戳穿人工智能的六个谎言：辨别真伪

人工智能（AI）无疑是我们这个时代的流行语。特别是随着 ChatGPT 等生成式 AI 应用程序的出现，AI 大受欢迎，成为了技术大辩论的核心话题。

所有人都在谈论像 ChatGPT 这样的生成式 AI 应用程序的影响以及利用它们的能力是否公正。然而，面对这场完美风暴，围绕 AI 一词的种种谎言和误解突然随之激增。您可能已经听过很多这样的谎言和误解了。

不妨深入研究这些谎言，戳穿它们，以了解 AI 的真正本质。

1. AI 是智能的

与普遍的看法相反，AI 一点也不智能。现在大多数人确实认为基于 AI 的模型很智能。这可能是由于“人工智能”这个名称中含有“智能”一词。

但是智能是什么意思呢？智能是生物体独有的一种特征，其定义是获取并运用知识和技能的一种能力。这意味着智能使生物体能够与周围环境相互作用，从而学会如何生存。

另一方面，AI 是一种机器模拟，旨在模仿这种自然智能的某些方面。我们接触的大多数 AI 应用程序（尤其是在商业和在线平台领域）都依赖机器学习。

这些是专门的 AI 系统，使用大量数据进行特定任务的训练。它们擅长完成指定的任务，无论是玩游戏、翻译语言还是识别图像。

然而一旦超出其预期范围，它们通常是无用的……在一系列任务中拥有类似人类智能的 AI 这个概念被称为通用 AI，我们离实现这个里程碑事件还很遥远。

2. 始终越大越好

科技巨头们常常竞相吹嘘自家的 AI 模型的规模有多庞大。

Llama 2 开源 LLM 以强大的 700 亿参数版本让世人感到惊讶，而谷歌的 Palma 拥有 5400 亿参数，OpenAI 最近发布的 ChatGPT4 更是拥有 1.8 万亿参数。

然而，LLM 的成百上千亿个参数不一定意味着有更好的性能。数据的质量和训练方法常常是决定模型性能和准确性的更关键因素。斯坦福大学的 Alpaca 实验已经证明了这点，一个简单的使用 70 亿参数的基于 Llama 的 LLM 其性能可以与多达 1760 亿参数的 ChatGPT 3.5 相媲美。

所以并非始终是越大就越好！优化 LLM 的大小及其相应性能将使这些模型在本地得到更广泛的使用，并让我们可以将它们集成到日常设备中。

3. AI 毫无透明度和问责制可言

一个常见的误解是，AI 是神秘的黑盒子，缺乏任何透明度。实际上，虽然 AI 系统可能很复杂，仍然相当不透明，但业界正在努力提高其透明度和问责制。

监管机构要求有道德、负责任地使用 AI。《斯坦福人工智能透明度报告》和《欧洲人工智能法案》等重要举措旨在促使企业提高 AI 透明度，并为各国政府在这个新兴领域制定法规提供基础。

透明 AI 已成为 AI 社区的一个核心讨论话题，涵盖众多问题，比如允许个人确定 AI 模型全面测试的流程和理解 AI 决策背后基本原理的流程。

这就是为什么全球各地的数据专业人士已经在研究使 AI 模型更加透明的方法。

所以虽然这个谎言可能部分正确，但显然不能作为常识。

4. AI 一贯正确

许多人认为 AI 系统是完美的，不会出错。事实绝非如此。与任何系统一样，AI 的表现取决于其训练数据的质量。这些数据常常是由人类创建或管理的。如果这些数据含有偏见，AI 系统会在不经意间将偏见固化下来。

麻省理工学院（MIT）的一个团队分析了多个广泛使用的预训练语言模型后发现，将性别与某些职业和情绪关联时存在明显的偏见。比如说，空姐或秘书等角色主要与女性特质联系在一起，而律师和法官与男性特质联系在一起。该团队在情感方面观察到了同样的行为。

其他发现的偏见与种族有关。随着 LLM 进入医疗保健领域，有人开始担心，它们可能会承袭基于种族的有害的医疗实践，反映出训练数据中固有的偏见。

人工干预至关重要，需要监督和纠正这些缺点，确保 AI 的可靠性。关键在于使用具有代表性、无偏见的数据，并进行算法审计以消除这些偏见。

5. AI 严重冲击就业市场

最普遍的担忧之一是，AI 将导致大规模失业。

然而历史表明，虽然技术可能会淘汰某些工作，但同时也会造就新的行业和机会。

比如说，世界经济论坛预测，虽然到 2025 年 AI 可能会取代 8500 万个工作岗位，但也将创造 9700 万个新岗位。

6. AI 主宰人类

最后一个谎言也是最反乌托邦的。以《黑客帝国》和《终结者》等电影为代表的流行文化描绘了 AI 可能奴役人类的可怕场景。

尽管 Elon Musk 和 Stephen Hawking 等颇有影响力的人物表达了担忧，但 AI 的现状远非这种反乌托邦的形象。今天的 AI 模型（比如 ChatGPT）是为了协助完成特定的任务而设计的，不具备科幻作品中描述的能力或动机。

所以现在，我们仍是安全的！

主要结论

总之，随着 AI 不断发展并融入到我们的日常生活中，辨别真伪至关重要。只有有了清晰的认识，我们才能充分利用 AI 的潜力，负责任地应对其挑战。

谎言会影响判断，阻碍进步。只有对 AI 的实际范围有清晰的了解，我们才可以向前迈进，确保这项技术服务于人类。

相关拓展

数字化领域从来不缺新概念，与生成式 AI 盛行的还有低代码，挖掘数字化应用的低成本建设模式从来都在进行时。

在过去，开发一套系统只能通过软件工程师通过代码进行开发，所以任何一个系统的开发都需要大量的软件工程师资源，使得很多企业谈到系统就想到高额的成本投入。低代码平台的出现改变了传统软件开发模式，实现少量代码甚至无需代码即可完成系统的开发，并自动实时发布到云端，做到随搭随用。

JNPF 低代码开发平台，很多人都用过它，它是功能的集大成者，任何信息化系统都可以基于它开发出来。

这是一个基于 Java Boot/.Net6 构建的简单、跨平台快速开发框架。前后端封装了上千个常用类，方便扩展；集成了代码生成器，支持前后端业务代码生成，满足快速开发诉求；框架集成了表单、报表、图表、大屏等各种常用的 Demo 方便直接使用；后端框架支持 Vue3。

为了支撑更高技术要求的应用开发，从数据库建模、Web API 构建到页面设计，与传统软件开发几乎没有差异，只是通过低代码可视化模式，减少了构建“增删改查”功能的重复劳动。

在国内的低代码领域里，只有 JNPF 把这个平衡做到了最好，既可以生成前端、后台和数据库代码。前后端分离架构，基于可视化流程建模、表单建模、报表建模等工具快速构建业务应用。即可私有化部署，也支持 K8S。

应用地址：JNPF