欢迎来到我们为期一个月的“数据解密”系列的第十一篇。作为数据素养月的一部分，本系列将厘清数据世界中的关键概念，回答您可能不太好意思开口的问题，并在此过程中保持趣味性。若您想从头开始，请阅读本系列的首篇文章：什么是数据集？
本周，我们将更深入地审视新闻如何报道 AI，以及每个人都应当留意的一些 AI 陷阱。本文将讨论 AI 如何在新闻中被夸大渲染，以及如何避免落入 AI 炒作陷阱。
如果您想进一步熟悉 AI 及其领域中使用的各种术语，建议回看“数据解密”系列较早的一篇，了解AI、机器学习、深度学习与数据科学之间的区别。
AI 炒作陷阱的问题所在
人工智能（AI）已无处不在，并渗透进我们周围的诸多应用之中——无论是基于人脸识别的手机解锁功能，还是为您推荐可能感兴趣的下一个商品。
过去几年里，随着 AI 的显著发展，媒体对 AI 技术及其在产业与学术界的应用进行了大量报道。总体而言这是件好事，但它也放大了对众多前沿进展的炒作。这样的动态导致媒体对当前 AI 工具与技术的可能性及其潜在风险进行了夸张渲染。
这种夸张化的报道会在公众对 AI 的认知上带来三大风险：
- 对 AI 工具与技术能力的错误期待，进而对技术发展方向产生不切实际的乐观情绪
- 对自动化以及 AI 工具与技术会变得“有感知”的渲染性恐惧
- 将关注点从当下困扰 AI 的实际问题及其解决方式上转移
理解 AI 炒作的一个框架
一个很好地概括 AI 更广泛动态的框架来自 Gartner 的炒作周期（Hype Cycle），该框架展示了新兴技术生命周期的不同阶段。让我们参考如下所述的炒作周期，来理解 AI 的成熟度刻度。
- 炒作周期始于“触发（Trigger）”阶段，探讨技术的无限可能，并激发人们对新技术的兴奋。
- 第二阶段是预期的峰值，此时期待堆积如山，被高估的可能性开始瓦解。
- 第三阶段跌至低谷，恰如其分地称为“幻灭低谷（Trough of disillusionment）”——那些奇妙却充满挑战的想法未能落地。现实开始显现，人们在可实施性的约束面前放弃了许多本可强大的创意。
- 随着“启示坡（The slope of enlightenment）”阶段的到来，艰难时期结束。技术的局限被创新思路所突破，最终进入最后阶段，催生出以难以想象的方式造福人类的全新产业。
据谷歌的 AI 研究人员称，机器学习和 AI 目前大致处于触发阶段与预期膨胀峰值之间。这意味着新闻中讨论的许多可能性很可能仍停留在幻想层面。
AI 炒作陷阱的示例
炒作陷阱会把公众的注意力从真正困扰 AI 的问题转移到诸如“机器获得人类意识”或“机器人统治地球”之类的讨论上。尽管了解 AI 工具与技术所带来的各种可能性与风险是有益的，但上述讨论并未基于 AI 的真实潜力与风险。
以下是一些体现炒作陷阱的例子：
- LaMDA 与“有感知”的 AI：在一名工程师宣称该大型语言模型已获得感知后，谷歌的 LaMDA 项目登上了头条。尽管 LaMDA 的确令人印象深刻，但并无证据表明它具有感知。您可以在我们的每周盘点中了解驱动 LaMDA 的底层技术。
- IBM Watson：很长一段时间里，IBM Watson 被描述为能改造行业的终极工具。然而，随着时间推移，IBM Watson 未能兑现那些宏大的承诺，最终成了技术炒作的牺牲品。
- 机器人 Sophia：Sophia 是一个被封装在人形机器人中的高级聊天机器人。该聊天机器人在设计上强调让其听起来、看起来更像人。尽管这项技术颇为出色，许多人却因此误以为类人机器人已成为现实。
