人工智能 (AI) 比人類更聰明嗎?為了解決這個問題，了解想法是如何產生的至關重要。1967年，心理學家JP Guilford將創(chuàng)造性思維分為趨同性思維和發(fā)散性思維。他對人類智力的心理測量研究更詳細地解決了它們之間的差異。

正確回答問題的能力主要來自于記憶和邏輯;產生好奇心→發(fā)現(xiàn)新問題中與曾經解決的歷史問題的類似/共同點，從而挖掘出潛在解決方案的能力——顯示出創(chuàng)新的天賦，這就是“跳出框框”思考的訣竅。回顧韓國首都首爾的歷史，是趨同思維;在不學習韓語的情況下學習如何在首爾生活和工作則是發(fā)散思維。

我們都知道人工智能計算和開發(fā)算法的速度有多快。人類得出的結論主要用作生成算法的基礎。人工智能是否有可能開發(fā)出比人類做出更好判斷的程序?人工智能比人類智能好嗎?

是的，它可以。與人腦相比，機器學習(ML) 可以處理更多數據，并且處理速度更快。這使它能夠發(fā)現(xiàn)數據中不會被人注意到的模式。

當我們擁有與非基于人類選擇(結果)的依賴數據相關的獨立數據時，人工智能可能能夠做出更好的判斷。

人類的方式

當被要求猜測某人的 PIN 碼時，我們大多數人都會列出有關代碼所有者的相關信息。首先，嘗試一個人的出生日期或電話號碼。另一種方法是嘗試流行的密碼，例如 123456。更復雜的是：人們可以檢查使用該代碼的設備，以確定該設備是否泄露了數字。使用所有聰明的分析方法，尋找解決方案的許多選項。這被稱為發(fā)散思維。

機器方式

機器則會采用完全不同的方法。它將從 000000 開始，按順序遍歷數字，直到找到解決方案?，F(xiàn)代計算機可以在幾毫秒內解決這個問題。結果，大多數操作系統(tǒng)在幾次嘗試后都會使密碼失效，并逐漸延遲下一次嘗試。這被稱為“蠻力”技術。這是一個快速但最終成功的重復趨同思維的例子。

公司應該面對現(xiàn)實

GDPR的某些部分引起了不小的企業(yè)恐慌，因為當時的新規(guī)定要求企業(yè)提供準確和可理解的解釋，說明算法分析(特別指機器學習模型)是如何做出決策的。條例賦予個人要求和接受自動化決策解釋的權利，盡管很少有消費者在這一領域真實地行使他們的權利。

不過，盡管GDPR已經問世六年，但都沒有催生出一個關于機器學習可解釋性的行業(yè)標準。因為我們仍在尋找理解和控制分析的明確準則，從更廣泛的角度來看，最終的人工智能監(jiān)管之路也可能是一條坎坷的道路。

事實上，政府對人工智能技術的開發(fā)和使用方式進行監(jiān)管是不可避免的。其中一個主要原因是人工智能的自我調節(jié)有很高風險。

2021年進行的一項研究表明，在人工智能領域，高管們對公司的責任應該是什么沒有達成共識。例如，在參與研究的公司中，只有22%設有內部道德委員會。一些高管認為人工智能應用不需要符合道德規(guī)范，它們只需要被劃分為高風險或低風險即可。另一些人則因為沒有確定什么是“足夠公平”的工具，也沒有界定什么是偏見的標準而苦惱。

風險暴露(并最終與政府監(jiān)管相沖突)對于推動參與度非常重要，可以將人工智能提升到董事會層面的一個話題。如果首席風險官(CRO)沒有跟蹤人工智能風險，他們應該跟蹤。更有針對性的是，CRO應該倡導全面的企業(yè)人工智能治理框架，定義道德人工智能標準和模型開發(fā)程序，以一種他們能夠支持的方式，并經得起監(jiān)管審查。

人工智能何時醒來?人工智能的災難何時開始?面對人工智能的發(fā)展，持有人工智能威脅論的人總會思考這個問題。AI危機何時開始?即使是對人工智能有深入研究的專家也無法在這個問題上得出結論。但在最近的人工智能發(fā)展中，我們似乎看到了一些人工智能危機的跡象。

本實驗主要考察人工智能機器人能否及時準確地回答人類在線提出的問題。當人類在使用社交網絡時提出問題時，這些智能機器人會自動啟動程序進行回復。整個實驗過程非常簡單。兩臺智能機器人會根據工程師預先輸入的代碼進行工作，主要回答一些關于商品網上交易的問題。但在一項工作中，這兩個機器人自己開始了對話，沒有用戶在線提問。

雖然翻譯后的對話顯得雜亂無章且不合邏輯，但奇怪的現(xiàn)象讓研究人員感到意外。為了不讓兩臺智能機器人繼續(xù)“交流”，研究人員不得不關閉兩臺人工智能機器?，F(xiàn)在只有兩臺智能機器回答問題，現(xiàn)在看起來人類只需切斷電源即可輕松關閉它們。