人工智能炒作-不要高估人工智能的影响

人工智能炒作：不要高估人工智能的影响

原文：towardsdatascience.com/the-ai-hype-dont-overestimate-the-impact-of-ai/

你有没有乘坐过飞机？

很可能，在某个时刻——可能是度假，也可能是出差——你有过这样的经历。在机场，当你把行李交给别人时，它就消失在行李处理的隐秘世界中。然后，在大多数情况下，你的行李神奇地出现在你的目的地。实际上，没什么好说的。

但在你到达服务台之前，你必须把你的行李带到那里。机场很大。如果你曾经不得不拖着行李走过任何主要枢纽，比如迪拜、法兰克福、希思罗、伊斯坦布尔或北京，你就知道那是什么感觉。

现在想象一下，没有拉杆箱来做这件事。

在某个时刻，有人想到了在行李箱上安装小轮子并添加一个把手。就是这样；没有什么花哨的。没有机器学习，没有分布式系统，没有“世界上最难的问题”级别的问题。只是行李箱上的轮子。然而，这个简单的想法改变了数百万人的生活方式，而不仅仅是飞行时。

我们几乎从未将拉杆箱视为一种“创新”。在我们心中，创新似乎总是能够瞬间改变世界，从零到一。但拉杆箱确实是一种发明——就像许多其他发明一样，它也是一项重要的发明。

拉杆箱问题

拉杆箱与人工智能有什么关系？嗯，目前，人工智能经常被颂扬为解决人类最大和最艰巨挑战的缺失成分。

X (谷歌的月亮射击工厂) 和类似的组织宣传他们的重点是可再生能源、清洁饮用水、可靠和健康食品。在这些提案中，人工智能被展示为一种关键工具：优化能源网络、模拟作物产量、改善医疗诊断。这些是崇高的目标，我不怀疑许多这些努力的真诚或技术深度*。

但存在一个差距。

大部分人工智能的叙述都生活在月亮射击的领域：引人注目、准备好上新闻的、“这可能会改变一切”的故事。这很有吸引力，我们希望相信这样的公告。想想看把人送上月球。

然而，那些悄然推动社会前进的发明往往是那些平凡、几乎看不见的改进：

• 行李箱上的轮子

• 手推车

• 拉链

• 更轻便的

• 标准插头

• 路标

这些是无聊的发明，是的，没有人把它们当作这样的发明。但它们也是巨大的。它们每天为数十亿人减少摩擦。

今天的大多数人工智能项目并不针对这种级别，嗯，无聊的有用性。它们要么：

1. 优化我们可能不想进一步优化的体验（更好的内容推荐，广告点击预测略快），或者

2. 针对巨大的全球挑战，这些挑战的影响是真实但缓慢的、不确定的，或者受到非技术因素的严重限制。

在这个清单中缺少的是人工智能时代的“手推车包”：简单、可靠的发明，日复一日地为我们消除摩擦，我们几乎注意不到——但如果我们失去了它们，会立刻感到缺失。

过度估计人工智能的日常影响

对于大多数人来说，我敢打赌以下基本要素仍然比最新的 AI 模型发布更重要（即使它们从 100 亿参数增加到 500 亿参数）：

**良好的人际关系。

好的食物。

一个安全稳定的家。

健康良好。**

在当前阶段，人工智能并没有像炒作有时暗示的那样在某种程度上显著改善这些（对于大多数人来说，以及还没有达到“行李轮子”的水平）。

当然，人工智能系统可以：

• 告诉你何时给植物浇水。

• 建议一个新的 YouTube 视频。

• 起草一封电子邮件或总结一份文件。

这些都很好，但大多数都是边缘性的，并且通常需要额外的手动调整。**你通过让模型提醒你给植物浇水，并不能从根本上提升你的生活。在你临终的时候，你（希望）不会想：“我希望有更好的内容推荐。”

