“人工智障”，我们还能忍你多久？
每年我们都能看到媒体上人工智能失败案例的报道，背后是否反思了为什么会发生这些啼笑皆非的事儿?本文盘点了人工智能的失败事件，与大众与专家看待人工智能的态度，试图找到所谓“人工智障”的非技术成因。
2018年11月，小米AIoT(人工智能+物联网)开发者大会上，“雷布斯”雷军骄傲地展示了新品智能音箱“小爱同学”。
雷军：“小爱，你能做什么?”
小爱：“人家还小嘛，这个问题太难了……”
... ...
雷军：“三个木叫什么?”
小爱：“木三分……”
雷军：“三个木叫什么?”
小爱：“你是电，你是光，你是唯一的神话。”
雷军：“三个木头的木叫什么?”
小爱：“粘树的木头，感觉你是个乐观……”
雷军：“小爱，是不是每次演示的时候你都要出错?”
尴尬的雷军继续问小爱，“125加357加567等于多少?”但小爱同学直接“下班”，不再回答，全场哄笑一片。
小米代表了中国智能硬件的较高水平，但舞台上小米的人工智能产品，可能只是舞台下观众眼里的“人工智障”吧!
雷军现场略显尴尬，网络上则闹腾着要为雷总写首新歌，毕竟那首洗脑神曲《Are You OK》已经火了三年多了!
事实上，失败人工智能的尴尬又何止“小米”一家呢?
最好的AI时代到来了吗?
2016年，一级市场抱怨没有好项目投，二级市场抱怨没有好股票买。那一年，一个叫“AlphaGo”的机器人击败韩国天才围棋选手李世石;一年后，世界围棋冠军柯洁又哭成了泪人，因为他被这台没有自我意识，压根不知道自己在下围棋的机器三局横扫。
就是这件事，我们突然从媒体上了解一个新词——人工智能(Artificial Intelligence，简称AI)。
一场围棋比赛掀起一股AI的浪潮，但这其实是AI有史以来的第三次浪潮了(前两次都无果而终)!
AI是个大词儿，就像“动物”一样，分为无脊椎动物、有脊椎动物，根据一级分类，下设哺乳动物、两栖动物、爬行动物等等。今天我们理解的AI概念太大了，当下的AI可以与机器学习划等号，即为海量数据(标签数据)、强大的电脑计算能力和算法模型的综合体。
打个比喻，今天的机器学习好比F1赛车，想要夺冠，最好的汽油燃料(大数据)、最快发动机驱动的赛车(算力)和最精益赛车手(算法)一个都不能少。
百度推出开放自动驾驶平台——阿波罗计划，并在春晚上亮相了百度的无人驾驶汽车;阿里巴巴基于计算机视觉技术，控制杭州市的多个红绿灯，并且智能地疏导交通流量，用一个充满智慧的机器大脑辅助城市交通运行;还有腾讯发布的国内首个AI诊疗开放平台，一些拍片子、测血压、测脉搏的活儿，AI医生信手拈来。
相比人类工作者，AI至少有三大优势：
- 不断更新的大型数据库——记忆力强，且学习能力更强
- 比人类算得快多了——计算能力强
- 它永远不会累、 不会饿或生病——没有情绪地工作
但这也只是我们狭义理解的人工智能的优势，距离强AI的还很远。
泰格马克在著作《生命3.0》中阐述了生命发展的三个版本。从简单复制性繁殖的细胞，到会使用工具与两性繁殖的人类，再到能够自我繁衍软件与硬件的强人工智能，似乎生命找到了一个更高级的发展方向。被誉为“爱迪生继承人”、谷歌未来预言家雷·库兹韦尔(Ray Kurzweil)说：2045年，我们将实现奇点(电脑智能与人脑智能兼容的那个神妙时刻)。
也许上帝创造了人，人创造了人工智能，这些伟大的应用与思想让人类膨胀了吗?最好的人工智能时代到来了吗?
不，事实是，AI离我们“这么近”，也“那么远!”
《硅谷百年史》作者皮埃罗·斯加鲁菲教授向DT君表达了自己的观点，今天的科技创新的速度与数量完全比不上上个世纪初叶时的水平。他认为：“人们离真正的智能机器还非常遥远;我不怕人工智能的到来，相反，我怕它来得不够快。”
2018年4月，“人工智能泰斗”迈克尔·乔丹(不是打篮球那位)教授发表长文《人工智能——革命远未发生》，给当下火热的人工智能泼了冷水。他写道：“目前AI领域取得的有限进展带给我们的兴奋(恐惧)导致了行业的过度反应和媒体的过度关注，目前AI的成功很有限。”
事实上，当下我们还没有“强人工智能”(Artificial General Intelligence)，那些辅助人类工作和部分功能替代性的机器只能称为“弱人工智能”(所以有时也会略显弱智)。Facebook首席AI科学家Yann LeCun认为，人类今天接触到的AI系统中没有真正的人工智能，并且都无法与生物系统的能力相配。
未来学家马丁·福特(Martin Ford)在新作《智能建筑师》中，对包括DeepMind(发明AlphGo的公司)创始人戴密斯·哈萨比斯(Demis Hassabis)、谷歌人工智能团队负责人杰夫·迪恩(Jeff Dean)、斯坦福大学教授李飞飞等在内的23位当今人工智能领域最杰出的科学家进行采访，并要求他们猜测一下，到哪一年AGI(强人工智能/通用人工智能)有50%的机会实现。
答案极为两极分化：库兹韦尔的答案是2029年，机器人专家iRobot联合创始人罗德尼·布鲁克斯(Rodney Brooks)认为是2200年。其余的猜测基本分散在这两个极端之间，平均估值为2099年，也就是81年后。
这样的结果似乎并不意外，因为AI技术的广泛应用不仅是科技本身的突破，随之而来的边界问题、责权问题、道德问题——这些在实验室中不会出现的矛盾和忧虑被迅速发酵，也急需要逐一商讨、解决。
人工“智障”的真相
纵观人工智能的发展，“智障”事件比比皆是!
