微软、谷歌研究团队发出警告：在完全理解AI之前，别滥用它

微软、谷歌研究团队发出警告：在完全理解AI之前，子锐机器人，别滥用它

近日，由纽约大学、谷歌、微软等组织与机构的公共政策研究者组成的研究组织AINow发布了其第二份人工智能年度研究报告。这份报告是AINow人工智能研讨会的一部分，该研讨会邀请了近百名相关领域内的研究人员，讨论人工智能对社会经济的影响。报告指出，刑事司法、医疗、福利和教育等高风险领域内的核心公共机构不应再使用具有黑箱特性的AI技术及算法系统。

这里所谓的黑箱特性的AI技术及算法系统主要是指深入学习系统（DeepLearning），KUKA机器人维修，FANUC机器人培训，这是一个在Google、Facebook、Microsoft和Amazon等科技巨头之间流行的AI研究的子领域，它通过汇集数百万次的微小的计算来做出单一决策，例如在图像中识别一张人脸。

尽管人们对快速发展的人工智能抱有很大的预期，但是报告也指出了这一领域正面临巨大的挑战。正如我们的大脑的信号太过复杂，难以解释一样，深度学习算法的机制也是如此。而若是将这种尚不能完全解释的决策机制引入公共管理领域，ABB机器人培训，则会带来大量的潜在风险。

例如在刑事司法中，非盈利媒体ProPublica的调查小组发现，法庭和执法部门用于预测刑事被告再犯的算法，可能对非裔美国人存在一定的偏见。这一现象随后被许多学者证实。在医疗保健领域，匹兹堡大学医学中心的研究发现，一种用于治疗肺炎患者的AI系统，缺失了一项对严重并发症的风险评估。在教育领域，美国得克萨斯州的评教算法系统被暴露出存在严重的缺陷，教师们也在与该系统对抗的诉讼中成功胜出--法官认定这些无法被解释的算法系统侵犯了美国宪法第十四修正案赋予美国公民程序正义的权力。

或许这些例子仅仅是一个开始，工业机器人培训，未来人类在人工智能实际应用领域还将面临更大的，机器人维修保养，来自法律、道德、制度等方面挑战。究其原因，皆因在目前的人工智能领域内，尚缺少标准化的测试模式和审核方法，AI决策也无法完全避免算法偏差，保障绝对的安全。在报告中，AINOW就详细介绍了人工智能决策如何受到偏斜数据和设计架构的影响--而这些偏差最终都会被解释为人工智能算法的不可估量性而被忽略或掩盖。

AINOW在报告中指出：公共机构使用这些系统会引起人们对于这类法律程序是否正当、合规的担忧。这些系统至少要经历公共审计、测试及审查的过程，并符合相应的问责标准。

而针对那些大力推崇人工智能算法的科技巨头也存在着同样的担忧。谷歌和Facebook，都在使用人工智能算法来决定用户在他们的网页上看到何种内容，鉴于这些网站庞大的访问量和用户基数，这使得它们也免不了的卷入了有关信息误导和媒介洗脑的社会论战。