35、人工智能的十大失败之处

人工智能的十大失败之处

1. 数据插值与创新能力局限

人工智能（AI）最擅长的是数据插值，例如给定 A 和 B，判断 C 是否介于两者之间。成功进行数据插值意味着 AI 可以扩展模式，但无法创造新数据。有时开发者会通过巧妙的编程技术误导人们，让他们以为数据是新的，实际上并非如此。缺乏新数据会使 AI 看似解决了问题，但实际上并没有，因为问题往往需要新的解决方案，而非对现有解决方案的插值。

2. 超越模式的能力缺失

目前，AI 能够发现人类难以察觉的数据模式，这也是其价值所在。数据处理和分析耗时、复杂且重复，而 AI 能轻松完成这些任务。然而，数据模式只是输出，不一定是解决方案。人类依靠五种感官、同理心、创造力和直觉，能够超越模式，找到数据之外的潜在解决方案。以看天空为例，阴天时人们能从云中看到各种图案，不同人看到的可能不同，有人看到羊，有人看到喷泉，而 AI 只能看到云。AI 仅将模式作为输出呈现，却无法理解模式，也缺乏利用模式进行创新的能力。

3. 新感官的实现难题

随着人类知识的增长，人们意识到人类感官的多样性难以在 AI 中复制，因为目前在硬件中复制这些感官几乎不可能。例如，使用多种感官处理单一输入的能力（联觉）就超出了 AI 的能力范围。有效描述联觉对大多数人来说都很困难，在创造能够模拟联觉惊人效果的 AI 之前，人类必须先完整描述它，然后创建能将这种体验转化为数字供 AI 分析的传感器。即便如此，AI 也只能看到联觉的效果，无法体会其情感影响，因此永远无法完全体验或理解联觉。此外，人类实际上拥有远不止五种感官，像磁觉（感知磁场的能力）就难以量化，更无法在 AI 中复制。

4. 缺乏同理心