新火種
2023-10-22 
我們應(yīng)該如何報(bào)道人工智能？這位專業(yè)AI研究者給出了10條建議
編譯：木槿、王轉(zhuǎn)轉(zhuǎn)、馬莉
近幾年，媒體和普通百姓對(duì)人工智能（AI）的興趣激增，與此同時(shí)，媒體對(duì)AI的報(bào)道良莠不齊，一部分小雜志社和標(biāo)題黨對(duì)AI的報(bào)道更像是在描述科幻小說(shuō)，而不是現(xiàn)實(shí)。
不過(guò)還好，《紐約時(shí)報(bào)》和《連線》等新聞媒體有凱德·梅斯（Cade Metz）和湯姆·西蒙尼特（Tom Simonite）這樣的記者，他們會(huì)客觀報(bào)道一些AI領(lǐng)域的研究和相關(guān)進(jìn)展。
但是即使是《紐約時(shí)報(bào)》，在對(duì)新聞進(jìn)行報(bào)道的時(shí)候也會(huì)在無(wú)意間通過(guò)選擇措辭、圖像或者類比，傳播一些對(duì)AI的錯(cuò)誤認(rèn)識(shí)。
skynettoday的一位AI研究員為了扭轉(zhuǎn)這個(gè)局勢(shì)，提出一系列可供媒體選擇報(bào)道的主題，其中一些對(duì)于沒(méi)有了解過(guò)AI的人來(lái)所可能并不是那么明顯。
以下是全文：
作為一組最佳實(shí)踐主題，它雖然不能代表我們做的所有事情，但是這應(yīng)該是要牢記并且堅(jiān)持的原則。
該列表的靈感來(lái)源于我們自己的觀察以及在網(wǎng)上和對(duì)斯坦福大學(xué)AI實(shí)驗(yàn)室研究人員的觀察，我們希望它對(duì)記者、研究人員以及任何閱讀或者撰寫(xiě)和AI相關(guān)的大眾有用。
謹(jǐn)慎對(duì)待AI
首先我們需要強(qiáng)調(diào)AI到底意味著什么。我們需要明白一點(diǎn)：今天的人工智能系統(tǒng)和終結(jié)者或者類似的科幻小說(shuō)概念毫無(wú)關(guān)聯(lián)，類似終結(jié)者的夸張的故事加上誤導(dǎo)性的圖片讓AI研究人員感到非常惱火。
那么AI到底是什么呢？AI研究人員朱利安·托吉留斯（Julian Togelius）在他的博客文章《為記者撰寫(xiě)有關(guān)人工智能的一些建議》中恰到好處地回答了這個(gè)問(wèn)題：
謹(jǐn)記：沒(méi)有人工智能之類的東西，所有這些都只是構(gòu)建軟件的方法和思想的集合，這些軟件和思想是我們?nèi)祟惖拇竽X思考的產(chǎn)物。研究開(kāi)發(fā)人員開(kāi)發(fā)新的AI方法（并使用原有的AI方法）來(lái)構(gòu)建軟件（有時(shí)候還包括硬件），這些軟件可以做一些令人驚訝的事情，比如說(shuō)玩游戲和畫(huà)一只貓。
盡管這不是一個(gè)值得討論的問(wèn)題，但是關(guān)于AI的報(bào)道在很多方面都犯了錯(cuò)誤，因此我們接下來(lái)的建議中分別介紹每個(gè)方面。
禁止在無(wú)主權(quán)的地方暗示有主權(quán)
上述定義的一個(gè)含義是有誤導(dǎo)性的，例如“人工智能發(fā)展了非人類語(yǔ)言”，因?yàn)槿斯ぶ悄懿皇且粋€(gè)單一的實(shí)體，而是一套技術(shù)和思想。正確的說(shuō)法應(yīng)該是“科學(xué)家基于人工智能開(kāi)發(fā)了一個(gè)交通監(jiān)控系統(tǒng)”。正如資深機(jī)器人學(xué)家和人工智能研究人員Rodney Brooks在他的“預(yù)測(cè)人工智能未來(lái)的七宗罪”中所說(shuō)：
有人認(rèn)為AI之所以是AI，在于他們認(rèn)為AI就是一個(gè)自治系統(tǒng)。我認(rèn)為這個(gè)想法是不對(duì)的，就像舊金山的本地人沒(méi)有稱他們的城市為“弗里斯科”一樣，AI研究人員肯定不會(huì)把AI說(shuō)成一個(gè)AI。
