅僅給要解決的問題加上一個神經網路並不意味著會找到解決方案；同樣，向民主國家添加神經網路也並不意味著它會立即變得更具包容性，公平性或個性化。
挑戰《數據官僚主義.pdf》
AI系統需要大量數據才能正常工作，但公共部門通常沒有合適的數據基礎設施來支持先進的機器學習系統。 大部分數據仍保存在離線的檔案櫃里，而剩下的少量數字化信息也往往被埋沒在各種衙門裡。 通常情況下，數據分布在不同的部門，而每個部門都需要特殊的訪問許可權。最重要的是，公共部門通常缺乏能力合適的技術人才，難以充分享受機器智能的好處 。
基於以上原因，利用AI嘩眾取寵的行為招致了許多評論家的批評。 伯克利計算機科學教授斯圖爾特羅素長期以來一直倡導更現實的方法，專註於人工智慧的簡單日常應用，而不是幻想由超級智能機器人來接管一切。 同樣，MIT的機器人學教授羅德尼布魯克斯表示：「呃……我是說……機器人，和人工智慧方面……它的幾乎所有創新，其實遠遠……對……我是說遠遠……超出內行和外行們所想像的那樣，我的意思是……真正想要廣泛部署它們，其實還有很長很長的時間，對……這就是我要說的。」
AI部署機器學習系統的許多困難之一是AI非常容易遭受對抗性攻擊 ，這意味著惡意AI可以針對另一個AI來迫使它做出錯誤的預測或以某種方式行事。 許多研究人員對在沒有適當的安全標準和防禦機制的情況下推出AI技術提出了警告。 儘管如此，AI安全仍然是一個經常被忽視的話題。
機器學習不是魔法
如果我們想要獲得收益並盡量減少AI的潛在危害，那麼我們必須開始思考如何將機器學習有效地應用於政府、企業和社會的一些特定領域。 這意味著我們需要討論人工智慧倫理以及許多人對機器學習的不信任。
最重要的是，我們需要意識到人工智慧的局限性，以及哪些事情必須由人類來掌控。 與其描繪一副不切實際的《AI之力.png》，更重要的是退一步，將AI的真正能力與虛幻的魔法劃清界限。
長久以來， Facebook認為諸如錯誤信息和仇恨言論傳播這樣的問題，可以通過演算法識別並終結。 但是在立法者最近的壓力下，該公司承諾很快將用一萬多人的審核人員來替換其演算法。
醫學界也認識到，人工智慧不能被視為解決所有問題的解決方案。 IBM Watson for Oncology計劃是一項旨在幫助醫生治療癌症的AI計劃，儘管它是為了提供最好的建議而開發的，但人類專家發現很難相信這台機器 。 結果在大多數醫院裡，這個AI程序在試用期間就被放棄了 。
在法律領域 ，當美國法院使用演算法判決罪犯時，也出現了類似的問題。 他們使用一個演算法來計算風險估計係數，並向法官提供判決建議。但後來人們發現，這個系統放大了結構性種族歧視，於是遭到了棄用。
這些例子表明，放之四海而皆準的AI解決方案是不存在的。 僅僅為了AI而使用AI，並不一定有利於提高生產力，甚至可能根本沒有卵用。 不是任何問題都可以通過給它加上一個AI來完美解決。 對於想在國家AI計劃這個風口上分一杯羹的投資人們而言，這是至關重要的一課：所有解決方案都是有成本的，不是所有可以自動化的東西都應該被自動化。(不，我指的不是每周一次的無聊圖大吐槽)
本文譯自 theconversation，由譯者 投稿 基於創作共用協議(BY-NC)發布。
