在美国举行的一场艺术博览会中，Allen利用AI制图工具Midjourney生成的《太空歌剧院》获得数字艺术类别冠军后，不少艺术家指责Allen使用AI生成作品是作弊。

　　事实上，这副作品并非是由AI软件生成后，直接拿去参加比赛，中途作者还用Photoshop对作品进行了调色。

　　与冠军作品《太空歌剧院》形成对比的，是网友在社交平台贴出的自己通过AI关键词“鲑鱼回溯”生成的照片。

　　理想中成群结对的鲑鱼结伴相游的照片并没有出现，取而代之的是一片片漂浮在水面上试图游泳的的三文鱼片。

　　同样是AI制图，一个拿了艺术大奖，一个被调侃人工智障。制作团队在模型设计、数据选择上的差异，包括用户使用软件时描述方式的不同，导致了最终不同的呈现效果。

　　人工智能应用于某行业时，该行业的信息化程度应处于高水平，事实上不同行业的信息化建设程度不尽相同，这也意味着，AI进场首先将面临不同程度的信息化挑战。

　　以医疗行业来说，虽然医疗数据已经实现了数据化，但数据化程度不高，内部系统分散，数据很难流通共享，而AI药研需要医疗全过程的数据。

　　为了挖掘出数据的价值，需要专业人士借助中间系统，将不同系统里的医疗信息进行统一，或者采用联邦学习法进行处理。

　　有医疗行业人士对银杏科技表示，有些医生在录入信息时，会使用到业内人士才能明白的黑话，或者只记录下关键词。这些被省略的部分需要人工“翻译”出来，经过人工规范后的数据才能用于AI模型训练。

　　AI进行训练的语言通常较为规范，而人们日常生活的语言会更为通俗。为了让AI在日常应用中更有人情味，会有专门的工作人员对它们的语言进行“润色”。

　　以智能语音为例，用户在与智能语音对话时，往往会省略掉一些关键性修饰词，默认智能语音明白。而用户默认智能语音懂的这部分关键信息，就需要设计师“补”上去。

　　腾讯的车机系统在进入车载市场时曾遇到这样一个小插曲。用户要求语音助手播放《在路上》，但这既是一首歌曲名，也是一个电台名称。

　　面对这样一词多义的情况，正确的做法似乎是语音助手询问用户播放歌曲《在路上》还是电台《在路上》。

　　在实际的使用过程中，出于客户要求，设计者将歌曲版作为默认选项。而有的厂商在面对这样的问题时，考虑到电台版关注者并不多，而歌曲版近期大热，会将播放歌曲《在路上》作为默认选项。

　　这一种排序的优先级是人为对AI进行的一个程序设置，目的是增加用户在使用过程中对人工智能的亲切感，然而这样的设定会让想听电台版《在路上》的用户对语音助手的好感度下降。

　　当AI足够智能化后，它可以根据用户的喜好自动生成用户喜好或者习惯的排序优先级。

　　从数据收集、产品测试、再到正式投入使用，人们全程参与，及时根据AI的反馈调整模型和数据，确保在技术上达到理想效果。

　　从另一个角度讲，到底是播放歌曲，还是电台，这取决于平台干预，从而让AI平台们拥有了某种“权力”，它们可以根据好恶选择。

　　人工智能的一大技能，是可以根据蛛丝马迹找出人们试图隐藏的信息，这能帮助福尔摩斯破案，也可能导致科技公司信息被泄密。

　　前几年闹得沸沸扬扬的亚马逊智能音箱echo劝人自杀事件中，智能音箱只是从自己的数据库中调取信息作为对用户提问的回复，它并不理解其中的含义，也无法共情这样的答复会带给用户怎样的情感伤害。

