全文共 7008字，預(yù)計(jì)學(xué)習(xí)時(shí)長(zhǎng) 21分鐘

成都創(chuàng)新互聯(lián)公司專業(yè)為企業(yè)提供烏拉特后網(wǎng)站建設(shè)、烏拉特后做網(wǎng)站、烏拉特后網(wǎng)站設(shè)計(jì)、烏拉特后網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁(yè)設(shè)計(jì)與制作、烏拉特后企業(yè)網(wǎng)站模板建站服務(wù)，10多年烏拉特后做網(wǎng)站經(jīng)驗(yàn)，不只是建網(wǎng)站，更提供有價(jià)值的思路和整體網(wǎng)絡(luò)服務(wù)。

來(lái)源：Pexels

通常，人們總是期待人工智能在執(zhí)行某一智能任務(wù)時(shí)的完成水平能媲美人類，甚至比人類還要更好。這樣想也是合情合理的，因?yàn)槲覀兌贾溃F(xiàn)今人工智能在越來(lái)越多的任務(wù)上的表現(xiàn)都優(yōu)于人類。的確如此，不久前人工智能甚至還擊敗了圍棋冠軍。然而，就靈活度而言，人工智能系統(tǒng)仍然遠(yuǎn)不及人類的思維。

為了進(jìn)一步闡述這一點(diǎn)，“智能推薦”就是一個(gè)絕佳例子。假設(shè)在某一次創(chuàng)業(yè)活動(dòng)上，你遇到了一個(gè)很有趣的人（假設(shè)他叫“約翰”）。約翰很喜歡與你交談，并且非常欽佩你那淵博的商業(yè)和技術(shù)知識(shí)。由于他也很想了解這方面的知識(shí)，于是他要你給他推薦一本相關(guān)書籍。接著，你可能會(huì)在你的頭腦中快速檢索相關(guān)書目，比如有A、B、C、D、E等等。于是你回答說(shuō)，“約翰！我知道你應(yīng)該讀哪本了！你可以讀XX書。”那么問(wèn)題來(lái)了，你是如何知道應(yīng)該給約翰推薦哪本書的呢？

實(shí)際上，首先你的大腦掃描了目前已經(jīng)儲(chǔ)存的相關(guān)信息，比如約翰的知識(shí)面，他和你談話時(shí)的興趣點(diǎn)，以及他的個(gè)人風(fēng)格等信息。在這個(gè)時(shí)候，即使你不知道他對(duì)書籍的真實(shí)喜好，也能根據(jù)以上信息來(lái)推薦出最適合的書目，因?yàn)槟憧偢杏X(jué)他會(huì)喜歡這本書。的確，人類的感覺(jué)常常是準(zhǔn)確的。

現(xiàn)在讓我們換個(gè)場(chǎng)景，約翰這次“遇到”的是一個(gè)人工智能系統(tǒng)。約翰打開了一個(gè)線上書店網(wǎng)站，于是琳瑯滿目的暢銷書立刻呈現(xiàn)在他眼前。但是約翰一直沒(méi)有看到自己感興趣的，于是不斷地點(diǎn)擊“下一頁(yè)”。為什么會(huì)這樣呢？

因?yàn)樵撊斯ぶ悄芟到y(tǒng)并沒(méi)有儲(chǔ)存關(guān)于約翰的背景信息。從專業(yè)角度來(lái)說(shuō)，這是一種典型的“冷啟動(dòng)（ColdStart）”案例，在此類情況中，由于系統(tǒng)未儲(chǔ)存約翰的相關(guān)信息，因此也無(wú)法生成個(gè)性化推薦。然而，當(dāng)約翰點(diǎn)擊搜索框并輸入“創(chuàng)業(yè)”進(jìn)行搜索，就會(huì)彈出一系列與“創(chuàng)業(yè)”相關(guān)的書目。于是，約翰在這些搜索結(jié)果中繼續(xù)瀏覽查找。這時(shí)，人工智能系統(tǒng)就會(huì)了解到“創(chuàng)業(yè)”是約翰感興趣的話題，于是之后將能依據(jù)該話題推薦相關(guān)內(nèi)容。