看起來(lái)在玩文字游戲，但這是事實(shí)的一部分。當(dāng)下的AI系統(tǒng)在執(zhí)行操作時(shí)幾乎沒(méi)有自治權(quán)，理解這一點(diǎn)很重要?！叭斯ぶ悄堋庇小爸悄堋钡暮x并且它是一個(gè)自主主體，但這和我們現(xiàn)有的基于AI的應(yīng)用程序不一樣。它僅僅是在AI算法幫助下開(kāi)發(fā)的一些軟件應(yīng)用程序，和我們用來(lái)瀏覽本文的瀏覽器沒(méi)有什么不同，這些軟件接受人工輸入并產(chǎn)生由程序員指定的輸出。正如我們調(diào)查對(duì)象指出的那樣：
系統(tǒng)很復(fù)雜并且行為難以解釋。我在該領(lǐng)域已經(jīng)進(jìn)行了很多研究，但是還有很長(zhǎng)的路要走。與其他任何技術(shù)一樣，即使存在眾所周知的風(fēng)險(xiǎn)（如核電）和不確定性，我們?nèi)匀粫?huì)使用它。 AI一詞將意外的系統(tǒng)行為（即特斯拉汽車突然無(wú)故停止）歸因于“ AI”的“有意識(shí)的決定”，而不是尚未理解復(fù)雜技術(shù)系統(tǒng)的行為。
底線：“AI”一詞表明“ AI”系統(tǒng)的不當(dāng)行為是“ AI”的“有意識(shí)的決定”，而問(wèn)題是人類使用了他們制造的但尚未完全理解和控制的技術(shù)工具就像任何其他技術(shù)一樣。
另一支持者還指出：最后一點(diǎn)確實(shí)是問(wèn)題的根源。
擬人化的使用，例如“IBM教其AI診斷疾病”而不是“IBM編寫(xiě)了一個(gè)可以診斷疾病的計(jì)算機(jī)程序”。并沒(méi)有會(huì)玩危險(xiǎn)游戲和診斷疾病的所謂的“IBM 人工智能”，它們僅僅是不同的程序而已。此外，盡管機(jī)器學(xué)習(xí)技術(shù)包括“學(xué)習(xí)”一詞，但使用“訓(xùn)練”一詞來(lái)描述計(jì)算機(jī)學(xué)習(xí)人類的學(xué)習(xí)方式似乎更合適。機(jī)器學(xué)習(xí)與人類學(xué)習(xí)有很大的不同，更好的表述方式應(yīng)該是“IBM在一個(gè)大型病例數(shù)據(jù)庫(kù)基礎(chǔ)上運(yùn)行機(jī)器學(xué)習(xí)算法，用來(lái)創(chuàng)建一個(gè)可以診斷疾病的系統(tǒng)”。
認(rèn)識(shí)到人類發(fā)揮的作用
關(guān)于沒(méi)有真正自主權(quán)的AI驅(qū)動(dòng)系統(tǒng)的上述觀點(diǎn)有一個(gè)主要且通常被忽略的含義：人類在它們學(xué)會(huì)工作方面發(fā)揮著巨大作用。頭條新聞經(jīng)常說(shuō)諸如“ X的AI教自己如何Y”之類的話，這意味著我們“僅僅”把AI算法放在一起就可以運(yùn)行。 實(shí)際上，在新的具有挑戰(zhàn)性的智能應(yīng)用程序上，人們總是需要花費(fèi)大量的思維和精力來(lái)取得進(jìn)步。例如，最近有關(guān)OpenAI讓機(jī)器人手解決魔方的新聞（當(dāng)給出了使魔方達(dá)到已解決狀態(tài)的步驟時(shí)）被貼上“機(jī)器人會(huì)自己玩魔方”的標(biāo)題，盡管該項(xiàng)目涉及大量的人類工作，正如我們?cè)谘芯糠秶忻鞔_指出的那樣。
朱利安·托吉留斯（Julian Togelius）在他的博客文章中再次提出了類似的觀點(diǎn)：
