AI算法還比較初級 并不能解決所有問題

AI技術(shù)這兩年非常高調(diào)，吸引了大批投資者的青睞。但實際AI技術(shù)發(fā)展還比較初級，還未和很多行業(yè)結(jié)合起來。

AI人工智能概念2018年繼續(xù)火爆，各大企業(yè)也紛紛發(fā)布了自己的AI戰(zhàn)略，包含推出一些AI產(chǎn)品，一切現(xiàn)象都表明AI要大干一場，再次要改變?nèi)藗兊纳罘绞剑膊粩嗟挠腥碎_始討論AI的道德問題，擔(dān)心AI機(jī)器人是否會取代人類，最終人類被AI機(jī)器人消滅，之所以這樣都緣于AI實在太火了，關(guān)于AI的各種話題不斷。AI發(fā)展如此繁榮，到處顯示一片欣欣向榮的景象，然而繁榮背后，深入思考就會發(fā)現(xiàn)AI 發(fā)展的隱憂。

AI帶來失業(yè)問題

人工智能會取代重復(fù)性、機(jī)械性的工作，那些從事簡單勞動的人們將會失業(yè)，復(fù)雜勞動這些人又不會，這將造成失業(yè)率的持續(xù)上升，這是社會進(jìn)步的必然趨勢。失業(yè)率上升會帶來很多問題，比如社會穩(wěn)定性降低，犯罪率上升，貧富差距拉大等等，當(dāng)失業(yè)者發(fā)現(xiàn)連自己和家人都無法養(yǎng)活，那么很可能會用暴力手段表達(dá)他們的不滿。在西方發(fā)達(dá)國家，因為簡單工作的機(jī)會越來越少，所以那些沒有技能的人們均將面臨失業(yè)，而國家不會養(yǎng)著這些整天無所事事的人，必然將更多的資源提供給那些擁有技能，工作的人們。有時候技術(shù)進(jìn)步能解決生產(chǎn)力的問題，但也同時會帶來更多的社會問題，AI技術(shù)也是如此，好在目前AI技術(shù)還不是那么成熟與發(fā)達(dá)，很多工作還不能用AI來替代，隨著AI的發(fā)展，可替代的工作會越來越多。有一句話對AI技術(shù)的看法說的非常有道理：“AI不會代替人類，但是會廢掉人類?！保褪钦f不用擔(dān)心AI會取代人類，那些擔(dān)心AI機(jī)器人會取代人類的想法是幼稚的，但AI的確會廢掉人類，讓人們不用再努力工作，絕大部分的工作都將由AI來完成，社會只需要一小撮懂得AI算法的人，其它大部門人都將失業(yè)，無法找到工作，成為“無用”的人，廢掉人類。

AI還缺少數(shù)據(jù)樣本

AI技術(shù)這兩年非常高調(diào)，吸引了大批投資者的青睞。但實際AI技術(shù)發(fā)展還比較初級，還未和很多行業(yè)結(jié)合起來。就像已經(jīng)發(fā)展了多年的AI自動駕駛汽車，智能眼鏡，機(jī)器視覺等技術(shù)，還未開花結(jié)果，不能夠?qū)嵱?，還需要不斷研究。以自動駕駛來說，單純靠算法，車輛上路百分百會出事故，AI能解決的交通實際問題只有不到40%。我們知道，AI要進(jìn)行大量的數(shù)據(jù)學(xué)習(xí)，才能夠比較準(zhǔn)確的獨(dú)立完成工作，就像我們?nèi)祟?，從小嬰兒長到成人，不斷在接收各種知識，不斷去學(xué)習(xí)，才能在成人后去自己完成一些工作，工作的過程中也是需要不斷學(xué)習(xí)，這需要大量的數(shù)據(jù)輸入，接觸的數(shù)據(jù)多少直接決定了這個人所能完成的工作難度。AI也是這樣的過程，所以需要大量的輸入數(shù)據(jù)，而這些數(shù)據(jù)樣本是極多的，要覆蓋到很多方面，這樣才能使得AI看起來很智能?，F(xiàn)在的AI缺乏的就是這些數(shù)據(jù)樣本，海量的學(xué)習(xí)樣本數(shù)據(jù)才能讓AI發(fā)揮作用，所以要不斷地采集數(shù)據(jù)，這使得AI看起來更像是數(shù)據(jù)采集技術(shù)，AI技術(shù)完全依托于這些數(shù)據(jù)，過少的數(shù)據(jù)樣本將使AI失去意義，AI的準(zhǔn)確率將大大降低?，F(xiàn)在的互聯(lián)網(wǎng)每天產(chǎn)生海量的數(shù)據(jù)，但大部分是無用的垃圾數(shù)據(jù)，并不能都為AI所用，有效的數(shù)據(jù)太少，也是AI走向成熟的絆腳石。

