深度学习：远非人工智能的全部和未来
|
法律包含「解释权」，比如，为什么工作或贷款被拒绝。深度学习给出了非自然（合法）语言解释的结果。深度学习的代码容易获得，却不为法官或用户所接受，因为即使最好的数学家或其他算法也无法搞明白它，将模型简化成可以理解的语言。即使由人类做出最后的决策，人工智能也应给出详细的理由。没有人知道如何修改深度学习以给出简单的人类可理解的解释，因此深度学习不可能做到顺从。这一问题同样影响到了若干个其他人工智能和机器学习算法，但不像深度学习那么严重。比如，如果决策树被提升或集成，它也会不可解释。但是未来，新的或者重新发现的已解决了黑箱问题的人工智能，将会在常规决策方面取代深度学习和人类。 在 GDPR 的情况中，只有人类可以拒绝一个应用：人工智能可自动化积极的结果；如果它拒绝了一项贷款、工作等，就应该将这项任务交给人类来处理这些消极的结果。但是在拒绝的情况中，人类将不会从基于深度学习的人工智能中获得帮助或解释，他们不知道深度学习的逻辑是否正确。他们不得不自己从头检查数据，以决定是否最终拒绝。风险在于为了节约时间和成本，人类会做出假的解释，并盲目接受人工智能的认可。安全起见，对于接受和拒绝，你都要有充足的理由，无论 GDPR 中说了什么。非深度学习的 AI 系统把所有决策的解释提供给用户、法官和支持人员，将最终被人类采用，用于做出完全和部分的自动化决策。 在法律和深度学习之前，解释性已经是一个大问题。在反垄断案例中，谷歌等公司被质问为什么是这个产品而不是其他产品出现在搜索结果中，这也是深度学习出现之前的事：很多其他的算法同样以疯狂的方式混合算法以得到结果，因此没有人类可以轻易地推论出决策原因。法官被告知工程师并不了解详情，线性代数的页面被当作证据。这无法善终：在特定的法律存在之前，多个案例承担着数十亿美元的罚款，甚至收到变更系统的警告。用户的集体诉讼根据商店、银行的自动决策单元自动拒绝工作、贷款、退款等，正越来越普遍。无法解释意味着没有防卫、被罚款以及一场品牌公关灾难。 对大部分人来说，「人工智能」是科幻电影《人工智能》（AI）中能够给出聪明解读的 AI，电影中人类可以快速决定自己是否同意，这样易于进行法律验证（legal validation）。大多数听说过「AI-first」或「使用 AI」公司的人，包括法官和撰写《一般数据保护条例》（GDPR）等法律的人，期待 AI 像电影中一样，即使被法院传召，也能够捍卫自己的决定，这令用户和法官都印象深刻。但是，与期待不同，我们得到的是无法解释的「深度学习人工智能」，这些人工智能即使在能够解决的问题上也不经常得到使用，因为其缺乏可解释性。深度学习不会节省成本，也不会取代那些需要敏锐的自动决策的工作。即使在人类必须作出最终决策的情况下，工具 AI 解释自己的建议也比 AI 不给出缘由就做出回应要更加可取。可解释的 AI 一旦被（重新）发现，将会更加安全、合法、廉价、快速，取代深度学习和人类。深度学习在 20 世纪 60 到 80 年代发明，2010 年以来重新被发现；或许未来可解释的 AI 的基础也已经被某些研究者描述出来，但是由于不是深度学习，所以可能在几十年内都没人关心和开发，直到它们被重新发现和炒热。 关于自动决策的 GDPR 也需要防范根据种族、意见、健康状况等产生的歧视。但是使用用户生成的数据（如社交媒体和新闻，不指真实的数据，如医疗或财政记录）训练的深度学习模型通常暗含邪恶的偏见。如前所述，深度学习可以读取大量文本和数据，并模仿其内容，但无法理解内容。深度学习只相信它在数据中频繁看到的事物、底层模式和趋势，因此它会放大人类社会的偏见和问题。数据显示被逮捕的黑人比白人多，那么一旦有人犯罪，深度学习将首先怀疑黑人；数据显示公司董事会董事中男性比例高于女性，则深度学习将在招聘中更倾向于男性应聘者。 深度学习决策会比训练数据的平均样本包含更深刻的偏见，如种族歧视、性别歧视。这个问题在所有的机器学习算法中都有发生，但是深度学习模型是其中最难测试、检测、控制和调整的。这个问题很难解决，这引起很多深度学习实验突然取消，从聊天机器人变得纳粹化、充满仇恨，到美图软件中给黑人照片美白。 深度学习是一个神经网络，你无法单独编辑每个答案的输出结果。 你无法通过在训练之后添加补丁，来修复一个带有偏见、种族和性别歧视的深度学习模型。深度学习是一个神经网络，与其他 AI 方法不同，你无法编辑某个答案，而是必须使用全新的、完全公正的、稀有的数据对该网络进行重新训练。深度学习可以在不理解的情况下模仿数据中的内容：它不会否定任何数据，不会发现社会上的偏见，而只是「学习所有数据」。你应该雇佣一个人类员工，专门创建假的完美、公正的数据。但是，由人类专家编辑创建海量无偏见数据的成本仅为了训练深度学习模型，又怎么可以说用 AI 取代人类呢！此外，即使你已经训练出真正公正的深度学习模型，你也无法向法官或用户证明其决策的公正性，因为它无法提供解释。 （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
