2023年人工智能（AI）面臨的七大挑戰(zhàn)

人工智能對(duì)人類生活和經(jīng)濟(jì)的影響是驚人的。到2030年，人工智能可以為世界經(jīng)濟(jì)增加約15.7萬(wàn)億美元。客觀來(lái)看，這大約是中國(guó)和印度今天的經(jīng)濟(jì)產(chǎn)出總和。隨著各家公司預(yù)測(cè)AI的使用可以將企業(yè)生產(chǎn)率提高40%，人工智能初創(chuàng)企業(yè)的數(shù)量自2000年以來(lái)已經(jīng)增加了14倍。人工智能的應(yīng)用范圍可以從跟蹤太空中的小行星和其他宇宙天體到預(yù)測(cè)地球上的疾病，探索新的和創(chuàng)新的方法來(lái)遏制危機(jī)，以及進(jìn)行工業(yè)設(shè)計(jì)。

以下人工智能問(wèn)題，我們將應(yīng)對(duì)這些挑戰(zhàn)以及如何解決它們。

1.計(jì)算能力

這些高能耗算法所消耗的能量是大多數(shù)開發(fā)者望而卻步的一個(gè)因素。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是這種人工智能的墊腳石，它們需要不斷增加的內(nèi)核和GPU來(lái)高效工作。我們有各種各樣的想法和知識(shí)來(lái)實(shí)現(xiàn)深度學(xué)習(xí)框架，例如小行星跟蹤、醫(yī)療衛(wèi)生部署、宇宙天體跟蹤等等。

它們需要超級(jí)計(jì)算機(jī)的計(jì)算能力，但是超級(jí)計(jì)算機(jī)并不便宜。雖然由于云計(jì)算和并行處理系統(tǒng)的可用性，開發(fā)人員可以更有效地開發(fā)人工智能系統(tǒng)，但這是有代價(jià)的。隨著前所未有的數(shù)據(jù)量和快速增長(zhǎng)的復(fù)雜算法的增加，不是每個(gè)人都能承受得起的。

2.信任赤字

令人工智能擔(dān)憂的一個(gè)最重要的因素是深度學(xué)習(xí)模型如何預(yù)測(cè)輸出的未知性質(zhì)。外行人很難理解一組特定的輸入如何能為不同類型的問(wèn)題設(shè)計(jì)出解決方案。

世界上許多人甚至不知道人工智能的用途或存在，以及它如何集成到他們與之交互的日常物品中，如智能手機(jī)、智能電視、銀行，甚至汽車(在某種自動(dòng)化水平上)。

3.有限的知識(shí)

雖然在市場(chǎng)上有許多地方我們可以使用人工智能作為傳統(tǒng)系統(tǒng)的更好的替代方案。真正的問(wèn)題是人工智能的知識(shí)。除了技術(shù)愛(ài)好者、大學(xué)生和研究人員，只有有限的幾個(gè)人去意識(shí)到人工智能的潛力。

例如，有許多中小企業(yè)可以安排工作或?qū)W習(xí)創(chuàng)新方法來(lái)提高產(chǎn)量、管理資源、在線銷售和管理產(chǎn)品、學(xué)習(xí)和理解消費(fèi)者行為并有效和高效地對(duì)市場(chǎng)做出反應(yīng)。他們也不知道谷歌云、亞馬遜網(wǎng)絡(luò)服務(wù)和其他科技行業(yè)的服務(wù)提供商。

4.人類認(rèn)知水平

這是人工智能領(lǐng)域最重要的挑戰(zhàn)之一，這讓公司和初創(chuàng)企業(yè)的人工智能服務(wù)研究人員一直處于緊張狀態(tài)。這些公司可能吹噓超過(guò)90%的準(zhǔn)確性，但人類可以在所有這些場(chǎng)景中做得更好。例如，讓我們的模型預(yù)測(cè)圖像是狗還是貓。人類幾乎每次都能預(yù)測(cè)出正確的輸出，準(zhǔn)確率高達(dá)99%以上。

深度學(xué)習(xí)模型要實(shí)現(xiàn)類似的性能，需要前所未有的微調(diào)、超參數(shù)優(yōu)化、大型數(shù)據(jù)集、定義良好且準(zhǔn)確的算法，以及強(qiáng)大的計(jì)算能力、對(duì)訓(xùn)練數(shù)據(jù)的不間斷訓(xùn)練和對(duì)測(cè)試數(shù)據(jù)的測(cè)試。這聽起來(lái)工作量很大，實(shí)際上比聽起來(lái)要困難一百倍。

