現在科技之發達，人工智慧軟體發展卓越，許多產業也不乏 AI 替人類代勞，不過你知道嗎？AI 其實也滿容易出紕漏的，Meta 在 11/15 宣布新的 AI 機器人 Galactica，這個機器人透過學習共 4,800 萬個文章、網站、教科書、講義和百科全書，擁有歸納學術論文、生成百科文章、算數學、編寫程式等功能，看起來非常實用的一個 AI，卻在開啟後兩天即被關閉，原因竟是演算結果內含過多假資訊！聽起來非常荒謬，但其實 AI 出錯是可以追溯原因的，今天就來盤點 7 個常見 AI 出錯的理由吧
理由一：缺乏延展性
普遍的人類在看到一張被翻轉的圖片時，心裡會自動將其翻轉，並可以準確判斷圖中內容物，這項任務即使是幼童也能做到，不過因為 AI 只能識別它曾經見過的模式，因此如果以不同的模式予以演算，通常結果就容易出錯，如此即稱作缺乏延展性；2018 年時有研究指出，如果你拍一張校車的照片，然後將其 90 度翻轉（大約就是發生事故翻車的狀態），此時即使是最先進的 AI，有 97％ 的機率會無法辨識出那是一台校車，反而會判定其為一台掃雪機，不過只要是正放時，它們都認得出那是一台校車，這種缺乏延展性的情況，有時也是醫學掃描會誤診的原因之一
理由二：植入式偏見
近年來 AI 漸漸被用來幫助人們下一些重大決策，比如是否核發貸款、量刑刑期長短，或者判定哪位病人可以優先獲得健保名額等，這類決策對相關人士來說意義重大，這時如果 AI 有偏見，會自動演算出具有歧視的決定，也造成社會的隱憂；實際案例發生在 2019 年的美國，科學家發現美國全國部署的醫療保健 AI 存在種族歧視，而這影響了數百萬美國人，該 AI 會幫忙判斷哪些病患可以在重症照護計劃中受益最多，但卻經常讓更健康的白人排序優於狀況較差的黑人，原因是 AI 誤以爲在醫療上花費更高的病人，病情絕對更加嚴重
理由三：災難性遺忘
災難性遺忘是一種經常發生在 AI 上的現象，意指 AI 在學習新的方式後，就會忘記如何使用舊的方法，簡單來說就是——AI 的記憶力不太好！以近幾年來盛行，用來偽造假影音的 Deepfake 技術為例，光是製造擬真換臉的 AI 就很多，它們很多是用不同的方式在創造 Deepfake 內容，如果要進行識別，那識別的 AI 也就需要學習不同的識別方式，但由於災難性遺忘的現象，要訓練出一個可以全面識破的 AI 需要時間
理由四：演算結果缺乏可解釋性
你有沒有想過，假如 AI 判定一張圖像為火柴時，到底是因為木棍還是火焰讓 AI 產生如此判決？AI 在現代已經算相當進步，不過相信還是很多人難以理解 AI 的演算結果，當 AI 下判決時，判定依據往往是大家最好奇的，不過科學家卻表示，在詢問 AI 判定的原因時，即使是同一個結果，它也會給出不同的答案，這也讓演算結果的可解釋性變得不穩定，說到這裡，我想到之前玩 Midjourney 的時候，同一組關鍵字，在不同時候輸入，就會產生不同結果，是不是也是一樣道理呀（？）
理由五：量化資訊造成誤判
2016 年的美國，一台開著自動駕駛的特斯拉 Model S，與前方左轉卡車相撞，駕駛當場死亡，這也是首起被通報的，因自動駕駛而造成的車禍，車禍發生當下，不論是駕駛或自動駕駛系統，兩者都無法準確判斷拖拉機掛車車身的白色與天空的差異，因此沒有踩下煞車，這個事件就說明了人工智慧系統會透過大量量化的資訊，進而堅信一個錯誤的決定，造成失準的判斷
理由六：缺乏常識
AI 畢竟是機器，它有時會缺乏常識，比如科學家可能會訓練 AI 檢測散佈在日常中的惡意發言，這看起來很簡單，然而當這個 AI 在現實中被使用時，它很可能無法理解黑人或同性戀者，會對自己族群使用看似歧視的字眼，而錯誤地歸類他們的發言為仇恨言論，在相同情況下，人類則可以很好的辨識出哪些是真正的惡意言論，換句話說，AI 因為缺乏常識，而無法判斷出人類在說話時展現的語境
理由七：數學不好
雖然傳統電腦的算術能力很好，不過你會很驚訝地發現，同為機器的 AI 並不擅長數學，即使你以最新的處理器建造它，且訓練它做很多數學題，但它的解題能力仍舊不及一台簡單的計算機。研究顯示，科學家即使對 AI 進行了數十萬個算數訓練，再讓 AI 解答來自高中數學競賽題庫中的 12,500 個問題時，它卻只有大約 5% 的準確率；目前還不確定為什麼 AI 不擅長數學，其中一種可能性是，它們是像人腦一樣，以高度並行的方式解決問題，而數學題則通常需要一長串的步驟來解決，所以 AI 對數據的處理，可能本來就不適合拿來解數學
小結
隨著人工智慧越來越發達，人們當然可以適當利用科技為我們帶來的便利，不過也不能過度依賴、全然信任機器，隨時去思考演算結果的正確可取性方為上策！是說最近聽說有個名為 Notion 的新 AI，功能是會......寫文章？不過在我看完以上 7 大 AI 要面對的困難以後，暫時還不擔心失業啦 XD
