人工智能的尽头是人工?

2020-09-01 14:18:08  来源:今日头条

摘要:上个月出门,发现十字路口的交警和辅警人数明显增加了。我不禁有些诧异,近十年来,人工智能最成功和最有效的落地成果不就是安防和交通相关应用吗,
关键词: 人工智能
  上个月出门,发现十字路口的交警和辅警人数明显增加了。我不禁有些诧异,近十年来,人工智能最成功和最有效的落地成果不就是安防和交通相关应用吗,而十字路口往往都是视频监控最密集的地方?既然如此,为什么还需要那么多警力呢?
 
  除了定期上街执勤需要外,一个深层次的原因是,人工智能并不能百分之百包打天下。更极端情况下,人工智能的尽头可能是人工。
 
  何出此言呢?其一原因是人工智能算法的评价准则。这里谈论两个指标,漏检率和误报率。第一个指标,漏检率是指本应发现却未被算法发现的问题,俗称假阴性。
 
  以交通违章为例,假阴性或漏检率意味着并非所有违章现象都能被有效发现。在监控探头日益普及的今天,多数违章都已经能通过人工智能算法检测到。如早期研发的闯红灯、高速公路超速、占用高速应急车道等,中期研发的基于云台监控摄像机的三分钟路边违●!⒊蹬普诘驳龋徒昀吹氖迪弑涞馈⑹心诮蛎训取H欢孀偶菔辉钡慕煌ò踩馐兜奶岣撸庑┮子诩嗫氐奈フ孪窒笳涞迷嚼丛缴佟R灾劣诳梢酝撇猓谖蠢凑攵哉饫辔フ碌募嗫乜赡芑峤夏驯淮シⅲ踔列瓮樯琛D敲矗还懿棵藕拖喙匮蟹⒌墓揪捅匦肷罨嗫叵低车难芯浚匦耐葡蚴侗鸶丛拥慕煌ㄎフ滦形1热缍窳犹炱虻驼斩惹榭鱿碌牡头直娉蹬剖侗稹⒎腔档奈フ滦形H欢庑└丛拥慕煌ㄎフ虏⒉患媚芡ü斯ぶ悄芩惴ɑ竦煤艿偷穆┘炻剩踔量赡芪薹ㄐ纬捎τ眉兜氖导始嗫叵低场H绶腔荡澈斓菩形⒁约霸诮星蛐惺弧>」苣壳罢庖豢榈闹悄芗嗫匾丫际缘悖狈腔挥谐蹬埔约凹菔徽叽髯趴谡质保惴ê苣炎远鋈范ǖ慕崧邸4耸保椭挥幸览等斯は殖〗赝:痛ΨA恕
 
  而第二个指标,误报率则是指不应被检测出来、却被错误辨识成真的“假问题”,俗称假阳性。
 
  仍以交通违章为例,假阳性高意味着会报到过多的假违章现象。如在高速公路上,一辆车被检测出超速了,但实际上真车并未出现在该路段,结果车主收到了一张不属于自己的罚单。再比如将公共汽车车身上的广告人物错判成违章的行人。这些都是假阳性。误报率高或假阳性高,往往会导致后期人工介入工作量的增加。
 
  除交通违章外,漏检率和误报率引发的问题,在很多领域的应用中都可以见到。如在医疗方面,新冠病人的漏检有可能会造成不必要的病毒传播,而健康人误报为癌症会导致人的心理状态失。如在短视频检查上,疑似漏检的违规短视频必须通过人工审查来杜绝其传播后造成的危害。误报的也需要通过人工来决定是否可以放行。
 
  近年来,大量人工智能技术的落地,表明相关应用的误报率和漏检率问题已经有了显著的改善。但需要指出的是,一旦容易实现的应用都完成落地或产品化了,剩下的可能都是难啃的硬骨头。这些硬骨头的潜在应用里,依赖现有的人工智能技术,两个指标可能很难得到明显的改善。它也就意味着,人工处理仍然会是这些应用需要依赖的主要手段。
 
  事实上,漏检率和误报率这两个简单的指标,只是影响人工智能全面替代人工,以及导致人工智能最终需要依赖甚至让位于人工的一个小因素。
 
  其原因在于,这两个指标主要与预测任务的性能相关。而人类智能中除了预测,还有与可解释性和其它与预测无密切关联的智能活动。如学生们刷题后形成的对新题的快速判断,那是可以不经过常规解题思路直接找到答案的快速途径。从某种意义上来说,这是摆脱了原有学习模型后形成的一种“跳”连接,或者直觉。这种直觉,目前还无法通过数学建模超凡电竞app来表示,仍然需要靠人自己的持续学习来获得。情感也是如此,尽管超凡电竞app在构建人工智能算法中可以机械性地将情感分类并进行预测,然而这样获得的情感只能让机器人更为机械化,却无法向共情迈出质变的一步。
 
  即使是预测,超凡电竞app也受限于对自然界的理解,而不能对人工智能技术抱以过高的期望。如气象预报中局部地区的降雨预测,会因为对大尺度台风的数据收集不完全而出现失误。不仅是空间尺度上存在局限性,时间尺度亦如此。如气候的变化有可能是几十年为周期的,那么单靠十来年的数据进行气候意义上的分析显然是不准确的。事实上,超凡电竞app在一些应用中还面临着数据的稀少问题。如局地冰雹的预测会因为数据极其稀少、且在雷达回波上无法与大降雨云层区分开,而导致判断失效。
 
  超凡电竞app也不能过份相信机器的预测能力。如在自动控制方面,过份相信机器的判断,可能会导致极其危险的后果。如2019年3月埃航737 MAX8的空难,就是过份相信机器的自动驾驶,以至于驾驶员后来无法接管引发的悲剧。
 
  能列举的人工智能短板还有很多,我就不一一枚举了。在这里,我更想表达的是,目前人工智能技术的落地主要是在预测能力能达到应用级的应用上,算是在享用这些应用的能有的红利。一旦人工智能在应用层的红利消失,剩下的可能就得靠人力了。那么自然的问题是,人工智能的红利,在各种相关的应用上还能持续多久? 人工智能的尽头会是人工吗? 还是必然会走向人机混合呢?





责编:zhangwenwen