\n
\n人工智慧、機器學習，在這個智慧型當道的時代，你幾乎可以在任何地方看到ai的身影，小到你手裡的智慧型手機，大到工廠的超大型生產裝置，人們相信人工智慧，甚至在某些領域，人們已經開始對ai產生了依賴。但是，ai的判斷一定是準確的嗎？如果ai出現了失誤，那麼這個責任應該是誰的呢？本文作者cassie kozyrkov對這一問題提出了他的想法。
\n\n\n
\n別誤會，我其實很喜歡機器學習和人工智慧，但我不會盲目地相信它們，你應該也是吧，因為建立有效的、可信任的人工智慧或機器學習解決方案是乙個建立信任的過程。
\n\n圖：盲目信任是件可怕的事情
\n\n在你開始臆想任何有關機械人或科幻**的故事之前，先打斷一下！
人工智慧系統並不像人類那樣，它們只是被賦予了詩意般名字的貼標機。它們之所以不值得信任，是因為一些其他原因。正所謂事實勝於雄辯，讓我們來看幾個
熟悉的例子吧。\n\n
\n\n
\n之前，我們建立的
機器學習系統成功地返回了我所期望的結果！\n
\n圖：這個例子是為了說明有監督學習和無監督學習
模型成功地將兩隻貓分開了，並且達到了100%的訓練準確率。
\n\n這些影象中共有兩隻貓，並且模型成功地返回了他們的標籤。這意味著我成功地建立了乙個tesla和huxley分類器，對嗎？\n\n
還沒這麼快！其實我們的期望欺騙了我們！仔細觀察這些，你會發現，在所有tesla的背景中都有散熱器，而huxley的則沒有。
\n\n圖：這個系統其實不是乙個貓咪檢測器。由於
確認偏差的存在，我選擇性地注意到了我喜歡的結果，而並沒有注意到實際上我設計的系統是乙個
散熱器檢測器
\n\n
很不幸，實驗結果表明，這的確是乙個散熱器檢測器。使用新樣本進行測試可能會有所幫助，所以讓我們看看是否以這種方式解決問題……
\n\n\n
\n即使我使用新資料（這些新）來測試它，也不會有太多的錯誤，所以我們的分類器到底有問題嗎？
\n假設tesla總是和散熱器一起而huxley總是不和散熱器一起，那麼誰會在乎它是如何工作的？它總能奏效。它每次都會給出合適的分類，如果是這樣就沒有問題了。
\n但這真的是乙個很大的假設。如果貓搬到另一間公寓了會怎樣？如果你直接使用我的分類器對你的進行分類會怎樣？
\n在這些情況下，返回的標籤將是「huxley」，依賴了我的檢測器的任意乙個關鍵任務系統都會發生崩潰。
\n\n
讓我們先分析一下：
\n\n
到現在為止還挺好，實際上還沒有什麼問題。你相信很多東西，卻不知道它們是如何起作用的，例如我們許多人因為頭痛而服用撲熱息痛。它的確有效，但科學也無法解釋為什麼。重要的是，你可以驗證撲熱息痛確實有效。
\n\n圖：不知道這種流行了100多年的藥物在分子水平上如何起作用？科學也不知道。
\n\n把複雜的ai系統想成頭痛**一樣。只有確保它們有效，你就會沒事。那麼是不是這個系統就沒有問題了？\n
可惜的是，我檢查了一些樣本，這些樣本與我希望系統使用的樣本不同。
\n這一次，它出了大問題。只要我們使用適當的樣本適當地測試系統，其他就不會有問題。所以答案是：這是我的人為錯誤。
\n\n圖：如果針對乙個任務測試了該系統，然後將其用於其他任務，你期望得到怎樣的結果呢？
\n\n如果教學的時候我不按考點來教學生，那麼他們考試成績很差不應該是理所當然的嗎？如果我的所有樣本都來自tes和散熱器總是在一起的世界，那麼我只能期望我的分類器只能在那個世界中是有效的。當我把它移到另乙個世界，就等於把它放在乙個不屬於它的地方。應用程式最好是低風險的，因為「我不知道它在超出預設時就不奏效」這樣的藉口是不存在的。如果你以前不明白，那麼現在應該知道了吧。\n
這就是為什麼從一開始就要考慮到你的目標和使用者，這點很重要。開始之前一定要指定規格和設定。負起乙個成年人的責任，否則你只能開發一些玩具一樣的應用程式。
\n\n\n
\n如果沒有熟練和負責任的領導力，我希望你的應用程式永遠不要涉及任何人的健康、安全、尊嚴或未來的事情......\n\n
我一直在使用「樣本」這個詞而不是「資料」（實際上它們是同樣的東西）來提醒你這不是魔術。 ml / ai的要點是，你使用樣本而不是描
述來表達你所期望的結果 。為了使它起作用，這些樣本必須是相關的。並且，任務越複雜，你所需要的樣本就越多。你每天都使用樣本進行交流，因此你已經知道了這些內容。也許你想知道數學是否表達了不一樣的東西，實際上它沒有。請放心，常識是你最好的演算法。
\n\n圖：如果你想用樣本進行教學，那麼這些樣本必須是好樣本。如果你想要信任你的學生，那麼測驗必須是好測驗。
\n\n### 盲目的信任是一件可怕的事情\n
在你規定的條件之外，你對系統的安全性一無所知，因此請注意：
\n\n
如果你使用的工具尚未經過測試，那麼你的工具導致的錯誤應該算到你頭上。a也只是一種工具而已。
\n\n
\n\n
AI犯錯誰之過？切勿盲目相信之
人工智慧 機器學習，在這個智慧型當道的時代，你幾乎可以在任何地方看到ai的身影，小到你手裡的智慧型手機，大到工廠的超大型生產裝置，人們相信人工智慧，甚至在某些領域，人們已經開始對ai產生了依賴。但是，ai的判斷一定是準確的嗎？如果ai出現了失誤，那麼這個責任應該是誰的呢？本文作者cassie koz...
AI犯錯誰之過？切勿盲目相信之
人工智慧 機器學習，在這個智慧型當道的時代，你幾乎可以在任何地方看到ai的身影，小到你手裡的智慧型手機，大到工廠的超大型生產裝置，人們相信人工智慧，甚至在某些領域，人們已經開始對ai產生了依賴。但是，ai的判斷一定是準確的嗎？如果ai出現了失誤，那麼這個責任應該是誰的呢？本文作者cassie koz...
AI犯錯誰之過？切勿盲目相信之
人工智慧 機器學習，在這個智慧型當道的時代，你幾乎可以在任何地方看到ai的身影，小到你手裡的智慧型手機，大到工廠的超大型生產裝置，人們相信人工智慧，甚至在某些領域，人們已經開始對ai產生了依賴。但是，ai的判斷一定是準確的嗎？如果ai出現了失誤，那麼這個責任應該是誰的呢？本文作者cassie koz...