為什么我們需要AI開發(fā)中的多樣性

當然，有些情況需要上下文信任。我相信我的三明治制造商會給我一個很棒的三明治，但是我可以相信他做我的眉毛嗎?我相信我的丈夫，但不一定要芝士蛋糕。

正是這些模糊的情況甚至使最聰明的人工智能(AI)員工跳了起來。我們已經建立了久經考驗的AI工作流程-后臺操作，分析和高級計算。我們已經成功解決了在較新領域中使用AI的問題，例如分層上下文響應，語音識別，生物識別和自然語言處理。

在新興的AI使用領域，包括在抵押貸款中特別常見的一個領域，即使用情感分析和高級上下文提示的客戶參與度，越來越模糊。

人工智能在黑白方面表現最佳

在過去的幾十年中，已經反復證明，如果您將AI專注于確定的任務(象棋，微積分和土壤管理)，它就會表現出色。但是上下文知識仍然是一個謎，主要是由于我們的局限性。我們編寫的代碼和創(chuàng)建的邏輯受我們所處氣泡的影響。

如果您擁有Google新聞Feed或社交媒體帳戶，則說明您有從事AI的最終任務。提供具有相似屬性的內容的新聞和媒體供稿可保持您的參與度。

由于ñEW紐約時報在他寒心科技專欄作家凱文·羅斯揭示了兔子洞播客，它沒有做到的是為您提供思想的多樣性。

推動這些提要的AI不會向您顯示可能會擴大您視野的新聞和媒體提要。您所看到的一切都不會挑戰(zhàn)您的信念。這是一個關鍵點，因為我們的經驗和信念(包括通過書籍，朋友，電影和供稿的第一手和二手手)都在我們擁有和傳授的知識中發(fā)揮著重要作用。

但是最好的人工智能是彩色的

在任何AI開發(fā)中都需要多樣性以確保圓度，可接受的道德水平和人性的想法可能并不新鮮，但這仍然是一個問題。

從尼康未能認出亞洲面孔到微軟災難性的巨魔機器人泰伊(Tay)的每一次迭代，都擴大了我們的視野。人工智能需要與人互動，但是個人會給這些互動帶來積極和消極的體驗和信念。

我們如何捕捉熔爐的許多文化社會規(guī)范?我們知道要使用更大的數據集，尋找邊緣情況，使我們的焦點小組多樣化，并通過越來越大的測試進行完善。

在抵押業(yè)務中，人工智能會盡最大努力回答問題，并給出諸如“如果我使用房利美的HomeReady可以借到的最大金額?”的確切答案。

人工智能仍然不足的地方在于我們的抵押貸款發(fā)起人擅長的領域，而信念，經驗和社會規(guī)范影響我們的財務決策的模糊領域。人工智能可以提供利弊來回答這個問題：“使用房利美的HomeReady或我的擔保計劃更便宜嗎?”

它不能建議的是您的關系在使用岳父的收入獲得HomeReady資格后可能會如何變化。