隨著人工智能技術(shù)的興起，AI 中存在的問題也被逐步暴露出來。AI 做出的決策與人類最佳決策仍然存在差異，并且往往包含一些偏見。那么問題出在哪里呢？近日在一篇文章中，作者 Marianne Bellotti 闡明了相關(guān)原因，并提出了自己對 AI 設(shè)計原則的看法。我們來看一下文章的具體內(nèi)容。

越來越多的數(shù)據(jù)

據(jù)專家指出，數(shù)據(jù)科學(xué)家花費大約 80％的時間來清洗數(shù)據(jù)，實現(xiàn)由人工智能驅(qū)動的集中式?jīng)Q策的關(guān)鍵是打破各項工作之間的壁壘，并為人工智能模型創(chuàng)建可互操作的流程。在目前的 AI 領(lǐng)域，即使花費大量的時間和經(jīng)濟(jì)成本，也仍然無法實現(xiàn)像人類大腦一樣，更接近全局水平的態(tài)勢感知。隨著數(shù)據(jù)科學(xué)和人工智能的發(fā)展，構(gòu)建 AI 模型所需的數(shù)據(jù)量也在增加。

自動駕駛公司投資上百億美元仍然沒有實現(xiàn)完全的自動駕駛，社交媒體公司投入數(shù)十億美元試圖利用 AI 清理不良信息，卻仍然嚴(yán)重依賴人工清理平臺。

AI 目前尚沒有做出最佳決策的能力。此外，人們在構(gòu)建 AI 模型時并沒有完全消除人為偏見，而是試圖從越來越多的數(shù)據(jù)中構(gòu)建「完美」的 AI 模型，但這些數(shù)據(jù)參差不齊。

決策與數(shù)據(jù)的相關(guān)性

當(dāng)試圖找到一個難題的解決方案時，首先應(yīng)該將事情分解開來：在做哪些假設(shè)？這些假設(shè)如何構(gòu)建需要解決的問題？如果這些假設(shè)不同，會解決不同的問題嗎？想要解決的問題和方案結(jié)果有什么關(guān)聯(lián)？對于 AI 來說，顯然將更好的決策作為結(jié)果是非常重要的。假設(shè)訪問更多數(shù)據(jù)是決策者做出更好決策的關(guān)鍵，而更好的決策意味著更少的負(fù)面影響，那么整體態(tài)勢感知也非常重要。

在現(xiàn)實生活中，決策者往往為了節(jié)約成本而進(jìn)行優(yōu)化決策。但決策畢竟是根據(jù)結(jié)果來判斷好壞的，在正確分析的基礎(chǔ)上還需要一點運氣。在結(jié)果出來之前，即使是在絕佳數(shù)據(jù)支持下最仔細(xì)、最徹底構(gòu)建的策略也無法保證決策的絕對正確。

因此，做決策的過程不應(yīng)該是對數(shù)據(jù)的客觀分析，而是利益相關(guān)者之間針對風(fēng)險和優(yōu)先級的容忍度做出的積極協(xié)商。數(shù)據(jù)沒有用于提供洞察力，而是用作了保護(hù)利益相關(guān)者免受影響的盾牌，完美的信息往往是通過增加噪聲水平而降低了決策質(zhì)量。

這似乎令人難以置信，完美的信息不是應(yīng)該自動改進(jìn)決策過程嗎？實際上，更多的信息可能會改變決策背后的組織策略。人工智能可以正確識別內(nèi)容，但基于該內(nèi)容做出的決策會在很大程度上受到用戶和組織的規(guī)范及期望的影響。

改進(jìn)團(tuán)隊決策的最佳途徑不是獲取更多數(shù)據(jù)，而是改善利益相關(guān)者之間的溝通。但是人們真的需要花費數(shù)十億美元來清洗數(shù)據(jù)或增加數(shù)據(jù)量才能從人工智能中獲益嗎？

