“对话式人工智能:让机器人更人性化”
“揭露人工智能的偏见问题”
《无人驾驶汽车还没有做好上路的准备》

在今天的头条新闻中，关于人工智能进步的大部分对话似乎都围绕着技术本身的进化，即使其更智能、更快、更人性化等。

但人工智能未来的成功不仅仅取决于构建更好的算法。

人工智能的进化不能仅仅是一系列改进技术的孤立努力。我们必须探索其他可能影响技术功能和操作的因素，以及这些因素在更全面的解决方案中发挥的作用。

例如，我们必须决定人工智能是否可以与我们当前的系统共存，或者我们是否需要重建这些系统以允许人工智能蓬勃发展。为了做出这个决定，我们需要考虑几个重要的问题:

  • 我们会得到正确的数据吗?
  • 我们是否具备必要的基础设施?
  • 我们有必要的专业知识吗?

1)我们有正确的数据吗?

谈论人工智能就不能不谈数据——数据对人工智能的成功是绝对必要的。但这也是一门复杂的科学，随着人工智能的不断发展，它无疑会遇到障碍。

结构化vs非结构化

据估计，到2020年，互联网将累积接近47字节的数据。想知道泽字节是什么吗?

一个zettabyte包含了10亿兆字节，也就是10亿兆字节。这意味着需要10亿个1tb的硬盘才能存储1zb的数据。因为zettabyte的度量单位太大了，所以只能用来度量大量的聚合数据。(源)

现在说得通了，对吧?可以说，这是大量的数据。

问题是这些数据中的很大一部分(90％)是非结构化的——这意味着它没有被组织、标记或标记——使得它对机器学习毫无用处，直到它被正确地“清理”。常见的数据问题包括重复、不一致、遗漏、质量问题和格式不兼容等等。

因此，数据科学家报告花费更多的时间(80％)寻找和组织数据，而不是实际构建新的算法和挖掘模式。

随着时间的推移，我们积累了越来越多的数据，我们必须找到一个更有效的过程，这样科学家就可以专注于数据本身和它所提供的信息。

一种解决方案是使用数据目录来帮助识别和标记进入的信息，而不是追溯地“修复”它。或者，我们可能需要投资新的解决方案，以帮助更好/更快/更便宜地分析非爱游戏体育入口登录结构化数据。

培训vs操作

另一个需要考虑的问题是，随着时间的推移，某些数据是否仍然有用。

并不是所有的数据都对人工智能有价值，尤其是在数据已经被输入到机器之后。事实上，用于教授算法的输入数据通常被称为训练数据．这是过去的信息使它聪明。

但保持它的智能是另一个故事。

一旦训练数据成功地用于为算法提供信息，那么历史数据就没有太多的价值了。但要让机器继续学习和改进，它需要操作数据-本质上是由日常业务操作获得的新的、正在进行的数据。

作为创造性破坏实验室的创始人，Ajay Agrawal他说，“如果你能找到方法来生成一个新的、持续的数据流，在人工智能的预测能力方面提供性能优势，这将在人工智能到来时为你提供可持续的杠杆。”

小数据vs大数据

“大数据”是我们在谈到人工智能和机器学习(ML)技术时最常听到的一个词。毕竟，数据越大越好，不是吗?

在ML中，这是有道理的。该算法最基本的功能就是搜索相关性。更广泛的数据选择意味着更多的相关性“证明”，以及更精确的算法。例如，如果你试图教一个算法识别特定的图像，你必须用数百万张图像来“训练”它。

所以答案是更多的数据。对吧?

错了。大数据的维护成本相当高——收集、组织、维护和保证安全既昂贵又耗时。因为它是时间和环境相关的，保持最新需要持续不断的积累。本质上，大数据会产生更大的数据，以此类推。这在未来是不可持续的。

这就是为什么一些创业公司已经开始构建算法，可以从更少的数据中学到更多。

不同的数据

因为人工智能只能从输入的数据中学习，所以这项技术遇到一些严重的偏见问题也就不足为奇了。毕竟，当我们一直存在的人类偏见被植入人工智能的“食物”中时，算法就会忍不住复制它。

这一领域的研究人员假设并测试了一系列可能的修复，包括由专家和学者以及相关倡导团体进行的“算法审计”。

但要真正找到其中一些问题的根源，我认为我们需要认真考虑让负责收集和挖掘这些数据的实际劳动力多样化，以及那些构建和改进算法的人。

如果我们想要确保未来的人工智能不是简单地复制过去，我们现在需要优先考虑数据多样性。

2)我们是否具备必要的基础设施?

