關於人工智能如何治療疾病、加速人類創新和提高人類創造力，似乎不乏聳人聽聞的新聞。看看媒體的頭條新聞，你可能會認為我們已經生活在一個人工智能滲透到社會方方面面的未來。
雖然不可否認的是，人工智能已經打開了大量充滿希望的機遇，但它也導致了一種思維模式的出現，這種心態最能被形容為“人工智能解決方案”。這是一種哲學，只要有足夠的數據，機器學習算法就能解決人類所有的問題。
但是這個想法有一個大問題。它不支持人工智能的進步，它實際上會破壞機器智能的價值，因為它忽略了重要的人工智能安全原則，並對人工智能真正能為人類做什麼設定了不切實際的期望。
人工智能解決方案
在短短几年時間裡，人工智能的解決方案已經從硅谷的技術佈道者的嘴裡傳到了世界各地政府官員和決策者的腦海中。鐘擺已經從反烏托邦的觀念中搖擺了出來，即人工智能將摧毀人類，讓我們相信我們的算法救世主在這裡。
我們現在看到各國政府承諾支持國家人工智能計劃，並在技術和修辭軍備競賽中展開競爭，以主導新興的機器學習領域。例如,英國政府發誓在人工智能的研究成為該領域的領導者。法國總統艾曼紐•馬克龍(Emmanuel Macron)迷戀人工智能的變革潛力，致力於將法國轉變為一個全球人工智能中心。與此同時，中國政府正在提高其人工智能的能力，計劃在2030年前創造一個價值1500億美元的中國人工智能產業。人工智能解決方案正在興起，它將繼續存在。
神經網絡——說起來容易做起來難
儘管許多政治宣言都宣揚即將到來的“人工智能革命”帶來的革命性影響，但它們往往低估了在現實世界部署先進機器學習系統的複雜性。
人工智能技術最有前途的品種之一是神經網絡。這種機器學習的形式是模仿人類大腦的神經元結構，但規模要小得多。許多基於人工智能的產品使用神經網絡從大量數據中推斷模式和規則。但許多政治家不明白的是，僅僅將一個神經網絡添加到一個問題中並不意味著你會找到一個解決方案。同樣，向民主國家添加一個神經網絡並不意味著它會立即變得更加包容、公平或個人化。
具有挑戰性的數據機構
人工智能系統需要大量的數據來運作，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。大多數數據仍然存儲在離線文檔中。現存的為數不多的數字化數據來源往往被官僚主義所掩蓋。通常情況下，數據分佈在不同的政府部門，每個部門都需要訪問特定的權限。最重要的是，公共部門通常缺乏具有正確技術能力的人才，以充分利用機器智能的好處。
由於這些原因，關於人工智能的轟動效應引起了許多批評。伯克利分校的計算機科學教授Stuart Russell長期以來一直提倡一種更現實的方法，專注於人工智能的日常應用，而不是超級智能機器人的假想接管。同樣，麻省理工學院的機器人教授羅德尼·布魯克斯寫道:“幾乎所有的機器人和人工智能的創新都遠比現場和外界想象的要長得多。”
在部署機器學習系統時遇到的許多困難之一是，人工智能極易受到對抗性攻擊的影響。這意味著惡意人工智能可以攻擊另一個人工智能，迫使它做出錯誤的預測或以某種方式行為。許多研究人員警告說，如果沒有適當的安全標準和防禦機制，人工智能將被淘汰。儘管如此，人工智能安全仍然是一個經常被忽視的話題。
機器學習不是魔術
如果我們要從中獲益，並儘可能減少人工智能的潛在危害，我們就必須開始思考機器學習如何能有效地應用於政府、企業和社會的特定領域。這意味著我們需要討論人工智能的倫理問題，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能的侷限性，以及人類仍然需要發揮主導作用的地方。與其把人工智能的力量描繪成一幅不切實際的圖景，不如退一步，把人工智能的實際技術能力分離出來。
閱讀更多 人工智能與機器人 的文章