設(shè)計不佳的 AI 可能導(dǎo)致巨大的安全風(fēng)險

當(dāng)前，人們評價數(shù)據(jù)質(zhì)量的方式具有誤導(dǎo)性。「干凈（clean）」的數(shù)據(jù)似乎就是一種準(zhǔn)確、無偏見、可復(fù)用的數(shù)據(jù)。但實際上，干凈與準(zhǔn)確不同，準(zhǔn)確與可操作不同。數(shù)據(jù)存在這三個方面的問題就可能嚴(yán)重影響人工智能模型的性能，干擾其結(jié)果的質(zhì)量。數(shù)據(jù)中可能存在的問題有很多種，有些比較明顯，例如數(shù)據(jù)不正確、已損壞或數(shù)據(jù)格式不標(biāo)準(zhǔn)。有些問題則更加微妙，例如數(shù)據(jù)是在特定環(huán)境下獲取的，然后被不恰當(dāng)?shù)貜?fù)用；對于模型來說數(shù)據(jù)處于錯誤的粒度級別；數(shù)據(jù)沒有標(biāo)準(zhǔn)化，導(dǎo)致相同的事實以不同的方式表示或描述。

使用單一數(shù)據(jù)源解決上述任何一個問題都會非常困難，如果程序攻擊者試圖向大型系統(tǒng)中注入不良數(shù)據(jù)以破壞模型，那么要解決上述所有問題實際上是不可能的。人們無法忽視的一點是：AI 在創(chuàng)造新機(jī)會的同時也帶來了新的脆弱性。人工智能帶來了新的攻擊與被攻擊方法。AI 可能會產(chǎn)生新一代攻擊工具，例如衛(wèi)星數(shù)據(jù)干擾欺騙（location spoofing）。通過破壞數(shù)據(jù)來蒙蔽或誤導(dǎo) AI 系統(tǒng)的技術(shù)和 AI 技術(shù)正在一起被開發(fā)。

當(dāng)前的 AI 系統(tǒng)完全依賴數(shù)據(jù)的質(zhì)量，因此 AI 存在缺陷不是因為技術(shù)不成熟，而是因為 AI 最初就被設(shè)計為這種容易受到攻擊的形式。因此在這種情況下，人工智能系統(tǒng)必須被設(shè)計成能夠靈活應(yīng)對不良數(shù)據(jù)的模型。那么如果改變這種設(shè)計以降低 AI 的被攻擊風(fēng)險呢？這就需要讓 AI「反脆弱」。

什么是反脆弱 AI？

「反脆弱」是指 AI 系統(tǒng)不僅可以在遭遇故障后恢復(fù)，而且在經(jīng)歷過故障后會變得更強大、更有效?；趯嶋H改善決策的因素構(gòu)建 AI 系統(tǒng)將為反脆弱人工智能創(chuàng)造機(jī)會?，F(xiàn)有的認(rèn)知科學(xué)研究表明：良好的決策是主動闡明假設(shè)、構(gòu)建假設(shè)檢驗以驗證假設(shè)、以及在利益相關(guān)者之間建立清晰的溝通渠道的產(chǎn)物。

許多引發(fā)「人為錯誤」的認(rèn)知偏差都是上述三方面出現(xiàn)問題的結(jié)果：當(dāng)人們沒有清楚地闡明假設(shè)時就會使用在實際條件下并不合適的解決方案；當(dāng)人們不檢驗假設(shè)時，他們就無法根據(jù)不斷變化的條件調(diào)整正確的決策；當(dāng)操作人員之間無法有效地共享信息時，就會失去發(fā)現(xiàn)不斷變化的條件和挑戰(zhàn)假設(shè)的機(jī)會，對每個人都不利。

AI 很容易受到不良數(shù)據(jù)的影響，因為目前的研究過分強調(diào)了它在分類和識別方面的應(yīng)用，低估了它在建議和情境化方面的應(yīng)用。但 AI 所做的決策是很容易被破壞的。

