AI并不是万能的

关于AI的未来，讨论十分热烈。我们听过太多这样的新闻：AI能治疗疾病，加速科技创新，提高人类的创造力。如果仅仅是阅读这些头条，你恐怕会觉得，AI已经存在于我们生活的每一个角落了。AI为人类创造了无数机会，还引领了一种崭新的思维模式，即“AI万能主义”：如果有足够的数据，机器学习算法能够解决人类的所有问题。

实际上，这种对于数据的看法存在一个很大的问题。这种看法不仅无法推动AI的发展，还会危害人工智能的价值，因为它忽略了最为重要的AI安全原则，对AI提出了很多不切实际的期望。

AI：梦想成真？

在短短几年的时间里，“AI万能主义”就广泛地散步开来，硅谷科技创业公司、世界各地的政府官员以及政策制定者们都对其深信不疑。舆论的钟摆也晃到了另一侧：AI不再是反乌托邦的象征，AI不会摧毁人类社会；恰恰相反，AI算法是人类的救世主。

各国政府大力推行全国性AI倡议，展开了AI领域的“军备竞赛”。英国政府称将投入3亿英镑用于AI研究，希望能够成为该领域的领导者。法国总统马克龙也认识到AI的巨大潜力，承诺将法国打造成全球性的AI研究中心。

与此同时，中国政府也大力支持AI产业的发展。中国AI产业的总价值将在2030年之前超过1500亿美元。很多国家都希望能在第四次工业革命中成为领导者。“AI万能主义”也因此“尘嚣甚上”。然而，我们应当适时地放慢脚步。

推荐阅读：

《虚拟场景训练人工智能》

《快乐？弹性才最重要》

《如何确保人工智能不会歧视》

神经网络的现实

很多政治口号都强调“AI的革命性意义”。实际上，他们完全低估了在现实世界中真正运用先进的机器学习技术的难度。AI能做的事十分有限，和机器学习技术本身的工作原理密切相关。

AI技术中最有前景的一项就是神经网络。神经网络大致模仿了人类大脑中的神经结构，但规模更小。很多基于AI的产品都使用了神经网络，试图从大规模的数据中找到一些规律。然而，很多政治家不能理解的是，神经网络并不能自动解决所有的问题。实际上，AI并不能立刻让我们的政府变得更加高效、更加灵活，也并不会让我们的国家变得更加包容、公平、个性化。

做个类比：如果我们想要把实体的购物中心转变成在线购物商城。但发起一个网站，并不能足以成立一家互联网公司。除了建立网站，还有很多事情要做。

自2000年以来，美国AI公司所得到的投资额翻了6倍。

Sources：Crunchbase，VentureSource，Sand Hill Econometrics

挑战“数据官僚主义”

AI系统需要大量的数据支撑，但目前公共部门并没有足够的数据基础设施提供保障。很多数据无法上传，而经过分析的数据大多由政府部门所管控。除此以外，如果数据想在政府不同部门之间流转，需要特殊的批准程序。不仅如此，公共部门缺乏相关人才以及技术能力，无法完全最大程度地利用人工智能技术。

出于这些原因，很多人对盲目崇拜AI的态度表示批评。Stuart Russell是伯克利大学计算机科学系的教授。长期以来，他提倡以更为实际的态度来对待神经网络。他认为，我们应该关注AI在日常生活中的应用，而非“超级智能”机器人。麻省理工学院机器人系教授Rodney Brooks也撰文称“就目前为止，机器人、AI领域的所有创新距离真正能在生活中得以运用，还有很长的路要走。”技术的进展总是缓慢的。对于AI来说，数据是必不可少的。

不仅如此，大规模部署机器学习系统还面临一个重大的问题：AI系统极易遭受攻击。这也意味着，一个恶意的AI系统能够影响其他AI系统，并迫使后者做出错误预测，或者以特定方式行动。很多研究者都提出警告，提醒人们完善AI安全标准以及系统防护机制。正是因此，AI的安全性也成为了政策制定者们所考虑的主要因素之一。

机器，并非魔法

如果我们想从AI技术中获益，最大程度规避其负面影响，我们就应该开始思考，机器学习如何能被有意义地运用在政府、商界以及公民社会的特定领域之中。这意味着我们需要对AI伦理进行探讨，消除人们对机器学习的不信任。

最为重要的是，我们需要认识到AI的局限之处。在这些领域，人类仍然是不可或缺的主导者。我们不应该过分夸大AI的作用，我们需要认清AI的实际能力。机器学习并不是什么魔法，更不是万能的灵药。

Facebook最近也承认，AI并非总是能提供答案。长期以来，Facebook都认为，不实信息的传递、恶意言论的散播都能通过AI自动识别、阻止。然而，最近迫于立法者的压力，Facebook承认，其数据并非通过算法得来，而是由超过10000位评论者人工伪造的。

在医学界，AI也并非万能的解决方案。IBM Watson的肿瘤项目应用了AI技术，旨在帮助医生治疗癌症。然而，人类医生却发现，及其所给出的建议并非总是可信的。因此，很多医院弃用该计划，大量技术投资也化为了泡影。

法律界也存在类似的问题。在美国，法官会在法庭上使用AI算法帮助作出判决：AI算法能够评估风险，并给出某人犯罪的可能性。AI设计的本意是让法官的判决能够以数据为依据。然而，该系统却存在结构性种族歧视的问题，很多法律工作者和大众对其持负面态度。

与AI合作

以上这些例子都表明，AI并不能解决全部的问题，AI也并不一定是所有问题最佳的解决方法。如果仅仅为了使用AI技术而使用AI技术，很可能会适得其反。

其实，早在1964年，美国哲学家Abraham Kaplan就把这种趋势称为“工具法则”。他表示：“如果一个小男孩有了锤子，他会锤遍他所看到的一切事物。”

只不过这一次，Kaplan口中的“小男孩”变成了各国的领导者。AI技术的锤子不仅力量非凡，价格也不菲。那些想要通过全国性AI项目争取投资的人们应当意识到，所有事物都是有代价的，自动化并不能解决一切问题。

我们应当行动起来，在不远的未来实现AI的普及；但我们也不应该目光狭隘，把AI当做所有问题的解决方法。我们自己的问题需要我们自己解决，AI系统则是我们的绝佳助手。

作者：Vyacheslav Polonski，牛津大学研究员

以上内容仅代表作者个人观点。

本文由世界经济论坛原创，转载请注明来源并附上原文链接。

翻译：彭永康

责编：张智

世界经济论坛是一个独立且中立的平台，旨在集合各方观点，讨论全球、区域及行业性重要话题。