?人工智能的許多優(yōu)勢是眾所周知、被理解和被吹捧的，可其的局限性也是顯而易見的。不過，人工智能還是有其他一些顯著的特征，雖不常被提及，但也值得被關(guān)注。

優(yōu)點

AI應(yīng)用程序可以輕松執(zhí)行極其復(fù)雜的任務(wù)。其可以為你可能喜歡的下一首歌曲提供個性化推薦，或者從數(shù)百萬張x光片中挑選出顯示問題的那一首。此外，其還能夠以人類專家無法比擬的數(shù)量和準確度完成此類任務(wù)。單調(diào)而重要的工作可以被完美地、毫無怨言地完成。

局限性

與此同時，也有很多文章說人類擁有人工智能所缺乏的能力。這些文章通常認為，人類和人工智能必須合作，人工智能可以增強人類更廣泛的能力。我們可以想象、預(yù)測、感覺和判斷不斷變化的情況。由于尚未實現(xiàn)更廣泛的通用人工智能，當前的人工智能模型——在狹窄任務(wù)中表現(xiàn)出色——仍然受益于人類指導(dǎo)。

顯而易見的是，人工智能的優(yōu)勢與人類的弱點直接對應(yīng)。與人類不同的是，人工智能理解概率，不引入偏見，保持一致，并避免不必要的風險。

概率vs結(jié)果

人類理解結(jié)果，但通常不擅長處理概率。MontyHall的《Let’sMakeaDeal》便是一個例子，在這里人類表現(xiàn)出了對概率和先驗更新的缺乏理解。在這個游戲中，有三扇門:一扇有汽車，另兩扇有山羊。 參賽者隨機選擇一扇門，Monty 選擇打開一扇有山羊的門。然后， Monty給參賽者一個機會，讓他們可切換到另一扇關(guān)閉的門。他們應(yīng)該嗎?事實證明，通過打開一扇門， Monty給了參賽者額外的信息，如果參賽者總是切換，那么有三分之二的幾率贏得汽車。人類往往會錯誤地回答這類問題，但人工智能可以完美地回答它。

偏見

人類有很多偏見，不管是叫它們“直覺”還是其他什么名字。確認偏差可能是最常見的:人類尋找并解釋支持先入為主假設(shè)或理論的信息。兩個人在觀看同一個新聞節(jié)目時，可能會對當天的事件得出不同的結(jié)論。相比之下，偏見只會在人工智能中通過人類提供給其學習的數(shù)據(jù)表現(xiàn)出來。人工智能的偏見僅限于有限的數(shù)據(jù)集，而不是不斷變化的人類經(jīng)驗、記憶、信仰和恐懼的復(fù)雜性。從這個意義上說，人工智能偏見可以說比人類偏見更加離散和可解決。

一致性

人工智能是一致的，這讓人很痛苦。除非另有說明，否則人工智能將按照人類一貫的要求行事。人類始終如一的一個特點就是在運動、飲食、上班路線等方面都是不一致的。此外，人類會為自己的不一致找到合理的解釋。同樣的病人以同樣的癥狀出現(xiàn)在同一個醫(yī)生面前，可能在不同的時間得到不同的診斷，這并不是不可理解的。人工智能保證程序和結(jié)果的一致性，前提是基礎(chǔ)人群不存在巨大偏差。

風險

人工智能不會冒險，但人類會。這就是為什么希望人類智能來增強人工智能。人類智慧的力量正在承擔風險，并押注于此。例如，在沒有算法支持的情況下，押注電動汽車。但有時這種風險會表現(xiàn)為動力失調(diào)，比如造成機組人員死亡的挑戰(zhàn)者號航天飛機災(zāi)難。雖然一名工程師以O(shè)型密封圈的設(shè)計缺陷為理由，敦促推遲發(fā)射，但航天飛機還是按計劃升空，并在起飛一分鐘后爆炸。在對1986年那場致命災(zāi)難的分析中，社會學家DianeVaughan創(chuàng)造了“偏差正常化”這一詞，用來描述團隊對不健全的實踐變得麻木不仁。人工智能會客觀地評價并決定推遲發(fā)射。

所以，人工智能無法想象、預(yù)測、感覺和判斷，但理解概率，不會引入新的偏見，保持一致，并避免不必要的風險。人類能夠感知和判斷的事實，可能并不總是對自己有利。?