ai技術在職場上的應用越來越廣，但缺乏同理心、透明度等人機互動的「***」卻依舊懸而未解，在邁入人機共事的時代前，我們要走的路或許還很漫長。人工智慧賦予機器更多自主判斷能力，也造**和機器互動關係的巨大變化，我們該如何面對人機共事的新時代？有一天，我們或許要聽從ai演算法的指示來完**力工作；其實，這看似科幻**的場景，已經是正在發生的進行式。
有一天，你可能會為機器工作？
想象有一天，我們聽從ai演算法或機器的指示，來完**力工作；而這看似科幻**的場景，其實已經在世界上的許多角落開始發生了。
越來越多的公司開始使用演算法來管理員工(algorithmic management)。象是uber或lyft這樣的分享經濟公司，已經率先開發出許多自動工具，來管理遠端工作人員；包括使用者評分系統，以及自動向駕駛提醒或建議下一步動作的系統等等。
在物流業中，ups和amazon等公司正在使用自動化系統追蹤員工、並且優化貨物處理量；這些演算法收集工作人員的資料，並做出(半)自動化的決策來提供實時激勵，以達到更高的產出。
有一些新創公司，也開始提供監視員工、或是管理駕駛行為的ai解決方案。與人工監督相比，這些自動化技術更容易擴充套件到更多營運據點，因此也被越來越多的公司採用。
之前我談到過機器學習(ml)主要有三種型別，包括：
· 監督學習(supervised learning)
· 無監督學習(unsupervised learning)
· 強化學習(reinforcement learning)
直到今天，仍有超過90%使用中的ml演算法是以「監督學習」為基礎。
換句話說，多數ai演算法需要從標記好的訓練資料中學習。為了提供標記過的訓練資料，有乙個高成長的行業應運而生：由人工標記影像或聲音資料，以便機器能夠消化和學習。
「scale ai」是眾多與標籤工作者合作，對資料進行分類，以用於訓練ai模型的新創公司之一；該公司成立僅有三年，卻在最近融資獲得高達1億美元的資金。
scale與大約三萬名散布世界各地(大多在工資較低的國家)的契約工作者合作，為自動駕駛汽車和其他ai公司(包括waymo、airbnb和lyft等)提供標記訓練資料的服務。
在使用大量資料進行訓練時，深度學習的效果優於傳統機器學習；然而，獲取高質量的訓練資料通常很困難、而且成本相當高昂。
解決資料效率問題的方法之一，是使用模仿學習(imitation learning)，也就是「讓機器從專家的示範中學習」。
fortressiq是應用模仿學習技術，為顧客自動化公司流程的美國新創企業之一；他們的系統可以分析人類和軟體的互動，以便之後將這些流程自動化。
另一方面，美國新創公司cobalt提供利用機器學習來執行巡邏工作的保安機械人(上圖)。這種機械人可以識別異常情況，也能讓工作人員遠端監控、並在必要時接管控制權。
ai讓機器變得越來越聰明，不再需要人類的乙個口令乙個動作；在某些領域中，甚至能夠自動下指令給人類，而這些新型態的人機互動，正在真實上演之中。
但是，我們也開始看到這些新形態人機互動所帶來的「***」：
研究者lior zalmanson和robert w. gregory在最近的一項研究中發現，uber計程車司機都認為，演算法非常了解他們，但他們對演算法的原理和決策依據卻知之甚少。
此外，司機們也感覺到演算法的決策有些不人性的地方；他們質疑這個系統的公平性，尤其在他們沒有得到明確解釋、卻遭到處罰的情況下特別明顯。
有許多其他勞工也覺得自己被演算法監視。他們不知道這些監控資料會用在什麼地方，也不知道工作分配、評分或報酬是否公平；如果不公平，他們也不知道有沒有什麼途徑可以提出抱怨。
「缺乏透明度」一直是ai的主要問題之一。
用這些自動化工具來管理員工，或許確實更有效率及擴充性；但生產力不應該是唯一的目標，必須也考慮到資訊的透明、以及對員工的同理心。以保全機械人為例，在機械人無法處理的情況下，人類的介入可能會有關鍵作用；但隨著機械人變得越來越聰明，機器可能會得出與人類不同的結論。
人類永遠能夠做出比機械人更好的決定嗎？誰有最終決定權？另乙個備受關注的例子：無人駕駛車。誰應該在自主的無人車中做決定？是車子本身、備用安全駕駛員、遠端監控的工作人員、還是乘客本身？
在什麼情況下、什麼時候介入？如果你只有一瞬間的反應時間，答案會有所不同嗎？誰應該對任何後果負責？科技公司？安全駕駛？還是設計演算法的工程師？
雖然研究人員正在研究轉移學習(transfer learning)和元學習(meta learning)，以設計能夠「學習如何學習」的ai模型；但老實說，我們離完全自主的人工智慧還很遠。
在可預見的將來，我們仍然需要標記資料，讓機器變得更加自主。我們需要調整自己，與時俱進，我們需要學習與ai機器一起共存的最佳方式。我們準備好迎接如此劇烈的社會變革了嗎？我們可以做些什麼來創造我們想要的未來？
你準備好失敗了嗎？
今天讀了乙個有趣的故事。有個男人既非魅力十足，又不幽默風趣，但是特別有女人緣，因此大家百思不得其解。有一天他的乙個朋友忍不住問他是怎麼做到生活中女人不斷的？他坦言 每遇到一位迷人的女性，都會問對方願不願意和自己約會，有些人就會答應他。這個男人願意承受多次拒絕，以換取少數成功。這個故事告訴我們乙個淺顯...
Windows Vista RTM 你準備好了麼？
xp到來的日子彷彿就在不遠之前，還依稀可見，vista卻已經悄悄地準備接替它的位置了。微軟公司終於正式宣布windows vista發布rtm。新的時代，或許就在前面展開 vista算是革命性的麼？vista算是全新的麼？vista除了介面漂亮還有什麼好的？所有人都各執己見，發出支援 疑慮 抱怨 各...
AI校園來了，你準備好了嗎？
看過 哈利波特 電影的觀眾一定都對那所魔法學校印象深刻，像霍格沃茨那樣的魔法校園是我們每個學生嚮往的地方。雖然現實中不可能實現，但當人工智慧走進校園，同樣是帶著魔法的 我國很多大學已經引入了各式各樣的人工智慧相關的系統，衣食住行樣樣行，還不快來看一下？衣食 2018年7月2日，眼神科技聯合山東大學校...