我们需要构建人工智能工具链 。 Lyft的机器学习主管吉尔·阿尔迪蒂(Gil Arditi)对这个问题阐述得很清楚 。 他说 ， “机器学习处于初始阶段 。 它类似于上世纪80年代早期或70年代末期的数据库 。 你必须成为全球专家才能让它们正常运作 。 ”研究还表明 ， 许多人工智能模型很难解释 ， 很容易被欺骗 ， 容易受到偏见 。 掌握解决这些问题的工具对于发掘人工智能开发人员的潜力是必要的 。
我们都需要接受不可预测的行为 。 开发人员和用户都已习惯计算机“指令”这个比喻 。 “指令”强化了这样一种信念 ， 即计算机完全按照我们的指令行事 ， 输入总能产生近似等量的输出 。 相比之下 ， 人工智能模型就像有生命的呼吸系统 。 新型工具将使它们更像显式编程 ， 特别在关键的安全设置中 ， 但如果我们把限制设置得太严密 ， 我们就会面临一种风险——丧失这些人工智能系统的特殊价值 ， 如AlphaGo的意外棋步 。 我们开发和使用人工智能应用时 ， 需要理解并接受各种概率结果 。
【人工智能崛起编程难度高 普通AI开发者将成香饽饽】希望世界被人工智能接管的可能性几近为零 。
推荐阅读
- AI刑警来了？日本将测试人工智能“破案”
- 高中版 《人工智能基础》发布 专家：让更多青少年了解人工智能
- php是python吗 php是什么意思
- 19个领域重点规划 上海发力嵌入式人工智能
- 人工智能时代，传统媒体如何捍卫新闻主动权？
- 人工智能Watson“医生” 秒速拿出癌症治疗方案
- 机器人参与“望闻问切”？当人工智能遇见传统中医
- 目标AI强国 法国总统马克龙宣布法国人工智能战略
- 人工智能模型有望改进恶性脑瘤治疗
- 零基础学电脑 如何学电脑编程