人工智能弊端！这就是为什么人工智能不能解决所有问题的原因

　　对人工智能(AI)未来的歇斯底里是无处不在的。关于人工智能如何治疗疾病、加速人类创新和提高人类创造力，似乎不乏耸人听闻的新闻。

　　虽然不可否认的是，人工智能已经打开了大量充满希望的机遇，但它也导致了一种思维模式的出现，这种心态最能被形容为“人工智能解决方案”。这是一种哲学，只要有足够的数据，机器学习算法就能解决人类所有的问题。

　　但是这个想法有一个大问题。它不支持人工智能的进步，它实际上会破坏机器智能的价值，因为它忽略了重要的人工智能安全原则，并对人工智能真正能为人类做什么设定了不切实际的期望。

　　在短短几年时间里，人工智能的解决方案已经从硅谷的技术布道者的嘴里传到了世界各地政府官员和决策者的脑海中。

　　钟摆已经从反乌托邦的观念中摇摆了出来，即人工智能将摧毁人类，让我们相信我们的算法救世主在这里。

　　我们现在看到各国政府承诺支持国家人工智能计划，并在技术和修辞军备竞赛中展开竞争，以主导新兴的机器学习领域。

　　法国总统艾曼纽马克龙(Emmanuel Macron)迷恋人工智能的变革潜力，致力于将法国转变为一个全球人工智能中心。

　　与此同时，中国政府正在提高其人工智能的能力，计划在2030年前创造一个价值1500亿美元的中国人工智能产业。人工智能解决方案正在兴起，它将继续存在。

　　尽管许多宣言都宣扬即将到来的“人工智能”带来的性影响，但它们往往低估了在现实世界部署先进机器学习系统的复杂性。

　　人工智能技术最有前途的品种之一是神经网络。这种机器学习的形式是模仿人类大脑的神经元结构，但规模要小得多。许多基于人工智能的产品使用神经网络从大量数据中推断模式和规则。

　　但许多人不明白的是，仅仅将一个神经网络添加到一个问题中并不意味着你会找到一个解决方案。同样，向国家添加一个神经网络并不意味着它会立即变得更加包容、公平或个人化。

　　人工智能系统需要大量的数据来运作，但公共部门通常没有合适的数据基础设施来支持先进的机器学习。

　　大多数数据仍然存储在离线文档中。现存的为数不多的数字化数据来源往往被官僚主义所掩盖。通常情况下，数据分布在不同的政府部门，每个部门都需要访问特定的权限。

　　由于这些原因，关于人工智能的轰动效应引起了许多批评。伯克利分校的计算机科学教授Stuart Russell长期以来一直提倡一种更现实的方法，专注于人工智能的日常应用，而不是超级智能机器人的假想接管。

　　同样，麻省理工学院的机器人教授罗德尼·布鲁克斯写道:“几乎所有的机器人和人工智能的创新都远比现场和外界想象的要长得多。”

　　在部署机器学习系统时遇到的许多困难之一是，人工智能极易受到对抗性攻击的影响。这意味着恶意人工智能可以攻击另一个人工智能，迫使它做出错误的预测或以某种方式行为。

　　许多研究人员警告说，如果没有适当的安全标准和防御机制，人工智能将被淘汰。尽管如此，人工智能安全仍然是一个经常被忽视的话题。

　　如果我们要从中获益，并尽可能减少人工智能的潜在危害，我们就必须开始思考机器学习如何能有效地应用于政府、企业和社会的特定领域。这意味着我们需要讨论人工智能的伦理问题，以及许多人对机器学习的不信任。

　　最重要的是，我们需要意识到人工智能的局限性，以及人类仍然需要发挥主导作用的地方。与其画一幅不切实际的人工智能的图片，不如退一步，把人工智能的实际技术能力与魔法区分开来。

　　在很长一段时间里，Facebook认为，错误信息传播和仇恨言论传播等问题可以通过算法来识别和停止。但在最近来自立法者的压力下，该公司迅速承诺要用超过1万名人工审查员的军队来取代它的算法。

　　医学界也认识到，人工智能不能被认为是解决所有问题的办法。IBM的肿瘤治疗方案是一个人工智能，它的目的是帮助医生治疗癌症。

　　尽管它是为提供最好的建议而开发的，但人类专家发现很难相信这台机器。结果，在大多数医院里，人工智能项目被放弃了。

　　同样的问题也出现在法律领域，当算法在美国的法庭上被用来判决罪犯。一种计算风险评估分数的算法，并建议法官进行量刑。该系统被发现放大了结构性的种族歧视，后来被抛弃了。

　　这些例子表明，没有任何人工智能解决方案。仅仅为了人工智能而使用人工智能可能并不总是有效的或有用的。不是所有的问题都能通过应用机器智能解决。

　　这对每个旨在促进国家人工智能项目投资的人来说都是至关重要的一课:所有的解决方案都要付出代价，而不是所有能够实现自动化的方案都应该是这样。