首頁熱門文章
人工智能在商業和社會中面臨的最大挑戰
發布時間：2018-09-07 分類：交通百科
最近有一份報告發現，到2030年，人工智能可能為全球經濟增加多達15.7萬億美元，大約相當于我國和印度的總產量。
每個人都相信，ai人工智能是一項能夠改變世界的技術，從太空探索到反恐乃至創造藝術，它的潛力正變得越來越明顯。然而，它仍然面臨著巨大的障礙，必須克服這些挑戰，才能實現這一潛力。許多人認為，應對這些挑戰是目前科技行業最優先的任務。
人工智能在商業和社會中面臨的最大挑戰是什么呢?
缺乏計算能力
讓我們先從一個簡單的問題開始，這個問題可能會隨著時間的推移而得到解決，但在此之前，不應想當然地認為它會解決這個問題。特別是最有希望的機器學習和深度學習技術，需要非常快地進行大量的計算，這意味著他們使用了大量的處理能力。
Terata的首席技術官斯蒂芬·布羅布斯特(Stephen Brobst)告訴我，“直到大約兩年前，還存在著一堵磚墻，人工智能在理論上已經存在很長時間了，但一直處于這種人工智能的冬天，因為每個人都有好的想法，但它們都是理論，沒有足夠的計算能力來實現它們，所以誰在乎呢?”
云計算和大規模并行處理系統在短期內提供了答案。但是，隨著數據量的持續增長，深度學習推動了越來越復雜的算法的自動創建，瓶頸將繼續減緩進展。答案很可能在于下一代計算基礎設施的發展，例如量子計算。量子計算利用像糾纏這樣的亞原子現象，以遠比今天的計算機更快的速度對數據進行操作。
“實際上，我們至少還需要5年，更有可能是10年，”Brobst告訴我。“我們必須找出編程模型，因為量程編程模型與我們現在使用的完全不同-必須進行改造，這需要時間。”
缺乏人的力量
直到最近，人工智能一直是科幻小說作者談論的話題，并在大學IT研究實驗室深入研究。換句話說，如果沒有大眾市場的使用案例，就不會有大量的資金投入(除非你是在拍攝有關機器人占領地球的好萊塢電影)。這意味著愿意投入資金發展這些技能的組織相對較少，而且這一主題在以行業為中心的教育和培訓課程中也沒有得到很好的體現。
隨著過去幾年興趣的激增，這一切都發生了變化。數據科學課程側重于人工智能發展所需的核心技能-數學、計算機科學和統計學-已變得流行起來，而且普遍被超額訂購。但是，仍然沒有足夠的人使每一個企業或組織能夠在世界上實現他們的機器驅動的進步的愿景。就像在其他科學和技術領域一樣，存在著技能短缺，根本就沒有足夠的人知道如何操作能夠自己思考和學習的機器。
有幾種力量正在發揮作用，只要有時間，就應該采取行動糾正這種情況。其中之一是通常被稱為“公民數據科學家”的出現。有些專業人員雖然沒有受過正式培訓，也沒有主要作為數據專家受聘，但他們在處理數據和分析方面發展了實際能力，通常是為了推進他們在自己專業領域的工作。
另一個舉措是向提供平臺和工具的方向發展，這些平臺和工具使人工智能驅動的工作成為“作為服務”的工作。企業不再需要從頭開始構建一切，而是越來越能夠采用現成的解決方案，只需插入自己的數據獲取結果，而忽略了“幕后”正在進行的技術操作。
建立信任
預測到2020年，將有10%的人反抗人工智能控制了我們的生活。問題在于，人工智能是一個黑盒子，當人們不理解這個決定是如何作出的時，他們會感到不自在。例如，銀行使用的算法主要是線性數學，很容易解釋從輸入到輸出的路徑。有了多層神經網絡，一般人都無法理解，所以現在我們根據人們不理解的東西做出預測，這會讓人們感到不舒服。盡管這種反抗更有可能采取社交媒體宣傳和抵制的形式，而不是搗毀機器和燒毀裝配廠，但這是一個障礙，可能會阻礙推動進步的努力。解決辦法是讓人們看到這種技術是可行的，現實情況是，通過更準確的預測和處方，我們有很好的機會讓事情變得更好。
我們必須讓人類理解并接受這些建議，但這并不意味著我們永遠不應該挑戰機器，因為我們可能仍然知道一些他們不知道的事情。到目前為止，立法一直未能跟上技術進步的速度，但它很可能在這方面發揮一定作用。越來越多的消費者意識到，越來越多的決策是由使用我們自己的個人數據的機器做出的，這促使立法者從我們(消費者)的角度來解決這個問題。
一步到位
值得考慮的最后一個挑戰是：目前使用的絕大多數AI實現都是高度專業化的。專門的人工智能，通常被稱為“應用人工智能”，是為了執行一個特定的任務，并學習變得越來越好。它通過模擬給定每個輸入值的組合會發生什么，并測量結果，直到實現最有效的輸出。
廣義人工智能-比如，像“星際迷航”(Star Trek)數據這樣的機器人，能夠像人類一樣把手轉向任何任務，在一段時間內仍將是科幻小說的夢想。正如谷歌(Google)人工智能研究科學家拉賈·哈德塞爾(Raja Hadsell)所言，“世界上沒有神經網絡，目前也沒有一種方法可以用來識別物體和圖像、播放太空入侵者和聽音樂。”
這里的問題是，像人類這樣的“自然”智能有機體能夠考慮到我們目前正在從事的任務以外的其他任務的學習和數據。為了解決問題，這種利用非直接顯而易見的資源的能力被“開箱即用”或“藍天”之類的陳詞濫調所熟知，是人類解決問題和獨創性的一種要素，今天的專注、專一和經常癡迷于此的機構不太可能在不久的將來效仿。
這意味著認可機構必須接受教育，以確保他們的解決方案不會在其設計考慮范圍以外的領域引起其他問題，甚至是進一步的問題。這包括學習不要踩到其他認可機構的腳趾。例如，在一個智能城市，很容易想象一個人工智能系統的效果，比如說管理安全照明與另一個系統發生沖突，比如調節電力使用。
人工智能在不久的將來必須克服的這四個關鍵挑戰，但是，在人工智能發揮其無可置疑的巨大潛力之前，必須先實施解決方案。然而，其他人則需要人也需要思考，制定可行的原則和行為準則，這一過程可能需要更多的時間。
