AI帶來失業問題
人工智能會取代重復性、機械性的工作，那些從事簡單勞動的人們將會失業，復雜勞動這些人又不會，這將造成失業率的持續上升，這是社會進步的必然趨勢。失業率上升會帶來很多問題，比如社會穩定性降低，犯罪率上升，貧富差距拉大等等，當失業者發現連自己和家人都無法養活，那么很可能會用暴力手段表達他們的不滿。在西方發達國家，因為簡單工作的機會越來越少，所以那些沒有技能的人們均將面臨失業，而國家不會養著這些整天無所事事的人，必然將更多的資源提供給那些擁有技能，工作的人們。有時候技術進步能解決生產力的問題，但也同時會帶來更多的社會問題，AI技術也是如此，好在目前AI技術還不是那么成熟與發達，很多工作還不能用AI來替代，隨著AI的發展，可替代的工作會越來越多。有一句話對AI技術的看法說的非常有道理：“AI不會代替人類，但是會廢掉人類。”，就是說不用擔心AI會取代人類，那些擔心AI機器人會取代人類的想法是幼稚的，但AI的確會廢掉人類，讓人們不用再努力工作，絕大部分的工作都將由AI來完成，社會只需要一小撮懂得AI算法的人，其它大部門人都將失業，無法找到工作，成為“無用”的人，廢掉人類。
AI還缺少數據樣本
AI技術這兩年非常高調，吸引了大批投資者的青睞。但實際AI技術發展還比較初級，還未和很多行業結合起來。就像已經發展了多年的AI自動駕駛汽車，智能眼鏡，機器視覺等技術，還未開花結果，不能夠實用，還需要不斷研究。以自動駕駛來說，單純靠算法，車輛上路百分百會出事故，AI能解決的交通實際問題只有不到40%。我們知道，AI要進行大量的數據學習，才能夠比較準確的獨立完成工作，就像我們人類，從小嬰兒長到成人，不斷在接收各種知識，不斷去學習，才能在成人后去自己完成一些工作，工作的過程中也是需要不斷學習，這需要大量的數據輸入，接觸的數據多少直接決定了這個人所能完成的工作難度。AI也是這樣的過程，所以需要大量的輸入數據，而這些數據樣本是極多的，要覆蓋到很多方面，這樣才能使得AI看起來很智能。現在的AI缺乏的就是這些數據樣本，海量的學習樣本數據才能讓AI發揮作用，所以要不斷地采集數據，這使得AI看起來更像是數據采集技術，AI技術完全依托于這些數據，過少的數據樣本將使AI失去意義，AI的準確率將大大降低。現在的互聯網每天產生海量的數據，但大部分是無用的垃圾數據，并不能都為AI所用，有效的數據太少，也是AI走向成熟的絆腳石。
AI算法還比較初級
AI需要算法，通過大量的復雜計算讓機器可以模仿人類工作。從1956年開始，AI專家們就野心勃勃，試圖創造出不遜于人類智力水平的機器，但隨后AI的每一個新浪潮都經歷了從盲目樂觀到徹底淪喪的輪回，從一開始通用問題的求解器，到后來的感知機技術、基于規則的專家系統，以及遺傳算法、神經網絡、概率圖模型、支持向量機等，沒有人能夠統計出這個世界到底有多少種算法，而這些算法最大的問題是僅限于理論研究層面，AI的算法從理論走向實踐，不僅要跨越各種復雜應用場景，還有CPU和GPU的問題，對應用場景的理解問題，AI要在更多的應用中落地還需要不斷完善，那些永遠走不出實驗室的理論算法最終都將被拋棄，真正的算法是需要和應用緊密結合的，當前的AI算法還都比較初級，偏理論多一些，并不實用。
AI不能解決所有問題
AI現在不能解決所有問題，未來也不能。機器是沒有情感的，只能根據輸入的數據來進行學習，然后按照既定設計完成相應功能，AI需要大量數據來運作，但通常沒有合適的數據基礎設施來支持AI學習，最終AI會學的四不像，無法真正有效地完成功能，更多的是從事一些指令性的工作，這些還稱不上是AI，就像生產線上的機器手一樣，都是提前輸入指令，由機器手臂按照固定的步驟操作完成而已，非常初級的AI。大腦對人類還是未知的，我們并不清楚大腦是如何進行學習和工作的，AI其實就是模仿人腦去思考和工作，但我們對大腦的機理并不清楚，就無法通過AI完全模擬人腦，AI無法完全代替人腦去學習和工作，AI更多時候是根據輸入的數據，將見到的問題錄入與已輸入的數據進行對比，有重疊度比較高的就認為匹配成功，執行相應的預設動作，當已有的樣本庫里沒有匹配到，那AI也不知道該怎么辦。在很多人類活動中，摻雜著很多復雜的社會問題，比如說種族歧視、國家競爭、疾病傳染等問題，AI顯然還意識不到這些問題的存在，這些數據不好采集和錄入，AI算法也沒有考慮這些社會因素，這些都是AI無法解決的問題。
關于AI的話題很多，AI技術繁榮的背后隱含著很多問題，AI的發展也必定不會一帆風順。在這幾十年AI發展歷程中，AI已經經歷了起伏數次，這一次AI也是來勢洶洶，最終是否會剎羽而歸，還不得而知。
京公網安備 11010502049343號