為什麼AI像人類一樣需要人類，就像人類一樣需要人類，特別是在全球性大流行這樣的新事件中
在某個時候，每個人都可以看到一些點擊誘餌的文章，它們談論著某種新的AI技術或某種新的機器人最終將如何取代我們人類。 或至少他們會使我們的大部分工作過時。 當然，隨著點擊誘餌文章的流行，它們極大地誇大了當前技術以及某些技術與替代人工之間的距離。 例如，您觀看了諸如Wired紀錄片之類的視頻，並且您認為無人駕駛汽車現在每天都將占據道路。 實際上，我認為如果您邀請不參與AI /機器學習/數據科學社區的人問他們，當您說AI時，他們想到的是哪種技術，這可能是他們想到的第一件事就是自我。 駕駛汽車。 但是，這篇Vox文章引用了加利福尼亞大學戴維斯分校交通研究所的創辦人Daniel Sperling：
…完全無人駕駛的汽車-根本不需要任何人在汽車上，可以行駛到任何地方-"不會在很多很多年發生，也許永遠不會發生。"
正如自動駕駛汽車不會替代人類駕駛員一樣，在許多領域中，人類並沒有像您認為的某些文章那樣接近替代人類。 換句話說，人工智慧並沒有想像中的那麼可靠，在當前的大流行中，這一點變得更加清晰。
當前的COVID-19大流行在現代時代是一種新穎的經歷。 我們上一次經歷這種大流行和社會影響的大流行是1918年的流感流行，正如您所想像的那樣，來自該大流行的數據並不像我們現在所掌握的那樣詳盡或完整。 此外，由於多種原因，1918年的世界與今天的世界大不相同。
所有預測模型都在一個基本假設下工作，即未來的行為方式將與過去相同。 數據將始終以相同的方式運行，而所有更改將取決於不同變量之間的交互方式。 模型只知道數據告訴了他們什麼，其他什麼都沒有。 它沒有一般的世界知識，甚至沒有更多的上下文知識（除非它當然反映在給出模型的數據中的某處）。
所有這些都意味著本文將重點介紹許多預測模型。 模型不考慮這一嚴重事件。 另外，即使在模型中添加了可能解決大流行特定問題的功能，事實是我們真的不知道未來會是什麼樣。 我們真的不知道何時停止社交距離，除了我們可能不會永遠做到這一點之外，我們也不知道人們什麼時候會感到安全地做過去的事情。 而且，正如許多人說的那樣，我們可能永遠不會回到過去的樣子。 如果真是這樣，那麼在很長一段時間內，預測模型（尤其是數據需求量較大的模型）將更加明顯。
這就是人類進入的地方。我們能夠使用很少的數據來進行新的事件並進行有根據的預測，因為我們擁有更廣泛的內部移情資料庫，並且了解人類的行為方式。 算法可能無法預測一個人現在去哪裡購物，但是一個人可以。 我們可能會預測某人可能會因為人潮較少或離家較近而去一家較小的商店。 我們可以看到數據的變化，然後說："哦，出於[在這裡插入原因]才有意義。" 對於無法完全了解大流行以及與之相關的威脅和焦慮如何影響人類行為的算法，完全沒有意義。
所有這一切並不是說我們在沒有槳的情況下走上了小溪，現在所有算法都無用了。算法仍然可以包含有價值的見解，這些見解可以與我們自己的知識相結合。我們可以查看算法的輸出，並將其表示為："這是根據我們的模型通常會發生的事情，這是當前正在發生的事情，因此，如果這些事件將來發生，這就是我們可以期望的模式是錯誤的，以及我們如何期望它是正確的。"事實是，人類和AI一直都需要彼此。即使過去人類創造了AI的事實，AI仍然需要來自我們的數據，人類可以提供算法無法提供的領域和常識。事實證明，數據科學是當今數據驅動世界中不可估量的工具。模型可以篩選人類無法獲得的大量數據，但是人類在適應新情況方面要好得多。這就是為什麼永遠不要只用一種來替代另一隻，而是要利用彼此的長處並相互合作。
(本文翻譯自Kate Christensen的文章《Humans and AI: The Dream Team》，參考：https://towardsdatascience.com/humans-and-ai-the-dream-team-2b05e1c79704)