　　从技术的角度讲，语音助手Alexa对用户的提问做出了回答，答案也不智障（抛开人类立场不谈），但人们无法在情感上接受这一回答，于是向亚马逊提出了抗议。

　　echo的工程师解释，Alexa很可能是从上下载了带有恶意文件的文本，才做出这样反人类的回答。

　　“机器人通过这些有缺陷的神经网络模型，学习到了有毒的刻板印象。”佐治亚理工大学的博士后研究员安德鲁·亨特表示。

　　本质上，Alexa的错误言论是人类社会的偏激言论，通过人工智能传递回了人类社会。

　　也是因为考虑到这一点，即使是智能产品已经在市场上成熟运行了一段时间，科技公司通常也会安排专门的人员，负责对产品的数据库、模型进行监测。

　　智能音箱数据被污染后，劝用户自杀带来的是可能发生的潜在伤害，而智能驾驶汽车的数据如果出现污染，带来的伤害几乎不可避免。

　　破坏者在系统中混入具有干扰性的数据，从而影响车辆对客观环境的判断，干扰车辆的正常行驶，很可能导致车辆失控。

　　严重情况下，攻击者甚至可以还原出系统的算法逻辑，对装载同款系统的汽车进行无差别攻击，给厂商带去不可估量的损失。

　　人工智能已经参与到互联网内容生产流通过程之中，抖音、快手的流量分发，内容审核，大部分都是交给人工智能完成。

　　机器负责第一遍信息筛选，根据以往数据对疑似违规的内容进行拦截或标红提示；之后再由审核人员对标红信息进行核实。

　　为什么没有办法完全交给机器呢？一位抖音的审核人员对银杏科技表示，机器是根据量化的指标做决定，比如一旦识别到“果体”画面或相关的关键词，就会自动拦截或作限流处理，但很多东西无法量化，比如意境、内涵，机器尚无法对只能意会不能言传的信息做出准确判断。现在不少擦边视频，画面与文字都不含敏感词，组合在一起却是妥妥的性暗示，像这样机器审核的漏网之鱼就只能人工抓捕。

　　纪录片《监视资本主义：智能陷阱》中，两拨人在算法推荐营造的茧房里将自身观看到的信息奉为真理，并在算法的推荐下不断强化这一信念，双方的信仰差异逐渐演成暴力事件，而他们最初争论的可能仅仅只是地球是圆是方。

　　一条具有倾向性的言论，一个投其所好的推荐机制，分开看都没什么问题，凑上一起再加上时间的催化就演变成了一场暴力事件。哪一方都没有责任，哪一方又好像都有责任。

　　迈过技术关卡，规避掉各类各类风险后，乖乖为我们所用的AI就一定能为公司带来更好的经济效益吗？未必。

　　对于曲库量高达七千万的音乐平台来说，要求音乐编辑听完所有内容后再进行作品推荐显然不现实。

　　诚然，AI可以快速“听”完所有音乐后，根据听众的审美偏好推荐相似风格的小众作品，从而提高整个曲库的利用率，当年虾米音乐凭借独特的算法逻辑在版权弱势的情况下，依旧能与网易腾讯抗衡。

　　不过算法推荐也有弊端，不少用户反应推荐的音乐风格过于单一，音乐平台也尝试改变算法的逻辑，在日推中加入风格差异大的作品，以此缓解听众的审美疲劳。

　　机器推荐始终稍显冰冷，这缺失的人情味便由用户自发上传的各类歌单补足。用户自建的歌单歌曲的风格连贯性不高，却热情饱满，大家自发地收藏评论，用户与用户的距离、用户与平台的距离，也就由此拉近了。

　　出于整体的商业利益考虑，大部分内容平台都会采用AI和人工两种推荐方式，取长补短。

　　内容行业由于其文化上的特殊性，不能完全交给机器；而完全可以用AI代替，代替后效果更佳的工业，不少公司依旧使用人工，部分原因在于使用AI后带来的收益并不能覆盖前期投入的成本。

　　一位从事传统行业的从业者对银杏科技表示：如果采用AI技术，带来了100万的收益，却让成本增加了110万，并且这个成本在三五年内并不一定会下降，那么他倾向于保持现状。如果成本与收益基本持平，但成本有望在三五年内大幅下降，那么他会愿意尝试。

　　除了成本问题，上述从业者还表示，希望能够在确保公司数据绝对隐私、绝对安全的情况下进行AI模型训练，如果不能保证这一点，即使采用AI技术收益会更高，他也很可能不会采用AI技术。

　　事实上，该从业者担心的数据安全、隐私泄露问题，即使是完全采用普通机器或者人工，担忧的事情也可能发生。

　　他告诉银杏科技，在他看来AI的信息泄露肯定比传统技术信息泄露造成的影响大，并且，法律对于传统技术中出现的泄密等问题是有明确的相关规定的，出现问题直接走法律程序。

　　而AI技术在这方面的法律规定还在制定当中，他表示，自己还是更愿意在这些配套设施基本完善之后再考虑AI技术。

　　从技术本身、到技术与人类社会的磨合、再到AI真正给用户带来价值，这其中的每一个环节都需要人参与，人的角色从一线的劳动者变成指挥AI进行一线劳动的调控者。

　　人们利用数据和模型培养一个助手，如何引导这个助手以达到自己想要的市场效果，还在摸索阶段。