現(xiàn)今，“AI讓會(huì)讓你丟失工作“、”AI可以無孔不入的監(jiān)控你“等等危險(xiǎn)的言論，讓很多人都很恐懼AI的發(fā)展。最近，谷歌首席決策科學(xué)家CassieKozyrkov卻提出了：“人類可以彌補(bǔ)人工智能的缺點(diǎn)”，并進(jìn)一步表示，相較于”機(jī)器學(xué)習(xí)“，”機(jī)器教學(xué)“才是AI發(fā)展到現(xiàn)在更需要關(guān)注的點(diǎn)。

AI剛剛興起的時(shí)候，大多數(shù)人們對(duì)這個(gè)詞匯還是感到很陌生，但隨著各類AI機(jī)器人不斷出現(xiàn)，人工智能聲名大噪，成為了各個(gè)國家未來的發(fā)展戰(zhàn)略。科學(xué)家、工程師看到了一個(gè)嶄新領(lǐng)域的興起，商人們看到了技術(shù)帶來源源不斷的財(cái)富，而普通人則不得不面對(duì)“機(jī)器人竊取大量工作”的局面。由此“人工智能是人類最大的生存威脅”、“我們應(yīng)該抵制人工智能”等言論甚囂塵上！人類與人工智能究竟能否共贏共存成為了一個(gè)既敏感又現(xiàn)實(shí)的問題。

近日，谷歌首席決策科學(xué)家CassieKozyrkov提出了：“人類可以彌補(bǔ)人工智能的缺點(diǎn)”。過去五年，CassieKozyrkov在Google擔(dān)任過很多技術(shù)職務(wù)，但如今她要正式面對(duì)“首席決策科學(xué)家”這個(gè)有點(diǎn)奇怪的職位了。

簡單來講，決策科學(xué)就是數(shù)據(jù)和行為科學(xué)的交叉點(diǎn)，涉及統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、心理學(xué)、經(jīng)濟(jì)學(xué)等學(xué)科。Kozyrkov的主要職責(zé)就是幫助Google推動(dòng)更積極的AI議程，至少也要讓人們相信AI并不像頭條新聞所說的那么糟糕。

面對(duì)人工智能，人類到底在焦慮些什么？

“機(jī)器人正在竊取我們的工作，”“人工智能是人類最大的生存威脅”，類似的宣言已經(jīng)存在了很長一段時(shí)間，但在過去幾年中，這種擔(dān)憂變得更加明顯。

對(duì)話式AI助手廣泛存在于現(xiàn)實(shí)生活中，汽車、卡車幾乎能夠自動(dòng)駕駛，機(jī)器可以輕而易舉的在電腦游戲中擊敗人類，甚至藝術(shù)創(chuàng)意的工作也受到了人工智能的沖擊。我們不斷被告知，無聊和重復(fù)的工作可能會(huì)成為過去。

身處自動(dòng)化世界，人們對(duì)未來感到焦慮和困惑是可以理解的。但是，根據(jù)Kozyrkov的說法，人工智能僅僅是自人類誕生以來一直努力奮斗的延伸。

在倫敦AI峰會(huì)上Kozyrkov發(fā)表講話說：“人類的故事是自動(dòng)化的故事。人類發(fā)展的歷程就是關(guān)于如何將事情做得更好，從舊石器時(shí)代開始，原始人拿起一塊石頭敲擊另一塊巖石，就是因?yàn)榭梢愿焱瓿晒ぞ撸缓罄霉ぞ哌M(jìn)行更好的創(chuàng)造。從古至今，人類都是工具制造的種族，我們反對(duì)一味的埋頭苦干”。

人工智能是危險(xiǎn)的，因?yàn)樗鼙热祟愖龅酶谩＿@種的潛在威脅對(duì)Kozyrkov來說是站不住腳的，她認(rèn)為所有的工具都比人類徒手來做強(qiáng)得多。理發(fā)師用剪刀剪頭發(fā)，就是因?yàn)橛檬肿ゲ荒敲蠢硐搿９膨v堡的印刷機(jī)生產(chǎn)文本的規(guī)模可以達(dá)到了人類無法復(fù)制的規(guī)模。

