艾耕科技CEO韦啸：可信AI助力内容创作实现智能化( 二 ) 作者|维克多编辑|琰琰7月9日

2对话韦啸：学习型人工智能在等待生物学（脑科学）上的突破

文章图片
AI科技评论：请问您如何看待可信AI？
韦啸：可信AI包括几个方面：稳定性、可解释性、可调性、公平性等等。这意味着可信AI不是一个概念，更多的衡量如何把一个技术更好的赋能各个场景。
关于构建可信AI需要四方面的发力：
1.技术和学术上的突破。机器学习模型中的黑盒性是AI可信问题的源头之一，很多AI技术如自动驾驶， AI医疗影像的应用，背后其实有可解释性，可控制性的缺陷，邢波老师的Petuum ，就考虑了如何提升黑盒模型的debuggability 。杨强老师主推的联邦学习，又在一定程度上能解决数据隐私问题，所以技术的发展，肯定能够带来更多可信的解决方案。
2.政策、法律衡量责任。一个算法存在开发者和使用者，但算法出错，如何衡量双方的责任，是需要政策制定者考虑的事情。
3.遵守商业道德准则。算法即技术，技术中立，向善的人使用，会产生好的结果，心怀不轨的人使用，会产生恶果。
4.明确可信的目标。所有的算法都针对一个目标进行优化，我们在设立这个目标的时候，能否将可信作为一个目标衡量？

文章图片
AI科技评论：相比深度学习，传统AI模型的可解释性比较好，您如何看待两者的关系？
韦啸：我举个例子，美国人工特别昂贵，很多车主自己动手修车。衡量一个修车匠是否能“打”的一个标准是：修车工具箱里工具种类是否丰富。这个工具箱可能有一些17世纪就有的改锥，也可能有新开发的智能电钻。其实，老改锥还是新电钻都存在于工具箱里，使用哪种锯子修车取决于具体的场景。
类比到AI内容生产领域， GPT-3这一模型确定能够提高基底模型表现，在从语料库提取特征方面，非常高效。但是，有些场景要求生成的内容丝毫不能出错，例如宝马X5的排量是2.4 ，如果AI生成的是2.5 ，显然就不符合要求。因此，这时候如果采用经典的PCFG ，效果反而会更好。
因此，深度学习也好，传统模型也好，它们都在工具箱里，如何使用，关键要看具体的场景。所以，我们创业者也要摒弃一个观点：新工具不一定比传统工具产生更大的商业价值，毕竟一些比较老的模型研发成本比较低，新模型（深度学习）研发成本比较高。
AI科技评论：AI内容生成领域，遇到哪些可信方面的挑战？
韦啸：正如我演讲中提到的，第一是稳定性，我们在用工具创造标题的时候，有些生成的内容质量高，有些却不通顺；第二是可解释性，同一组算法生成的视频，却获得了不同的流量反馈，人工干预也无法总结优化的路径；第三是AI系统一定会犯错，不管什么模型，只要场景足够复杂系统就一定会犯错。这时候需要人机配合，往往可以大幅提高工具使用的可信度。
AI科技评论：在实际操作过程中， AI还无法取代人类？
韦啸：在某些特定领域， AI可以取代人工，但也不能取代人。工具取代人工一直在发生，例如超市售货，很多时候顾客选品扫码支付不需要和售货员互动，即便如此，无人超市也没有普及，这就侧面说明了售货员还有他存在的价值。但也不得不承认，超市管理中，现在所用到的人力成本比原来要少很多。
AI内容生产也是如此，某些情况下， AI剪辑视频的质量和操作精度已经超过人类了，但是仍然需要人类进行审核、把关。