AI 用人类思维方式思考 效率会低下吗？

人工智能（AI）在创新和结果方面继续实现跨越式发展。人工智能的最新发展及其背后的技术肯定让包括AI研究人员在内的许多利益相关者感到惊讶。人工智能已经发展成为一个非常有能力的实体，从我们的社交媒体供稿和我们在Netflix上观看的内容到智能城市等更大的解决方案，都在影响着他。

在较小的规模上，为客户实施的AI – 最终用户 – 获得了很大的吸引力。例如，Google用Google Duplex让所有人都惊叹不已。 AWS也正在加强其AI研究。亚马逊等云服务提供商正在为更多的AI研究人员提供GPU密集型实例。

人工智能的发展并非没有挑战。人工智能研究人员提出的一个让人无法忽视的问题是，我们是否通过把人工智能纳入了人类思维来降低人工智能效率。有一些有趣的问题也引发了这个问题。

机器学习和人工智能

然而，在我们深入研究这些问题之前，我们需要先了解一下人工智能的基本概念。 AI通过机器学习了解数据流。这里有一个重要的要点：AI不学习的话就无法处理信息。

在机器学习的不同阶段仍然需要人工输入。当视觉AI需要了解如何区分男性和女性时，它需要由操作人员手动提供给它的数据流。这些数据流通常包含数千张附有参数的照片或视频，并不总是中立的。

唯一的区别是AI并不总是需要一组预定的参数来开始学习。它可以独立处理数据流，在此过程中查找相似性和模式，然后根据从这些数据流中学到的内容做出决策。

深度学习通过以更连续和可管理的方式实现独立学习，使这一过程更进一步。深度学习不是要求每个实现都有相关的数据流，而是允许AI实现从其他应用程序中学到的参数和模式以解决新问题。

机器动态思考

前面提到的组件 – 机器学习和深度学习 – 使人工智能可以超越其编程范围进行思考。结合神经网络 – 一个旨在模仿人类大脑的计算机网络 – 人工智能可以扩展到新的实现并解决更多问题。

它基本上是一种动态的机器思维，类似于我们以动态方式思考的方式。机器学习的本质 – 需要人工输入 – 使人工智能以与我们人类相似的方式学习东西，尽管速度要快得多。

那么，AI是否以低效的方式运作，因为它模仿人类的思维方式？我们开发人工智能的方法是否限制了它的发展方式？回答这个问题并不像看起来那么容易。

当用含有创造力的数据流喂养时，AI可以了解人类的创造力。事实上，我们已经有AI实体能够创造艺术，以更加无限制的方式解决问题，甚至模仿我们彼此沟通的方式。谷歌双工通过电话与当地企业进行人工智能对话中使用填充程序如“嗯”和“啊”的演示实在令人难以置信。然而，这种方法也有缺点。

AI中的偏见

这将我们带到下一点：AI如何变得像人类一样偏向。由于人工智能实体的学习过程始于人类操作员为学习目的提供数据流，因此AI实体基于他们研究的数据流产生偏差。

专家认为，存在两种偏见AI：有偏见的学习数据和有偏见的数据收集过程。有偏见的学习数据与开发AI实体的人类操作员密切相关。这是一个容易且难以修复的问题。为了使AI保持中立，协助其学习过程的人类操作员需要保持中立。不幸的是，人们很少是中立的，即使是最轻微的偏见也会随着时间的推移而放大。

第二个来源，有偏见的数据收集，甚至更复杂。这是因为AI和人工操作员在收集更多数据时无法完全意识到存在偏差。与前一个问题类似，方法或视图中的轻微污点会随着时间的推移而放大。是的，AI以动态的方式学习，但它仍然遵循这种或那种方式。

这让我们了解专家现在认为人工智能开发的标准：人工智能不能保持中立。是的，AI应该是中立的，但其学习过程的每个组成部分都需要保持中立（和理想）。这不是一个可以在这一点上实现的学习过程。

这种偏见 – 人工智能模仿人类思维这一事实 – 是否会影响人工智能的发展？ 我对回答这个问题的个人信念是否定的。 毕竟，我们已经远远超过许多人认为的可能。 在不久的将来，更多突破将令我们感到惊讶。