我们看到这种情况反复出现。自工业革命以来，人们一直在思考新技术对他们生活和工作的影响，今天我们看到，每一次人工智能突破之后，恐惧就会出现。尽管人工智能近年来取得了巨大进步，但其仍处于早期阶段，这带来了一定程度的不确定性。这种不确定性只有在出现问题或预期大于现实时才会加剧，从而导致误解和焦虑。作为一名直言不讳的人工智能评论家，Elon Musk利用这一误解，描绘了一场即将到来的人工智能大灾难的画面，尽管他将强大的人工智能嵌入特斯拉的汽车中。所有这些都表明，在某种程度上，我们发现自己陷入了一个危险的、不必要的炒作周期。

我们必须克服这种毫无根据的恐惧。现实是这样的：今天没有可信的研究支持这些末日场景。他们是令人信服的小说。我喜欢看《终结者》，就像和我同龄的其他孩子一样，但这些有趣的场景无法让我们应对人工智能带来的直接威胁。

我们面临的主要问题是偏见和多样性，这些问题比奇点和机器人暴动更直接，也更人性化。这些问题包括嵌入的偏见和缺乏多样性的领域和数据集。用有偏见的数据训练人工智能，我们可能会无意识地在人工智能中灌输我们自己的偏见。如果不加以控制，偏见会导致人工智能对某些人有利，而其他人则会付出代价。如果不增加领域的多样性，一些人将对人工智能创造背后隐藏的决策产生更大的影响。随着人工智能整合到对个人生活影响更大的决策过程中，例如招聘、贷款申请、司法审查和医疗决定，我们将需要警惕它吸收我们最坏的倾向。

二、没有无辜的数据

当人工智能触及最基本的人类系统时，我们需要记住它不是在真空中运行。人工智能依赖于海量数据，强大的算法可以分析这些数据，然后得出具有启示性的洞见。但是人工智能依赖训练数据。如果数据存在偏见，比如带有种族主义或性别歧视的语言，这会影响结果。无论你训练人工智能什么，结果都会被放大，因为算法会无数次地复制它的决策。在数据中未被发现的偏见逐渐显现，令人不安，这是人工智能系统开始输出反映我们自己最根深蒂固的偏见的结果。与机器人暴动不同，有偏见的人工智能并不是一个假