34、AI：贡献与局限并存

AI：贡献与局限并存

一、AI对社会的重大贡献

1. 传统行业中的应用
   • 石油行业 ：如今许多传统企业依赖机器人，石油行业便是典型。该行业大量依靠机器人寻找新的石油资源、进行维护和管道检查。在某些人类难以到达的地方，如管道内部，机器人还能进行维修。AI使得在采矿模型之间进行插值成为可能，降低了钻探成本，并能进行模拟以展示潜在的钻探问题。通过使用AI，工程师能够降低整体风险，减少石油泄漏，从而降低对环境的潜在影响。油价的降低促使石油行业采用AI，而且由于该行业对风险的规避特性，其采用AI的情况可作为其他企业采用AI的参考案例。
   • 其他机器人应用 ：除了石油行业的机器人，还有多种类型的机器人在发挥作用。如扫地机器人Roomba能完成扫地任务，还有用于组装汽车的机器人等。无人机目前为国防承包商带来收益，未来也将在大量民用领域实现盈利。许多人预测，到2020年将有1000万辆自动驾驶汽车上路，自动驾驶汽车不仅能盈利，还将极受欢迎。
2. 创造新的技术环境
   • 助力产品开发 ：人们通常渴望购买新事物，企业则需要推出新的产品。AI有助于人们在各种事物中寻找模式，这些模式往往预示着新元素或新的创造过程的存在。在产品开发领域，AI的目的是帮助发现新产品，而非专注于销售现有产品。它能缩短寻找新产品的时间，帮助企业提高利润，并降低与寻找新产品相关的研究成本。
   • 开发稀有新资源 ：AI尤其擅长发现模式，这些模式可能指示新元素的存在。新元素意味着新的产品，能带来产品销售。能够开发出新材料的组织在竞争中具有显著优势，许多发明依赖于新的工艺或材料，而AI能轻松帮助找到它们。
   • 洞察人类难以察觉之物 ：人类的视觉无法看到自然界中实际存在的广泛光谱，且在极小或极大尺度上思考存在困难，偏见也会阻碍人类发现意外情况。而AI能够看到人类看不到的东西并采取行动。例如，在检测金属应力时，AI能发现疲劳的潜在风险并做出反应，在处理波导等用于无线电传输的物品时，可实现巨大的成本节约。
3. 太空领域的应用
   • 向空间站运送货物 ：目前，SpaceX和Orbital ATK等公司利用AI为国际空间站（ISS）提供补给，这是太空领域AI商业应用的一大成功案例。这些公司每次任务都能盈利，同时NASA也从中受益。美国整体也获得了诸多好处，包括降低物资运送成本、增加美国本土设施（如肯尼迪航天中心）的使用、增加未来太空飞行的发射中心以及提高卫星和其他物品的有效载荷能力。尽管表面上只有两家公司直接受益，但许多附属合作伙伴也从中获利。如今，企业已经从太空业务中获得收入，而非像新闻报道中那样要等到未来。
   • 开采行星外资源 ：像Planetary Resources这样的公司正准备开始开采小行星和其他行星体。地球上的资源逐渐枯竭，且许多剩余资源的开采技术污染严重，因此行星外资源开采业务前景广阔。目前，为该项目提供工具（其中许多基于AI）以确定最佳开采方法的企业正在盈利。
   • 探索其他行星 ：人类最终可能会探索并殖民其他行星，火星很可能是首选目标。已有78000人报名参加前往火星的单程之旅。人们到达其他星球后，可能通过销售知识产权或创造特定星球才能支持的材料来盈利。虽然目前一些公司通过提供设计旅行所需的各种工具获利，但实际盈利可能还需要一段时间。

以下是AI在各领域应用的简单流程图：

graph LR
    A[传统行业] --> B[石油行业]
    A --> C[其他机器人应用]
    D[创造新环境] --> E[产品开发]
    D --> F[开发新资源]
    D --> G[洞察未知]
    H[太空领域] --> I[运送货物]
    H --> J[开采资源]
    H --> K[探索行星]

二、AI的失败之处

1. 理解能力的缺失
   • 无法真正理解世界 ：人类具有理解事物的能力，而AI完全缺乏这种能力。以苹果为例，人类通过颜色、味道、触感等感官来理解苹果，知道它可食用并能提供特定营养，甚至对苹果有情感偏好。但AI只看到与苹果相关的属性值，却不理解这些值的含义，仅仅是对其进行操作。
   • 只能分析不能解释 ：AI使用算法处理输入数据并输出结果，重点在于数据分析。然而，分析方向由人类控制，且结果需要人类进行解释。例如，AI可以分析显示潜在癌症肿瘤的X光片，突出显示包含肿瘤的部分，但医生仍需审查结果以确定是否真的患有癌症。此外，AI容易被一些小的干扰因素误导，因此在决策方面不可靠。
   • 局限于数字处理 ：AI只能处理数字，无法理解文字。当与AI交流时，它只是将语音转换为数字形式后进行模式匹配，话语的实质内容被丢失。在语言翻译中，AI无法传达文字背后的情感。而且，人类的各种感官体验在转换为数字表示后，AI无法像人类一样独特地体验这些感觉，例如对颜色的体验。
   • 缺乏对人类行为的理解 ：理解人类行为是AI面临的重大挑战。仅仅了解行为是不够的，还需要建立正式的数学模型才能让AI理解和模拟人类行为。但目前许多人类行为尚未被完全理解，因此短期内不太可能为这些行为创建数学模型，这使得AI无法像人类一样思考或接近具有感知能力。
   • 不能考虑后果 ：AI可以分析数据，但无法做出道德或伦理判断。当面临选择时，除非提供随机化功能，否则AI总是选择成功概率最高的选项，而不考虑结果。例如，在自动驾驶汽车面临“电车难题”时，AI需要人类指令才能做出决策。如果信任AI执行不适合它的任务，可能会面临法律、道德和伦理问题。
2. 发现能力的不足
   • 无法创造新知识 ：AI可以对现有知识进行插值，但不能通过外推现有知识来创造新知识。当遇到新情况时，AI通常试图将其作为现有知识来解决，而不是将其视为新事物。它没有创造新事物或将其视为独特事物的方法，而人类则能够利用现有知识创造新的、不同类型的知识，这种能力甚至儿童都具备。

