Skip to content

Latest commit

 

History

History
77 lines (39 loc) · 7.58 KB

ai-systems-need-human-intervention.md

File metadata and controls

77 lines (39 loc) · 7.58 KB

为什么人工智能系统需要人工干预才能正常运作?

原文:www.kdnuggets.com/2020/06/ai-systems-need-human-intervention.html

评论

作者 Laduram Vishnoi,Acquire 的首席执行官兼创始人

我们每个人在日常生活中都体验过人工智能(AI)。从个性化的 Netflix 推荐、个性化的 Spotify 播放列表到像 Alexa 这样的语音助手管理购物清单和家电——这些例子都展示了人工智能系统在我们生活中变得多么不可或缺。

在商业领域,大多数组织正在大力投资于人工智能/机器学习能力。无论是关键业务流程的自动化、建立全渠道供应链,还是通过聊天机器人赋能面向客户的团队,基于人工智能的系统都显著减少了人工工作和成本,提高了业务的盈利能力。

尽管取得了这些成功,麻省理工学院作者威尔·道格拉斯最近的一篇文章指出,在冠状病毒疫情期间,人工智能系统并不完全正常。病毒不会直接影响人工智能——然而,它确实影响了人类,没有人类人工智能和机器学习系统无法正常运作。

惊讶吗?

我们不能责怪你。如果你已经使用机器学习算法处理库存、客户支持和其他类似功能,你的系统可能已经经过良好的训练,并且在没有人工干预的情况下高效运作。然而,这个说法只部分正确,因为你的机器学习算法没有在疫情期间出现的‘新常态’上进行训练。

图示

图片来源

正如我们所知,疫情彻底改变了世界,包括供应和需求模式以及买家的行为。例如,全球范围内亚马逊上搜索量最高的商品在几天内就被与 COVID-19 相关的产品如卫生纸、口罩和洗手液所取代。像手机充电器和乐高这样的商品,曾经长期主导市场,但很快就被取代了。这些剧烈的变化也影响了人工智能,因为在正常行为上训练的机器学习模型突然面临巨大的偏差,许多模型无法正常工作。

疫情前值得注意的人工智能失败案例

AI 应用在过去几年中得到了显著的提升。然而,在这段旅程中,也有几次挫折出现,机器的表现未能如预期。例如,IBM 的“Watson for Oncology”原本旨在消除癌症,却成为了一个完全可笑的产品。在被搁置之前,该产品发现提供了可能会使患者状况恶化的错误医疗建议。根据 一个来源,问题在于 Watson 是基于少量的“合成癌症案例”而非真实患者数据进行训练的。甚至推荐也是基于少数癌症专家的专业知识,而非任何书面指南或证据。

另一个广为人知(或不广为人知)的案例是 亚马逊的招聘引擎对白人男性有偏见。该模型是基于十多年来提交给亚马逊的简历进行训练,并与公司在职工程师的简历进行基准比较。实质上,该模型训练出了对男性的偏好。一些熟悉此事的人还报告称,系统会惩罚包含“女性”一词的简历,并降低来自全女子学院的简历评分。

进入当前的疫情时代,可以以一个销售消毒剂的公司为假设例子。考虑到零售商依赖于自动化库存管理系统,该公司依赖的预测(由基于用户行为的预测算法生成)可能与由冠状病毒引发的实际需求激增不再匹配,从而导致严重的需求和供应问题。事实上,随着全球供应链受到影响,各公司出现了新的需求模式,是时候重新审视用于销售和预算预测的 AI 驱动模型了。随着在当前经济和社会动荡中出现的“新常态”,这些机器学习模型中嵌入的数据和假设已不再更新,可能导致严重错误。

人类干预对 AI 成功至关重要

机器学习系统的效果取决于其训练数据。这意味着当前的黑天鹅事件是重新审视我们 AI-ML 系统训练集的绝佳时机。许多专家认为,AI 应该不仅在简单的最坏情况场景下进行训练,还应包括人类历史上的重大事件,如 1930 年代的大萧条、2007-08 年金融危机以及当前的疫情。

人类监督也可以在很大程度上帮助克服 AI 的缺点。目前,大多数人关注的是他们及其所爱之人的健康。社交媒体再次成为传播和获取有关疫情新闻的便利工具。然而,许多人无法辨别真实新闻与假新闻,这可能在现实世界中产生严重后果。我们都清楚 Facebook 因可能利用算法推动假新闻而被指控影响美国选举的指控。然而,人类监督可以帮助克服假新闻的传播,因为最终读者需要点击来源,验证故事,并向系统报告假新闻以防止其传播。

前路

今天,即使人类寻求 AI 来使自己永生,他们也不能让 AI 独立运作而没有人类监督,因为机器终究是机器,并不具备道德或社会指南针。AI 至多只能和它所训练的数据一样好,这些数据可能反映出其创造者的偏见、思维过程或道德指南针。为了克服这种情况,有必要在不同的数据集上训练AI,并设置人类检查以保持微妙的平衡。

个人简介:Laduram Vishnoi (@laduramvishnoi) 是Acquire的首席执行官兼创始人。他喜欢分享他在人工智能、机器学习、神经网络和深度学习方面的研究和开发。

相关:

  • Deepmind 的游戏连胜:AI 主导的崛起

  • 隐私保护 AI – 我们为什么需要它?

  • 自主性 – 我们有选择吗?


我们的前三大课程推荐

1. Google 网络安全证书 - 快速进入网络安全职业。

2. Google 数据分析专业证书 - 提升你的数据分析能力

3. Google IT 支持专业证书 - 支持你的组织 IT


更多相关话题