謹(jǐn)記:“人工智能”實(shí)際上是人類的創(chuàng)造力。研究人員和開(kāi)發(fā)人員專門(mén)研究AI在特定領(lǐng)域（例如機(jī)器人技術(shù)，游戲或翻譯）的應(yīng)用是有原因的。在構(gòu)建解決問(wèn)題的系統(tǒng)時(shí)，許多有關(guān)實(shí)際問(wèn)題的知識(shí)（領(lǐng)域相關(guān)知識(shí)）包含在其中。這可能起到向系統(tǒng)提供特殊輸入的作用，使用專門(mén)準(zhǔn)備的訓(xùn)練數(shù)據(jù)，對(duì)整個(gè)系統(tǒng)各部分進(jìn)行手動(dòng)編碼，甚至重新擬定問(wèn)題，以便使問(wèn)題更容易解決。
建議：了解“人工智能解決方案”的哪些部分是自動(dòng)的，哪些是由于巧妙地編碼了人類的領(lǐng)域知識(shí)的方法是觀察這個(gè)系統(tǒng)將如何處理稍微不同的問(wèn)題。
AI項(xiàng)目都要有適當(dāng)?shù)淖⒁馐马?xiàng)
對(duì)上述觀點(diǎn)的一種回應(yīng)可能是說(shuō)，當(dāng)今許多最杰出和強(qiáng)大的AI技術(shù)都源于“機(jī)器學(xué)習(xí)”（整個(gè)AI的一個(gè)子領(lǐng)域，“深度學(xué)習(xí)”是機(jī)器學(xué)習(xí)的子集），因此如果涉及“學(xué)習(xí)”是否暗示某種程度的自治或代理是不公平的？ 簡(jiǎn)而言之，我們不這么認(rèn)為。相反，弄清正在使用的特定AI算法與類人學(xué)習(xí)之間的區(qū)別甚至更為重要。
使用“學(xué)習(xí)”一詞可能會(huì)讓人有智能自主代理的想法，而事實(shí)是當(dāng)今應(yīng)用機(jī)器學(xué)習(xí)算法主要涉及整理輸入和輸出數(shù)據(jù)集，并優(yōu)化程序以將輸入映射到其合適的輸出時(shí)。程序無(wú)法選擇數(shù)據(jù)集、自身的結(jié)構(gòu)以及什么時(shí)候以什么方式運(yùn)行。因此，說(shuō)一個(gè)程序“學(xué)習(xí)”了一些東西卻沒(méi)有強(qiáng)調(diào)這一點(diǎn)幾乎與人類的學(xué)習(xí)方式無(wú)關(guān)可能會(huì)嚴(yán)重誤導(dǎo)讀者，并且程序本身沒(méi)有任何自主權(quán)。 總體而言，正如對(duì)我們調(diào)查的一位受訪者所說(shuō)：
小心使用直觀的詞匯，因?yàn)槲覀儗?duì)人類學(xué)習(xí)和行為的直覺(jué)并不適合人工智能系統(tǒng)（這個(gè)問(wèn)題并沒(méi)有從人工智能文獻(xiàn)中的一些術(shù)語(yǔ)的使用手冊(cè)中得到幫助）。
的確，AI研究人員通常是選擇那些直觀但有誤導(dǎo)性的單詞的人。但是，至少人工智能研究人員非常憤世嫉俗，以至于不能按照我們自己的理解看待這些話。那些不了解現(xiàn)代AI內(nèi)部工作原理的人可能會(huì)想象這些詞比它們實(shí)際意味更深遠(yuǎn)的意義。因此，應(yīng)該避免將機(jī)器學(xué)習(xí)與人類的學(xué)習(xí)或發(fā)展進(jìn)行比較。 Rodney Brooks同樣在他的博客文章中強(qiáng)調(diào)了這一點(diǎn)：
言語(yǔ)固然重要，但是每當(dāng)我們用一個(gè)詞來(lái)形容關(guān)于AI系統(tǒng)的某些東西時(shí)（也可以應(yīng)用于人類），我們就會(huì)發(fā)現(xiàn)人們高估了它的含義。 迄今為止，大多數(shù)用在機(jī)器上的詞，對(duì)用在人類身上的詞的含義僅僅是一種微觀上狹隘的自負(fù)。
以下是一些已應(yīng)用于機(jī)器的動(dòng)詞，對(duì)于這些機(jī)器，它們的能力與人類完全不同：
預(yù)測(cè)，拍打，分類，描述，估計(jì)，解釋，幻覺(jué)，聽(tīng)，想象，打算，學(xué)習(xí)，模型，計(jì)劃，玩耍，識(shí)別，閱讀，推理，思考，看，理解，行走，寫(xiě)作。
