常見的誤區(qū)誤區(qū)1：AI會(huì)消滅我們的工作——這不是真的。馬云和Swisher的想法和許多商業(yè)和政治評論家甚至許多技術(shù)人員的想法一致。最常見的誤解就在于AI和重復(fù)性任務(wù)。自動(dòng)化不過是計(jì)算機(jī)編程，并不是AI。Swisher所提到的只需要一個(gè)人的亞馬遜未來自動(dòng)化倉庫并不是AI。
我們?nèi)祟惙浅Ｉ瞄L系統(tǒng)化、機(jī)械化和自動(dòng)化。我們已經(jīng)做了很多年了。它需要人類的智力來自動(dòng)化，也就是說自動(dòng)化本身不是智能的，這一點(diǎn)很重要。當(dāng)那些對AI存在誤解的人不斷的重復(fù)“智能”時(shí)，他們往往會(huì)忽視“創(chuàng)造力”的重要性。如果用自動(dòng)化取代一個(gè)工作時(shí)并沒有創(chuàng)造出一個(gè)新的工作，那只能說明是人類的想象力出現(xiàn)了問題。
在我研究AI系統(tǒng)的20年里，我看到人們一次又一次的嘗試使用計(jì)算機(jī)自動(dòng)執(zhí)行基礎(chǔ)任務(wù)，并過度營銷為AI。與此同時(shí)，我已經(jīng)將AI應(yīng)用在了本不該存在的地方，解決了我們無法用傳統(tǒng)方法解決的問題。
例如，幾年前，我和我在麻省理工學(xué)院的同事想要通過了解細(xì)胞DNA是如何被閱讀的來設(shè)計(jì)個(gè)性化的療法。我們并沒有將計(jì)算機(jī)限制在我們所熟悉的生物學(xué)知識(shí)上，而是指導(dǎo)AI思考如果把DNA當(dāng)作是經(jīng)濟(jì)學(xué)該是什么樣的，并讓計(jì)算機(jī)以此為基礎(chǔ)建立模型。然后，AI使用自己的模型在幾秒鐘內(nèi)模擬出了遺傳行為，而精度和傳統(tǒng)的DNA電路模型一致。
目前，各式各樣的AI系統(tǒng)被建立起來，但是卻被限制在解決狹義問題上。競爭的焦點(diǎn)圍繞著越來越復(fù)雜和通用的AI工具包，而不是AI本身。大多數(shù)公司的期望是創(chuàng)造一個(gè)可以和人類跨領(lǐng)域合作的AI，比如IBM的Watson廣告。IBM的目標(biāo)是將如今最強(qiáng)大的工具包轉(zhuǎn)變?yōu)闃I(yè)務(wù)的基礎(chǔ)架構(gòu)。
AI的更大目標(biāo)是合作建立一個(gè)認(rèn)證機(jī)構(gòu)，圍繞我們所關(guān)心的但是現(xiàn)在無法解決的問題。這是一個(gè)巨大的機(jī)會(huì)空間，但是如果不打破關(guān)于AI的那些誤區(qū)，我們將會(huì)面臨著很多困難。
誤區(qū)2：機(jī)器人就是AI——錯(cuò)。工業(yè)機(jī)器人、無人機(jī)、倉庫中的自組織貨架，甚至我們發(fā)送到火星上的機(jī)器都僅僅只是運(yùn)行程序的機(jī)器而已。
誤區(qū)3：大數(shù)據(jù)和分析是AI——錯(cuò)。大數(shù)據(jù)和分析，以及數(shù)據(jù)挖掘、模式識(shí)別、數(shù)據(jù)科學(xué)等等都只是人們賦予的很酷的名字，而計(jì)算機(jī)所做的僅僅只是基于人類所創(chuàng)造的模型。它們也許很復(fù)雜，但并不是AI。數(shù)據(jù)就像你的感官，不能僅因?yàn)樾嵊X可以觸發(fā)記憶，你就認(rèn)為嗅覺是智能的。
誤區(qū)4： 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是AI——錯(cuò)。這些只是用于編程計(jì)算機(jī)對復(fù)雜模式做出反應(yīng)的工具，例如你的電子郵件通過學(xué)習(xí)數(shù)百萬用戶識(shí)別垃圾郵件的模式來過濾掉垃圾郵件。它們是AI工具包的一部分。它們看上去很智能，但并不是AI。
誤區(qū)5： 搜索引擎是AI——不對。你也許可以通過各種不可能的方式來搜索信息，但是作為搜索者的你才是智能的那一部分。計(jì)算機(jī)所做的是識(shí)別出你的搜索模式，并向別人推薦相同的模式。它并不了解它發(fā)現(xiàn)的任何東西，作為一個(gè)系統(tǒng)，這是夠蠢的了。
在我自己的AI研究中，我在面對還原方法過于復(fù)雜時(shí)才會(huì)使用AI來解決。那是因?yàn)锳I可以讓我們提出在傳統(tǒng)科學(xué)環(huán)境中不容易提出的問題。例如，20多年前，我和我的同事使用AI來更快更精準(zhǔn)的定位手機(jī)。傳統(tǒng)科學(xué)沒有幫助我們找到定位的方式，所以我們通過AI來解決這一問題。
順便說一下，我們的AI解決方案實(shí)際上創(chuàng)造了工作崗位。
AI最重要的屬性并不是處理數(shù)據(jù)或者執(zhí)行程序，而是通過學(xué)習(xí)完成我們?nèi)祟悷o法做到的事情。這是一種合作伙伴關(guān)系：我們?nèi)祟愐龑?dǎo)AI，并學(xué)會(huì)提出更好的問題。
不過有一點(diǎn)Swisher是對的。我們應(yīng)該弄清楚下一代的工作是什么，而不是糾結(jié)于目前的工作是具有創(chuàng)造性還是重復(fù)性。我注意到，AI工具包已經(jīng)在各大科技公司創(chuàng)造了數(shù)以千計(jì)的工作崗位。
我們可以選擇繼續(xù)對反烏托邦的AI恐慌，或者我們利用AI來解決傳統(tǒng)手段無法解決的問題，并發(fā)揮我們的想象力來創(chuàng)造出新的工作崗位。