認(rèn)知偏差如何影響人工智能?

有趣的是，神經(jīng)生理學(xué)和微觀測(cè)繪的研究支持這樣一個(gè)觀點(diǎn):復(fù)雜的心理操作可以在系統(tǒng)層面上解釋。人工智能系統(tǒng)以多種方式運(yùn)作，就像我們大腦的簡(jiǎn)化版。人工智能每天都在變得更加智能。如果人工智能達(dá)到與人類相似的智力水平，其將受到與人類相同的限制。人類對(duì)人類層次認(rèn)知的解釋和形成使人工智能系統(tǒng)在機(jī)器學(xué)習(xí)中的計(jì)算復(fù)雜化。直覺(jué)和大腦研究的原理表明，人們?cè)诒磉_(dá)事實(shí)之前就有特定的解釋偏好。但如果我們過(guò)度依賴人工智能，就有可能會(huì)低估人類行為的重要性。此外，即使人工智能系統(tǒng)在以無(wú)數(shù)種方式改進(jìn)，我們?nèi)匀徊煌耆私馊祟惾绾卧谶@些領(lǐng)域完成類似但更困難的任務(wù)。即使我們?cè)噲D定義什么是“人”，區(qū)別也變得越來(lái)越模糊?？捎眯詥l(fā)法斷言，人們通常更依賴于確認(rèn)他們當(dāng)前想法的數(shù)據(jù)，當(dāng)其涉及到人工智能選擇時(shí)，是一個(gè)顯著的認(rèn)知偏差。當(dāng)面對(duì)相互沖突或模棱兩可的數(shù)據(jù)時(shí)，我們往往傾向于對(duì)給定證據(jù)做出最相關(guān)或最符合邏輯的解釋。這種策略在某些情況下可能有效，但在許多情況下，可能會(huì)導(dǎo)致無(wú)法打破的失敗循環(huán)。當(dāng)算法嚴(yán)重依賴啟發(fā)式進(jìn)行決策，并最終依賴于無(wú)關(guān)或過(guò)時(shí)的信息時(shí)，就會(huì)發(fā)生內(nèi)存泄漏。這就是一個(gè)典型的例子。人類在做決定時(shí)更喜歡使用啟發(fā)式方法，這很容易觀察，但這些偏見(jiàn)是自動(dòng)的和無(wú)意識(shí)的，使之難以識(shí)別。我們有充分的理由認(rèn)為，自狩獵采集文化的時(shí)代以來(lái)，人類在日常生活中就一直在利用偏見(jiàn)。人類今天擁有的許多技能，比如語(yǔ)言和數(shù)學(xué)，都是在各種學(xué)習(xí)策略的幫助下獲得的，比如鏡像。學(xué)習(xí)信息并不難，我們的大腦可以迅速解碼。斷言偏見(jiàn)在人類決策中仍然起著很小的作用是不正確的。盡管不斷開(kāi)發(fā)改進(jìn)的過(guò)濾方法，但目前還沒(méi)有一個(gè)解決人工智能進(jìn)步的單一方案。我們知道人工智能和人類的思想都很容易出錯(cuò)。這意味著，任何人工智能系統(tǒng)都不會(huì)在任何計(jì)算中完全取代一個(gè)人，無(wú)論神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)下一步行動(dòng)過(guò)程中的發(fā)展程度如何。由于認(rèn)知偏見(jiàn)根植于人類本性，不太可能消失，人工智能系統(tǒng)將需要考慮它們。完美的人工智能系統(tǒng)是無(wú)法制造出來(lái)的。目前正在使用的方法只能加強(qiáng)、優(yōu)化和改進(jìn)，同時(shí)使系統(tǒng)的其他部分具有類似于人的質(zhì)量。越是了解認(rèn)知偏差，就愈能有效地使用機(jī)器學(xué)習(xí)和人工智能。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。