人工智能系統(tǒng)雖然無(wú)法徹底了解約翰，但是通過(guò)依照其他同樣瀏覽或者購(gòu)買了“創(chuàng)業(yè)”類書籍的用戶，人工智能系統(tǒng)也能對(duì)他們的個(gè)人喜好進(jìn)行分析。但是，如果根本沒(méi)有其他人尋找過(guò)創(chuàng)業(yè)類書籍呢？在這種情況下，約翰將無(wú)法得到相關(guān)推薦，因?yàn)橄到y(tǒng)沒(méi)有獲取到任何相關(guān)數(shù)據(jù)以供學(xué)習(xí)。

最后，你和人工智能分別給約翰推薦的書籍可能會(huì)有所不同。但是，你們的推薦可能都是對(duì)的，也可能都是錯(cuò)的，或者一個(gè)對(duì)一個(gè)錯(cuò)。然而，人類的大腦永遠(yuǎn)不會(huì)抱怨說(shuō)“數(shù)據(jù)不足”，并且所有的判斷都是臨時(shí)立刻做出的。相比之下，人工智能卻無(wú)法做到這一點(diǎn)。因此作為人工智能的“主人”，我們?nèi)祟愐膊槐罔饺藨n天，因?yàn)槿斯ぶ悄苡肋h(yuǎn)也無(wú)法完美復(fù)刻復(fù)雜的人類大腦。

5.何為人工智能偏見

人工智能偏見，或者說(shuō)算法偏見，指的是計(jì)算機(jī)中系統(tǒng)性的、可重復(fù)的錯(cuò)誤，并且該錯(cuò)誤會(huì)帶來(lái)不公平的結(jié)果，比如表現(xiàn)出性別歧視、種族歧視，或者其他的歧視色彩。雖然從名字上來(lái)看，人工智能歧視好像暗示著人工智能的錯(cuò)，然而歸根結(jié)底，錯(cuò)的還是我們?nèi)祟愖约骸?/p>

谷歌首席決策科學(xué)家CassieKozyrkov曾寫到：

“沒(méi)有如何一項(xiàng)技術(shù)能完全脫離它的創(chuàng)造者而存在。雖然人類在科幻小說(shuō)中表達(dá)出了各種最美好的愿景，但是真正獨(dú)立自主的機(jī)器學(xué)習(xí)或人工智能系統(tǒng)是不存在的。因?yàn)槲覀內(nèi)祟愂撬木喸煺?，并且所有的技術(shù)都或多或少地反映著創(chuàng)造者的目的和意愿?！?/p>

無(wú)論用在什么地方，人工智能偏見通常都會(huì)產(chǎn)生一定的負(fù)面影響。比如，對(duì)于計(jì)算機(jī)視覺(jué)、招聘工具等等來(lái)說(shuō)，人工智能偏見都會(huì)讓它們有失公正和道德，甚至違反法律。然而更不幸的地方就在于，這并不是人工智能的錯(cuò)，而是我們?nèi)祟惖腻e(cuò)。因?yàn)閼延衅姷氖侨祟?，散播刻板印象的是人類，害怕異己的也是人類?/p>

所以，為了開發(fā)出更加公正負(fù)責(zé)的人工智能系統(tǒng)，人類就必須打破個(gè)人觀點(diǎn)和信仰的桎梏，從而確保訓(xùn)練數(shù)據(jù)庫(kù)里的數(shù)據(jù)更加豐富多樣且公平合理。這聽起來(lái)似乎很簡(jiǎn)單，實(shí)際上一點(diǎn)也不簡(jiǎn)單。但是為了達(dá)到這一點(diǎn)，人類的努力絕對(duì)值得。

來(lái)源：Pexels

6.算法 VS. 公正

Joy Boulamwini（以下簡(jiǎn)稱喬伊）是麻省理工大學(xué)的一名研究員，并牽頭創(chuàng)立了算法公正聯(lián)盟（AlgorithmicJustice League）。2017年，喬伊曾于TED發(fā)表一篇關(guān)于“算法偏見”的演講，演講開始就介紹了以下這個(gè)軟件實(shí)驗(yàn)，具體內(nèi)容如下：