以下是AI失败原因的表格总结：
|失败方面|具体表现|
| ---- | ---- |
|理解能力|无法真正理解世界、只能分析不能解释、局限于数字处理、缺乏对人类行为的理解、不能考虑后果|
|发现能力|无法创造新知识|

综上所述，AI虽然在许多领域做出了重大贡献，但也存在明显的局限性。我们应该客观看待AI的发展，充分发挥其优势，同时努力克服其不足。

AI：贡献与局限并存

三、AI贡献与局限的对比分析

为了更清晰地认识AI，我们可以将其贡献和局限进行对比分析，以下是具体对比表格：
|类别|贡献|局限|
| ---- | ---- | ---- |
|传统行业应用|石油行业降低风险与成本，多种机器人实现盈利|/|
|创造新环境|助力产品开发、发现新资源、洞察未知|/|
|太空领域应用|运送货物盈利、开采资源有潜力、探索行星有进展|/|
|理解能力|/|无法理解世界、分析结果需人解释、局限于数字、不理解人类行为、不考虑后果|
|发现能力|/|无法创造新知识|

从这个表格可以看出，AI在应用领域的贡献主要体现在提高效率、降低成本和开拓新的业务领域等方面；而在能力方面的局限则集中在理解和创造能力上。这也反映出目前AI发展的不平衡性，在实际应用中取得了一定成果，但在一些核心能力上还存在较大差距。

四、应对AI局限的可能途径

1. 提升数据质量和多样性
   • 操作步骤 ：
     • 收集更广泛、更全面的数据，涵盖不同场景、不同类型的数据。例如，在训练语言AI时，不仅要收集正式的书面文本，还要收集口语化、方言化的文本。
     • 对数据进行严格的清洗和预处理，去除噪声数据和错误数据。可以使用数据清洗工具，对数据进行筛选、去重、归一化等操作。
     • 引入更多的标注数据，提高数据的标注准确性。可以组织专业的标注团队，对数据进行人工标注。
2. 改进算法和模型
   • 操作步骤 ：
     • 研究和开发新的算法，提高AI的学习能力和适应性。例如，探索强化学习、迁移学习等新的算法，使AI能够更好地应对不同的任务和环境。
     • 优化现有的模型结构，提高模型的性能和效率。可以通过调整模型的层数、神经元数量等参数，对模型进行优化。
     • 结合多种算法和模型，发挥各自的优势。例如，将深度学习模型和传统机器学习模型相结合，提高AI的综合能力。
3. 加强人机协作
   • 操作步骤 ：
     • 设计合理的人机交互界面，使人类能够方便地与AI进行交互和协作。例如，开发可视化的交互界面，让人类能够直观地了解AI的工作过程和结果。
     • 明确人类和AI的分工，发挥各自的优势。人类可以负责提供创意、进行决策和处理复杂的情感问题，而AI则可以负责数据处理、分析和执行简单的任务。
     • 建立有效的反馈机制，使人类和AI能够相互学习和改进。例如，人类可以根据AI的输出结果进行反馈和调整，AI也可以根据人类的反馈进行学习和优化。

以下是应对AI局限途径的流程图：

graph LR
    A[应对AI局限] --> B[提升数据质量和多样性]
    A --> C[改进算法和模型]
    A --> D[加强人机协作]
    B --> B1[收集广泛数据]
    B --> B2[数据清洗预处理]
    B --> B3[引入标注数据]
    C --> C1[研究新算法]
    C --> C2[优化模型结构]
    C --> C3[结合多种模型]
    D --> D1[设计交互界面]
    D --> D2[明确人机分工]
    D --> D3[建立反馈机制]

五、对AI未来发展的展望

尽管目前AI存在诸多局限，但随着技术的不断进步和研究的深入，我们有理由对其未来发展充满期待。
1. 能力提升 ：通过不断改进算法和模型，以及提升数据质量，AI的理解能力和创造能力有望得到显著提升。未来，AI可能能够真正理解人类的语言和情感，创造出全新的知识和产品。
2. 应用拓展 ：AI将在更多领域得到应用，如医疗、教育、环保等。在医疗领域，AI可以辅助医生进行疾病诊断和治疗方案制定；在教育领域，AI可以实现个性化学习和教学。
3. 人机融合 ：人机协作将更加紧密，人类和AI将形成一种互补的关系。人类可以借助AI的强大计算能力和数据处理能力，而AI则可以从人类的智慧和创造力中获得启发。

总之，AI是一项具有巨大潜力的技术，虽然目前存在一些问题，但我们应该以积极的态度面对，通过不断的努力和创新，推动AI的发展，使其更好地服务于人类社会。