面对未来的AI：三大挑战

当AI如ChatGPT在2022年末突然崭露头角时，不仅展现了AI的惊人进步，还描绘出了一个充满可能性的未来，重新定义着我们的工作、学习和娱乐方式。尽管AI的潜力对许多人来说显而易见，但其中隐藏了一些棘手的伦理和风险问题。

应对这些风险就像解开一幅巨大的拼图，这幅拼图定义着我们的时代。因此，许多AI领域的专家正积极倡导制定一些基本规则，以确保AI的使用受到约束。毕竟，AI的应用不仅仅是口号，它已经变得至关重要。

我们正在深入研究专家们的见解，解开围绕他们的道德困境，并研究如何影响人工智能和其他技术的未来。

人工智能系统需要使用数据进行训练。但数据集往往是由有偏见或不准确的人制作的。因此，人工智能系统会使偏见长期存在。在招聘实践和刑事司法中尤其如此，管理这些偏见可能很困难。

IEEE高级会员Kayne McGladrey表示：“我们可以手动或自动审计软件代码中的隐私缺陷。同样，我们可以审计软件代码的安全缺陷。但是，我们目前无法审计软件代码是否存在道德缺陷或偏见，即将出台的大部分法规将对人工智能模型的结果进行歧视性筛选。”

随着生成人工智能的兴起，公司正在重新构想如何完成工作。虽然很少有人认为需要创造力和判断力的工作可以完全自动化，但人工智能可以提供帮助。例如，当作家陷入困境时，生成型人工智能可以提供对话想法。它不能充当你的律师，但一个好的律师可以利用生成人工智能来撰写动议的初稿，或进行研究。

IEEE会员Todd Richmond说：“我们需要共同弄清楚什么是“人类的努力”，我们愿意把什么交给算法，比如制作音乐、电影、行医等。”

在全球技术领袖的调查（https://transmitter.ieee.org/impact-of-technology-2024/）中，其中50%的受访者表示，将AI整合到现有工作流程中存在困难，是他们对于在2024年使用生成式AI的前三大担忧之一。

生成型人工智能可以”自信”地阐述事实，但问题是这些事实并不总是准确的。对于所有形式的人工智能，很难弄清楚该软件究竟是如何得出结论的。

在调查中，59%的受访者表示，“过度依赖人工智能和其潜在的不准确性”是他们组织中人工智能使用的首要问题。

部分问题在于训练数据本身可能不准确。

IEEE终身会士Paul Nikolich说：“验证训练数据很困难，因为来源不可用，且训练数据量巨大。”

人工智能可能越来越多地被用于关键任务、拯救生命的应用。

“在我们使用人工智能系统之前，我们必须相信这些人工智能系统将安全且按预期运行，”IEEE会士Houbing Song说。

在2024年及以后，预计将大力确保人工智能结果更加准确，用于训练人工智能模型的数据是干净的。