据有关媒体报道，在谷歌研究自然语言处理的科学家 Daphne Luong 表示，正确地校准标签对机器学习来说非常关键，有些数据集其实并不平衡，像维基百科上的数据，“他”（He）出现的次数远比“她”（She）要多 。
王金桥也着重强调了“数据的均衡” 。 就算对人来说，不同人秉持着不同的价值观，但多听多看多受教育可以让人向良好的方向改进 。 机器学习也是如此 。 “训练机器时，要注重数据的均衡，给它更多可靠的数据 。 研究团队成员具有多元的学术背景（如吸纳更多社会学、心理学等领域学者加入）、性别、年龄、价值观，也可以帮助机器学习更加均衡，减少机器出现偏见、谬误甚至失控的可能 。 ”王金桥说 。
“机器学习的模型本身也要有一定的防攻击能力，从技术上防止本身结构设计的漏洞被攻击，研究者可以使用各种数据攻击机器，训练机器的反攻击能力 。 ”王金桥说 。
作恶还是向善，是人类的选择
1942年，阿西莫夫在短篇小说《环舞》中首次提出著名的机器人三定律：机器人不得伤害人类，或因不作为使人类受到伤害；除非违背第一定律，机器人必须服从人类的命令；除非违背第一及第二定律，机器人必须保护自己 。 半个多世纪过去，人工智能在大数据的加持下迎来爆发式发展 。 某些专用型人工智能把人类智能甩在身后，人们开始担忧，机器伤害人类的那一天是不是不远了 。
因此有一种看法很主流——人类训练有意识、有自我觉知的人工智能是不明智的 。 开个脑洞，机器一旦发展出自我意识，要反向攻击人类，场面或许失控 。
前段时间，据路透社报道，韩国科学技术院的人工智能研发中心正在研发适用于作战指挥、目标追踪和无人水下交通等领域的人工智能技术，希望在今年年底前研发出基于人工智能的导弹、潜艇和四轴飞行器 。 此事引发学术界的巨大震动，抗议纷至沓来，并最终以院长保证无意于“杀手机器人”的研发并重申人类尊严和伦理收场 。 在美国，以“不作恶”为纲的谷歌也因与国防部的合作协议涉及“Maven项目”被推上风口浪尖，反对者普遍认为，识别结果完全有可能被用于军事用途，比如说精准打击 。 谷歌最终表示终结协议 。
相较于舆论环境的忧心忡忡，研究者对“技术向善”普遍乐观 。 他们认为把AI和“杀人机器”联系在一起，近乎“捧杀”，夸大AI能力之余，也引发不明真相的公众恐慌，无益于人工智能的发展环境 。
“很多人提到AI总是一惊一乍，把AI说成超人 。 我相信人工智能是能解决问题的，但大家的期待也要在合理范围内 。 人和机器各有优势，技术会服务于特定场景，但也不需要把AI捧上天 。 ”接受科技日报采访人员采访时，思必驰北京研发院院长初敏博士忍不住“抱怨”了一下 。 看来“我们需要怎样的AI”这一题，大家都还没有答案 。
推荐阅读
- 一大批“机器劳动者”来袭，让人想偷懒
- 智解风云变幻：中国气象踏响“现代化节拍”
- 日媒：中韩日欧的家用机器人“百花齐放”
- 机器人、3D打印：看科技与医疗如何“擦出火花”
- 智能汽车“驶向”现实，还要再闯几道关？
- 国产工业机器人有点“笨” 算法如何精益求精？
- 世界上最“倒霉”的机器人出现 价值30万元
- 谁为大王为此计者是什么句式
- 人脸识别突飞猛进 更要看好“我们的脸”
- 谁言寸草心的言什么意思