人工不智能，AI产品经理要帮助用户认清这一现实

编辑导语：现在，人工智能现在已成为技术发展的主流，并且正在影响着大家的生活，仿佛一夜之间，所有东西都开始和人工智能沾起了边。然而，人工智能真的是完全智能的吗？事实并非如此，人工智能技术的主导者是人，有人参与，就必然有主观意识的存在。假如我们不解决人的问题，那么技术终究不能解决真正的社会问题。

我为什么要写？

在人工智能教育领域已经两年多了，随着人工智能项目落地逐渐增多，工作内容也逐渐加大。

就比如除了做产品，也要负责人工智能教室的落地培训。比较大的培训就是万州区的项目，两次集中培训包含了50多所中小学，近300名教师。

在给老师们讲教育产品的之前，我一般都会讲一下人工智能的价值观念。就像我们从小学习“八荣八耻”“弟子规”一样，不只要学习知识，更要学习价值概念，树立一种正确的人生观和价值观。

做AI产品经理也一样，在和客户沟通之前，让他树立正确的价值观念，形成“批判性”的思维，帮助他认清“人工不智能”这一现实，不要再天马行空的要解决方案了。

接下来，我们就用批判性的思维，来讲一下人工智能的价值观念。

我的观点是什么？

相信你已经听过太多有关人工智能的话题，比如：人工智能将会改变世界，人工智能将会让大多数人失业等等。其实，数据和算法掌控一切的未来，离我们还非常的遥远，我们都高估了人工智能。

我向大家推荐一本书《人工不智能（2018-4出版）》，这本书的作者是布鲁萨德，哈佛大学人工智能专家。

他之所以写这本书是，并不只是带大家认清人工智能发展的现状，来告诉大家人工智能并没有想象中那么好，而是因为人们过分依赖计算机算法，反而带来了一系列社会问题，所以他做的是带大家树立正确的人工智能价值观。

我是怎么样论证我的观点的？

第一部分：高估人工智能会产生什么样的社会问题？

第二部分：自动驾驶技术到底有多难？

第三部分：现阶段人工智能的社会化应用的根本矛盾是什么？

一、高估人工智能会产生什么样的社会问题

现在有一种情绪叫做“技术沙文主义”，认为一切社会问题都可以用技术解决，特别是可以用计算机技术解决。而作者认为，包括人工智能在内的所谓的新技术，其实并没有解决真正的社会问题。

他在书中举了一个例子，美国教材分发的问题。

教材分发会出现什么问题呢，因为美国和中国的教育体制是不一样的。中国的教材是由国家统一出版的，价格还便宜。而美国的教材是由私人公司出版的，价格很高。比如一本中学生教材就要114.75美元。

政府的教育经费往往有限，有时候分到学生头上的教材费可能只有30多美元，这样一来就存在了很大的缺口。

而且自己买教材的办法也不可行，因为没有这个渠道，盗版的都没有。

因为中小学教材都是由三大公司出版的，直接供货到学校，同时考题也是这几家公司出。换句话说就是你用这家公司的课本，然后用这些公司的考题，一条龙服务，一年几十亿美金的生意。

