人工智能技术的进步有望迎来自动化和创新的新时代。但是，机器智能的进步和向自动化的迈进会取代人类的智能吗？
麦肯锡（McKinsey）最近的一项调查显示，一半的企业已经采用AI技术简化了至少一项功能，而Gartner预计，到2025年，将有90％的企业采用自动化架构。
随着越来越多的组织转向使用AI增强型自动化来提高生产力并提高繁琐而耗时的任务的效率，但人类专业人员的作用不会消失。日益复杂的AI并没有使人类变得无关紧要，实际上使人类-他们的见识，他们的经验，他们的道德和道德判断-变得更加重要。
要理解原因，在艾伦·图灵（Alan Turing）开拓性工作的背景下考虑AI和人类智能会有所帮助。
许多人认为图灵是计算机科学之父，他是第一个定义智能测试（称为图灵测试）的科学家。该测试非常简单：让调查人员与两个代理（一个机器，另一人）聊天，并查看调查者是否可以确定哪个代理是机器。如果他或她不知道，则表明机器已达到人类智能水平。
人工智能的潜力-机器将能够自主学习并执行人类可以完成的任何任务-提出了未来的机器可以通过图灵测试而腾飞的可能性。但是围绕通用AI的讨论也揭示了为什么它离即将到来的前景还很遥远-这是因为我们人类甚至无法就我们之间的关键道德和道德问题达成共识。
而且由于道德和道德问题是许多领域（法律、医疗保健、教育、社会经济政策等等）的核心，因此完全可以幻想算法和机器可以解决人类所面临的复杂而充满挑战的挑战延续了数千年。您能想象一个数学模型决定一个孩子与家人分离吗？
由于在可预见的未来，人类的识别将在实践上和道德上必不可少，因此很明显，人工智能一般是遥不可及的前景，而科幻电影则是最好的选择。剩下的就是NAI（narrow AI，窄人工智能）。
人工智能对我们的工作，我们的社会凝聚力乃至我们未来的安全构成了严重威胁，而NAI则是机会而不是威胁。今天，各行各业的企业都在追寻这种机会，即使消除了人类完成某些任务的需要，NAI的成功也始终取决于与人类智能的有效整合。
NAI涉及使用数据和标签的机器教学。由于机器不是自主的，因此人类可以为机器提供理解问题所需的数据，并将他们自己的集体智慧和经验嵌入到系统中。 AI将模仿人类标签，理想情况下是完美的模仿。
在每个大型AI运算的背后，都有成千上万的人在进行数据标记，并不断为机器提供正确与错误的示例。
这些人是AI司法系统中的法官，将真正的情报应用于非结构化数据：每个组织拥有的文件、文档、图像、视频、音频和许多其他数据资产。
目前，非结构化数据已占所有数字数据的90％，这对于AI至关重要。实施AI的组织越多，他们越倾向于使用数据注释工具来简化非结构化数据的管理流程，预计这些工具的市场在2021年至2027年之间的年增长率将达到16％。
尽管注释工具可以帮助加速和自动化该过程，但AI不能像黑盒子一样运作；仍然需要人类同行来确保算法做出准确而可靠的预测。
考虑自动驾驶汽车将用来理解和安全导航其环境的技术。人类专家对于训练这些系统至关重要，以确保在部署后车辆能够准确识别沿途的交通标志和障碍物。虽然这看起来像是可以在前端完成的任务，然后再让自动化完成其余工作，但自动驾驶汽车技术的进一步发展将需要持续不断地投入各种因素，例如气候、交通模式、基础设施质量和更多。这些数据点中的一些可以自动集成，但是所有这些都需要专业人员来验证准确性并进行质量保证。
底线何在？ 现在是进行AI对话的时候了，它的辩论已经超越了日益陈旧的辩论和错误的二分法，使人类无法与机器对抗。认识到人类和AI将在未来几十年里相互合作，现在是企业进行战略性思考以优化新的混合工作流程并最大程度地利用其数据的时候了。 按照这些思路重新调整AI话语将有助于我们所有人更清晰、更理性地思考该技术在未来几年中将带来的机遇和挑战。
About the author: Eran Shlomo is the CEO and co-founder of Dataloop, a provider of data labeling and annotation solutions.
方案推荐及资料下载
《弱电智能建筑项目系统集成手册》——IT与智能化项目实施建议
* 千家网原创文章，未经授权严禁转载 。
参与评论 (0)