今天的挑战：解决人工智能的模糊回报和可疑的准确性

不幸的是，没有清晰的“前后”图片来形象地说明人工智能的影响或准确性。

对人工智能设定现实的期望已经变得很困难——这最终可能会混淆理解人工智能实际价值的努力。随着技术使用的增加，这意味着技术专业人员的职业前景发生变化，有利于更具创造性的思想家。

这是谷歌全球企业网络前架构和工程主管、Secomind.ai 现任首席执行官 Ajay Malik 的说法，他认为人工智能领域的未来道路崎岖不平。他在 Arcitura Education 总裁 Thomas Erl 最近主持的播客中表示，目前人工智能最具挑战性的方面之一可能是设定切合实际的期望。

马利克说，首先，人们对人工智能带来的潜在收益还没有足够的衡量或认识。他说，决策者“希望确保他们在内部使用或与客户互动的所有信息都是准确的”。 “公司将如何衡量人工智能正在做的事情的准确性？那么人工智能做了一些事情，你怎么总是知道它是准确的？你怎么能100%相信它呢？”

Erl 表示，这会影响通过人工智能实现业务目标的程度。 “如果组织不成功或遇到挫折，或者投资人工智能系统最终导致损失而非增长，则可能会推迟或改变人工智能影响其劳动力的结果。他们可能会认为，‘这并没有不解决，让我们回到人类工人身上。”“但是机会是真实的，我们应该为可能产生的影响做好准备。”

马利克说，不幸的是，没有清晰的“前后”图片来形象地说明人工智能的影响或准确性。为了解决这个问题，“他们需要设计内置验证、内置可解释性以及内置检查和平衡，以查看人工智能的答案是否正确。”这包括“提供一种技术的替代路径、机制、模型，以便他们可以验证答案。”

马利克建议，关键是了解人工智能系统到底在生产什么。 “不要把人工智能当作一个你不假思索就依赖的黑匣子。我们今天还没有做到这一点。”此外，企业不能依赖 ChatGPT 等服务，因为响应需要准确且没有幻觉。

相反，他建议，人工智能系统应该“内置检查和平衡，验证答案、验证数据并提供可解释性。有一个术语称为 XAI，或可解释的人工智能。”

马利克继续说道，这对于以技术为导向的职业发展也具有深远的影响。 “一场巨大的资源转移即将到来，”他说。那些使用人工智能的员工将比不使用人工智能的员工更有价值。”

人工智能的影响将体现在未来数月乃至数年蓬勃发展的工作类型和角色中。马利克预测：“即使在软件领域，即使在编程领域，甚至在测试领域，许多工作都将被淘汰——不是现在，而是随着时间的推移。” “这是人工智能可以做的工作——非常初级的工作或非常重复的冗余工作。”

他继续说，这尤其适用于编码员级别的工作，而不是更高级别的软件工程工作。 “编码员只是根据一些已知的事实进行编码，而编程需要更多的思考。在我自己的公司，我们看到生产力提高了 20 到 25 倍，因为使用人工智能支持编码，支持会议、会议记录、他们可以执行的行动项目现在用更少的人做更多的事情。”

与此同时，人们将转向“思考者、问题解决者、有创造力的人”，马利克补充道。 “人工智能将处理重复性或明确定义的劳动。但富有创造力的人类将使用人工智能来高速、高质量地生产真正有创意的东西。这种转变即将到来。”