對(duì)于所有這些單詞，已有研究論文使用這些單詞在應(yīng)用于人類時(shí)所蘊(yùn)含的豐富含義的一小部分。不幸的是，這些詞的使用表明AI領(lǐng)域比人類領(lǐng)域有更多的含義。
這導(dǎo)致人們誤解然后夸大當(dāng)下人工智能的能力。
需要做的事：強(qiáng)調(diào)當(dāng)今人工智能驅(qū)動(dòng)程序的局限性
上述結(jié)論的推論是，當(dāng)今大多數(shù)基于機(jī)器學(xué)習(xí)的程序都可以被描述為僅完成一項(xiàng)任務(wù)：將一種類型的輸入映射到另一種類型的輸出。這是狹義人工智能的一個(gè)示例，這意味著人工智能驅(qū)動(dòng)的系統(tǒng)只能執(zhí)行一項(xiàng)任務(wù)，而不能執(zhí)行多種任務(wù)。將人工智能驅(qū)動(dòng)的程序稱為“智能”的另一個(gè)問(wèn)題是，作為人類，說(shuō)到“智能”時(shí)，我們指的往往是“廣義智能”，因此可能會(huì)假定該程序也具備廣義智能。避免這種誤解是至關(guān)重要的，這也是為什么在面對(duì)沒(méi)有人工智能專業(yè)知識(shí)的讀者石，我們需要使用諸如“基于人工智能的程序”或“人工智能驅(qū)動(dòng)的的軟件”之類的術(shù)語(yǔ)的另一個(gè)原因。
朱利安·托吉利烏斯（Julian Togelius）在他的博客文章中也指出了這一點(diǎn)：
…您可以放心地假定同一系統(tǒng)不能既玩游戲，也畫(huà)貓。實(shí)際上，我聽(tīng)說(shuō)過(guò)的基于人工智能的系統(tǒng)全都無(wú)法完成多項(xiàng)任務(wù)。即使同一位研究人員基于同一思想為不同任務(wù)開(kāi)發(fā)系統(tǒng)，他們也會(huì)構(gòu)建不同的軟件系統(tǒng)。當(dāng)記者們寫(xiě)道“X公司的AI已經(jīng)可以駕駛汽車，但現(xiàn)在也可以寫(xiě)詩(shī)”時(shí)，他們掩蓋了事實(shí)，即這些分別是不同的系統(tǒng)是，并不存在具有廣義智能的機(jī)器，不存在的。
而羅德尼·布魯克斯（Rodney Brooks）則說(shuō)：
問(wèn)題其實(shí)出在這里。人們聽(tīng)說(shuō)某些機(jī)器人或某些人工智能系統(tǒng)執(zhí)行了某項(xiàng)任務(wù)。然后，他們將這種能力泛化并概括為執(zhí)行相同任務(wù)的人類應(yīng)具有的能力。他們將這種概括應(yīng)用于機(jī)器人或人工智能系統(tǒng)。
當(dāng)今的機(jī)器人和人工智能系統(tǒng)的功能極為局限。人類的泛化概括并不適用于此。
需要做的事：避免與流行文化中對(duì)人工智能的描述進(jìn)行類比
盡管當(dāng)今人們對(duì)人工智能的使用都屬于“狹義人工智能”范疇，但到目前為止，大多數(shù)流行文化對(duì)人工智能的描述都集中在更像人類的廣義人工智能上。畢竟，專注于執(zhí)行人工指令的計(jì)算機(jī)程序聽(tīng)上去很無(wú)聊，而思考具有人類智能水平或更高智能水平的計(jì)算機(jī)程序的可能影響卻很有趣。對(duì)于藝術(shù)家來(lái)說(shuō)，思考廣義人工智能的意義當(dāng)然是可以的，但是由于流行文化中的人工智能與現(xiàn)實(shí)世界中的人工智能之間存在差異，我們建議避免與流行文化中對(duì)人工智能的描述進(jìn)行類比，除非進(jìn)行比較以指出廣義智能與俠義智能之間的區(qū)別。
不要做的事：引用著名人士對(duì)人工智能的意見(jiàn)
