人工智能不是万能的，有些工作竟然需要人来承担

　　供给基于电子邮件效劳的公司的效劳协议清晰标明他们需求拜访您的电子邮件，以便他们的人工智能算法可以为您供给智能功用，如价格比较，主动日历组织等。

　　他们没有通知你的是，在某些情况下，他们的职工也会阅览你的电子邮件，由于他们的人工智能无法依照许诺履行，而且需求人来填补空缺。

　　“ 华尔街日报” 文章中的一家公司运用人工智能为您的电子邮件增加了“智能回复”功用，这可能会发生巨大的影响假如您经过移动设备管理帐户。

　　然而，问题是创立一个可以了解对话布景并提出相关答案的AI十分困难。您只需求看看Skype最近增加的智能回复功用，看看AI在人类对话中变得多么有用，特别是当它没有专注于狭窄的主题时。

　　即便是Gmail自己的智能回复功用，也有很多数据存储和人工智能功用支撑，但作业方法有限。

　　这就是为什么文章中提到的公司在循环作业中需求人。当AI回复无关的对话时，其工程师会阅览客户电子邮件并更正AI的过错。

　　这个进程称为监督学习，协助AI了解并纠正过错。在创立AI的开发和测试阶段运用监督学习是很常见的。可是，与实时人类数据实时运用实时的人类数据是另一个问题。

　　在承受“华尔街日报”采访时，该公司的工程师清晰标明，他们已签署协议，不分享他们阅览的任何内容，而且他们在阻挠他们下载任何内容的电脑上作业。

　　尽管如此，令人毛骨悚然的是，有一个可以阅览任何进入和脱离你的电子邮件帐户的人。

　　此外，问题是循环可以无休止地持续，这意味着总会有人坐在后台而且扮演AI的一部分。

　　这不是人类第一次充任机器人。被称为“ 绿野仙踪”的技能，运用人类作为机器人已成为未能履行其AI许诺的公司的常见做法。

　　当代人工智能的约束

　　一些科学家以为，在接下来的几十年里，咱们将创立人工智能，人工智能可以处理信息并像人类相同进行决策。

　　但就现在而言，咱们所拥有的是简版AI，适用于十分特别的目的，例如在Google相册中分类图片或在Netflix中引荐电影。

　　近年来，人工神经网络和深度学习运用的前进为在许多其他用例中实现AI拓荒了路途，这些用例曾经被以为是人类智能的专有范畴。

　　一个值得注意的比如是核算机视觉，它是人工智能的分支，它使核算机可以了解图画和视频的内容。另一个是深度神经网络可以以十分高的精度仿照人类的图画和声响。

　　尽管深度学习算法的体现十分出色，但它们仍然是狭窄的AI，即便它们听起来像真人相同。但咱们倾向于夸大深度学习的才能，导致对错位的期望和恐惧。

　　深度学习和深度神经网络具有十分显着的约束，尽管它们在他们受过练习的特定使命中超越人类，可是在他们的范畴之外的场景中它们失败了。

　　它们还需求很多高质量的数据和核算才能，这是一种并非一切公司都能拜访的产品。这就是为什么他们不得不求助于绿野仙踪技能来补偿他们的缺陷。

　　AI通明度的必要性

　　这些以及许多其他故事标明，在咱们了解AI技能的全部容量之前，咱们还需求走多远。

　　在Google的Duplex演示之后，该公司演示了怎么运用AI帮手拨打电话并像真人相同讲话，我以为公司需求对他们运用人工智能保持通明。

　　企业应清晰奉告用户他们在人工操作员天然期望与人工操作员攀谈或与人工操作员交互的环境中与AI署理进行交互，由于不这样做可能会导致挫折感，特别是假如AI署理人开端以不清晰的方法行事。

　　反之亦然。假如用户期望与AI署理进行交互，公司应该清楚地通知他们运用程序背面是否有人。

　　当人们以为他们与机器而不是人类进行交互时，他们更倾向于发表信息，包含关于他们自己的一般和私密细节，企业不得乱用这种信赖。

　　咱们还需求认识到咱们技能的长处和缺陷。 AI是人类智能的增强，而不是它的替代品。

　　只需咱们测验创立完全仿照人类行为和功用的AI运用程序，绿野仙踪就不会消失，咱们最终会创立更多人类机器人，充任人类的AI。