不久之前，“董小姐闯红灯”的新闻登上媒体头条。智能摄像头扫描到通过红绿灯的公交车身广告上的董明珠，并误判为闯红灯，虽然交警部门事后立即进行删除和系统升级，但如此的失误让人们对所谓“智慧交通”产生些许怀疑。
误判行人还不算什么大事，如果出了人命就严重了。2018年3月，优步的无人驾驶的在美国亚利桑那州城郊区撞死一位女性，触发全球首例完全自主驾驶汽车致人死亡的事故;之后，谷歌、特斯拉等无人驾驶测试相继出事，美国多地叫停无人驾驶测试。
而早在2015年，德国大众汽车制造厂中一个机器人杀死了一名人类工作人员。当时这名21岁的工人正在安装和调制机器人，机器人突然“出手”击中工人的胸部，并将其碾压在金属板上，这名工人当场死亡。
前文说，机器是没有情绪的，但机器也是没有情感的，没有特殊场景下辨别是非好坏的能力。
人工智能这些年还曝出了“种族歧视”的问题。谷歌图像识别算法将黑人自动添加“大猩猩”的标签，而谷歌解决这个技术问题的方式竟然是禁止“大猩猩”一词的标签;亚马逊的Alexa助手的音箱会无缘无故发出令人毛骨悚然的笑声;微软在Twitter平台的聊天机器人Tay在与人类的对话中，竟然发表不恰当言论，成为一位种族主义机器人，直接“被下岗”……
总之，在复杂的现实世界，AI做不到的，或者搞砸的事儿很多很多。所以，人们不得不考虑，谁该为“人工智障”负责?
但追问的前提或许是AI为什么会出错?
虽然AI已经发展了70年，但在深度学习(机器学习的前沿技术，一种人工神经网络)被发明至今，十几年没有新技术出现了，且目前AI的核心聚集在数据和算法。对于喜欢买买买的消费者，在淘宝、京东等平台上的商品自动推荐是最直观的感受。
你在购物网站浏览过运动鞋，下次再登录时，有关运动装备的推送就会蜂拥而至。这就是人工智能在大数据采集后，算法用归类的方式给你贴上了标签。尽管如今计算资源不断增强、数据池不断扩增，但数据采集的不完整性(Data Integrity)，仍然是深度学习的主要障碍，也是人工智能成为“智障”的直接原因之一。
一个典型案例是，医疗团队使用AI辅助诊断病人的血液样本，却发现AI诊断出阳性结果的数量大大超出预料。而产生偏差的原因是，数据库使用的血液样本大多是健康、年轻的大学生，但医院的病人年龄偏大，以至于人工智能误把“老年血”当成了“有病的血”。
由此可见，正确且全面的数据采集对于AI实践十分重要。
媒体的宣传是造成AI无所不能论调的导火线，在《智能的本质》一书中，皮耶罗就媒体对AI的神化感到不安。在人机围棋大战中，AlphGo每小时耗能约440千瓦，却只能做一件事，而对面的人类棋手只消耗20瓦能量。所以，算个简单的数学题就知道那些神化AI的人算不上“聪明”。
只会迟到，不会错过的AI
通常我们把人类看待AI的态度分成三大类。
第一类是极力反对AI的卢德主义者(工业革命时代打砸机器的收购业者);第二类是类似库兹韦尔的超乐观派;第三类是以吴恩达为代表的一线AI科学家们，他们肯定AI的作用与意义，但却并不认为AI会立刻改变一切。
(图片说明：工业革命中打砸机器的卢德运动 来源：网络)
今天的AI在某些特定领域已经开始替代人类工作，创新工场创始人李开复认为，现在那些用5-10秒就能抉择的工作都会被AI取代。所以反抗AI的声音主要来自于重复简单工作的劳动者，真正行业的一线研究人员却对AI既乐观又谨慎。
虽然AI还会犯错，但有这么一批科学工作者正在日以继夜的让AI变得更加智能，更好地帮助人类。这就是我们看到的AI缉毒、AI破案等案例。
2010年，美国南卡罗来纳州的多切斯特县，警察通过分析智能电表收集上来的家庭用电数据，抓住了一个在家里种植大麻的人(因为需要把房子密封，把窗子钉起来，就需要大量用电)。2018年，“张学友演唱会抓罪犯事件”就是足够多的数据标签与动态人脸识别技术结合后的完美呈现。