飛機(jī)可接受的故障率是多少？好吧，這不是零 ……無(wú)論我們多么想相信其他方式。有一個(gè)數(shù)字，但它是一個(gè)很小的數(shù)字。在機(jī)器，計(jì)算機(jī)，人工智能等方面，它們是不完美的。會(huì)犯錯(cuò)誤。推薦不當(dāng)。人工智能永遠(yuǎn)不會(huì)完美。這并不意味著它們不提供價(jià)值。人們需要了解機(jī)器為什么會(huì)出錯(cuò)，并據(jù)此設(shè)定自己的信念。這意味著了解AI失敗的三個(gè)關(guān)鍵領(lǐng)域：隱性偏見(jiàn)，不良數(shù)據(jù)和期望。

第一個(gè)挑戰(zhàn)是隱性偏見(jiàn)，即人們對(duì)云的思想和行為的無(wú)意識(shí)感知?？紤]一下，最近關(guān)于種族正義和警察暴行的抗議活動(dòng)以及“ 黑人生活至關(guān)重要”的有力信息?！陡２妓埂罚‵orbes）文章AI屈膝：法律下的改善平等待遇的行動(dòng)，很好地說(shuō)明了隱性偏見(jiàn)如何在歧視中發(fā)揮作用，以及使用AI減少對(duì)我們的偏見(jiàn)有多困難（但并非不可能）執(zhí)法和司法系統(tǒng)。人工智能向人學(xué)習(xí)。如果隱性偏見(jiàn)正在訓(xùn)練中，則AI將學(xué)習(xí)該偏見(jiàn)。此外，當(dāng)AI執(zhí)行工作時(shí)，該工作將反映這種偏見(jiàn)……即使該工作是為了社會(huì)公益。

以Allegheny家庭篩選工具為例。它旨在預(yù)測(cè)哪些福利兒童可能會(huì)受到養(yǎng)父母虐待的威脅。但是，此解決方案的最初推出面臨一些挑戰(zhàn)。當(dāng)?shù)氐娜祟惙?wù)部承認(rèn)該工具可能存在種族和收入偏見(jiàn)。疏忽之類的誘因常常被生活在貧困中的寄養(yǎng)父母與注意力不集中或虐待相聯(lián)系而混淆或誤解。自從學(xué)習(xí)了這些問(wèn)題以來(lái)，采取了巨大的措施來(lái)減少e篩選工具中的隱性偏差。消除困難得多。當(dāng)談到偏見(jiàn)時(shí)，人們?nèi)绾翁幚砦粗奈粗獢?shù)？如何處理社會(huì)環(huán)境？“正確”或“公平”行為是什么意思？如果人們無(wú)法識(shí)別，定義和解決這些問(wèn)題，那么他們將如何教機(jī)器？這是一個(gè)主要的驅(qū)動(dòng)程序，由于隱性偏見(jiàn)，AI將是不完美的。

第二個(gè)挑戰(zhàn)是數(shù)據(jù)。數(shù)據(jù)是人工智能的動(dòng)力。機(jī)器通過(guò)大量的真實(shí)數(shù)據(jù)（即如何制定決策的規(guī)則，而不是決策本身）進(jìn)行訓(xùn)練，并從大量大數(shù)據(jù)中進(jìn)行訓(xùn)練，以學(xué)習(xí)數(shù)據(jù)中的模式和關(guān)系。如果我們的數(shù)據(jù)不完整或有缺陷，那么人工智能將無(wú)法很好地學(xué)習(xí)。考慮COVID-19。約翰·霍普金斯（John Hopkins），COVID追蹤項(xiàng)目，美國(guó)疾病控制中心（CDC）和世界衛(wèi)生組織全部報(bào)告不同的數(shù)字。有了這樣的變化，人工智能很難從數(shù)據(jù)中閃現(xiàn)出有意義的模式，更不用說(shuō)找到那些隱藏的見(jiàn)解了。更具挑戰(zhàn)性的是，不完整或錯(cuò)誤的數(shù)據(jù)該怎么辦？想象一下，教一個(gè)關(guān)于醫(yī)療保健的AI，但只提供有關(guān)女性健康的數(shù)據(jù)。這阻礙了我們?nèi)绾卧卺t(yī)療保健中使用人工智能。