“嗨！攝像頭！我有一張臉，你能看到我的臉嗎？沒(méi)戴眼鏡哦？既然你已經(jīng)看到了，那我的臉長(zhǎng)什么樣呢？我再戴個(gè)面具，你能看到我的面具嗎？”

最后，攝像頭沒(méi)能檢測(cè)到喬伊的臉，只看到喬伊的同事和她戴著的白色面具，而非她的臉。實(shí)際上，類似結(jié)果已經(jīng)出現(xiàn)不止一次了。當(dāng)喬伊還在佐治亞理工學(xué)院（GeorgiaTech）讀本科的時(shí)候，她就在研究社交機(jī)器人，并且需要完成一項(xiàng)任務(wù)，即“教機(jī)器人玩躲貓貓（Peek-a-boo）”。最后，機(jī)器人沒(méi)能識(shí)別出她，因?yàn)樗敖琛绷艘粡埵矣训哪樏苫爝^(guò)關(guān)。后來(lái)，類似的劇情又一次上演了。在香港舉行的一次創(chuàng)業(yè)競(jìng)賽中，有一家創(chuàng)業(yè)公司推出了一款社交機(jī)器人。這個(gè)機(jī)器人使用了同一款面部識(shí)別軟件，最后同樣未能成功識(shí)別出喬伊。

為什么會(huì)出現(xiàn)這種情況呢？為此，喬伊繼續(xù)解釋到：

“電腦視覺(jué)利用機(jī)器學(xué)習(xí)技術(shù)來(lái)進(jìn)行面部識(shí)別。那具體的工作原理是怎樣的呢？首先，需要?jiǎng)?chuàng)建一個(gè)關(guān)于人臉實(shí)例的訓(xùn)練數(shù)據(jù)集。這是一張人臉，這也是一張人臉，而這個(gè)不是……逐漸地，計(jì)算機(jī)就會(huì)學(xué)會(huì)如何識(shí)別其它人臉。然而，如果訓(xùn)練數(shù)據(jù)集所涵蓋的人臉數(shù)據(jù)不夠豐富，那么只要出現(xiàn)任何一張與既定標(biāo)準(zhǔn)偏差過(guò)大的人臉，計(jì)算機(jī)就難以對(duì)其進(jìn)行識(shí)別。也就是出于這個(gè)原因，那個(gè)機(jī)器人才沒(méi)能看到我?！?/p>

即便如此，那又有什么問(wèn)題呢？人們可能會(huì)問(wèn)。

要知道，如果算法偏見的影響范圍越來(lái)越廣，那么就不再是面部識(shí)別那么簡(jiǎn)單了。的確，以下舉的這個(gè)例子過(guò)于極端，但其危險(xiǎn)性卻仍不容忽視。如果警察利用這樣的軟件來(lái)尋找嫌疑犯，面部識(shí)別的偏見就可能會(huì)將一小部分人置于不利地位，甚至讓他們蒙受不白之冤。要是機(jī)器在進(jìn)行識(shí)別的過(guò)程中直接出了錯(cuò)，那后果更不可想象。

既然談到了機(jī)器的公正性，那么就有必要在這里再提一次COMPAS。其實(shí)在之前一篇關(guān)于“信任AI”的文章中，筆者已經(jīng)有描述過(guò)COMPAS。COMPAS其實(shí)是一個(gè)預(yù)測(cè)算法，美國(guó)用來(lái)它來(lái)預(yù)測(cè)某一罪犯再犯的概率，并依此來(lái)量刑。

要知道，這樣一個(gè)完全依靠歷史數(shù)據(jù)的算法，會(huì)直接判定黑人罪犯的再犯率更高。

除此之外，亞馬遜也曾推出過(guò)一款“臭名昭著”的“AI招聘人員”。結(jié)果，這一系統(tǒng)表現(xiàn)出對(duì)男性的偏愛(ài)，因?yàn)榇蟛糠值纳习嘧宥际悄行?，所以有這樣一種選擇傾向完全是符合算法邏輯的。