與其他技術(shù)主題相比，人工智能的一個(gè)特別復(fù)雜的方面是，人們長(zhǎng)久以來(lái)就在在科幻小說(shuō)中對(duì)其進(jìn)行思考和想象。盡管這些思考和想象十分有趣，但它們與當(dāng)今現(xiàn)實(shí)中的人工智能完全脫節(jié)，對(duì)此就不多說(shuō)了。許多著名人士（史蒂文·霍金，比爾·蓋茨，埃隆·馬斯克等）都對(duì)超人類的人工智能對(duì)人類的威脅表示擔(dān)憂，這些觀點(diǎn)是與當(dāng)今現(xiàn)實(shí)中的人工智能完全脫節(jié)的推測(cè)。正如羅德尼·布魯克斯（Rodney Brooks）所說(shuō)：
“ TC：您正在寫(xiě)一本關(guān)于AI的書(shū)，所以我要問(wèn)您：埃隆·馬斯克在上周末再次表達(dá)了人工智能是對(duì)人類的威脅。您同意不同意？”
“ RB：外面有很多人說(shuō)人工智能是對(duì)人類的威脅：天文學(xué)家皇家馬丁里斯（Stephen Hawking），斯蒂芬·霍金（Stephen Hawking）寫(xiě)了一本關(guān)于它的書(shū)，他們有一個(gè)共同點(diǎn)，那就是：他們不從事人工智能的相關(guān)研究工作。對(duì)于那些從事人工智能的相關(guān)研究工作的人來(lái)說(shuō)，我們知道將人工智能的相關(guān)項(xiàng)目推動(dòng)到產(chǎn)品級(jí)別是多么困難?！?
然而，這些報(bào)導(dǎo)諸如霍金擔(dān)心人工智能可能將取代人類比比皆是。盡管這種報(bào)導(dǎo)似乎沒(méi)有什么壞處，但它可能會(huì)誤導(dǎo)人們以為這樣的人工智能災(zāi)難是存在成為現(xiàn)實(shí)的可能性，并導(dǎo)致他們誤解或忽略了對(duì)當(dāng)今現(xiàn)實(shí)中的人工智能的真正擔(dān)憂。神經(jīng)科學(xué)家Anthony Zador和AI專家Yann LeCun最近表達(dá)了這一想法：
“他們[有關(guān)惡意的超級(jí)智能的猜測(cè)]分散了人們對(duì)該技術(shù)在不久的將來(lái)可能帶來(lái)的其他風(fēng)險(xiǎn)和收益的關(guān)注。”
需要做的事：準(zhǔn)確弄清任務(wù)是什么
以上建議與人們對(duì)人工智能粗淺的了解有關(guān)，我們的下一組建議將討論更具體的細(xì)節(jié)，人們?cè)谡務(wù)撊斯ぶ悄軙r(shí)需要特別注意這些細(xì)節(jié)，并且最好讓讀者有所了解。
機(jī)器學(xué)習(xí)的許多子領(lǐng)域（當(dāng)今大多數(shù)媒體報(bào)道的人工智能子領(lǐng)域），例如計(jì)算機(jī)視覺(jué)或自然語(yǔ)言處理，都涉及嘗試復(fù)制人類智能的某些方面。由于事實(shí)證明，復(fù)制人類水平的智能非常困難，因此數(shù)十年來(lái)，人工智能研究人員一直在通過(guò)定義與人類智能相關(guān)的更雄心勃勃的任務(wù)來(lái)逐步解決這些任務(wù)。例如，在計(jì)算機(jī)視覺(jué)的早期，一項(xiàng)任務(wù)是將3D形狀的2D圖像轉(zhuǎn)換為這些3D形狀的程序表示形式，可以通過(guò)計(jì)算機(jī)對(duì)其進(jìn)行旋轉(zhuǎn)操作：
摘自勞倫斯·吉爾曼·羅伯特（Lawrence Gilman Robert）的奠基性論文“三維立體的機(jī)器感知”。
這是一項(xiàng)很有用的任務(wù)，但將解決方案描述為能夠例如從2D圖像中創(chuàng)建任何對(duì)象的程序表示形式，而不僅僅是簡(jiǎn)單的3D形狀，這顯然是不正確的。同樣的觀點(diǎn)也適用于當(dāng)今的人工智能發(fā)展。例如，需要解決的問(wèn)題可能與“文本概括”類似，但解決方案的細(xì)節(jié)很重要–可以將文本概括為多少字？解決方案僅對(duì)一種文本有效嗎？它是否保持了概括內(nèi)容的真實(shí)內(nèi)容？依此類推-細(xì)節(jié)確實(shí)很重要。正如我們調(diào)查的回應(yīng)者所說(shuō)：
