人工智能的未來看起來很光明（但不要指望自動駕駛汽車很快就會出現）
盡管許多人認為人工智能將導致廣泛的工作崗位流失，但這還遠未確定。事實上，人工智能似乎更有可能繼續為工人提供“超人類水平的生產力”，使日常任務自動化，并為工人騰出時間專注于更復雜的項目。此外，除了一些尋求關注的專家之外，大多數人工智能專家都承認，我們距離通用人工智能還很遙遠。事實上，基于人工智能的模型在人類參與的情況下效果最好，并且將繼續發揮最佳效果。
“人在環人工智能”將繼續存在
事實上，沒有任何人工智能模型能夠 100% 正確。算法決策需要有人在循環中驗證數據的完整性、審核模型、為決策提供解釋并針對未見的現象調整模型。最近的大流行就是一個很好的例子，因為許多基于人工智能的模型必須由人類進行調整，以適應從辦公室到遠程工作的突然轉變。此外，汽車提供了一個有趣的案例研究。盡管一些狂熱的自動駕駛汽車高管做出了承諾，但在可預見的未來，我們很可能會繼續擁有部分自動化和人機交互的人工智能。
全自動駕駛汽車還有很長的路要走
根據汽車工程師協會 (SAE) 的規定，自動化分為五個級別：
0：無自動化；
1：駕駛輔助；
2：部分自動化；
3：有條件自動化；
4：自動化程度高，
5：全自動化。
盡管埃隆·馬斯克和其他人做出了激進的預測，但事實仍然是，我們距離廣泛采用五級全自動駕駛汽車還需要十多年的時間。
我們已經看到了特斯拉、Alphabet 旗下 Waymo 以及與大眾和福特合作的 Argo AI 的突破，然而，我們也看到了目標的一再推遲，因為各公司收回了聲明并重新調整了時間表。也許除了馬斯克之外，他目前正在尋求在 2021 年底推出全自動特斯拉的 Beta 版，但冷靜的評估表明，任何大規模的全自動駕駛都還需要十多年的時間。拋開監管問題不談，技術還不存在。即使我們看到傳感器在所有類型的天氣下都能持續工作，基于人工智能的系統仍然會遇到一些邊緣情況；例如，區分一群鳥和隨風飄落的樹葉。
人工智能驅動的對抗性攻擊、數據中毒、深度造假和區塊鏈技術都已出現在戰場上
IT 安全人員已經依靠人工智能來識別異常用戶行為和潛在的網絡漏洞；然而，一些不良行為者可以獲得類似的技術。通過人工智能驅動的攻擊，不良行為者可能會試圖毒害訓練神經網絡的數據集，或者他們可能會嘗試通過使用深度偽造音頻進行社會工程攻擊。作為深度假貨隨著這一趨勢變得越來越現實，IT 基礎設施管理人員必須繼續依靠人工智能來保證公司數據的安全。我們已經看到科技行業推出了一批專門致力于驗證音頻和視頻真實性的初創公司。此外，為了有效地驗證簽名、語音、圖像或文檔的來源，企業將越來越多地尋求區塊鏈。此類技術的使用可能會成為數據驗證之戰的主流。
監管機構將難以跟上
幾乎總是如此，立法者是被動的。例如，GDPR 中只字未提人工智能；然而，加州最近的《隱私權法案》（CPRA）確實提到了人工智能，這很可能會成為一種趨勢。至關重要的是，人工智能模型中的數據必須按其預期用途使用，并且只能按其預期用途使用。例如，醫療保健組織可以有效地使用患者數據來延長人的壽命，但重要的是要確保這些數據不用于其他目的，例如有針對性的廣告或潛在客戶開發計劃。同樣，如果數據最終以不適當的方式使用，區塊鏈技術可以幫助驗證數據源。然而，監管機構要跟上步伐可能是一個挑戰。
結論
盡管人工智能驅動的網絡攻擊可能會增加，而且立法者未能保持技術創新的領先地位，但人工智能的未來看起來很光明。人工智能的目的是增強人類的工作生活，但在很大程度上，它不會取代工人。此外，與 5 級自動駕駛汽車和完全自主決策模型不同，我們將繼續看到“人環”人工智能模型的激增。人類將繼續參與這個過程，解釋決策，確保模型準確，并防止偏見或車禍。