你可以避免做所有艱苦工作的一種方法是通過(guò)使用服務(wù)提供商，因?yàn)樗麄兛梢允褂妙A(yù)訓(xùn)練的模型來(lái)訓(xùn)練特定的深度學(xué)習(xí)模型。它們?cè)跀?shù)百萬(wàn)張圖像上接受訓(xùn)練，并進(jìn)行微調(diào)以獲得最大精度，但真正的問(wèn)題是，它們繼續(xù)顯示錯(cuò)誤，并真的很難達(dá)到人類水平的性能。

5.數(shù)據(jù)隱私和安全

所有深度和機(jī)器學(xué)習(xí)模型所基于的主要因素是訓(xùn)練它們的數(shù)據(jù)和資源的可用性。我們有數(shù)據(jù)，但由于這些數(shù)據(jù)是由全球數(shù)百萬(wàn)用戶生成的，因此這些數(shù)據(jù)有可能被用于不良目的。

例如，讓我們假設(shè)一家醫(yī)療服務(wù)提供商為一個(gè)城市的100萬(wàn)人提供服務(wù)，由于網(wǎng)絡(luò)攻擊，所有100萬(wàn)用戶的個(gè)人數(shù)據(jù)都落入了黑暗網(wǎng)絡(luò)中的每個(gè)人手中。這些數(shù)據(jù)包括關(guān)于疾病、健康問(wèn)題、病史等等的數(shù)據(jù)。更糟糕的是，我們現(xiàn)在正在處理行星大小的數(shù)據(jù)。這么多信息從四面八方涌入，肯定會(huì)有一些數(shù)據(jù)泄露的情況。

一些公司已經(jīng)開始創(chuàng)新性地繞過(guò)這些障礙。它在智能設(shè)備上訓(xùn)練數(shù)據(jù)，因此不會(huì)將數(shù)據(jù)發(fā)送回服務(wù)器，只有經(jīng)過(guò)訓(xùn)練的模型會(huì)發(fā)送回組織。

6.偏見問(wèn)題

人工智能系統(tǒng)的好壞實(shí)際上取決于它們接受訓(xùn)練的數(shù)據(jù)量。因此，獲得好數(shù)據(jù)的能力是未來(lái)好的人工智能系統(tǒng)的解決方案。但是在現(xiàn)實(shí)中，組織收集的日常數(shù)據(jù)是貧乏的，沒(méi)有任何意義。

它們是有偏見的，只是基于宗教、種族、性別、社區(qū)和其他種族偏見，以某種方式定義了有限數(shù)量的具有共同利益的人的性質(zhì)和規(guī)范。只有定義一些能夠有效跟蹤這些問(wèn)題的算法，才能帶來(lái)真正的改變。

7.數(shù)據(jù)稀缺

隨著谷歌、臉書（Facebook）和蘋果等大公司面臨不道德使用用戶數(shù)據(jù)的指控，印度等許多國(guó)家都在使用嚴(yán)格的IT規(guī)則來(lái)限制數(shù)據(jù)流動(dòng)。因此，這些公司現(xiàn)在面臨著使用本地?cái)?shù)據(jù)為世界開發(fā)應(yīng)用程序的問(wèn)題，這將導(dǎo)致偏見。

數(shù)據(jù)是AI非常重要的一個(gè)方面，帶標(biāo)簽的數(shù)據(jù)用于訓(xùn)練機(jī)器進(jìn)行學(xué)習(xí)和預(yù)測(cè)。一些公司正在嘗試創(chuàng)新新的方法，并專注于創(chuàng)建人工智能模型，盡管數(shù)據(jù)稀缺，但這些模型仍可以給出準(zhǔn)確的結(jié)果。有了有偏見的信息，整個(gè)系統(tǒng)可能會(huì)變得有缺陷。

人工智能如何在未來(lái)幾年改善業(yè)務(wù)？

像蘋果和谷歌這樣的大公司已經(jīng)投入巨資開發(fā)人工智能。除了這些業(yè)務(wù)，人工智能在其他領(lǐng)域也經(jīng)常使用不足，包括制造、教育、零售和醫(yī)療衛(wèi)生等行業(yè)。