需要對(duì)要解決的問(wèn)題進(jìn)行非常具體描述。究竟是“可以寫(xiě)小說(shuō)”還是“可以連續(xù)寫(xiě)兩個(gè)連貫的句子”還是“可以寫(xiě)真實(shí)的新聞報(bào)道”？
應(yīng)該仔細(xì)解釋究竟什么是“超人的表現(xiàn)”，以什么標(biāo)準(zhǔn)來(lái)衡量？進(jìn)行比較的究竟是什么人？任務(wù)的局限性有多少？該模型使用了多少數(shù)據(jù)進(jìn)行計(jì)算？”
關(guān)于機(jī)器學(xué)習(xí)算法的演示，除了正確地描述任務(wù)的精確細(xì)節(jié)之外，還需要采取的一項(xiàng)具體措施是，從訓(xùn)練算法的數(shù)據(jù)集中提供示例，并為各種輸入提供輸出。這通常在機(jī)器學(xué)習(xí)主題的論文中加以描述，為了讓人們對(duì)被訓(xùn)練的程序可以接受的輸入類型及其定性性能有一個(gè)大致的了解。
定性演示性能的一個(gè)示例，該人工智能算法經(jīng)過(guò)訓(xùn)練可以輸出RGB圖像中各種對(duì)象周圍的輪廓。來(lái)自論文“學(xué)習(xí)分割候選對(duì)象“。
要界定邊界
明確了“任務(wù)是什么”的必然結(jié)論，就是知道了“任務(wù)不是什么”。在計(jì)算機(jī)科學(xué)中，解決關(guān)聯(lián)任務(wù)的難度對(duì)毫無(wú)經(jīng)驗(yàn)的人來(lái)說(shuō)并非顯而易見(jiàn)。就像XKCD漫畫(huà)中所表達(dá)的那樣：
因此，讀者可能不清楚能玩Go（例如AlphaGo）的程序不能玩Chess或做其他事情。所以，要清楚地說(shuō)明問(wèn)題是什么和問(wèn)題不是什么。再次引用Julian Togelius博客發(fā)帖：
建議：不要使用術(shù)語(yǔ)“an AI”或“an artificial intelligence”。常問(wèn)問(wèn)一個(gè)系統(tǒng)的局限是什么。問(wèn)問(wèn)它是否真的是與玩“太空入侵者”和“Montezuma的復(fù)仇”游戲一樣的神經(jīng)網(wǎng)絡(luò)。（提示：它不是）
不要忽視失敗
即使是狹義任務(wù)，AI系統(tǒng)也總是無(wú)法提供完美結(jié)果。指出這點(diǎn)很重要，而且也要謹(jǐn)慎說(shuō)明這些錯(cuò)誤如何發(fā)生，把這些失敗描述為意料之外的或神秘的，可能會(huì)進(jìn)一步加深系統(tǒng)中介機(jī)構(gòu)的印象，從而傳遞給讀者錯(cuò)誤的概念。還不如說(shuō)，失敗是由于復(fù)雜系統(tǒng)尚不能理解的行為，是由于人類沒(méi)能設(shè)計(jì)出足夠強(qiáng)健的系統(tǒng)，人類使用了有缺陷的數(shù)據(jù)，或其他原因?qū)е铝讼到y(tǒng)失敗。承認(rèn)人類決策（AI工程師）及其如何深深地影響系統(tǒng)（系統(tǒng)不僅僅是“the AI”做出的決策）對(duì)于清晰地刻畫(huà)我們今天所使用的AI非常重要。就像我們調(diào)查問(wèn)卷反饋中所表述的：
“理解數(shù)據(jù)的問(wèn)題/模式能如何影響系統(tǒng)；數(shù)據(jù)集通常太小/不完整/不是執(zhí)行該任務(wù)所需的；這是導(dǎo)致許多缺點(diǎn)的原因”
要在上下文背景中展示進(jìn)步