使用工具比人類徒手做效果更好—這就是工具的意義。如果沒有工具你可以做得更好，為什么要使用這個(gè)工具？如果你擔(dān)心計(jì)算機(jī)在認(rèn)知上比你更好，那么筆和紙?jiān)谟洃洉r(shí)也比人類更長久；水桶在拿水的時(shí)候比人類得儲(chǔ)存量更大，計(jì)算器的六位數(shù)計(jì)算遠(yuǎn)勝于大部分人類計(jì)算。我們有理由相信，未來人工智能在某些方面也會(huì)變得更好。

當(dāng)然，許多人對(duì)人工智能和自動(dòng)化的潛在恐懼并不是說它會(huì)比人類做得更好。而是害怕政府、企業(yè)和任何惡意實(shí)體可以肆無忌憚地追蹤和微觀管理人類的一舉一動(dòng)——幾乎不費(fèi)吹灰之力就可以實(shí)現(xiàn)秘密的宏偉愿景，從而給人類蒙上反烏托邦的陰影。

其他問題涉及像算法偏見，缺乏足夠的監(jiān)督以及世界末日情景等因素有關(guān)：如果某件事急劇地——無意地——出錯(cuò)了怎么辦？

人工智能該如何真正減少人類的偏見？

研究人員已經(jīng)證明了面部識(shí)別系統(tǒng)的內(nèi)在偏見，像亞馬遜的Rekognition。最近，民主黨總統(tǒng)候選人參議員伊麗莎白·沃倫呼吁聯(lián)邦機(jī)構(gòu)解決有關(guān)算法偏差的問題，例如美聯(lián)儲(chǔ)的放貸歧視問題 。

其實(shí)，人工智能在現(xiàn)實(shí)生活也能起到減少人類現(xiàn)有偏見的作用。

最近，舊金山警方聲稱，指控人們犯罪時(shí)，它將使用人工智能來減少偏見，例如，通過自動(dòng)編輯警方報(bào)告中的某些信息。在招聘領(lǐng)域，由風(fēng)險(xiǎn)投資公司支持的Fetcher正在著手通過利用人工智能來幫助公司尋找人才，該公司聲稱人工智能也有助于將人類偏見降至最低，F(xiàn)etcher通過搜索在線渠道自動(dòng)尋找潛在候選人，并使用關(guān)鍵字來確定個(gè)人可能擁有的、未在個(gè)人資料中列出的技能。該公司將自己定位為簡單消除招聘偏見的平臺(tái)，因?yàn)槿绻阌?xùn)練一個(gè)系統(tǒng)遵循一套嚴(yán)格的標(biāo)準(zhǔn)，而這些標(biāo)準(zhǔn)只關(guān)注技能和經(jīng)驗(yàn)，那么性別、種族或年齡等因素就不會(huì)被考慮在內(nèi)。

在很多人工智能領(lǐng)域，AI如何擴(kuò)散系統(tǒng)歧視的擔(dān)憂是首要議程。微軟敦促美國政府監(jiān)管面部識(shí)別系統(tǒng)，研究人員致力于在不影響預(yù)測結(jié)果準(zhǔn)確性的情況下減少人工智能中的偏見。

人工智能展示的偏差來源于何處？

人工智能正處于相對(duì)初期階段，研究人員仍在研究如何解決算法偏差等問題。但Kozyrkov表示，人工智能展示的偏見和現(xiàn)存人類偏見是一樣的，人類用來訓(xùn)練機(jī)器的數(shù)據(jù)集就像用來教育人類的教科書一樣。數(shù)據(jù)集和教科書都有人類作者—它們都是根據(jù)人類的指示收集的，其中一個(gè)比另一個(gè)更容易搜索。一個(gè)可能是紙質(zhì)版，另一個(gè)是電子版，實(shí)際上它們沒什么區(qū)別。如果你給學(xué)生一本有極度偏見作家寫的教科書，難道你的學(xué)生不會(huì)接受一些同樣的偏見嗎？