所有這些業(yè)務(wù)每天都產(chǎn)生大量數(shù)據(jù)，但人工智能很少用于分析海量數(shù)據(jù)集，并從這些數(shù)據(jù)的模式和特征中得出結(jié)論。主要問(wèn)題是，為什么這個(gè)問(wèn)題如此突出？缺乏接觸、理解和能力是原因。我們已經(jīng)了解了人工智能的主要問(wèn)題。我們需要了解什么可以彌合這些人工智能問(wèn)題和企業(yè)盈利能力之間的差距。

人工智能最大的問(wèn)題之一是，大多數(shù)企業(yè)無(wú)法獲得所需的復(fù)雜而昂貴的處理資源。此外，他們?nèi)狈τ行Ю眠@些資源所需的昂貴而稀缺的人工智能專業(yè)知識(shí)。

截至2022年，37%的企業(yè)已經(jīng)采用了人工智能服務(wù)，并將繼續(xù)這樣做。根據(jù)一項(xiàng)研究，到2025年，人工智能行業(yè)每年將賺1260億美元。根據(jù)福布斯的數(shù)據(jù)，到2030年，人工智能將成為15.7萬(wàn)億美元的產(chǎn)業(yè)，到2024年，AI投資將達(dá)到約5000億美元。

人工智能可以幫助擴(kuò)大業(yè)務(wù)規(guī)模和克服上述人工智能問(wèn)題的3種方式是：

（1）利用現(xiàn)有的人工智能技術(shù)

企業(yè)不再需要從一開始就訓(xùn)練他們的人工智能，因?yàn)橐呀?jīng)有太多的人工智能工作在云上完成，這是普遍可用的，不像人工智能中存在AI問(wèn)題的舊模型。他們可以從其他公司已經(jīng)完成的勞動(dòng)中獲利。他們能夠適應(yīng)已經(jīng)工作的人工智能技術(shù)，以滿足自己的需求。但是如果沒(méi)有用戶友好的、直觀的界面，他們就無(wú)法做到這一點(diǎn)。

（2）定期更新人工智能技術(shù)

人工智能使不斷學(xué)習(xí)和提高成為可能。這是它成為技術(shù)天才的原因。如果你是特斯拉車主，你肯定知道這一點(diǎn)，因?yàn)橐粋€(gè)新鮮的軟件更新總是可用的。這是因?yàn)槟壳暗缆飞嫌袛?shù)百萬(wàn)輛特斯拉，所有這些特斯拉都在收集數(shù)據(jù)，這些數(shù)據(jù)每天都被用來(lái)增強(qiáng)每輛汽車。對(duì)于人工智能，所有應(yīng)用領(lǐng)域和行業(yè)都需要這種學(xué)習(xí)和知識(shí)共享。不斷改進(jìn)技術(shù)將有助于提升你的業(yè)務(wù)能力，這是前所未有的，也有助于克服人工智能問(wèn)題。

（3）利用最新的技術(shù)

即使AI在當(dāng)時(shí)是開創(chuàng)性的，最近使用的人工智能方法也不再有效。老型號(hào)的人工智能有幾個(gè)AI問(wèn)題。新的、改進(jìn)的人工智能模型和神經(jīng)網(wǎng)絡(luò)總是在開發(fā)中，類似于人們?nèi)绾卧谠噲D學(xué)習(xí)新東西的同時(shí)獲得能力，并在一生中不斷成長(zhǎng)和增加新的才能；然而，為了讓人工智能用戶從中受益，需要能夠執(zhí)行人工智能和非人工智能算法的新處理器設(shè)計(jì)和編程模型。一個(gè)更加有用和經(jīng)濟(jì)可行的人工智能解決方案的新時(shí)代將開始在廣泛的用例和部門中出現(xiàn)。我們很快就能超越當(dāng)前對(duì)功率、復(fù)雜性和費(fèi)用的限制。

結(jié)論

雖然人工智能的這些挑戰(zhàn)對(duì)人類來(lái)說(shuō)似乎非常令人沮喪和具有毀滅性，但通過(guò)人們的集體努力，我們可以非常有效地實(shí)現(xiàn)這些變化。根據(jù)微軟的說(shuō)法，下一代工程師必須提高自己在這些前沿新技術(shù)方面的技能，才有機(jī)會(huì)與未來(lái)的組織合作。

編譯自

Top7 Challenges in Artificial Intelligence in 2023 https://www.upgrad.com/blog/top-challenges-in-artificial-intelligence/

編輯：黃飛

?