我們看到，有關(guān)AI新成果報(bào)道出現(xiàn)了一種令人擔(dān)憂的現(xiàn)象，即報(bào)道這些成果及其意義時(shí)就像他們是該領(lǐng)域首次發(fā)現(xiàn)。例如，當(dāng)google發(fā)布嘈雜空間講話者識(shí)別的最新成果時(shí)，許多文章指出這是“不可思議的”，但卻沒(méi)提及該成果只是這個(gè)課題幾十年研究更進(jìn)一步的進(jìn)展。盡管報(bào)道新想法及其意義非常有用，但如此報(bào)道可能導(dǎo)致更多不必要的關(guān)注。再次援引Togelius的博客:
記住：AI不是一個(gè)新領(lǐng)域，很少有想法是全新的。深度學(xué)習(xí)領(lǐng)域那令人敬畏但稍顯過(guò)分宣傳的當(dāng)前進(jìn)展，植根于上世紀(jì)80-90年代神經(jīng)網(wǎng)絡(luò)研究。相應(yīng)地，這些研究則是基于上世紀(jì)40年代以來(lái)的想法和實(shí)驗(yàn)。大多數(shù)情況下，前沿研究是由一些方法的細(xì)微變化和改進(jìn)構(gòu)成；而早在獲得這些進(jìn)展的研究人員出生之前，這些方法就已經(jīng)設(shè)計(jì)出來(lái)了。反向傳播——賦能今天很多深度學(xué)習(xí)的算法，已經(jīng)有幾十年的歷史了，而且是很多個(gè)人獨(dú)立發(fā)明的。
建議：在報(bào)道那些令人興奮的新進(jìn)展時(shí)，也咨詢一下年長(zhǎng)的或至少中年的AI研究人員。有些人在AI變得很酷或它還不那么酷之前就一直在研究AI，因此他們已見(jiàn)證過(guò)AI熱潮的全周期。這些人有可能告訴你這項(xiàng)新進(jìn)展是對(duì)哪個(gè)舊想法的改進(jìn)。
與此相關(guān)的另一個(gè)建議就是，避免模糊表述，諸如“此類技術(shù)使家庭機(jī)器人很快成為可能”，這種表述掩蓋而非清晰說(shuō)明了新研究的意義。這個(gè)建議也適用于對(duì)研究的關(guān)注。報(bào)道目前可能的誤用，好于警示不明確的未來(lái)后果。通常，任何新文章都代表了邁向AI巨大挑戰(zhàn)的微小進(jìn)步，這些文章應(yīng)該被清楚地表達(dá)出來(lái)。
結(jié)論
我們希望這一系列推薦的最佳實(shí)踐說(shuō)明了AI媒體報(bào)道中一些非顯而易見(jiàn)的陷阱。當(dāng)然，適用于任何媒體報(bào)道的建議（多渠道訪談，對(duì)在某領(lǐng)域有經(jīng)濟(jì)利益的訪談?wù)叩挠^點(diǎn)持懷疑態(tài)度，避免鉤餌，等）也適用于AI，但AI研究者經(jīng)常惱怒地發(fā)現(xiàn)這些建議并未被遵守：
作為AI研究人員，可以理解，我們?cè)谶@個(gè)領(lǐng)域投入了大量精力，我們希望盡可能準(zhǔn)確地與公眾交流這個(gè)話題。我們期望這篇文章略有裨益，也鼓勵(lì)媒體記者聯(lián)系我們，與我們探討如何就AI媒體報(bào)道提供進(jìn)一步幫助。
本文首發(fā)于微信公眾號(hào)：大數(shù)據(jù)文摘。文章內(nèi)容屬作者個(gè)人觀點(diǎn)，不代表和訊網(wǎng)立場(chǎng)。投資者據(jù)此操作，風(fēng)險(xiǎn)請(qǐng)自擔(dān)。
相關(guān)推薦
- 免責(zé)聲明
- 本文所包含的觀點(diǎn)僅代表作者個(gè)人看法，不代表新火種的觀點(diǎn)。在新火種上獲取的所有信息均不應(yīng)被視為投資建議。新火種對(duì)本文可能提及或鏈接的任何項(xiàng)目不表示認(rèn)可。 交易和投資涉及高風(fēng)險(xiǎn)，讀者在采取與本文內(nèi)容相關(guān)的任何行動(dòng)之前，請(qǐng)務(wù)必進(jìn)行充分的盡職調(diào)查。最終的決策應(yīng)該基于您自己的獨(dú)立判斷。新火種不對(duì)因依賴本文觀點(diǎn)而產(chǎn)生的任何金錢(qián)損失負(fù)任何責(zé)任。
