有趣的是，神經(jīng)生理學和微觀測繪的研究支持這樣一個觀點:復雜的心理操作可以在系統(tǒng)層面上解釋。人工智能系統(tǒng)以多種方式運作，就像我們大腦的簡化版。人工智能每天都在變得更加智能。如果人工智能達到與人類相似的智力水平，其將受到與人類相同的限制。人類對人類層次認知的解釋和形成使人工智能系統(tǒng)在機器學習中的計算復雜化。直覺和大腦研究的原理表明，人們在表達事實之前就有特定的解釋偏好。但如果我們過度依賴人工智能，就有可能會低估人類行為的重要性。此外，即使人工智能系統(tǒng)在以無數(shù)種方式改進，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)。即使我們試圖定義什么是“人”，區(qū)別也變得越來越模糊?？捎眯詥l(fā)法斷言，人們通常更依賴于確認他們當前想法的數(shù)據(jù)，當其涉及到人工智能選擇時，是一個顯著的認知偏差。當面對相互沖突或模棱兩可的數(shù)據(jù)時，我們往往傾向于對給定證據(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，可能會導致無法打破的失敗循環(huán)。當算法嚴重依賴啟發(fā)式進行決策，并最終依賴于無關(guān)或過時的信息時，就會發(fā)生內(nèi)存泄漏。這就是一個典型的例子。人類在做決定時更喜歡使用啟發(fā)式方法，這很容易觀察，但這些偏見是自動的和無意識的，使之難以識別。我們有充分的理由認為，自狩獵采集文化的時代以來，人類在日常生活中就一直在利用偏見。人類今天擁有的許多技能，比如語言和數(shù)學，都是在各種學習策略的幫助下獲得的，比如鏡像。學習信息并不難，我們的大腦可以迅速解碼。斷言偏見在人類決策中仍然起著很小的作用是不正確的。盡管不斷開發(fā)改進的過濾方法，但目前還沒有一個解決人工智能進步的單一方案。我們知道人工智能和人類的思想都很容易出錯。這意味著，任何人工智能系統(tǒng)都不會在任何計算中完全取代一個人，無論神經(jīng)網(wǎng)絡(luò)在預測下一步行動過程中的發(fā)展程度如何。由于認知偏見根植于人類本性，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)是無法制造出來的。目前正在使用的方法只能加強、優(yōu)化和改進，同時使系統(tǒng)的其他部分具有類似于人的質(zhì)量。越是了解認知偏差，就愈能有效地使用機器學習和人工智能。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(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確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。