人工智能不斷地突破著我們的想象力，AI系統也在快速地進入現實世界，這種情況下，人與機器該如何相處?微軟研究院資深研究員Ece Kamar就人機互補表達了她的看法，并揭示了人們對AI的一些常見誤解。她相信，機器善于識別和計算，人類長于決策和創造，域名購買 directadmin購買，人類和機器的合作會帶來一個更好的未來。本文是Ece Kamar接受采訪的文字精簡版。想了解完整內容，請點擊收聽文中采訪音頻。

采訪音頻：

我熱衷于研究能在日常生活中幫助到人們的AI系統，同時，服務器租用 免備案服務器，機器智能和人類智能之間應該如何互補也讓我十分感興趣。多年來，我們一直在嘗試構建可以與人互動、合作，并能給人們帶來幫助的系統。

目前，我們正處于人工智能歷史上的一個重要時刻，許多重要的人工智能系統正在進入現實世界并開始與人們進行協作。AI該去做什么以及人類在AI開發的過程中該扮演什么樣的角色，這些問題都會對我們的生活產生很大的影響。

正確認識人工智能

對于人工智能，人們其實存在很多誤解與盲點。多數人都會認為AI是在過去十年左右才出現的。但事實上，AI在二十世紀五十年代就已經開始發展了。在達特茅斯會議上，人工智能的先驅們聚在一起，討論著人工智能是什么、該如何定義并研究它。他們當時相信人工智能可以很快被實現——如果機器有能力處理某一項工作，它理應可以很快地掌握處理一項更難工作的能力。但遺憾的是，我們今天的AI并非如此，AI是一種垂直工作，我們只能將某些特定的技術應用到特定的任務中。我們離廣義人工智能還非常遙遠，目前的AI技術還很“專業”，所以要想將人工智能應用到每一個領域仍需要大量審慎的分析和工程設計。

我們的AI系統極度依賴數據，收集的數據的質量很大程度上決定了最后AI模型的表現。然而，目前的數據搜集工作還存在很多問題，我們搜集數據的時候通常會帶有個人的主觀想法和預設，所以搜集到的數據不總是能夠真實代表這個世界，會導致模型產生知識盲區，例如人臉識別系統無法識別有深色皮膚的人群。所以，數據的不完整會導致AI系統無法有效地為某些少數人群服務。

人類的角色

在人工智能時代，我們需要對AI開發流程進行改造。在傳統的軟件開發領域，幾十年的經驗積累讓程序員們非常清楚每一次的bug修復所帶來的結果。現在，我們也應該把這套標準帶到AI系統開發領域。在過去的幾年中，我們一直在嘗試將人類的洞見融入到AI系統的調試和bug修復過程中，從人的角度去了解AI系統存在的問題和盲點，以及問題將會導致的后果，嘗試如何通過融入人類智慧來改進AI系統不盡如人意的地方。

我想強調的是，人工智能是被人開發、由人推動、并為人所用的。人工智能不可能自己憑空誕生出來。人類其實是很多AI系統的指南針，比如計算機視覺、人臉識別等。我們在設計系統時，也會思考如何才能將作為“指南針”的人類融入到AI系統的訓練、執行以及故障排除中。人類已經是AI過程的一部分，正是那些從事AI系統工作的工程師和科學家們將自己的見解放入這些系統的設計和架構中，才有了現在神奇的AI魔法。

AI有很多數據資源來源于人，AI的不斷發展離不開人類的智慧。眾包為AI系統提供了獲取人類智能的方法。通過網上和社交平臺上的眾包任務，人們生產了大量AI系統可以用來學習的數據。這種能夠連接機器和人類智能的渠道對我們構建包含人類因素的AI系統非常重要。另外，在AI的發展過程中也需要人們對AI系統的不斷評估，畢竟最終AI是為人類服務的，而這也是眾包可以發揮作用的領域。

美好未來

我常常被AI領域外的人問道：“你能告訴我在未來的10年，20年內，美國將失去多少工作崗位，以及將會出現多少新工作嗎?”實際上，我們離強人工智能還有很遠的距離，我并不認為AI會自己變得更聰明，以至于將來所有的工作機會都會消失。與此同時，我們也要思考如何為可能發生的一些失業問題做好準備。

新的經濟增長會在變化中出現，關鍵是要了解人和機器如何互補優勢。機器可以很好地自動重復任務，擅長識別圖案和處理規模任務，但是機器不擅長很多事情。人類擅長常識性事務，可以做反事實推理。我們可以利用小數據進行學習，并且舉一反三，將其應用到我們以前從未見過的事情中去。最重要的是，我們有創造力。

在一篇關于麻省理工學院和哈佛大學合作研究的論文中提到，研究者讓一臺機器和放射科醫師一起共同通過圖像診斷乳腺癌，由于機器和人類會犯不同的錯誤，當兩者共同合作時，診斷錯誤率會遠遠低于機器和人類單獨診斷時的錯誤率。所以，只有我們充分利用人和機器的互補關系，才能創造人工智能的美好未來。