人类还是AI？两者兼需

AI越来越深入地参与到我们的生活中了。它收集关于我们的大量数据，做出越来越复杂的决策。AI可以帮我们分类和屏蔽电子邮件，语音助手可以应答更复杂的请求，聊天机器人让复杂的的流程自动化，服务着成千上万的客户。这样的例子不胜枚举。

未来已来，但我们真的准备好了吗?近几年发生的许多事，让我们无法消除对AI的顾虑。AI离不开数据，而数据从哪里来呢?企业不断从用户那里收集数据。无论用户自己是否意识到了，用户数据已经成为了世界上最有价值的商品。

另一方面，如果AI是高效的，那么对于可以由机器代替数百万个工作来说，又意味着什么呢?

失业担忧、数据泄露、剑桥分析丑闻……让这一切都令人警醒。我们真的希望生活中的每一个方面都被记录和分析，从而受益于更智能的计算机系统吗?

如何平衡这其中的获得与失去?首先，我们必须搞清楚，在实现人工智能的过程中，人类扮演着什么样的角色。

具有自我意识机器的进化及未来

谨慎当然可以理解，但是请考虑一下AI的能力。在这个宇宙中，我们从来没有发现过如同人脑一样，具有可塑性和很具潜力的东西。

然而现在我们却看到，电脑在最复杂的游戏中击败人类，驾驶汽车比任何人类驾驶员都更安全、更高效，在医疗方面也能比人类医生做得更出色。

这一切的最终目标是创造一个具有自我意识的机器。

这是图灵测试的目的，旨在确定计算机在复制人类方面的有效性。

这是成千上万电影小说以及令人瞠目结舌的文章的主题，讲述了具有自我意识的人工智能给人类带来的风险。

这也是雷·库兹韦勒(Ray Kurzweiler)在不到30年的时间里，对人类-人工智能奇点理论进行的激进却越来越成为现实的预测的重点。

然而事实上，使人类真正独特的，是我们的大脑的观察，以及解释我们周围的世界的方式——尽管不常是正确的。

机器并不需要达到这样才能有真正的意识，这种对自己和周围环境观察和评估决策的影响的能力，是人类独有的。这是机器永远不会复制的东西，也是为什么人类智能对人工智能方程式如此重要的原因。

机器是如何思考的

如果机器不能像我们一样观察世界，那么他们究竟是如何“思考”的，我们又该如何影响这个过程?

过去五年里，机器学习一直是人工智能行业的重点。机器学习包括提供算法及所需的工具，以提高性能，而无需明确的人工输入。

在人工神经网络(ANNs)的支持下，机器学习在过去的五年发展迅速，模拟人类如何在周围的世界中寻找和评估模式。于是乎，计算机能识别人脸，对语音信号作出反应，并在高度复杂的活动中与人类竞争。

商业上，基于人工神经网络的深度学习在2016年成为主流，同年，AlphaGo击败了一位人类围棋冠军，这早于AI专家的预测。

四年后，深度学习被用于改善数百万企业和计算机系统的流程。然而，研究人员对于深度学习是否能真正达到人类智力水平，还是持谨慎态度的。

机器在决策过程中缺乏透明度，且目前不清楚单个系统在观察和学习新任务方面的可移植性(尽管有许多事情正在影响这一点)。

另一个主要问题是，隐藏在算法黑箱背后的歧视与偏见。是的没错，即使在深度学习系统中，也存在着固有的偏差。亚马逊停止了一种招聘算法的使用，该算法将男性的简历优先排序。

麻省理工学院的研究人员发现，面部识别算法在识别少数民族，特别是少数民族女性方面往往训练不足。因为由人工操作人员和开发人员向他们设计的算法提供信息，所以可能存在固有的偏差。

硅谷公司于2018年进行的的一项研究发现，该地区10家大型公司在2016年没有雇佣黑人女性，3家公司根本没有黑人员工。多样性的缺乏会直接影响到输入到这些系统中的数据，从而恶性循环。

人类和机器必须协作

毫无疑问，人工智能会一直存在，它的效率极高。人们仍然担心自己的数据安全和算法偏见，但比起这些，人类更担心的是被AI取代，带来大面积的失业。

可以放心的是，虽然人工智能将取代一些可以被自动化系统完全代替的工作—例如数据输入，追踪以及许多客户服务行业工作，但它同时也在创造新的岗位，扩大了数以百万计的工作。

要让AI发挥作用，就需要人类智能介入。人类不需再承担繁重的工作，而是被重新导向于更具生产力的角色，这通常是支持AI或者与AI协同工作的角色。