我们需要构建人工智能工具链 。 Lyft的机器学习主管吉尔·阿尔迪蒂(Gil Arditi)对这个问题阐述得很清楚 。 他说 ， “机器学习处于初始阶段 。 它类似于上世纪80年代早期或70年代末期的数据库 。 你必须成为全球专家才能让它们正常运作 。 ”研究还表明 ， 许多人工智能模型很难解释 ， 很容易被欺骗 ， 容易受到偏见 。 掌握解决这些问题的工具对于发掘人工智能开发人员的潜力是必要的 。
我们都需要接受不可预测的行为 。 开发人员和用户都已习惯计算机“指令”这个比喻 。 “指令”强化了这样一种信念 ， 即计算机完全按照我们的指令行事 ， 输入总能产生近似等量的输出 。 相比之下 ， 人工智能模型就像有生命的呼吸系统 。 新型工具将使它们更像显式编程 ， 特别在关键的安全设置中 ， 但如果我们把限制设置得太严密 ， 我们就会面临一种风险——丧失这些人工智能系统的特殊价值 ， 如AlphaGo的意外棋步 。 我们开发和使用人工智能应用时 ， 需要理解并接受各种概率结果 。
【人工智能崛起编程难度高 普通AI开发者将成香饽饽】希望世界被人工智能接管的可能性几近为零 。
推荐阅读
- 麦肯锡：美国与中国人工智能技术研发全球领先
- 从技术到产业，中国人工智能如何更好发展
- 中国需要什么样的人工智能人才？
- 清华大学宣布成立人工智能研究院 张钹担任院长
- 人工智能将如何发展？专家建议坚持问题导向
- 智博会观察：折射人工智能发展新方向
- 养猪也讲智能化 人工智能养猪的优势真不少
- 人工智能新浪潮或可促进石油勘探开发技术升级换代
- 谷歌高管：与人类相比 人工智能依然相当愚蠢
- 中科院院士谈人工智能：最后下决策的肯定是人