問一般的CEO AI最大的風險是什么，他們更有可能談論錯失的機會——競爭對手能夠比他們更早部署基于AI的業務能力。

作為CIO，你不僅需要預料到實際的AI風險，而且還需要預見到感知到的風險，以下介紹了如何做這件事。

一般人感覺到的風險

1.AI會沖擊人類嗎?回答：這不是一種風險，而是一種選擇。個人電腦，然后是互聯網，然后是智能手機，都為計算機增強的人類帶來了機會。AI也可以做到這一點，企業領導者可以通過使用AI功能來增強和增強員工的能力，從而專注于建立更強大、更具競爭力的業務。

他們可以，有些人會這樣做，其他人將使用AI來自動化目前由他們雇傭的人類執行的任務。

或者，更有可能的是，他們兩個都會做，從絕對意義上講，兩者都不會更好，但它們將是不同的。作為CIO，你必須幫助傳達公司的意圖，無論AI是用于增加員工還是用于替換員工。

2. Skynet，這是可能的AI未來中最令人不寒而栗的，碰巧也是最不可能的，這是最不可能的，并不是因為殺手機器人是不可能的，而是因為具有破壞性的AI沒有理由生產和部署它們。

在自然界中，捕殺其他生物的生物要么是想要食物的捕食者，要么是同樣資源的競爭者。除了那些以狩獵為運動的人類同胞外，物種僅僅為了好玩而傷害其他物種的成員是很少見的。

除了電力和半導體，我們和一個意志堅定的AI是否會發現自己對資源的競爭足夠激烈，以至于機器人殺手的場景成為我們的問題，這是值得懷疑的。

這尤其是因為，如果AI在電力和半導體方面與我們競爭，它不太可能浪費電力和半導體來制造殺手級機器人。

3.深度偽造，是的，深度偽造是一個問題，作為現實之戰的尖端，它們是一個只會變得更糟的問題，深度偽造AI和深度虛假檢測AI將不得不越來越快地改進，僅僅是為了保持彼此的地位。

因此，正如惡意軟件對策從獨立的反病毒措施演變為整個行業的網絡安全一樣，隨著對現實的戰爭升溫，我們可以預期深度虛假對策也會出現類似的軌跡。

CEO認為的AI風險

那些不想很快成為前CEO的CEO會把相當多的時間和注意力花在某種形式的“TOWS”分析上(威脅、機會、弱點和優勢)。

作為CIO，很長一段時間以來，你最重要的職責之一就是通過將各個點聯系起來，幫助推動業務戰略，從基于IT的能力到商業機會(如果你的企業首先利用它們)或威脅(如果競爭對手首先利用它們)。

在當前的AI熱潮席卷IT行業之前，情況就是如此，這就是“數字”的全部意義所在，現在更是如此。

再加上AI，CIO們還有另一層責任，那就是如何將其新能力整合到整個業務中。

無聲的基于AI的威脅：人為制造的弱點

還有一類風險需要擔心，這種風險很少受到關注，稱之為“人為的人類弱點”。

從Daniel Kahneman的思維說起，快和慢。在書中，Kahneman指出了我們思考的兩種方式。當我們快速思考時，我們使用大腦回路，讓我們一目了然，沒有延遲，幾乎不費力氣。當我們“相信自己的膽量”時，快速思考也是我們所做的。

當我們緩慢地思考時，我們使用的是讓我們將17乘以53的電路——這一過程需要相當大的注意力、時間和腦力。

在AI方面，思維遲緩是專家系統，就這一點而言，老式計算機編程所做的事情，快速思考是AI最令人興奮的地方，這就是神經網絡的作用。

在目前的發展狀態下，AI的快速思維形式也容易出現與相信我們的直覺相同的認知錯誤。例如：

從相關性推斷因果關系：我們都知道我們不應該這樣做，然而，當我們所有的證據都是并列的時候，我們很難阻止自己推斷因果關系。

碰巧的是，如今所謂的AI在很大程度上是由神經網絡的機器學習組成的，神經網絡的學習包括從相關性推斷因果關系。

回歸中庸：你看了《偉大的英國烘焙秀》。你會注意到，無論誰在一集中獲得了明星面包師獎，在下一集中，他的烘焙往往都會更差，這是星際面包師的詛咒。

只是這不是詛咒，這只是行動中的隨機性，每個面包師的表現都呈鐘形曲線，當一個人在一周內贏得了Star Baker，他們的表現已經達到了鐘形曲線的一條尾巴，下一次他們烘焙時，他們最有可能表現在平均水平，而不是再次在Star Baker Tail，因為每次他們烘焙時，他們最有可能表現在平均水平，而不是獲勝的尾巴。

沒有理由期望機器學習AI能免受這一謬誤的影響，恰恰相反，面對隨機的過程性能數據點，我們應該期待AI在每個糟糕的結果之后預測改進。

然后得出結論，因果關系是起作用的。

沒有“展示你的工作”：嗯，不是你的工作，是AI的工作。在開發所謂的“可解釋AI”方面，有一些活躍的研究，這是必要的。

假設你指派了一名員工來評估一個可能的商業機會，并向你推薦一項行動方案，他們會這樣做，你會問，“你為什么這么認為?”任何有能力的員工都期待著這個問題，并準備好回答。

在“可解釋AI”成為一項功能而不是愿望清單之前，AI在這方面的能力不如許多企業希望它們取代的員工——它們無法解釋自己的想法。

要忽略的短語

毫無疑問，你已經聽過有人在AI的背景下聲稱，“計算機永遠不會x”，其中x是最熟練的人類擅長的東西。

他們錯了，自從我第一次開始從事這項業務以來，這一直是一個流行的斷言，從那以后，很明顯，無論你選擇哪個x，計算機都能做任何事情，而且做得比我們更好。

唯一的問題是，我們都要等多久才能實現。