編輯導語：現在，人工智慧現在已成為技術發展的主流，並且正在影響著大家的生活，彷彿一夜之間，所有東西都開始和人工智慧沾起了邊。然而，人工智慧真的是完全智能的嗎？事實並非如此，人工智慧技術的主導者是人，有人參與，就必然有主觀意識的存在。假如我們不解決人的問題，那麼技術終究不能解決真正的社會問題。
我為什麼要寫？
在人工智慧教育領域已經兩年多了，隨著人工智慧項目落地逐漸增多，工作內容也逐漸加大。
就比如除了做產品，也要負責人工智慧教室的落地培訓。比較大的培訓就是萬州區的項目，兩次集中培訓包含了50多所中小學，近300名教師。
在給老師們講教育產品的之前，我一般都會講一下人工智慧的價值觀念。就像我們從小學習「八榮八恥」「弟子規」一樣，不只要學習知識，更要學習價值概念，樹立一種正確的人生觀和價值觀。
做AI產品經理也一樣，在和客戶溝通之前，讓他樹立正確的價值觀念，形成「批判性」的思維，幫助他認清「人工不智能」這一現實，不要再天馬行空的要解決方案了。
接下來，我們就用批判性的思維，來講一下人工智慧的價值觀念。
我的觀點是什麼？
相信你已經聽過太多有關人工智慧的話題，比如：人工智慧將會改變世界，人工智慧將會讓大多數人失業等等。其實，數據和演算法掌控一切的未來，離我們還非常的遙遠，我們都高估了人工智慧。
我向大家推薦一本書《人工不智能（2018-4出版）》，這本書的作者是布魯薩德，哈佛大學人工智慧專家。
他之所以寫這本書是，並不只是帶大家認清人工智慧發展的現狀，來告訴大家人工智慧並沒有想象中那麼好，而是因為人們過分依賴計算機演算法，反而帶來了一系列社會問題，所以他做的是帶大家樹立正確的人工智慧價值觀。
我是怎麼樣論證我的觀點的？
第一部分：高估人工智慧會產生什麼樣的社會問題？
第二部分：自動駕駛技術到底有多難？
第三部分：現階段人工智慧的社會化應用的根本矛盾是什麼？
一、高估人工智慧會產生什麼樣的社會問題
現在有一種情緒叫做「技術沙文主義」，認為一切社會問題都可以用技術解決，特別是可以用計算機技術解決。而作者認為，包括人工智慧在內的所謂的新技術，其實並沒有解決真正的社會問題。
他在書中舉了一個例子，美國教材分發的問題。
教材分發會出現什麼問題呢，因為美國和中國的教育體制是不一樣的。中國的教材是由國家統一出版的，價格還便宜。而美國的教材是由私人公司出版的，價格很高。比如一本中學生教材就要114.75美元。
政府的教育經費往往有限，有時候分到學生頭上的教材費可能只有30多美元，這樣一來就存在了很大的缺口。
而且自己買教材的辦法也不可行，因為沒有這個渠道，盜版的都沒有。
因為中小學教材都是由三大公司出版的，直接供貨到學校，同時考題也是這幾家公司出。換句話說就是你用這家公司的課本，然後用這些公司的考題，一條龍服務，一年幾十億美金的生意。
當然有些看似能用技術解決的問題，也解決不了。比如有時候費用到位了，書也買了，但是卻被放置在學校的倉庫里，沒有發到學生手上。
他就就找到了區教委，區教委說他們有個中央資料庫，有各個學校訂購教材的數據。
把這個數據拿過來，結果一看，很多學校訂購的教材和學生人數都對不上。
因為經費有限，人手不夠，有些校長需要親自管理教材，有的校長不願意使用資料庫系統，自己就弄了個表，很難和別人分享，最後就有一大堆問題。
數據技術再先進，最初的數據錄入也是由人來完成的。如果校長根本不願意錄入數據，老師根本不清楚自己班需要多少教材，再先進的技術又有什麼用呢？
教育本質是因人而異的、混亂的、動態的系統，而公共教育系統，是一個統一的、標準的、最好是不變的系統。
蓋茨曾經做過標準化大綱和教材，但是不同區的學生水平差異很大，用一個標準不合理，學校沒有自由度。所以就在發教材這件事上，計算機人工智慧就不能起到很好的作用。