7.部門高管的不重視

目前，人工智能的應(yīng)用面臨著種種挑戰(zhàn)，其中之一就是部門高管的不重視。他們不重視這些新興技術(shù)的價(jià)值，因此也不愿意投資，也可能是你想用人工智能來(lái)“增強(qiáng)(Augment)”的部門對(duì)此根本不感興趣。

的確，這也是人之常情?，F(xiàn)今，人工智能仍然被視為一種高風(fēng)險(xiǎn)事物，不僅成本高昂，而且也難以操作和維護(hù)。盡管如此，人工智能的熱度仍然有增無(wú)減。實(shí)際上，人們應(yīng)用人工智能時(shí)要用對(duì)方法，在初始階段提出一個(gè)人工智能可以解決的商業(yè)問(wèn)題，設(shè)計(jì)好數(shù)據(jù)策略，并且記錄好合適的指標(biāo)和投資回報(bào)率。

與此同時(shí)，團(tuán)隊(duì)成員這邊也要準(zhǔn)備好與人工智能系統(tǒng)“共事”，并且及時(shí)確立起成功和失敗的標(biāo)準(zhǔn)。

大家可能已經(jīng)注意到了，筆者在上文談及人工智能的任務(wù)時(shí)，用的是“增強(qiáng)(Augment)”這個(gè)詞。原因很簡(jiǎn)單，人工智能的主要任務(wù)是“輔助”人類工作，支持?jǐn)?shù)據(jù)驅(qū)動(dòng)決策，而非完全取代人類的工作角色。當(dāng)然，現(xiàn)在有一些人工智能項(xiàng)目的確是為了盡可能地實(shí)現(xiàn)自動(dòng)化。但是就普遍情況而言，這并不是人工智能的“主業(yè)”，因?yàn)槿斯ぶ悄苤饕€是與人類進(jìn)行合作。

并且研究表明，人類與人工智能的協(xié)作能產(chǎn)生更好的結(jié)果。在哈佛商業(yè)評(píng)論（Harvard Business Review）的一篇文章中，作家詹姆斯?威爾遜（H.James Wilson）與保羅?多爾蒂（Paul R. Daugherty）曾這樣寫到：

“在一項(xiàng)涉及1500家公司的研究中，我們發(fā)現(xiàn)，人類在與機(jī)器協(xié)同工作時(shí)，企業(yè)產(chǎn)生的效益最高?！?/p>

然而作為領(lǐng)導(dǎo)，其在人工智能項(xiàng)目中的職責(zé)在于幫助員工理解為什么要引進(jìn)人工智能技術(shù)，并且教授他們?nèi)绾卫媚Ｐ蛠?lái)完成任務(wù)。如果不這樣，即使再神奇的人工智能系統(tǒng)也只會(huì)淪為一堆毫無(wú)意義的數(shù)字組合。

為了進(jìn)一步闡述其重要性，讓我們來(lái)看一個(gè)引自CIO首席信息官雜志的例子。有一家叫做Mr.Cooper的公司為了改善客戶服務(wù)，于是引進(jìn)了一個(gè)對(duì)客戶問(wèn)題提供解答的推薦系統(tǒng)。然而在該系統(tǒng)已經(jīng)運(yùn)行9個(gè)月之后，該公司發(fā)現(xiàn)員工們并沒(méi)有使用這個(gè)智能系統(tǒng)。后來(lái)又進(jìn)行了長(zhǎng)達(dá)6個(gè)月的研究，該公司終于發(fā)現(xiàn)了其問(wèn)題所在。最后研究發(fā)現(xiàn)，由于訓(xùn)練數(shù)據(jù)主要是一些企業(yè)內(nèi)部文件資料，并且這些文件對(duì)問(wèn)題的描述充斥著各種專業(yè)術(shù)語(yǔ)，而普通用戶在描述問(wèn)題時(shí)多使用日常用語(yǔ)，因而這就使得算法模型無(wú)法理解，最后推薦了一些毫不相干的內(nèi)容。

