（文章來源：齊魯壹點）

AI剛剛興起的時候，大多數(shù)人們對這個詞匯還是感到很陌生，但隨著各類AI機器人不斷出現(xiàn)，人工智能聲名大噪，成為了各個國家未來的發(fā)展戰(zhàn)略?？茖W(xué)家、工程師看到了一個嶄新領(lǐng)域的興起，商人們看到了技術(shù)帶來源源不斷的財富，而普通人則不得不面對“機器人竊取大量工作”的局面。由此“人工智能是人類最大的生存威脅”、“我們應(yīng)該抵制人工智能”等言論甚囂塵上！人類與人工智能究竟能否共贏共存成為了一個既敏感又現(xiàn)實的問題。

谷歌首席決策科學(xué)家CassieKozyrkov提出了：“人類可以彌補人工智能的缺點”。過去五年,CassieKozyrkov在Google擔(dān)任過很多技術(shù)職務(wù)，但如今她要正式面對“首席決策科學(xué)家”這個有點奇怪的職位了。簡單來講，決策科學(xué)就是數(shù)據(jù)和行為科學(xué)的交叉點，涉及統(tǒng)計學(xué)、機器學(xué)習(xí)、心理學(xué)、經(jīng)濟學(xué)等學(xué)科。Kozyrkov的主要職責(zé)就是幫助Google推動更積極的AI議程，至少也要讓人們相信AI并不像頭條新聞所說的那么糟糕。

面對人工智能，人類到底在焦慮些什么？“機器人正在竊取我們的工作，”“人工智能是人類最大的生存威脅”，類似的宣言已經(jīng)存在了很長一段時間，但在過去幾年中，這種擔(dān)憂變得更加明顯。對話式AI助手廣泛存在于現(xiàn)實生活中，汽車、卡車幾乎能夠自動駕駛，機器可以輕而易舉的在電腦游戲中擊敗人類，甚至藝術(shù)創(chuàng)意的工作也受到了人工智能的沖擊。我們不斷被告知，無聊和重復(fù)的工作可能會成為過去。

身處自動化世界，人們對未來感到焦慮和困惑是可以理解的。但是，根據(jù)Kozyrkov的說法，人工智能僅僅是自人類誕生以來一直努力奮斗的延伸。

在倫敦AI峰會上Kozyrkov發(fā)表講話說：“人類的故事是自動化的故事。人類發(fā)展的歷程就是關(guān)于如何將事情做得更好，從舊石器時代開始，原始人拿起一塊石頭敲擊另一塊巖石，就是因為可以更快完成工具，然后利用工具進行更好的創(chuàng)造。從古至今，人類都是工具制造的種族，我們反對一味的埋頭苦干”。

人工智能是危險的，因為它能比人類做得更好。這種的潛在威脅對Kozyrkov來說是站不住腳的，她認(rèn)為所有的工具都比人類徒手來做強得多。理發(fā)師用剪刀剪頭發(fā)，就是因為用手抓不那么理想。古騰堡的印刷機生產(chǎn)文本的規(guī)模可以達到了人類無法復(fù)制的規(guī)模。

使用工具比人類徒手做效果更好—這就是工具的意義。如果沒有工具你可以做得更好，為什么要使用這個工具？如果你擔(dān)心計算機在認(rèn)知上比你更好，那么筆和紙在記憶時也比人類更長久；水桶在拿水的時候比人類得儲存量更大，計算器的六位數(shù)計算遠(yuǎn)勝于大部分人類計算。我們有理由相信，未來人工智能在某些方面也會變得更好。

當(dāng)然，許多人對人工智能和自動化的潛在恐懼并不是說它會比人類做得更好。而是害怕政府、企業(yè)和任何惡意實體可以肆無忌憚地追蹤和微觀管理人類的一舉一動——幾乎不費吹灰之力就可以實現(xiàn)秘密的宏偉愿景，從而給人類蒙上反烏托邦的陰影。

其他問題涉及像算法偏見，缺乏足夠的監(jiān)督以及世界末日情景等因素有關(guān)：如果某件事急劇地——無意地——出錯了怎么辦？人工智能該如何真正減少人類的偏見？研究人員已經(jīng)證明了面部識別系統(tǒng)的內(nèi)在偏見，像亞馬遜的Rekognition。最近，民主黨總統(tǒng)候選人參議員伊麗莎白·沃倫呼吁聯(lián)邦機構(gòu)解決有關(guān)算法偏差的問題，例如美聯(lián)儲的放貸歧視問題 。其實，人工智能在現(xiàn)實生活也能起到減少人類現(xiàn)有偏見的作用。

在很多人工智能領(lǐng)域，AI如何擴散系統(tǒng)歧視的擔(dān)憂是首要議程。微軟敦促美國政府監(jiān)管面部識別系統(tǒng)，研究人員致力于在不影響預(yù)測結(jié)果準(zhǔn)確性的情況下減少人工智能中的偏見。

當(dāng)然，在現(xiàn)實世界中，備受好評的同行評審期刊或教科書應(yīng)該有足夠的監(jiān)督來對抗任何公然的偏見。如果作家、原始數(shù)據(jù)、鼓勵學(xué)生閱讀的教科書的老師都有相同的偏見呢？人們要花費很長的時間才能發(fā)現(xiàn)一些陷阱，但到那時阻止任何不良影響都為時已晚。因此，Kozyrkov認(rèn)為“視角的多樣性”對于確保最小的偏見是必不可少的。

研究人員越是關(guān)注自己的數(shù)據(jù)，思考用這些例子來表達自己的結(jié)論，就越有可能抓住那些潛在的壞案例。在人工智能中，數(shù)據(jù)的多樣性是必須的，而且需要從不同的角度來看待和思考使用這些例子會對世界產(chǎn)生怎樣的影響。