当然有些看似能用技术解决的问题，也解决不了。比如有时候费用到位了，书也买了，但是却被放置在学校的仓库里，没有发到学生手上。

他就就找到了区教委，区教委说他们有个中央数据库，有各个学校订购教材的数据。

把这个数据拿过来，结果一看，很多学校订购的教材和学生人数都对不上。

因为经费有限，人手不够，有些校长需要亲自管理教材，有的校长不愿意使用数据库系统，自己就弄了个表，很难和别人分享，最后就有一大堆问题。

数据技术再先进，最初的数据录入也是由人来完成的。如果校长根本不愿意录入数据，老师根本不清楚自己班需要多少教材，再先进的技术又有什么用呢？

教育本质是因人而异的、混乱的、动态的系统，而公共教育系统，是一个统一的、标准的、最好是不变的系统。

盖茨曾经做过标准化大纲和教材，但是不同区的学生水平差异很大，用一个标准不合理，学校没有自由度。所以就在发教材这件事上，计算机人工智能就不能起到很好的作用。

因为计算机和人工智能擅长解决的是工程问题，工程问题要求定义良好，而复杂的社会问题恰恰是不能定义良好的。

二、自动驾驶技术到底有多难

现阶段的人工智能，都有一个根本的弱点，就是高度的依赖数据，都是对过去经验的总结，他们没有办法预测“没见过”的事情。

它适合最常见的，最简单的，不变的应用场景。一旦遭遇变化的场景，就面临各种问题，比如“自动驾驶汽车”。

零级，代表完全没有自动化,就是人开车。

一级，是指计算机在某些时候、某种程度上可以给提供一些辅助性的帮助。像自动判车、保持车道、停靠辅助系等等。
二级，是有的时候汽车以自己开，要求人一直盯着，特斯拉已经做到了这个级别。
三级，是说人可以不盯着就让车自己开,但是如果车向你发信号，你要随时接管驾驶。
四级，是指在某些环境和条件下,实现自动驾驶,人去睡觉都没问题。
五级，是完全的自动驾驶,不论什么天气和路况人都不用管车。

至此，任何一家都没超过二级，有些专家认为五级自动驾驶永远都达不到，因为人工智能处理不了意外。

比如说你看见一个残疾人，坐着电动轮椅，在路中间追逐一只鸭子，鸭子转圈跑，她也绕着转圈跑。

这种情况就能一下子准确预测这些人的行动路线吗？自动驾驶都是靠激光打到各种东西再反射回来，可是如果在下雪或者下雨，激光机就可能打到雪花或者雨滴上反射，对周围物体有较大的误判。

另外自动驾驶还涉及到了一个道德的问题，假如你刹车失灵，前边有一群小学生，还有一棵树，你是选择撞一群小学生还是选择撞一棵树？

我们说过人工智能是依赖于数据积累的。Google一直都在积累数据，算法都是现成的，真正值钱的是数据，谁掌握了数据，谁的自动驾驶技术才有市场。

人工智能也有很大的局限：第一，不安全；第二，不道德；第三，他不能促进商业平等，它只会让强大的公司变得更强大。

三、现阶段人工智能的社会化应用的根本矛盾是什么

美国对罪犯开发了一个算法，叫做COMPAS，专门判断一个犯人再次犯罪的可能性大小。有一个评分标准，从1到10，分数越高，代表将来犯罪几率越高。

打分的原理也是采用大数据，根据以往的经验，考察若干个关键指标。算法给了1分的人，犯罪几率只有22%，打10分的人，犯罪率高达81%。

但是有人对这家公司提出了种族歧视的指控，我们都知道预测的都是概率，哪怕是打了5分以上的分数，犯人也不一定会再次犯罪，如果一个犯人明明没有再犯罪却打了高分，那么就等于被冤枉了。

而同样后来没再犯罪的人，黑人被打高分的可能性是42%，而白人只有22%，就是说算法还是歧视了黑人。

其实这个矛盾在生活中普遍存在，比如上海，基本不存在重男轻女的情况的大城市里，女生的考试成绩比普通男生好。

那如果这个规律，为了提高学校的总体成绩，在高一入学的时候尽量多录取女生，这不就是对男生的歧视吗？

这就是一切基于经验的决策的本质缺陷。人工智能再厉害，只要是基于经验的，只要是预测达不到100%准确率，就一定有人被冤枉。

丑小鸭定理说，一切分类都是主观的，有分类就会有歧视，此事古难全。人工智能为我们的决策提供了很大的方便，但社会还是这个社会，数学还是同样的数学，人工智能改变不了问题的本质。

四、总结

当然，我们谈起技术进步，通常听到的都是好消息。比如偏远地区可以用无人机送货，解决送货难的问题。农村可以让农民看电视学习技术，解决教育资源有限的问题等等。

技术给人们带来一部分方便，但想要全面解决一个社会问题，那就有些难度了。就算是看似成功的实践，背后也不知道有多少意想不到的情况。

所以，人工智能技术的出现，确实经常让事情更有效率，但写程序的是人，录入数据的是人，使用系统的是人，只要有人参与，就有主观意识的存在。

所以不解决人的问题，技术终究不能解决真正的社会问题。