“偏科”的人工智能

    百度的李彦宏第四年在全国两会上提出“人工智能”相关的提案，除了李彦宏、丁磊和杨元庆等传统的科技大佬，两会现场，证监会提出将人工智能应用于市场监管，也“赶上”了热点。
    人工智能的应用场景，当然少不了教育行业。与之相关的，就有丁磊《关于加快义务教育信息化改革，深化精品在线开放课程平台建设的提案》。此前，智慧课堂与智学网已覆盖了许多院校，网络上不乏有产融龙头介入的信息，商业逻辑已经逐渐显现。
    有激进的技术派甚至预言，未来，机器人夺过教鞭，人类老师将被赶下讲坛……毕竟机器阅卷已经被证实可行，而“大数据”分析，则可以更加精准的追踪每一个学生的个性，从而帮助学生更为精准对接学习资源。
    不过有趣的是，目前人工智能系统的运用，理科领域表现却弱于文科领域，甚至当人工智能可以应用于中学生英语作文的写作，但却会在一些简单的数学题目中出错。
    这也是为何人工智能的英语培训、语文培训，甚至文史培训火爆，而数理化的应用却仍然短板的主要原因。“机器学习”在调动记忆、计算等模块的同时，对于逻辑理解和推演仍然存在短板。“短板”要解决，所需要的存储和算力，与目前的技术能力，显然还存在着很大的差距。
    人工智能能否在师生的情绪交互、伦理教育，以及学生美学逻辑形成上，扮演足够的角色，更是难以预料。如果将“机器学习”人工智能变成老师，学生是否会逐渐更像一个“知识机器”，即使在道德层面不争论学生成为知识机器的问题，在学习能力上，学生与机器存在的效率差异，如何凸显出人类的存在优势，又成为更深层次的伦理问题。
    同样的逻辑在金融场景中，非常雷同。金融资本既是技术革新最重要的参与者，也是人工智能最适宜的引用场景，毕竟繁冗的数据是金融领域的最大“痛点”。理所当然的，这也导致，无论在银行、保险，还是券商、基金从业的人们，谈及金融科技必谈AI。
    目前，国内金融科技嫁接人工智能，最“热闹”的是在生物识别、行为跟踪两个维度。前者识别客户，自然比业务员更加准确，而后者通过数据的不断采集和处理，与金融机构本身的风控模型进行吻合，亦不失是一个噱头十足的概念。随着客户数量的增加，还可以反过来，帮助金融机构调整自身的风控策略。这使得这种应用，成为一个闭环的概念。
    这与互联网金融过去两年的大发展不无关系，这个裹挟着大量的资本介入投融资活动的新行业，亟需更具有“说服力”的风控仪式，人工智能恰如其分的成为最好的选择。
    但是在实际运用过程中，“偏科”的情况又出现了。客户的行为数据如何跟踪，单就金融行为而言，过去的十多年，市场甚至无法完整的获知一个投资人的信托资产和保险资产明细，更遑论复杂的民间信贷；在这种背景下，如何保证风控体系的准确性，而风控体系一旦出错，谁又为发生的风险负责？
    其中的行业伦理问题更为直观：风险数据的经验统计，是否在未来的投融资活动中适用；如何甄别“行为跟踪”数据是否违反个人的隐私权；机器学习在教育领域可能较难出现不可弥补的错误，但是在金融领域却有可能，错误出现之后，新兴技术的概念是否会放大甚至激化这一矛盾，尤其是在AI对人类生活的影响力逐渐扩大之时，现行法律体系是否会出现不再适用AI的盲点？
    继续推演这种猜想，当人工智能应用于医疗诊断、自动驾驶等领域扮演解决问题的角色时，一旦人工智能做出错误判断，涉及到的自然不仅仅是技术的可靠性一个争论。
    （武汉市第十一中学）