13、增强人工智能：潜力、挑战与应用

增强人工智能：潜力、挑战与应用

1. 增强人工智能的潜力与挑战

增强人工智能有望助力那些因各种原因传统上未从人工智能中获益太多的领域，如农业、媒体和制药业。在制造业中，人工智能可用于预测性维护，实现主动而非被动的设备管理；在电子商务领域，它能实时优化推荐和定价，让消费者和生产者都受益；在金融和健康保险等领域，能更快速地识别欺诈行为，减少误报和漏报。若增强人工智能能兑现其承诺，消费者、生产者、劳动者以及整个经济都将从中获益。

然而，要实现增强人工智能的潜力，面临着诸多技术挑战。部分挑战与追求在理想实验室环境中实现完全自动化的“普通”人工智能类似，但也有一些是增强人工智能特有的。例如，可视化和解释人工智能的输出结果仍是难题，让员工信任人工智能并避免产生疏离感这一社会问题也同样棘手。过去五年里，人们对这些挑战有了更深入的理解，但问题远未解决，企业可能至少需要十年时间才能真正形成充分利用技术与人类协作的思维模式。

2. 增强人工智能与完全自动化的对比

增强人工智能常被与完全自动化（即人类被完全替代）相比较。这部分是因为人工智能研究文献过度关注完全自动化，对人类研究较少，且通常局限于基准数据集的真实标签标注。实际上，增强人工智能与完全自动化之间的二分法是错误的，完全自动化其实是对更务实的增强人工智能的理想化。

想象解决模式匹配或预测问题的两个极端：一端是完全手动判断，显然缺乏扩展性；另一端是训练有素的全自动化系统。但很少有应用能真正达到完全自动化的程度。一方面，人工智能实际部署的“测试”环境通常与开发和训练的“训练”环境不同，测试环境更“开放”，意外事件和极端情况更为常见。另一方面，即使在深度学习取得成功、看似可以实现完全自动化的领域，如自然语言