人工智能比你想象的要人性化得多
当我们的最后一个模块上周结束时，我回顾了过去的一年以及我在牛津商业人工智能行政文凭上的个人旅程。
我想到的主要学习是它本质上是人类的。这个想法让我感到惊讶，我好奇地俯身去寻找原因。
事实上，作为Google Creative Works团队的全球研究主管，我加入该计划是为了更多地了解数据业务，算法和模型，以及在业务和数据交叉点上成功的跨职能团队的原因。最重要的是，我想与志同道合的专业人士分享我的经验，并从其他行业的同行那里汲取灵感，在我的日常工作中进一步利用人工智能进行创新。

也许我感到很惊讶，因为我们经常关注技术，这是过去十年中非常令人印象深刻的进步和快速的发展步伐。作为背景，当我们在 2022 年 2 月开始我们的旅程时，文本到图像扩散模型虽然是在 2010 年代中期开发的，但还处于卑微的开端。Stable Diffusion和MidJourney尚未发布，Dall-E保留给那些参加测试版的人。快进到 2022 年夏天，这些工具已成为一个真正的数字游乐场——特别是对于那些像我一样有创意但没有执行技能来将它们变为现实的人。主流可以使用文本到视频模型的未来现在比以往任何时候都更接近。这真的很吸引人，尤其是对我的行业来说。我的大脑一直在以每小时一千英里的速度运行，思考潜在的应用。
在该计划期间，我们花了大量时间讨论这些技术，进步，好处以及这些模型背后的道德和责任（有关更多信息，请参阅Google对其Imagen工具的看法）。
我感到惊讶的另一个原因是因为我们经常让人工智能和人类智能相互对抗。你可以阅读题为“人工智能与人类智能”，“人类与机器”，“人工智能会取代人类智能吗？”以及其他相反观点的文章。
谷歌趋势：人工智能与增强智能
快速的谷歌趋势比较使我们能够了解人们确实对这项技术更感兴趣。
事不宜迟，以下是节目中最能引起我共鸣的五个主题：

1. 增强智能
我相信这不是人工智能与人类智能的问题，而是人工智能和人类智能的问题。
这不是非此即彼的问题，而是关于确定两种智能如何发挥其优势以及人工智能如何增强人类智能。例如，人工智能可以帮助自动化繁琐的任务或分析，让人类专注于过程中最重要的部分，即获得洞察力和塑造决策。
正如我们一位受人尊敬的教授在他的书中所写的那样：“不要在人工智能擅长的事情上与人工智能竞争，用你擅长的事情补充人工智能”——马丁•施马尔茨和乌里•布拉姆，大数据的业务。
我非常热衷于释放宝贵的时间和更多的战略领域，让我们的人类智慧进一步发光并发挥其最大潜力。

2.AI只是一个工具——尽管是一种颠覆性创新
我总是对这项技术及其强大程度感到惊讶。它是当今最具颠覆性的技术和创新之一，将彻底改变行业并重塑我们的经营方式。我并不是要破坏它，但与任何技术一样，它只是：一种帮助我们以最有效和最有效的方式实现我们想要的结果的工具。
它代表着一系列机会和能力。但是，我们需要了解使用它做什么，何时，如何以及最重要的是为什么。有些人喜欢将机器学习称为大数据时代的“美化统计”。这可能并不总是答案。有时，简单的线性回归就可以完成这项工作。
重要的是，作为人类，我们专注于我们寻求回答的问题或业务挑战，并定义人工智能是否可以帮助我们实现这一目标。我们不要为了它而“做AI”！如今，这是一个常见的商业比喻。

3. 以人为本的设计
企业通过提供以人为本的商品或服务来创造价值 - 人工智能是为以人为本的产品提供服务的工具。它始终与人类体验有关，人工智能可以帮助增强这一点，并为我们的客户和业务带来价值。

4. 人机交互
拥有人机交互 （HITL） 是最佳实践。从制定模型将帮助解决的战略和业务挑战，到获得见解并根据其发现做出决策，人类在从开始到实施的每个阶段都至关重要。
在拥抱人工智能机会时，人是成功的关键。组织挑战通常是人与技术的挑战。这是关于获得管理层的支持，打破孤岛，在组织的各个层面产生影响，并注入颠覆性的思维方式。
这在很大程度上与人工智能时代的业务战略和领导力有关。同样的人类，不同的技术挑战。

5. 道德和偏见规定
人类对于规范人工智能的使用和潜在滥用至关重要，并保护社会免受不良行为者的侵害，同时确保从人工智能在所有领域（健康、气候、社会......仅举几例）。
在考虑潜在的偏见时，重要的是要认识到人工智能从包含人类固有偏见的数据集中学习。它本身不会有偏见，但不幸的是，它复制并延续了现有的人类偏见。想想这样一个事实，即媒体，例如广告，并不像整体人口那样多样化或代表。人工智能将从我们人类的偏见中学习，并将其投射一千倍，导致我们做出次优的、不利的决定，如果我们不质疑输入，从而质疑它的输出。
此外，我非常珍视我们作为一个团队在举世闻名和迷人的牛津大学聚集在一起时形成的人际关系和纽带。我喜欢向我们世界一流的教师、演讲嘉宾和同学学习，他们带来了丰富而广泛的经验和见解——我们 34 人都在 19 个行业领域（从科技到军事）积累了大约 512 年的经验。
这就是为什么我发现这种体验和人工智能是真正的人类。