为什么会有AI威胁论？或许这是一个原因

来源：Flipboard

作者：Steve MacLaughlin

智能观 编译

科幻电影和科幻电视剧里，总有坏的机器人：戈特、罗比、巨人、HAL 9000、艾什、马克西米利、赛昂、终结者、IG-88、霸天虎、主教、奥创……

这些故事告诫我们，未来智能机器已经违背了他们的创造者，他们已经形成了自己的想法。好莱坞给了我们很多担心人工智能的理由。不好的AI通常意味着对人类非常不好的事情。

但这是科幻小说，人工智能实际上是计算机科学的一部分。这两者经常混淆是可以理解的。事实上，我们了解小说中的机器人和疯狂机器比了解现实生活中的AI还要多。今天，我们继续看到人工智能日益增长的重要性，但它也有潜在的危险。

虽然人工智能有很多定义，但大多数人会认同这一定义：人工智能是计算机系统的理论和发展，执行通常需要人类智能才能完成的任务。人工智能使机器能处理信息并从数据中学习。

最后的定义在现代语境中具有很多相关性。人工智能的形式，如机器学习，大量依赖现有的数据反馈给算法，提供建议。如果使用错误的或不好的数据，AI就容易出现故障。

这让我想到了，也许所有这些关于人工智能的科幻小说的解释都是基于某种东西。如果HAL 9000（出自电影《2001太空漫游》）或其他机器人做了坏事是不好数据导致的呢？不良数据输入对算法的影响太多。这确实可以解释很多事情。

这也意味着人工智能的未来及其是否能造福人类直接与数据的质量相关。我知道谈论数据卫生并不是世界上最令人兴奋的话题，这就是为什么我称其为“数据健康”。

数据健康对你和你的组织都有好处。健康的数据可以防止不好的AI产生。在数据健康中，有三个关键因素：数据质量、数据完整性、数据设计。注意这三个因素的正确比例，是更好地利用数据的必要基础。

数据质量关乎数据的准确性和正确性。在非营利部门，地址质量，数据录入质量，死亡抑制以及其他数据的持续清理是非常重要的。如果你从不好的数据入手，那么只会变得更糟，不会有侥幸的例外。当数据进入人工智能时尤其如此。

数据质量和数据完整性问题，占据了数据健康问题的90％。然而，许多数据之争与设计有关。过多的自定义字段，使系统无法规范化或有意义。许多数据丑闻源于过去不当的数据收集和劣质的管理导致的决策。

数据设计问题要花费很多时间和精力才能解决，但数据质量和完整性问题比较容易，可以立即着手。数据健康越早被优先考虑，被重视和支持，组织获益的机会就越大。更不用说它在今天和未来使用的AI中，所起的关键作用。

https://flipboard.com/@flipboard/-bad-ai-comes-from-bad-data/f-e5517b8964%2Fhuffingtonpost.com

—完—