『』人工智能并非魔盒，什么是AI中的基本事实？

全文共3087字，预计学习时长9分钟

本文插图
来源：power-bd
提示：以下所有的链接会引到同一作者的其他文章。
随着机器学习和人工智能领域的无限拟人化，很多商人都错误地把人工智能当做一个目标，一个知道所有正确答案的公正的同事。这里有一个快速演示，展示了为什么这是一个可怕的误解。

本文插图
几乎每位人工智能学生都不得不经历的任务是建立一个系统，这个系统可以将图像分类为“猫”（包含一只猫的照片）或“不是猫”（没有可以看见的猫）。其原因是识别对象是一个对人类来说相当容易的任务，但是真的很难去说明人类是如何完成的（所以将明确的描述“猫”的规则编成代码是非常困难的）。这些种类的任务对于人工智能来说是完美的。
样例
叹息声来自已经在人工智能周围一段时间的人们—他们烦恼于是/否是猫的任务。很公平，但就这一次使笔者感到幽默。对于这个练习，人们将会是笔者的人工智能系统。笔者的工作是将下面的六幅图片归类。只可以从两个标签/输出中选择：
Cat
Not cat
来吧。为6个图像中的每一个指定一个允许的标签，就像人工智能系统会做的那样：

本文插图
花费一点时间去给每一个图片写上标签（猫/不是猫）
啊哈！1-5的图片是简单的，但是第六张图片令人犯嘀咕？“体型大的猫”？“有一点像猫”？“也许是猫”？这些都是不允许的选择！这是一个只输出“cat”或“not cat”的系统。那是哪一个？
请转到本视频中的4:16 ，向现场观众演示本文的演示。
因此，人们开始看到项目决策者的重要性。正确的答案不是柏拉图式的，当然也不是来自人工智能系统……事实上，没有“正确”的答案。 “正确”的答案取决于系统所有者希望系统做什么。
AI不能设定目标-那是人类的工作
如果试图建立一个宠物推荐系统，只推荐那些成年后可以安全拥抱的动物，那么答案就很清楚了。对该系统的预期用途是指正确的操作是将图像6标记为“不是猫” 。如果现在还在给它贴“猫”的标签，那么……笔者建议多买点人寿保险。
机器学习的“正确”答案通常在旁观者的眼中，因此一个为一个目的设计的系统可能不会为另一个目的工作。
如果打算为其他目的对猫进行分类，那么“正确”的答案可能会有所不同。目的或目标来自于人类的决策者！不谈柏拉图，不同的答案将适合不同的项目。在人工智能中，目标总是主观的。这取决于项目业主的主观判断。（这取决于其他人的理解，人工智能系统有很多主观性融入其中。）
在人工智能中，目标总是主观的！人工智能系统有很多主观性。
决策者必须作为负责任的父母，选择他们希望系统复制的行为……而且几乎从来没有一种“正确”的方式来定义类别和设定每个决策者都会同意的目标。这些事情由个人决定。不同的人会发现适合复制的不同行为集。
如果继承了笔者的系统，而意图与笔者的不同，或者打算将它用于不同的目的，而不是笔者为之设计的目的——例如，如果对什么叫猫有不同的看法，可能会发现笔者的系统不适合。它甚至可能造成伤害，尽管它让笔者非常高兴。
如果那样的话，那是你的错，而不是笔者的错；太蠢了，以为只有一种方法可以定义事物。认为一个有数学成分的系统不可能有歧义和人为缺陷，所以最终得到了一个错误问题的伟大解决方案，因为这是笔者的问题。