粉絲團
（圖／美聯社）
從處理器、手機的相機技術、FinTech、安全辨識系統，近來幾乎所有的 3C 電子產品，都會在一定程度上表示自家產品具備 AI 技術。不過，普林斯頓大學電腦科學系副教授 Arvind Narayanan 日前撰文，抨擊許多產品強調 AI，其實只是為了銷售產品或融資，根本不是真正的 AI。
例如，有新創公司開發了一套 AI 面試系統，並以此募得了 9,300 萬美元的資金，但 Narayanan 認為，其實沒有任何證據指出這套面試系統能精準預測員工表現。因此說穿了，該系統只不過是認真設計的隨機數字產生器。
隨後，Narayanan 科普了幾種現代的 AI 表現，包括精準計算、漸進調整，或是預測結果。
舉例來說，Shazam 這類的音樂辨識，將語音輸入成文書，或是臉部辨識，是現代 AI 表現得最好的領域，成果也通常很不錯，而像是 Facebook、YouTube 等平台會偵測用戶留言、確認是否違規，或是推送用戶他們喜歡的內容這類的漸進式調整 AI，則是當代 AI 表現次佳的領域，但它們至少會不斷進步，仍有一定進展。
而所謂的「假 AI」，則大多是用來「預測未來」。為何這類 AI 的表現通常最糟？Narayanan 的論證也其實很簡單：因為人類幾乎沒有能力預測未來。他舉了兩項普林斯頓大學的研究，都曾想透過以上萬筆數據訓練模型，預測弱勢家庭孩子在成年後的表現，以及再犯罪率。
然而，最終成果這些 AI 系統的準確率，只比完全隨機的結果好一些。這也導致盲信 AI，甚至是其他背後機制不透明、用戶也不了解的 AI 系統，其結果幾乎無異於傳統的求神問卜。
Narayanan 隨後也指出了訓練這些 AI 模型的缺點：其一，它需要大量的用戶資料，而這些資料可能涉及隱私；第二，AI 系統有明顯的黑箱屬性，導致其結果經常沒有解釋性。換言之，用戶有異議時，往往只能接受結果，卻不容易對此反駁。
有趣的是，許多乍聽很強大的 AI，其表現實際上可能也沒有廠商宣佈的那麼神奇，即使是 Google 發佈的服務。《紐約時報》曾撥打電話， 想測試 Google 的「Duplex AI」。該服務可以自動和用戶通話，為用戶解決類似訂餐這類問題，不過據《紐時》實測，訂位成功的 4 次通話，最終其實仍有 3 次是由人工協助完成。
Google 也坦言，大約 25% 的 Duplex「AI」，是由 Google 設立的電話服務中心裡的真人參與，但其目的是為了提升用戶體驗、避免出錯，因此 Google 才沒有 100% 都採用自動化設計。
《你可能還想看》
