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。看看媒体的头条新闻，你可能会认为我们已经生活在一个人工智能渗透到社会方方面面的未来。
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。
人工智能解决方案
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。例如,英国政府发誓在人工智能的研究成为该领域的领导者。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。
神经网络——说起来容易做起来难
尽管许多政治宣言都宣扬即将到来的“人工智能革命”带来的革命性影响，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。但许多政治家不明白的是，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，向民主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。
具有挑战性的数据机构
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。最重要的是，公共部门通常缺乏具有正确技术能力的人才，以充分利用机器智能的好处。
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。
机器学习不是魔术
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。与其把人工智能的力量描绘成一幅不切实际的图景，不如退一步，把人工智能的实际技术能力分离出来。
閱讀更多 人工智能與機器人 的文章