設(shè)計反脆弱型 AI 很難，因為將算法分析的輸出作為結(jié)論與將其視為建議或提示之間存在著很大的差異。決策者可能會為了節(jié)省成本而將人工智能的輸出作為結(jié)論。這是目前在應(yīng)用人工智能時已經(jīng)存在的災(zāi)難性錯誤。

與此同時，醫(yī)學(xué)領(lǐng)域的 AI 系統(tǒng)之所以能夠提高決策質(zhì)量，是因為許多診斷并沒有單一的正確答案。在醫(yī)學(xué)診斷中，任何一組癥狀都有一系列不同概率的可能病因。臨床醫(yī)生會在他的頭腦中建立一個決策樹，其中包含他能想到的所有可能病因，并設(shè)想排除某些可能病因的檢驗測試。醫(yī)學(xué)診斷是一個「定義假設(shè)、檢驗測試、進(jìn)一步縮小可能病因集」的循環(huán)過程，直到找到解決方案。

盡管數(shù)據(jù)不佳，但通過提示醫(yī)生以添加其他可能病因的方式能夠加快診斷過程。在這種情況下，AI 能夠改善醫(yī)療專業(yè)人員之間的溝通和知識共享，并在關(guān)鍵時刻獲取患者的相關(guān)信息。相反，試圖通過人工智能技術(shù)來區(qū)分腫瘤的良性和惡性，以超越醫(yī)生的 AI 產(chǎn)品則一直受到不良數(shù)據(jù)問題的困擾。

不良數(shù)據(jù)下的強大 AI

在利用人工智能這種前沿技術(shù)之前，研究者和開發(fā)者們首先應(yīng)該思考如何定義要解決的問題。如果 AI 被用于改善決策，那么 AI 就應(yīng)該引導(dǎo)決策者進(jìn)行假設(shè)檢驗，而不是試圖超越專家。如果讓 AI 試圖超越專家，那么它將變得完全依賴于數(shù)據(jù)的質(zhì)量，從而產(chǎn)生一組程序攻擊者能夠輕松利用的漏洞。

當(dāng) AI 不是被訓(xùn)練成專家，而是改善和支持人類的決策，那么 AI 就將對不良數(shù)據(jù)具有彈性并能夠變得反脆弱。在這種情況下 AI 不做決定，相反，它幫助人們闡明決策背后的假設(shè)，將這些假設(shè)傳達(dá)給人們，并在與這些假設(shè)相關(guān)的實際條件發(fā)生重大變化時提醒決策者。人工智能可以幫助決策者弄清楚什么狀態(tài)是可能的，或者在什么條件下一些狀態(tài)是可能的。這樣的解決方案可以通過解決現(xiàn)有弱點來增強決策團(tuán)隊的整體能力，而不是因不良數(shù)據(jù)產(chǎn)生一些新的弱點。

人工智能尚未「智能」

這篇文章發(fā)布后，許多網(wǎng)友表示贊同作者的觀點。

有網(wǎng)友表示：「這是我近年來讀過 AI 主題最明智的文章之一，將讓一些相關(guān)領(lǐng)域的工作者受益。」

有人則提出了與作者類似的觀點：「人們對人工智能在自動化人類工作方面如此著迷，以至于忘記了 AI 在輔助人類方面具有更大的潛力?！?/p>

還有網(wǎng)友認(rèn)為人工智能成功的關(guān)鍵并不是大量的數(shù)據(jù)，而是應(yīng)該依賴從成功經(jīng)驗中獲取的少量數(shù)據(jù)：

此外，有網(wǎng)友表示：「人工智能與人類的『智能』無關(guān)，它實際上只是計算機(jī)化的信息，仍然需要人們對其進(jìn)行解析?！?/p>

看來人工智能與真正的完全自治化還有很大的距離。對此，你有什么看法？