AI算法還比較初級

AI需要算法，通過大量的復(fù)雜計算讓機(jī)器可以模仿人類工作。從1956年開始，AI專家們就野心勃勃，試圖創(chuàng)造出不遜于人類智力水平的機(jī)器，但隨后AI的每一個新浪潮都經(jīng)歷了從盲目樂觀到徹底淪喪的輪回，從一開始通用問題的求解器，到后來的感知機(jī)技術(shù)、基于規(guī)則的專家系統(tǒng)，以及遺傳算法、神經(jīng)網(wǎng)絡(luò)、概率圖模型、支持向量機(jī)等，沒有人能夠統(tǒng)計出這個世界到底有多少種算法，而這些算法最大的問題是僅限于理論研究層面，AI的算法從理論走向?qū)嵺`，不僅要跨越各種復(fù)雜應(yīng)用場景，還有CPU和GPU的問題，對應(yīng)用場景的理解問題，AI要在更多的應(yīng)用中落地還需要不斷完善，那些永遠(yuǎn)走不出實驗室的理論算法最終都將被拋棄，真正的算法是需要和應(yīng)用緊密結(jié)合的，當(dāng)前的AI算法還都比較初級，偏理論多一些，并不實用。

AI不能解決所有問題

AI現(xiàn)在不能解決所有問題，未來也不能。機(jī)器是沒有情感的，只能根據(jù)輸入的數(shù)據(jù)來進(jìn)行學(xué)習(xí)，然后按照既定設(shè)計完成相應(yīng)功能，AI需要大量數(shù)據(jù)來運(yùn)作，但通常沒有合適的數(shù)據(jù)基礎(chǔ)設(shè)施來支持AI學(xué)習(xí)，最終AI會學(xué)的四不像，無法真正有效地完成功能，更多的是從事一些指令性的工作，這些還稱不上是AI，就像生產(chǎn)線上的機(jī)器手一樣，都是提前輸入指令，由機(jī)器手臂按照固定的步驟操作完成而已，非常初級的AI。大腦對人類還是未知的，我們并不清楚大腦是如何進(jìn)行學(xué)習(xí)和工作的，AI其實就是模仿人腦去思考和工作，但我們對大腦的機(jī)理并不清楚，就無法通過AI完全模擬人腦，AI無法完全代替人腦去學(xué)習(xí)和工作，AI更多時候是根據(jù)輸入的數(shù)據(jù)，將見到的問題錄入與已輸入的數(shù)據(jù)進(jìn)行對比，有重疊度比較高的就認(rèn)為匹配成功，執(zhí)行相應(yīng)的預(yù)設(shè)動作，當(dāng)已有的樣本庫里沒有匹配到，那AI也不知道該怎么辦。在很多人類活動中，摻雜著很多復(fù)雜的社會問題，比如說種族歧視、國家競爭、疾病傳染等問題，AI顯然還意識不到這些問題的存在，這些數(shù)據(jù)不好采集和錄入，AI算法也沒有考慮這些社會因素，這些都是AI無法解決的問題。

關(guān)于AI的話題很多，AI技術(shù)繁榮的背后隱含著很多問題，AI的發(fā)展也必定不會一帆風(fēng)順。在這幾十年AI發(fā)展歷程中，AI已經(jīng)經(jīng)歷了起伏數(shù)次，這一次AI也是來勢洶洶，最終是否會剎羽而歸，還不得而知。