隨之而來(lái)的挑戰(zhàn)是人們可能會(huì)提供過(guò)多的數(shù)據(jù)。這可能無(wú)關(guān)緊要，毫無(wú)意義，甚至?xí)稚⒆⒁饬Α？紤]一下IBM是何時(shí)讓W(xué)atson閱讀《城市詞典》的，然后它無(wú)法區(qū)分何時(shí)使用普通語(yǔ)言還是使用語(yǔ)和罵人的單詞。問(wèn)題變得如此嚴(yán)重，以至于IBM必須從Watson的內(nèi)存中刪除Urban Dictionary。同樣，一個(gè)AI系統(tǒng)需要聽(tīng)大約1億個(gè)單詞才能流利使用一種語(yǔ)言。然而，一個(gè)人類孩子似乎只需要大約1500萬(wàn)個(gè)單詞就能流利。這意味著我們可能不知道什么數(shù)據(jù)有意義。因此，AI培訓(xùn)師可能實(shí)際上專注于多余的信息，這可能導(dǎo)致AI浪費(fèi)時(shí)間，甚至更糟的是識(shí)別錯(cuò)誤的模式。

第三個(gè)挑戰(zhàn)是期望。即使人類犯錯(cuò)，人們?nèi)匀幌Ｍ麢C(jī)器是完美的。在醫(yī)療保健領(lǐng)域，專家估計(jì)誤診率可能高達(dá)20%，這意味著五分之一的患者有可能被誤診?？紤]到這些數(shù)據(jù)以及AI輔助診斷的錯(cuò)誤率可能為十萬(wàn)分之一，大多數(shù)人仍然喜歡只看人類醫(yī)生。為什么？給出的最常見(jiàn)原因之一是AI的誤診率太高（即使它比人類醫(yī)生低得多）。人們期望AI完美。人們甚至期望人類AI培訓(xùn)師也很完美，甚至有可能變得更糟。

2016年3月23日，微軟發(fā)布了Twitter機(jī)器人Tay（對(duì)您的想法）。微軟已經(jīng)對(duì)AI進(jìn)行了培訓(xùn)，使其達(dá)到了一名19歲美國(guó)女孩的語(yǔ)言水平和互動(dòng)能力。在一次盛大的社交實(shí)驗(yàn)中，Tay被釋放到全世界。96，000條推文之后，微軟不得不在發(fā)布后約16小時(shí)關(guān)閉Tay，因?yàn)樗D(zhuǎn)變了性別歧視，種族主義并促進(jìn)了納粹主義。遺憾的是，有些人決定教Tay有關(guān)煽動(dòng)性語(yǔ)言的內(nèi)容，以使其腐化。同時(shí)，Microsoft并未考慮教Tay有關(guān)不當(dāng)行為的信息，因此沒(méi)有任何理由（或理由）知道諸如不當(dāng)行為和惡意意圖之類的東西。盛大的社會(huì)實(shí)驗(yàn)導(dǎo)致失敗，可悲的是，這可能更多地證明了人類社會(huì)，而不是人工智能的局限性。

內(nèi)隱的偏見(jiàn)，不良的數(shù)據(jù)以及人們的期望表明，人工智能將永遠(yuǎn)不會(huì)是完美的。這不是許多人希望擁有的神奇的解決方案。人工智能仍然可以為人類做一些非凡的事情，如恢復(fù)失去肢體的活動(dòng)能力或在減少資源的情況下改善糧食生產(chǎn)。人們不應(yīng)該折衷我們可以得到的價(jià)值。我們應(yīng)該永遠(yuǎn)記?。篈I就像我們一樣，是不完美的。