最后一篇了，前3篇分別講解了

（一）AI是什么

（二）如何在項(xiàng)目中搭建AI

（三）如何在公司里運(yùn)用AI

• AI的炒作-需要糾正認(rèn)知

• AI的局限（這部分很有意思）

• 對少數(shù)者的歧視

• 對于對抗攻擊敏感-比如垃圾郵件創(chuàng)造者會想盡辦法攻擊垃圾郵件過濾系統(tǒng)
  

• AI與發(fā)展中經(jīng)濟(jì)體和就業(yè)

不要太樂觀：認(rèn)為AI可以做任何事，應(yīng)該大力發(fā)展，但其實(shí)還要花很多的精力來對抗作惡的AI，這樣行業(yè)才能健康發(fā)展；

也不要太悲觀：回看歷史，好像又一個AI的寒冬即將到來，但AI當(dāng)今對社會貢獻(xiàn)的價(jià)值不容忽視；

保持客觀認(rèn)知：AI不是什么都能做，但可以幫助產(chǎn)業(yè)升級。

AI的局限性：不能自我解釋，完全黑盒運(yùn)作。

比如這個通過x光片檢測疾病的AI，假設(shè)AI說是氣胸，那醫(yī)生是否應(yīng)該完全聽從AI的診斷呢？畢竟AI也不是100%正確，這就需要AI解釋它的這種判斷的原因，比如右側(cè)的熱力圖，所以現(xiàn)在的AI只能做到一個參考。

效果類似于烏合之眾，目前的AI只能反映大群體的利益訴求，而無法重視小個體的意見，所以很容易造成忽視了個別性別，年齡，種族等的偏好。

AI會學(xué)習(xí)不健康的刻板印象

比如把網(wǎng)絡(luò)上的文字信息都輸入到AI中，然后訓(xùn)練AI的類比能力，比如男人是父親，那女人是什么，AI會輸出母親；男人是國王，那女人就是女王；男人是程序員，女人呢？AI會輸出家庭主婦……這就是AI的偏見，也是大眾的偏見，按文中的觀點(diǎn)，理性的推理應(yīng)該也是程序員。

這樣的偏見會有什么影響？

AI的招聘工具會歧視女性，人臉識別工具會對白人識別的更好，AI貸款工具會減少少數(shù)民族的審批。

如何對抗偏見呢？

技術(shù)上可以定向標(biāo)記有偏見的詞，讓訓(xùn)練數(shù)據(jù)本身就具有更少的偏見，把過程更透明化，讓勞動力更多元化。

深度學(xué)習(xí)有時候也會因?yàn)楣舳兇馈?/p>

代碼級的修改，會讓AI把火鳥當(dāng)成錘子，吧野兔當(dāng)成桌子。

還有物理級的攻擊，比如帶上一個眼睛，AI就把你識別為一個明星；在停車標(biāo)識上加了幾個圖片，AI就無法識別了；在一個香蕉周圍放個貼紙，AI就把他當(dāng)成吐司了。

垃圾郵件制造者會不斷的優(yōu)化垃圾郵件，以試圖越過AI的垃圾郵件識別系統(tǒng)；盜號偷錢的人會不斷優(yōu)化盜取方式，來躲避AI安全系統(tǒng)的監(jiān)測；

這有點(diǎn)類似于殺毒軟件和病毒的關(guān)系，大部分時候都是持續(xù)的相互博弈，類似于一個零和游戲。

合成圖片或者視頻，偽造了一個人從沒做過的事

破壞民主和隱私，監(jiān)控民眾

偽造假的評論

垃圾郵件和黑客攻擊

下圖就是個很直觀的例子，AI可以助力快速提升經(jīng)濟(jì)體能力水平，就像很多發(fā)展中經(jīng)濟(jì)體比如中國和印度，就不用糾結(jié)打造很多路上的通訊線路，而是直接跨越到移動通訊的時代，達(dá)到越級提升的效果。

還有移動支付和在線教育領(lǐng)域也是，直接從信用卡支付跳躍到移動支付，直接從建造很多學(xué)校跳躍到直接使用在線教育。

很多人說AI會導(dǎo)致大規(guī)模的事業(yè)，但更全面的說法是，很多重復(fù)性工作的崗位會被AI取代，但同時AI會創(chuàng)造出更多的崗位，比如現(xiàn)在就有一種AI產(chǎn)業(yè)下的勞動密集型崗位，叫數(shù)據(jù)標(biāo)記工人，用來標(biāo)記AI需要的訓(xùn)練數(shù)據(jù)。

職場上如果想持續(xù)輸出價(jià)值，可以首先做好自己的本業(yè)，同時學(xué)習(xí)AI，讓AI賦能自己的本業(yè)。

學(xué)完了這4周的課程，再看這個熱門事件就覺得很有意思（

百年老圖難倒谷歌AI

很多人看到這篇文章的第一反應(yīng)是AI也不過如此嘛，也有AI做不到的事情。

但事實(shí)是人也沒法確定這到底是只鳥，還是鴨子，還是兔子，這題一定有標(biāo)準(zhǔn)答案嗎？其實(shí)生活中也有很多同樣的例子，一個人既是個好人又是個壞人，完全取決于用什么視角來看待，比如這張圖，順時針旋轉(zhuǎn)45度，就會更像一只兔子，AI也只不過是把大家的常規(guī)視角用概率的方式顯示出來了而已。

至于到底誰對誰錯完全不是最重要的，而是說怎樣優(yōu)化AI來更好的幫助人類解決問題。

包括之前提出的AI具有偏見的問題，我想也只是一個階段性的問題，因?yàn)楝F(xiàn)在的AI主要解決的就是大規(guī)模的重復(fù)性出現(xiàn)的問題，而如何避免偏見的問題，更多是依靠在AI成熟后所展現(xiàn)出的多元性來解決。

還有本篇說到AI的脆弱性（極易遭到攻擊），也算是一個比較少見的視角，但豐富了我們的認(rèn)知，或者說更全面了的認(rèn)識到了AI的發(fā)展過程。

對AI的學(xué)習(xí)，對于絕大多數(shù)人，到這里就足夠了，不過知識得和人分享溝通才會變成自己的知識，所以歡迎給我留言，一起學(xué)習(xí)和成長。