當(dāng)然，在現(xiàn)實(shí)世界中，備受好評(píng)的同行評(píng)審期刊或教科書應(yīng)該有足夠的監(jiān)督來對(duì)抗任何公然的偏見。如果作家、原始數(shù)據(jù)、鼓勵(lì)學(xué)生閱讀的教科書的老師都有相同的偏見呢？人們要花費(fèi)很長的時(shí)間才能發(fā)現(xiàn)一些陷阱，但到那時(shí)阻止任何不良影響都為時(shí)已晚。因此，Kozyrkov認(rèn)為“視角的多樣性”對(duì)于確保最小的偏見是必不可少的。

研究人員越是關(guān)注自己的數(shù)據(jù)，思考用這些例子來表達(dá)自己的結(jié)論，就越有可能抓住那些潛在的壞案例。在人工智能中，數(shù)據(jù)的多樣性是必須的，而且需要從不同的角度來看待和思考使用這些例子會(huì)對(duì)世界產(chǎn)生怎樣的影響。

檢驗(yàn)人工智能與檢驗(yàn)學(xué)生學(xué)習(xí)的方法非常相似

人工智能算法和機(jī)器學(xué)習(xí)模型部署之前，關(guān)鍵要像學(xué)生考試一樣測試它們，確保能夠執(zhí)行設(shè)定任務(wù)的。

如果在考試中，一個(gè)學(xué)生被問及學(xué)過的確切問題，可能表現(xiàn)得非常好，但這極大概率要?dú)w功于好的記憶，而不是對(duì)手頭的科目有完全的了解。為了測試更廣泛的理解，要為學(xué)生提供更多的問題，以便他們能更好的應(yīng)用所學(xué)知識(shí)。

機(jī)器學(xué)習(xí)在同一個(gè)前提下運(yùn)行——有一個(gè)被稱為“過度擬合”的建模錯(cuò)誤，即一個(gè)特定的函數(shù)與訓(xùn)練數(shù)據(jù)過于接近，就會(huì)導(dǎo)致誤報(bào)。“計(jì)算機(jī)有很好的記憶力，“Kozyrkov指出，“所以你實(shí)際測試它們的方式是你給他們真正的新東西，他們無法記住，這與你的問題有關(guān)。如果它有效，那么它就有效。“

Kozyrkov在安全有效的人工智能四個(gè)原則和學(xué)生教學(xué)的四個(gè)基本原則之間進(jìn)行了相似的比較并表示：

明確的教學(xué)目標(biāo)—你想要教給你學(xué)生的東西。

相關(guān)和多樣化的觀點(diǎn)。

精心設(shè)計(jì)的測試。

安全網(wǎng)

安全網(wǎng)特別重要，因?yàn)楹苋菀壮霈F(xiàn)忽視“如果出現(xiàn)問題怎么辦？”的情況。即使是最精心設(shè)計(jì)，人工智能系統(tǒng)也可能出現(xiàn)問題。事實(shí)上，系統(tǒng)越好在某些方面就越危險(xiǎn)，就像學(xué)生一樣。

Kozyrkov表示，即使你的學(xué)生真的很好，但他們?nèi)匀粫?huì)犯錯(cuò)誤。

甚至在某些方面，“C”學(xué)生比“A +”學(xué)生更不危險(xiǎn)，因?yàn)椤癈”學(xué)生犯錯(cuò)誤的頻率較高，所以你已經(jīng)有了安全網(wǎng)。 但是“A +”犯錯(cuò)頻率較少，如果你以前從未見過他們犯錯(cuò)誤，你可能會(huì)認(rèn)為他們從未犯過錯(cuò)誤，那么極有可能導(dǎo)致一個(gè)災(zāi)難性的失敗。

所謂的“安全網(wǎng)”可以采取多種形式，通常涉及建立一個(gè)單獨(dú)的系統(tǒng)而不是“過度信任你的“A +”學(xué)生。