人工智慧與機器學習想要改善AI，不是多餵數據就行
想要改善AI，不是多餵數據就行
Adding More Data Isn't the Only Way to Improve AI
若想提升AI的效能，我們直覺認為：那就餵它更多數據。只要這樣就好嗎？為了支持愈來愈龐大的AI模型，不但會超出現有硬體的能力，也會讓AI以不利於永續發展的方式增加碳足跡，更別說如果AI的演算法已經存在錯誤，再多數據都無法改善這個問題。也許AI需要的是來自人類其它面向的協助，用另一種方式來推動AI持續進化。
人工智慧（AI）藉由分析某個特定的數據集與偵測其中的模式，來獲得「智慧」。它對這個數據集以外的世界一無所知，因此產生了許多種危險。
改變一個像素，就可能混淆AI系統，讓它將一匹馬誤認為一隻青蛙，或者更可怕的是，在醫療診斷或機器操作上出錯。AI完全依賴數據集也引發了嚴重的安全漏洞：惡意代理程式（malicious agent）可以在數據中引入幾乎無法察覺的微小變化，藉以欺騙AI演算法。最後，AI系統「不知道自己不知道什麼」，可能會自信滿滿地做出錯誤預測。
增加更多數據並不一定能克服這些問題，因為實際的商業和技術限制永遠會局限數據的數量。而且，要處理大型數據集，就需要愈來愈龐大的AI模型，這超出現有硬體的能力，也會讓AI以不利於永續發展的方式增加碳足跡。
我們已經找出一種替代補救措施：將數據驅動的AI，連結到這個應用領域裡其他的科學或人類資訊。這來自我們在加州大學（University of California）社會利益資訊科技研究中心（CITRIS）和巴納陶研究所（Banatao Institute）的二十年經驗，期間我們與學者和企業高階主管合作，將AI應用於許多方面。這種替代補救措施的進行...
