揭秘的6个人工智能神话：区分事实与虚构
揭秘6个关于人工智能的神话：识别真假之间
人工智能无疑是我们这个时代的热门词汇。特别是随着ChatGPT等生成式人工智能应用的出现，它已经成为技术辩论的焦点。
每个人都在谈论AI生成应用程序如ChatGPT的影响，以及是否公平利用它们的能力。
然而，在这场完美风暴的背后，关于人工智能或AI这个术语出现了许多错误观念和误解。
我打赌你可能已经听说过许多这样的观念！
让我们深入探讨这些迷思，打破它们，了解AI的真正性质。
1. AI是智能的
与流行观念相反，AI并不是智能的。现在的大多数人确实认为AI驱动的模型是智能的。这可能是因为“人工智能”这个名字中包含了“智能”这个术语。
但是智能是什么意思呢？
智能是一种仅属于生物的特质，被定义为获取和应用知识和技能的能力。这意味着智能使生物能够与周围环境互动，从而学会如何生存。
而另一方面，AI是一种旨在模仿这种自然智能某些方面的机器模拟。我们与之互动的大多数AI应用，特别是在商业和在线平台上，依赖于机器学习。
这些是专门针对特定任务进行训练的AI系统，使用大量数据。它们在指定的任务上表现出色，无论是玩游戏、翻译语言还是识别图像。
然而，在超出它们范围的情况下，它们通常是相当无用的…… AI在各种任务范围内具备类似人类智能的概念被称为通用AI，我们离实现这一里程碑还有很长的路要走。
2. 大就是好
科技巨头之间的竞争往往围绕着他们的AI模型的规模进行。
Llama的2开源LLM发布令人惊讶的是它拥有70亿个特征版本，而谷歌的Palma拥有5400亿个特征，OpenAI最新的ChatGPT4则拥有1800亿个特征。
然而，LLM的特征数量并不一定能转化为更好的性能。
数据的质量和训练方法往往是模型性能和准确性的更关键的决定因素。这已经在斯坦福的阿尔帕卡实验中得到证实，那里一个简单的70亿特征的LLM能够与令人惊讶的1760亿特征的ChatGPT 3.5打成平手。
所以答案显然是否定的！大并不总是更好。优化LLM的大小和相应的性能将使这些模型在本地使用普及化，并使我们能够将它们整合到我们的日常设备中。
3. 人工智能的透明度和责任
一个常见的误解是，AI是一个神秘的黑匣子，没有任何透明度。事实上，虽然AI系统可能很复杂，仍然相当难以理解，但已经做出了大量努力来增强其透明度和责任。
监管机构正在推动道德和负责任的AI利用。重要的运动，如斯坦福AI透明度报告和欧洲人工智能法案，旨在促使企业增强其AI透明度，并为政府制定这一新兴领域的法规提供基础。
透明的AI已经成为AI社区的焦点讨论，涵盖了许多问题，例如允许个人确保AI模型经过彻底测试的过程，以及了解AI决策的基本原理。
这就是为什么全世界的数据专家已经开始研究让人工智能模型更加透明的方法。
因此，虽然这可能部分正确，但并没有想象中严重！
4.人工智能的绝对性
许多人认为人工智能系统是完美的，不会出错。这与事实相去甚远。与任何系统一样，人工智能的性能取决于其训练数据的质量。而这些数据通常是由人类创建或筛选的。
如果这些数据存在偏见，人工智能系统将无意中强化这些偏见。
麻省理工学院的一个团队对广泛使用的预训练语言模型进行的分析揭示了将性别与某些职业和情绪联系起来的明显偏见。例如，职位如空乘人员或秘书主要与女性特质相关联，而律师和法官则与男性特质有关。对于情绪方面也有类似的行为观察到。
其他发现的偏见涉及种族。随着预训练语言模型进入医疗系统，人们担心它们可能会强化有害的以种族为基础的医疗实践，反映了训练数据中固有的偏见。
必须进行人为干预来监督和纠正这些不足，确保人工智能的可靠性。关键在于使用代表性和无偏见的数据，并进行算法审核以抵消这些偏见。
5.人工智能与就业市场
最普遍的担忧之一是人工智能将导致大规模失业。
然而，历史表明，虽然技术可能使某些工作过时，但同时也会孕育新的行业和机会。
例如，世界经济论坛预测，到2025年，人工智能可能取代8500万个就业机会，但将创造9700万个新的就业机会。
6.人工智能接管
最后是最悲观的观点。流行文化通过《黑客帝国》和《终结者》等电影描绘了人工智能奴役人类的可能性。
然而，像埃隆·马斯克和斯蒂芬·霍金这样有影响力的声音表达了关切，但当前的人工智能状态远非如此悲观。
像ChatGPT这样的今天的人工智能模型是为了辅助特定任务而设计的，不具备科幻故事中描绘的能力或动机。
所以现在…我们还是安全的！
主要结论
总之，随着人工智能不断发展并融入我们的日常生活，分清真相和虚构非常重要。
只有清晰的理解，我们才能充分发挥其潜力并负责地应对挑战。
谣言可能会混淆判断并妨碍进步。
凭借知识和对人工智能实际范围的清晰理解，我们可以向前迈进，确保技术为人类的最佳利益服务。
[Josep Ferrer](https://www.linkedin.com/in/josep-ferrer-sanchez)是一位来自巴塞罗那的分析工程师。他拥有物理工程学位，并目前在应用于人类移动性的数据科学领域工作。他是兼职的数据科学和技术内容创作者。您可以通过LinkedIn、Twitter或VoAGI与他联系。