这并不意味着人工智能没有用。它已经在许多工作流程中很有价值，包括我的（比如想想代码辅助！）！但我们应该重新思考我们的期望：这样的工具改进并不等同于塑造文明的发明。目前，很多人工智能的关注点都偏向于引人注目的叙事，而远离那些安静、结构化、枯燥的改进。

我们在只追求“月亮射击”时错过了什么

当研究、资金和人才都集中在“世界上最难的问题”上时，可能会发生三件事：

1. 无聊的问题仍然没有解决。烦人的文书流程、医院工作流程、市政服务、可访问性问题、物流怪癖——这些领域中小型、稳健的人工智能工具可以消除日常痛苦——却得到了较少的关注。

2. 潜力被误认为是存在。我们好像在说变革性的人工智能影响已经完全到来，而其中很多仍然是条件性的：取决于政策、基础设施**、经济、采用。

3. 我们高估了人工智能对美好生活的意义。我们可能会将人工智能素养或人工智能热情视为比基本的人类、线下事物更重要，而这些事物实际上推动了幸福感（如友谊或食物）。

“手推车包”的隐喻可以作为一个理智的检查：如果明天人工智能系统消失了，人们会像失去行李轮子一样感到失落吗？在某些特定情况下***：是的。在大多数情况下：不，一点也不。

这对你意味着什么？

为了将这种观点融入你的日常思考中，我建议三种方法：

1. 对人工智能的声明持谨慎态度

当你看到大胆的人工智能承诺——包含“革命化”、“颠覆”、“永远解决 X”之类的说法时——进行快速的心理检查：

• 这是否在日常生活中真正改善了某些具体事物，或者它主要是一个演示？

• 这里真正的问题是智力（这可能通过一个高级 AI 系统来解决），还是政策、激励、物流或基本基础设施？

• 如果这个系统消失了，谁会真正更糟，以及会如何？

请记住：你不需要成为一个愤世嫉俗者；只需持有良好的怀疑态度。

2. 将 AI 与平凡、无聊的发明进行比较

以日常发明作为参考类别：

• 这个 AI 系统是否像，例如，打火机与火柴、拉链与纽扣、手提箱与携带一样，明显简化了生活？

• 它是否足够稳健、便宜，并且足够无聊，以至于人们会不假思索地依赖它？

如果答案是“相差甚远”，就相应地对待这个公告：有趣，可能有用，但可能不是世界级的变革。

3. 在选择自己的 AI 项目时，考虑反炒作

如果你正在从事机器学习或人工智能工作：

• 寻找那些不性感但真实的问题：调度、文档、可访问性、内部工具、错误减少、安全检查、表格、账单、路由、维护。

• 旨在寻找那些人们几乎注意不到的工具，因为它们只是正常工作。

• 在可靠性和令人印象深刻之间，优化可靠性。

问问自己：这是更接近手提箱还是发射拖车？如果是前者，你可能正走在正确的道路上。

---

结束语

我并不是反对雄心勃勃的 AI 研究。那将对我的工作产生反效果。我们绝对应该探索可能性和将其应用于难题。但我们也应该认识到这里有一个差距：

目前，大多数 AI 炒作都远离了塑造日常生活的安静、结构性改进。

作为个人——研究人员、工程师、用户——我们可以通过保持对夸大其词的承诺的怀疑态度，通过重视平凡但有意义的变化，以及有意识地构建更像是包上一套轮子的工具来做出回应。

这些是随着时间的推移推动世界前进的那种类型的变革。

---

• 事实上，在这些发明背后，有 10 年以上直到显著改进的时间，不考虑这些年份本身建立在多少个成语般的肩膀上。据我所知，大卫·西尔弗（David Silver）大约在 2000 年开始研究强化学习——但直到十年后我们才听说 AlphaGo！

如果你曾经部署过模型，你就知道基础设施真的是一个痛点。或者，想想训练这些模型所使用的能源成本。用于训练 AI 的钱可能已经足以解决问题，而不需要 AI…

*** 大部分是工作，我想。对于日常与人交往，AI 并不是必需的。