这些新闻的渲染不仅转移了人们对 AI 有益用例的关注，比如预测新冠肺炎热点地区或为商户提供开业信贷，也让人们忽视了当下真正困扰 AI 的风险。
许多 AI 系统，例如资讯流、推荐系统等，已成为我们生活中不可或缺的一部分，塑造着我们的喜好与选择。而这些 AI 系统可能受到偏见困扰，对当下与其交互的个人造成影响。
如何避免 AI 炒作陷阱
数据与 AI 素养是确保您不落入 AI 炒作陷阱的关键。理解 AI 的能力、限制与风险，对于以更审慎、冷静的视角看待这一领域的发展至关重要。
为帮助您建立所需的知识储备以形成上述视角，欢迎学习我们的理解机器学习课程，开启您的数据素养之旅。本系列的下一篇（也是最后一篇）将介绍每个人都应了解的 AI 偏见类型。在此期间，您也可以查看以下资源：
欢迎来到我们为期一个月的“数据解密”系列的第十一篇。作为数据素养月的一部分，本系列将厘清数据世界中的关键概念，回答您可能不太好意思开口的问题，并在此过程中保持趣味性。若您想从头开始，请阅读本系列的首篇文章：什么是数据集？
本周，我们将更深入地审视新闻如何报道 AI，以及每个人都应当留意的一些 AI 陷阱。本文将讨论 AI 如何在新闻中被夸大渲染，以及如何避免落入 AI 炒作陷阱。
如果您想进一步熟悉 AI 及其领域中使用的各种术语，建议回看“数据解密”系列较早的一篇，了解AI、机器学习、深度学习与数据科学之间的区别。
AI 炒作陷阱的问题所在
人工智能（AI）已无处不在，并渗透进我们周围的诸多应用之中——无论是基于人脸识别的手机解锁功能，还是为您推荐可能感兴趣的下一个商品。
过去几年里，随着 AI 的显著发展，媒体对 AI 技术及其在产业与学术界的应用进行了大量报道。总体而言这是件好事，但它也放大了对众多前沿进展的炒作。这样的动态导致媒体对当前 AI 工具与技术的可能性及其潜在风险进行了夸张渲染。
这种夸张化的报道会在公众对 AI 的认知上带来三大风险：
理解 AI 炒作的一个框架
一个很好地概括 AI 更广泛动态的框架来自 Gartner 的炒作周期（Hype Cycle），该框架展示了新兴技术生命周期的不同阶段。让我们参考如下所述的炒作周期，来理解 AI 的成熟度刻度。
据谷歌的 AI 研究人员称，机器学习和 AI 目前大致处于触发阶段与预期膨胀峰值之间。这意味着新闻中讨论的许多可能性很可能仍停留在幻想层面。
AI 炒作陷阱的示例
炒作陷阱会把公众的注意力从真正困扰 AI 的问题转移到诸如“机器获得人类意识”或“机器人统治地球”之类的讨论上。尽管了解 AI 工具与技术所带来的各种可能性与风险是有益的，但上述讨论并未基于 AI 的真实潜力与风险。
以下是一些体现炒作陷阱的例子：
这些新闻的渲染不仅转移了人们对 AI 有益用例的关注，比如预测新冠肺炎热点地区或为商户提供开业信贷，也让人们忽视了当下真正困扰 AI 的风险。
许多 AI 系统，例如资讯流、推荐系统等，已成为我们生活中不可或缺的一部分，塑造着我们的喜好与选择。而这些 AI 系统可能受到偏见困扰，对当下与其交互的个人造成影响。
如何避免 AI 炒作陷阱
数据与 AI 素养是确保您不落入 AI 炒作陷阱的关键。理解 AI 的能力、限制与风险，对于以更审慎、冷静的视角看待这一领域的发展至关重要。
为帮助您建立所需的知识储备以形成上述视角，欢迎学习我们的理解机器学习课程，开启您的数据素养之旅。本系列的下一篇（也是最后一篇）将介绍每个人都应了解的 AI 偏见类型。在此期间，您也可以查看以下资源：