无论我们能把人工智能技术发展到什么程度，如果我们没有底层系统和基础设施来支持它，它永远不会发挥出全部的力量和潜力。

我不仅仅是在谈论软件更新(尽管这将发挥很大的作用)。这种基础设施也指物理世界——特别是随着家庭、汽车工业和更大的物联网(IoT)的“智能”技术取得越来越多的进步。它还包括可能需要建立的任何潜在的监管框架。

数字世界

让我们从软件开始。Amplify Partners的合伙人莱尼·普鲁斯(Lenny Pruss)详细介绍了下一代技术所需的系统进化他在VentureBeat上的文章关于“基础设施3.0”。但总而言之，旧的硬件无法解决这个问题。

AI和ML是完全不同的与过去的遗留软件相比，需要完全不同的编程和编码。因此，我们需要“新的抽象、接口、系统和工具，使开发人员更容易地开发和部署智能应用程序。”

这并不是说我们必须停止人工智能算法和应用的进步。但它们的进化需要与这些根本的、根本性的变化并行进行。技术的好坏取决于系统的好坏。

物质世界

2018年初，一辆优步自动驾驶汽车在亚利桑那州撞死了一名过马路的行人，这是第一起被报道的自动驾驶汽车“撞死”的事件。

虽然据报道，驾驶的人类安全驾驶员注意力不集中，没有正确监控系统，但这场悲剧的主要后果是，自动驾驶汽车“还没有准备好上路”。

但也许道路还没有为自动驾驶汽车做好准备。

为什么要花所有这些钱如果我们只是让自动驾驶汽车行驶在我们通勤时经常遇到的危险道路上，那么如何改进自动驾驶汽车背后的技术呢?

几个概念设计已经完成了所谓的“智能街道”，但似乎没有任何混凝土道路工程在管道中。

如果驾驶员和行人的安全在过去一直是汽车和道路设计的优先考虑因素，那么在无人驾驶的未来也不应该有任何不同。

我们也看到类似的讨论围绕着“智能家居”的发展展开。我们从Nest和谷歌Home等智能设备的爆炸式增长开始，这些设备致力于连接和控制现有的家用电器和系统，如暖通空调和照明。但该技术的连通性、兼容性和质量也出现了问题。

我相信这些设备的技术还有很大的改进空间，但产品工程师现在开始将智能技术应用到新的设备设计中，这更有意义。爱游戏全站下载

当然，这个解决方案可能有效果它的缺点但在技术的具体情况下，当它被设置为成功时，它总是工作得更好。

人工智能的民主化

如果你熟悉人工智能民主化的问题，你就会知道这不是一个简单的话题。它也不是解决某些人工智能问题的灵丹妙药。但是，如果我不简要地谈一谈，作为今后的考虑，那就太疏忽了。

我敢肯定，到目前为止，你至少读过一篇警告人工智能潜在危险的新闻标题或文章。也许你的一些同行已经表达了保留意见。在当今社会，关于人工智能的未来有很多恐惧和不确定性。这是可以理解的。

大众对人工智能的了解大多来自“机器人失控”的科幻叙事，这种叙事在流行文化中广为人知。

即使当我们向知名的行业领袖寻求安慰时，我们偶尔也会听到一些危言耸听的观点，比如特斯拉首席执行官埃隆·马斯克(Elon musk)的观点——他曾警告说，人工智能有可能“毁灭人类”。

但是，虽然马斯克最初可能会散布一些不健康的恐惧，但他最近的观点和努力告诫人们要警惕一个非常真实的威胁:滥用人工智能的力量。在一个面试马斯克在与YCombinator创始人萨姆·奥特曼的谈话中表示:“这并不是说(人工智能)会立刻形成自己的意志，我们担心的是有人可能会以一种不好的方式使用它。”

马斯克和其他行业领袖一起倡导以可承受的成本让所有企业和个人都能广泛使用人工智能技术。所以控制权不属于那1%。

尽管到目前为止，这方面的进展并不令人鼓舞，但我确实认为，在我们考虑未来的人工智能框架时，这一点很重要。

3)我们是否具备必要的专业知识?

根据Element AI的研究，只有不到100000年当今全世界的专家，他们有足够的能力和专业知识来解决严重的人工智能挑战。只有大约22000年博士学历的研究人员积极在该领域工作。

这对人工智能技术的未来构成了严重威胁。

教学专长

大型科技公司已经开始从世界各地各大学院和大学的教授职位上招聘专家，不幸的是，这减少了能够向后代传授技术的人数。

毫无疑问:这是一个问题。

虽然神经网络和深度学习的基本概念可能只需要高中数学水平，但真正的专业知识需要更重要的数学技能——类似于物理学家和天文学家。

幸运的是，像谷歌和Facebook这样的公司已经开始提供人工智能工程课程和在线课程，而一些小公司则求助于在特定领域之外招聘人才。

如果我们想确保人工智能不超过人类，我们最好开始投资于我们自己的教育。

分享专业知识

我们已经讨论了人工智能技术民主化的优势，但我认为，鉴于上述现实，我们同样重要的是，我们还可以打破任何现有的人工智能专业知识孤岛。

硅谷就是一个很好的例子，说明这种做法是多么有益。对于研究人员和开发人员来说，在行业领先的公司之间来回切换，上传新的技能和知识，然后把它们下载到下一个职位上，这并不罕见。因此，公司和员工都变得更聪明——避免了对人工智能专业知识(和权力)的有问题的垄断。

很明显，改变是必要的。随着人工智能驱动的世界越来越成为未来的现实，而不是一种假设的可能性，对话必须从采用转向适应。现在的问题不是“人工智能为我们的世界做好准备了吗”，而是“我们的世界为人工智能做好准备了吗?”当我们考虑到这些在数据、基础设施和专业知识方面不可避免的——在某些情况下是巨大的——差距时，答案无疑是肯定的。如果我们想要避免一项我们无法完全支持(或者更糟，无法控制)的技术的陷阱，我们现在就需要开始准备。