研究發(fā)現(xiàn)人工智能存在大數(shù)據(jù)問題

從字面上看，人工智能已經(jīng)遇到了一個(gè)大數(shù)據(jù)問題，而危機(jī)現(xiàn)在已經(jīng)使人們無法再忽視它了。

對(duì)于企業(yè)，政府和個(gè)人而言，全球大流行有效地重新定義了“正常”生活。但是，盡管我們大多數(shù)人現(xiàn)在已經(jīng)適應(yīng)了這種變化，但對(duì)于AI系統(tǒng)卻無法說同樣的話，因?yàn)锳I系統(tǒng)的預(yù)測基于過去的樣子。

英國數(shù)學(xué)家大衛(wèi)·巴伯(David Barber)在CogX 2020會(huì)議上說：“目前，人工智能系統(tǒng)的部署比較笨拙。通常，您到那里去，收集數(shù)據(jù)集，對(duì)其進(jìn)行標(biāo)記，對(duì)其進(jìn)行訓(xùn)練，然后進(jìn)行部署。就是這樣–您無需重新訪問已部署的系統(tǒng)。但是，如果環(huán)境正在發(fā)生變化，那就不好了。”

理發(fā)師指的是有監(jiān)督的機(jī)器學(xué)習(xí)，他將其稱為當(dāng)今的AI“經(jīng)典范例”，其中包括示例教學(xué)算法。在監(jiān)督模型中，向AI系統(tǒng)提供了一個(gè)大型數(shù)據(jù)集，該數(shù)據(jù)集先前已被人類標(biāo)記過，并用于訓(xùn)練該技術(shù)識(shí)別模式并做出預(yù)測。

您可以訓(xùn)練一種算法，例如根據(jù)個(gè)人的收入或信用評(píng)分，自動(dòng)執(zhí)行的貸款決策。提示，以及整套全新的業(yè)模式，以及AI系統(tǒng)可能很難確定誰來取錢。

同樣，在危機(jī)發(fā)生后的幾個(gè)月中，一名研究人員指出，盡管算法已經(jīng)提供了所有訓(xùn)練數(shù)據(jù)，但對(duì)理解疾病爆發(fā)的性質(zhì)或其在全球的蔓延并沒有幫助。。

該研究解釋說，由于缺乏有關(guān)過去的培訓(xùn)數(shù)據(jù)，因此發(fā)現(xiàn)由AI工具生成的大多數(shù)預(yù)測都缺乏可靠性，其結(jié)果通常偏離了危機(jī)的嚴(yán)重性。

同時(shí)，在健康技術(shù)領(lǐng)域，由于缺少有關(guān)病毒的相關(guān)數(shù)據(jù)，人工智能健康工具的制造商一直在努力更新其算法，從而導(dǎo)致許多“癥狀查找器”聊天機(jī)器人的功能偏離了預(yù)期。