關於人工智慧的誤導性資訊氾濫 - thegradient

誤導使得決策者和公眾很容易感到困惑，因為偏見往往是對結果的高估而不是對結果的低估，公眾開始擔心在可預見的將來將不會存在的一種AI（取代許多工作）。

過度承諾的風險
對AI的炒作讓每個人都受益，不是嗎？公眾的熱情意味著投入更多的研究資金，更多的人致力於AI。如果有更多的錢和更多的人，我們將更快地獲得人工智慧。有什麼害處？
許多人會過度捕撈特定的水域，在短期內為自己生產更多的魚，直到整個魚群崩潰，所有人都受苦。
在AI中，風險是這樣的：如果以及當公眾，政府和投資界認識到他們被忽悠時，對AI的優缺點不切實際的描述與現實不符，那麼新的AI冬季可能會開始。（第一次出現在早先的炒作和失望週期之後的1974年。）
我們已經看到了許多事件，事後看來可能是預兆：
（具體事件點選標題見原文）

目前，政府，大公司和風險投資家正在對AI進行大量投資，主要是深度學習。如果他們開始意識到一種過分樂觀的模式，那麼整個領域可能會遭受打擊。如果無人駕駛汽車和對話機器人遲到一兩年，沒問題，但是無人駕駛汽車，醫療診斷和對話式AI的專案完成截止期限越長，新AI冬季的風險就越大。

推薦建議
總結一下，關於AI的錯誤資訊很普遍。儘管過分報導並不普遍，但即使是著名的媒體也常常歪曲結果。公司利益經常導致這個問題。個別研究人員，甚至某些最傑出的研究人員有時也會這樣做，而當他們的結果被誤解時，更多的研究人員則靜靜地坐在旁邊，而沒有公開澄清。
錯誤的資訊並非無處不在-一些研究人員直截了當地指出侷限性，一些報導準確地報導了一些侷限性，並誠實地承認了侷限性，但是隨著革命性的發展，解釋每個增量進步的總體趨勢是普遍的，因為它適合一個有趣的敘述勝利的象徵。
最終，最終的結果可能會破壞該領域，在最初幫助激發公眾利益之後反而引發了AI冬季。
Ernie Davis和我提出了六項建議：

• 除去這些言論，人工智慧系統實際上在做什麼？“閱讀系統”真的閱讀嗎？
• 結果有多普遍？（在鳳凰城工作的驅動系統在孟買也能工作嗎？魔方系統在開啟瓶子時能工作嗎？需要再培訓多少？）
• 有沒有感興趣的讀者可以自己探索的演示？
• 如果說人工智慧系統比人類更好，那麼又好多少呢？（相比之下，低薪工人缺乏良好表現的動力可能無法真正探究人類能力的極限）
• 實際上，成功完成特定任務可以使我們邁向建立真正的AI多遠？
• 系統有多健壯？無需大量重新培訓，它是否可以與其他資料集一樣好用？AlphaGo在19x19的板上可以正常工作，但是需要重新訓練才能在矩形板上玩；缺乏轉移正說明了這一點。