人工智能遇难题，如何应对商业及社会中的巨大挑战？

【编者按】 人工智能 逐渐渗入各个行业和领域，据普华永道报告显示，到2030年人工智能将为世界经济贡献约15.7万亿美元。人工智能的巨大潜力逐渐显露，但是仍面临各种障碍。本文从 商业 和社会领域对人工智能面临的障碍进行了分析，要想发挥人工智能的潜力，必须依靠技术克服以下四个障碍：1）缺乏 计算能力 ；2）缺乏人力；3）建立信任机制；4）克服狭隘思想。

本文来源于forbes.com，作者Bernard Marr；由亿欧编译，编译作者邵玥。

---

普华永道报告显示，到2030年人工智能将为世界经济贡献约15.7万亿美元，与中国及印度两国总产出相当。

人们普遍认为，人工智能可以改变世界。从探索太空到打击恐怖主义甚至是艺术创作，其强大的潜能逐渐显露。

尽管如此，这项技术仍面临巨大的障碍，而这些障碍在人工智能的潜能被完全发掘实现之前必须被克服。很多人认为， 目前克服这些阻碍是技术行业的当务之急。

缺乏计算能力

虽然这一问题至今没有解决，但我们认为它可能会随着时间的迁移得到解决，当然也可能解决不了。

人工智能，特别是最具前景的机器学习和深度学习技术，需要快速地进行大量数据计算，这就意味着它们使用了大量的处理能力。

Teradata首席技术官Stephen Brobst说：“人工智能在理论层面已经存在很久了，大约两年前，这一技术仍是一项难以逾越的阻碍。人工智能遇冷是因为每个人都有好的设想，但因没有足够的计算能力进行操作，其设想也就只能停留在理论层面。”

云计算 和大规模 并行处理 系统在短期内提供了解决方案，但随着数据量的不断扩大，深入学习使得自动创建的算法越来越复杂，问题也将继续缓慢积累。问题可能在下一代计算基础设施出现后得到解决，如量子计算，它利用诸如量子纠缠等亚原子现象，对数据进行比现在的计算机更快的操作。

“实际上，我们需要至少五年甚至十年来解决这一问题。首先要搞清楚编程模型，因为量子编程模型和我们现在使用的模型完全不同，这是一场技术的变革，当然也需要花费些时日。”

缺乏人力

曾经人工智能也只是出现在科幻小说作者笔下或者只出现在大学信息技术实验室供研究员的深度研究中。换句话说，没有大量的市场使用案例，就不会有大量的资金投入。这意味着很少有组织愿意投入资金开发这些技能，而且在以产业为导向的教育和培训课程中，这个课题不具备介绍和研究的十分必要性。

随着近几年人们对于人工智能的兴趣爆炸式增长，一切都发生了变化。数据科学课程开始聚焦人工智能发展所需的核心技能：数学、计算机科学和统计学，这些技能大受欢迎并且逐渐变得供不应求。

但是，仍然没有足够的人力让每个企业或组织实现机器进步的愿景。 人工智能和科技的其他领域一样存在技能短缺问题，根本没有多少人知道如何操作能够自己思考、学习的机器。

首先，我们可以对工作中的某些要素加以利用，从而对现在的情况加以改善。那些经常被描述为“公民数据科学家”的人群，虽然他们没有接受过正式培训或主要从事数据专家的工作，但他们在自己的专业领域是专家，而数据及分析工作通常可以推动他们领域的工作。

其次是转向提供平台和工具，使人工智能驱动的工作“作为一项服务”，而不是在每项事务中浮于表面。组织机构越来越擅于采取现成的解决方案，简单插入自己的数据，不是去从头构建模型，而是去收集那些忽略“幕后”技术操作的结果。

建立信任机制

Brobst预测， 到2020年，将会出现一场关于人工智能对人类生活进行控制的反抗。 Brobst说：“问题在于，人工智能是一个黑盒子，当人们不明白决定是如何做出的时候，便会感到不舒服。例如银行使用的算法主要是线性数学，很容易解释从输入到输出的路径，而类似于‘我拒绝你的抵押申请，因为你没有工作，或者其他原因’这种问题则使用多层神经网络，普通人根本不懂，所以现在我们根据人们不了解的东西进行预测，当然就会让人们感到不舒服。”

这种反抗很有可能不是通过捣毁机器和烧毁装配厂的形式，而是采取社交媒体运动进行抵制。但这仍属于阻碍进步的一种尝试。
Brobst认为，正确的解决方案是让人们看到这项技术行之有效。事实上，更加准确的预测和指令，很大程度上给我们提供给更多机会去把事情做好。我们必须让人类了解并接受这些建议，但这并不意味着我们不应该挑战机器，因为我们仍然比机器懂的更多。

到目前为止，立法体系最有可能在建立信任方面发挥作用 ，尽管它曾惨败于高速发展的科学技术。越来越多的消费者意识到更多的机器使用个人数据进行决策，这就促使立法者从消费者的角度来解决这个问题。例如，《一般数据保护条例》（简称GDPR）将于明年在欧盟各国生效，那些处理欧盟公民私人数据的人都将受到约束，无论他们身处世界何地。

Brobst表示，这也会产生政府越权问题。 例如，部分法规规定，公民对人工智能所做出的与自身有关的决定有权得到解释。
“若严格遵守《一般数据保护条例》的规定，我可以要求网飞公司（Netflix是全球十大视频网站之一）说明为什么向我推荐这部电影。
“对于网飞公司来说，这是高度机密，是公司专有而尖端的技术，它花费了大量的时间和金钱来开发。对我来说，如果我投资一亿美元建立推荐引擎似乎是十分荒谬的，因为按照规定任何人都可以从我身上偷走这项技术。

克服狭隘思想

值得我们思考的最后一个挑战是，目前大多数人工智能的运用是高度专业化的。 专业的人工智能，通常被称为“应用人工智能”，它为了执行一项具体任务并且通过学习达到更好执行任务的效果。通过模拟每次输入值组合发生的情况并测量任务结果，直到达到最有效的输出。

广义的人工智能，例如星际迷航中用数据提供能量的 机器人 ，他们具有同人类一样的处理问题的能力，但这目前来看仍然是科幻故事。谷歌人工智能科学家Raja Hadsell说：“世界上没有神经网络，因此目前无法通过训练习得识别物体和图像或是玩空间入侵者、听音乐的能力。”

狭隘的思想和绝对的人工智能主义者在不久的将来是不具有竞争力的。这意味着人工智能要确保他们的解决方案不会再在其设计领域以外产生其他问题。

这包括学习不要干涉其他人工智能项目。例如，在一个智能城市，管理安全照明智能系统不应该与电力调节智能系统相冲突。

人工智能在不久的将来必将克服以上四个关键挑战。但是，在人工智能在展示其巨大潜能之前，必须实施有效的解决方案。大多数问题都可以通过技术进步来解决。