因為計算機和人工智慧擅長解決的是工程問題，工程問題要求定義良好，而複雜的社會問題恰恰是不能定義良好的。
二、自動駕駛技術到底有多難
現階段的人工智慧，都有一個根本的弱點，就是高度的依賴數據，都是對過去經驗的總結，他們沒有辦法預測「沒見過」的事情。
它適合最常見的，最簡單的，不變的應用場景。一旦遭遇變化的場景，就面臨各種問題，比如「自動駕駛汽車」。
零級，代表完全沒有自動化,就是人開車。
- 一級，是指計算機在某些時候、某種程度上可以給提供一些輔助性的幫助。像自動判車、保持車道、停靠輔助系等等。
- 二級，是有的時候汽車以自己開，要求人一直盯著，特斯拉已經做到了這個級別。
- 三級，是說人可以不盯著就讓車自己開,但是如果車向你發信號，你要隨時接管駕駛。
- 四級，是指在某些環境和條件下,實現自動駕駛,人去睡覺都沒問題。
- 五級，是完全的自動駕駛,不論什麼天氣和路況人都不用管車。
至此，任何一家都沒超過二級，有些專家認為五級自動駕駛永遠都達不到，因為人工智慧處理不了意外。
比如說你看見一個殘疾人，坐著電動輪椅，在路中間追逐一隻鴨子，鴨子轉圈跑，她也繞著轉圈跑。
這種情況就能一下子準確預測這些人的行動路線嗎？自動駕駛都是靠激光打到各種東西再反射回來，可是如果在下雪或者下雨，激光機就可能打到雪花或者雨滴上反射，對周圍物體有較大的誤判。
另外自動駕駛還涉及到了一個道德的問題，假如你剎車失靈，前邊有一群小學生，還有一棵樹，你是選擇撞一群小學生還是選擇撞一棵樹？
我們說過人工智慧是依賴於數據積累的。Google一直都在積累數據，演算法都是現成的，真正值錢的是數據，誰掌握了數據，誰的自動駕駛技術才有市場。
人工智慧也有很大的局限：第一，不安全；第二，不道德；第三，他不能促進商業平等，它只會讓強大的公司變得更強大。
三、現階段人工智慧的社會化應用的根本矛盾是什麼
美國對罪犯開發了一個演算法，叫做COMPAS，專門判斷一個犯人再次犯罪的可能性大小。有一個評分標準，從1到10，分數越高，代表將來犯罪幾率越高。
打分的原理也是採用大數據，根據以往的經驗，考察若干個關鍵指標。演算法給了1分的人，犯罪幾率只有22%，打10分的人，犯罪率高達81%。
但是有人對這家公司提出了種族歧視的指控，我們都知道預測的都是概率，哪怕是打了5分以上的分數，犯人也不一定會再次犯罪，如果一個犯人明明沒有再犯罪卻打了高分，那麼就等於被冤枉了。
而同樣後來沒再犯罪的人，黑人被打高分的可能性是42%，而白人只有22%，就是說演算法還是歧視了黑人。
其實這個矛盾在生活中普遍存在，比如上海，基本不存在重男輕女的情況的大城市裡，女生的考試成績比普通男生好。
那如果這個規律，為了提高學校的總體成績，在高一入學的時候盡量多錄取女生，這不就是對男生的歧視嗎？
這就是一切基於經驗的決策的本質缺陷。人工智慧再厲害，只要是基於經驗的，只要是預測達不到100%準確率，就一定有人被冤枉。
醜小鴨定理說，一切分類都是主觀的，有分類就會有歧視，此事古難全。人工智慧為我們的決策提供了很大的方便，但社會還是這個社會，數學還是同樣的數學，人工智慧改變不了問題的本質。
四、總結
當然，我們談起技術進步，通常聽到的都是好消息。比如偏遠地區可以用無人機送貨，解決送貨難的問題。農村可以讓農民看電視學習技術，解決教育資源有限的問題等等。
技術給人們帶來一部分方便，但想要全面解決一個社會問題，那就有些難度了。就算是看似成功的實踐，背後也不知道有多少意想不到的情況。
所以，人工智慧技術的出現，確實經常讓事情更有效率，但寫程序的是人，錄入數據的是人，使用系統的是人，只要有人參與，就有主觀意識的存在。
所以不解決人的問題，技術終究不能解決真正的社會問題。