关于人工智能未来的猜测主要分为两大阵营。危言耸听的角落认为，我们的技术进步有可能被日益智能化的机器消灭人类。这种恐惧是由科技界的坏小子埃隆·马斯克（Elon Musk）助长的，他呼吁政府监管人工智能，或者用他的话来说，"我们最大的生存威胁"！反对的一方列举了人工智能在医疗、交通和日常生活便利方面已经取得的胜利。他们说，只要小心你建造的东西，我们就能让智能世界成为一个平等的现实。眼睛炯炯有神的马克•扎克伯格（markzuckerburg）支持这种乐观主义，他在贾维斯（Jarvis）的耳朵后面塞了一朵雏菊，贾维斯是他为管理自己家而打造的人工智能管家。任何时候，这些伟大的思想在Twitter上发生争执，这种分歧只会进一步扩大。为了启发中间立场，我想介绍第三个竞争者参加辩论。"我就是那个制作热狗应用程序的人。"除了上面自称的头衔之外，Tim Anglade还是一名开发者、一名产品战略资深人士，同时还是Scale Venture Partners驻店高管，该公司专门从事营销和移动业务。蒂姆最初是作为一个开发人员和业余爱好者对人工智能着迷的。他在Scale Venture Partners工作时专注于人工智能，当时TensorFlow团队的一次演讲激发了他的兴趣。Tim对开源机器学习的能力感到兴奋，他将自己的想法扩展到更具战略性、面向产品的方法上，并开始上课。他还是《硅谷》第四季的顾问，如果你读了这篇文章，你可能会对这个节目很熟悉（如果你不喜欢，我建议你深入了解HBO Now或HBO Go的整个系列）。在第四集中，初出茅庐的企业家杨健（音）想开发一款应用程序，为祖母做章鱼菜提供指导。在一个典型的误解中，孵化器管理员Erlich Bachman成为他的主要投资者，认为这与Facebook的虚拟现实平台Oculus有关。当他意识到自己的错误时，Erlich将应用程序的中间部分改为"Shazam for food"。不满的Jian Yang确实开发了一个可以识别食物的应用程序，但他专注于一个非常非常具体的用例：它只能识别热狗，"不能识别热狗"作为他们喜剧风格的典型，硅谷的作家们把这个笑话更进一步。作为对探索人工智能感兴趣的在职移动专家，蒂姆签约开发并发布了真正的应用程序。不是热狗诞生的。这是蒂姆在构建一个人工智能驱动的产品时所了解到的，物联网智能家居，以及它如何很快就不仅仅是一个热狗识别器的故事。"要非常仔细地考虑人们会如何利用你的人工智能。"任何产品开发人员都会告诉你，了解用户行为是产品开发的基础。没有热狗也没什么不同。Not Hotdog被训练成使用一个神经网络来识别图像，这个神经网络是模仿人脑神经元网络的。当涉及到试图模仿人类智能的技术时，缩小机制和用户直观功能之间的差距是至关重要的。给神经网络输入足够的热狗照片，它就能学会识别热狗。但它吃的是什么，所以要小心。例如，在开发应用程序的早期，团队就开始意识到，大多数人都会对他们的食物（不管是不是热狗）都会进行剪贴。很少有用户会拍到有人在吃热狗。在数据集中包含这些广角镜头，这对网络是不利的。蒂姆分享了这样一个例子："例如，网络会假设在棒球场拍摄的任何照片都是热狗。因为有很多人在棒球场里拿着热狗的照片，所以会得出一个不正确的关联。我们真的不需要训练任何东西，除了裁剪过的食物图片。"在一个像人工智能这样具有潜在破坏性的领域，蒂姆强调了用户对产品开发的期望值的重要性，尤其是当用户遇到自己的盲点时。"对于一个问题，你可以有许多不同的解释。"在食物中，就像在其他一切事物中一样，淘客社区，人类试图创造出有用和普遍的形式。根据维基百科的说法，热狗是"一种煮熟的香肠，传统的烤制或蒸制，企业软件公司，放在一个半切片的包子里食用。"这很简单。但滚动浏览"热狗变化"页面就证明了这个定义要复杂得多。仅美国就列出了19种地区食谱。"热狗"在世界各地变得更加丰富多彩。在哥伦比亚，你可以吃上面有鹌鹑蛋的热狗，在泰国，你可以吃加甜辣椒酱的双绉热狗，在捷克共和国，你可以吃一个卷里打孔的热狗。