上文的例子充分展現(xiàn)了員工理解的重要性，他們必須理解為什么以及如何與人工智能一起工作，并且有權(quán)質(zhì)疑系統(tǒng)的有效性，必要時(shí)上報(bào)相關(guān)問(wèn)題。除此之外，這個(gè)例子還告訴我們，可靠的訓(xùn)練數(shù)據(jù)是多么的重要啊！

來(lái)源：Pexels

8.“英年早逝”

在真正執(zhí)行人工智能項(xiàng)目時(shí)，有的人可能還沒(méi)開始就已經(jīng)結(jié)束了。

毫不夸張地說(shuō)，真的可能會(huì)出現(xiàn)這種情況。之所以會(huì)這樣，是因?yàn)槿藗冞€沒(méi)準(zhǔn)備好數(shù)據(jù)、預(yù)算、團(tuán)隊(duì)、策略等各種必需資源，就急于著手開始項(xiàng)目。如果沒(méi)有提前準(zhǔn)備好這些要素，一切都將化為不切實(shí)際的空想。

也正是因?yàn)槿绱?，我們才反?fù)強(qiáng)調(diào)策略性方法的重要性。在進(jìn)行人工智能項(xiàng)目之前，必須確保自己已經(jīng)準(zhǔn)備好各種要素，尋找合適的商業(yè)使用案例，構(gòu)想出恰當(dāng)?shù)臄?shù)據(jù)策略并建立目標(biāo)。如果開始時(shí)不思考具體策略，之后的步驟將難以進(jìn)行，并且風(fēng)險(xiǎn)也會(huì)大大增加。

在創(chuàng)建人工智能項(xiàng)目，尤其是自己的第一個(gè)項(xiàng)目時(shí)，應(yīng)設(shè)定一個(gè)大的總體目標(biāo)來(lái)指引方向，與此同時(shí)也應(yīng)該要有一些階段性目標(biāo)。

這樣的話，在證明項(xiàng)目可行性的同時(shí)，也能夠有效降低失敗的風(fēng)險(xiǎn)，從而避免在一個(gè)完全沒(méi)有意義的工具上去浪費(fèi)公司的金錢。在執(zhí)行第一個(gè)人工智能項(xiàng)目時(shí)，不應(yīng)該立即在整個(gè)公司范圍內(nèi)鋪開使用，反而可以選擇先試驗(yàn)PoC項(xiàng)目，從而讓整個(gè)組織結(jié)構(gòu)提前適應(yīng)一下這種未來(lái)的“新常態(tài)”。

隨著時(shí)間的推移，整個(gè)公司和人工智能系統(tǒng)都會(huì)有一定發(fā)展：人工智能系統(tǒng)會(huì)越來(lái)越先進(jìn)，同時(shí)公司團(tuán)隊(duì)也會(huì)越來(lái)越高效，數(shù)據(jù)驅(qū)動(dòng)性亦會(huì)隨之提高。

在項(xiàng)目過(guò)程中，如果人們能逐步完成階段性目標(biāo)，并且時(shí)刻把握住總體目標(biāo)和大方向，那么互利共贏將是必然結(jié)果?？偠灾?，人工智能只是人類用來(lái)達(dá)到自己目標(biāo)的工具，而非目標(biāo)本身。

如何避免失敗

當(dāng)然，失敗也不是不可避免的。

既然現(xiàn)在已經(jīng)有那么多的組織在人工智能上失敗過(guò)，我們就可以從他們的錯(cuò)誤中吸取經(jīng)驗(yàn)，從而避免自己的公司再重蹈覆轍。

此外，我們還應(yīng)該遵循市場(chǎng)規(guī)律，切忌局限于眼前的競(jìng)爭(zhēng)，并且放眼于整個(gè)科技世界。只有這樣，我們才能設(shè)定符合實(shí)際的目標(biāo)，找到有發(fā)展前景的使用案例，并且及時(shí)發(fā)現(xiàn)自身的局限性。

來(lái)源：Pexels

人類的愿景，指導(dǎo)和投入最終成為人工智能項(xiàng)目成功的重要組成部分。既然堅(jiān)定了人工智能這條路，就請(qǐng)一直堅(jiān)持到最后，相信終有一天可以實(shí)現(xiàn)“屢戰(zhàn)屢勝”的完美大局。