人工智能之隐忧有哪些？
隐私安全，数据歧视和生存威胁。
新生事物，人们憧憬它的光明前景的同时，也会预测其暗黑一面。
我们提起人工智能之患时，总会下意识认为就是AI主动反人类。但以AI目前曝光水平看，这事还有点玄幻，不知道有生之年能不能看到。
可如果是人主导AI来干坏事，实现概率就比前者高不少。
人工智能最直接的不安全感，来自于数据或者个人隐私全面暴露。
我们上网有意无意透露各种信息，搜索引擎会随时记录所有搜索关键词， 购物网会记住我们浏览过的商品。
AI汇总整理这些数据，进一步挖掘分析出个性化用户年龄、收入、住址、偏好间的关联，形成详细的用户信息网络档案，极大增加了个人隐私的曝光风险。
第二个担忧来自于数据应用的隐形歧视。
有了称手的数据，一些互联网商家可以“看人下菜碟”。比如航空公司发布机票价格，收入高人群看到的票价更高。经常维权退货的网购客户，买到假货的概率比“买了吃哑巴亏”的顾客低很多。
司法系统也有类似案例。在哈佛大学数学系博士、华尔街前投资顾问撰写的新书《“杀伤性武器”大数据》里，提到了所谓“大数据之害”。
书中列举了美国司法系统对犯罪档案大数据的运用，软件推断一个犯人是否再犯罪，依据的是犯人住址和犯人亲戚的犯罪记录，而这两条对黑人不利。因为美国有相当一部分黑人和其亲戚，住在犯罪率较高的街区。
按照软件的逻辑，住在高犯罪率地区犯人容易再犯，家族有案底的犯人也容易再犯，那这些犯人就要加长刑期。而加长了刑期，犯人出狱后再犯的概率又会提高，如此便陷入一个循环怪圈。
数据自身是中立的，而模型的主观性，则会引发社会性的群体歧视或迫害。因此设计数学模型的计算机工程师，保持对各类人的客观视角非常重要。
最后一条，是超级人工智能出现并被恶意使用。
说到这，不能不提一下图灵测试。它是国际公认的，评价一个机器是否具备人工智能的标准方法。
1950年，阿兰.图灵博士在题为《计算的机器和智能》论文中，说到让一台机器和一个人坐在幕后，让一个裁判同时和幕后的人和机器进行交流。如果这个裁判无法判断自己交流的对象是人还是机器，就说明这台机器有了和人同等的智能。
我们不妨这么考虑一下，人工智能拥有无与伦比的深度学习能力，使得它从时间和空间广度上都有足够的优势，去学习、运用及发扬全人类的智慧成果。
如果有朝一日它成了超级人工智能，会不会被狂热的科学家或恐怖分子人为操纵，能通过图灵测试，还具有控制及灭掉每个人的能力。这真是细思极恐的一件事。
话说回来，新生事物有黑有白亦正常。人是人工智能的发明者、应用者，有义务和责任从法律道德伦理角度，去完善约束机制。
过程积累需要一段较长的时间，期望伴随着人工智能成熟度不断提高，配套的管控方法也会日趋成熟。
写在最后
人工智能的未来，好的坏的，均是趋势使然，我们逃避不了。唯有认识它、正视它，消除自身大脑对这个新事物的不确定性。
工业时代及之前的机械思维，代表人物包括牛顿、爱因斯坦等大家，采用的都是大胆假设、小心求证的方法，先找规律再想法去验证。
一则所耗费的时间可能很长，灵感来源有运气的成分在里面，传说牛顿发现万有引力是因为被苹果砸到，爱因斯坦在书房受一道阳光启发而发现相对论；二来若是规律或者模型假设的不对，在错误的路上将越走越远。
而基于大数据的统计分析，善于发现表象上显示不出来的隐含规律，就为问题的精准定位和解决，找到了一条可靠的“捷径”，也是一种全新的智能思维方式。
当然，前提是数据足够多，模型公正客观。
因此进化到人工智能时代，我们更需要培养这种智能思维。
按照吴军博士的观点，蒸汽机、电和信息技术主导了前三次产业革命。迈进每个时代的黄金期，只有极少数的人能敏感捕捉趋势，拥抱了先机。
由于社会的财富总量在一定时期内是固定的，所以这部分抓住机遇的人，就成为了当时社会的弄潮儿。智能时代亦会如此。
所以，撇掉那些浮在表层的泡沫、浮夸与跟风。在人工智能即将全面来袭的时候，我们，做好当这2%的准备了吗？