蒂姆解释说："像热狗这样简单的东西在神经网络中最终会变得文化复杂。"。这种复杂性决定了如何设置热狗识别的置信阈值，这给神经网络带来了一个古老的思维实验。忒修斯的悖论质疑一个被替换了所有部分的物体是否在本质上仍然是同一个物体。认为它是最早的图像分类器问题。阿拉斯加驯鹿是热狗吗？或者台湾热狗把面包换成一根棍子？南美腊肠和薯条的替代品呢？而不是热狗在这个哲学问题中创造了一种数字陷阱。机器大脑对一个物体是否是热狗给出了一个绝对的答案。但是由于标识符是由提供给它的神经网络的例子来驱动的，这个"绝对"来源于蒂姆和他的团队所认为的热狗的主观标准。他们可以给数据集提供更多不同的例子，以反映热狗在形式上的真实多样性，但他们有可能混淆其识别能力。例如，它必须学会区分日本热狗和真正的动物（以免我们忘了与Oculus的潜在混淆）。 或者，他们可以用一个更集中的数据集训练应用程序，加载一些精选的例子，这样它就可以更准确地识别出更窄的热狗定义。为了数据集的简单性，他们决定不是每只狗都能有它的日子。他们把它分解成最基本的（美国）形式：香肠、小面包、番茄酱和/或芥末。最后，蒂姆和他的团队做出了和简阳和其他许多产品开发人员一样的选择：首先要非常擅长于一件小事。"很奇怪，大数据培训哪好，你自己的文化偏见会很快把你引入歧途。"一些用户确实对缺乏代表性表示失望，他们在appstore上写下了这样的评论："目前为止效果不错，但并不能准确识别所有热狗。开发商需要检查自己对其他热狗的偏见。"浏览一下这些评论就可以看出他们的幽默。据蒂姆称，这款应用没有引发任何真正的文化事件。他小心翼翼地避免将派对噱头应用程序的陷阱与人工智能更为微妙的复杂情况等同起来。但他很快就意识到了这种无意识偏见的反映，并鼓励在涉及可能造成严重问题的产品时保持谨慎"你不希望你的应用程序反映出这项技术所带来的固有道德问题。我并不担心埃隆·马斯克喜欢谈论的危险——人工智能是一种文明挑战。但是，我确实担心新产品中会出现的日常偏见，例如将人工智能用于犯罪侦查以及由此带来的种族影响。"从人工智能中许多明显的偏见案例中挑选。微软的Twitter聊天机器人"Tay"在发布后的24小时内就大肆宣扬种族主义、厌女癖和对希特勒的钦佩。太糟糕了，这只是互联网的一个缩影。风险评估算法是一个更具破坏性的例子。根据从调查问卷和犯罪记录中提取的数据，这些算法被用来预测被告未来犯罪的可能性。结果在判决期间交给法官。这个全国通用的软件错误地将黑人被告标记为未来的罪犯，其比率几乎是白人被告的两倍。这些例子揭示了一个原始的事实，但这与人工智能无关。是关于我们的。人们不能放弃对他们制造的技术的责任，一旦他们把它运出去。正如蒂姆所说，"我们必须记住，人工智能不会做出比人类更好的决定。这项技术只和它输入的数据一样好，所以每个人都必须对消除偏见保持警惕。偏见真的会悄悄地出现在你身上，即使是在最简单的用例上。我一直在努力让人们意识到这一点，即使这不是一个重大的道德或法律困境。"如果我们传输有偏见的信息，我们能从我们的技术中得到什么？如果在热狗应用程序中出现文化偏见，通用人工智能还有希望吗？蒂姆很乐观。为什么？因为即使人类不善于识别偏见，他们也擅长其他事情：抱怨。"允许更多的错误。"用户投诉对任何产品都是有价值的。它们对神经网络特别重要。在他的应用程序的愿望清单上，人工智能工作，蒂姆想加入一个反馈机制，当不是热狗认为你的游泳池边腿是肉的时候。标记错误将积极改善神经网络，因为它们从提供的数据中学习。"如果开发人员构建一个用户体验，允许更多的错误和更多的出错空间，以及更多的轻率空间，那么我认为他们将能够提供更好的用户满意度。"这并不是说任何人都应该容忍泰将自己推向堕落的深渊。但是，开发人员不应该简单地拔掉插头，而是应该建立有效的机制，以便在机器意外动作时与之通信。Not Hotdog应用程序的反馈功能反映了Tim的信念，即用户应该能够与人工智能进行更有益的合作，开发人员应该能够管理fai