人類+AI，而不是人類vs AI。

人工智能（AI）和機器學習現在是技術社區的熱點話題，盡管我們還需要幾十年才能實現人工普遍智能，但深度學習技術在醫藥、教育以及消費者與品牌互動方面開啟了新篇章。

過去的一季度，科技巨頭如Alphabet、Salesforce、Nvidia、Amazon和IBM都在AI領域有重大投資，如收購機器學習小公司，雇傭研究團隊，或者與該領域的創業公司合作。他們的投資表明深度學習不再是一種新時尚，而是公司的產品和服務中必備的一種技術，否則就可能會被競爭對手超越。

雖然機器學習和AI的進步令人興奮，也為個人和企業都帶來很多好處，但是它在日常生活中的使用也引起了監管和社會經濟的關注。

AI也有其不幸

Facebook最近改變了熱門搜索的部分算法后被指責推送了虛假和不恰當的新聞故事。同樣，微軟的TayBot在學習了推特上的文章后成為了一個種族主義者，這受到人們的批判。甚至Random Darknet Shopper機器人因為在暗網購買非法商品被逮捕。

這些事件引發了倫理問題，新聞編輯、購物、社會交互和客戶服務是否應該完全移交給機器。

現實情況是，很少有聊天機器人能使用深度神經學習網絡和先進的機器學習。事實上，大多數機器人仍然是使用腳本規則框架通過預定程序來與用戶交流的。

隨著人工智能的進步，聊天機器人制造者能創造出更智能和更先進的機器人。在這種情況下，創作者應負責確保他們的人工智能產品在不跨越道德界限的情況下幫助客戶和商家。

大公司也認同這一點。谷歌、Nvidia、Amazon、IBM，還有其他公司承諾合作建立一個人工智能產業標準。雖然一些科技巨頭還沒同意參與，但是這個聯盟是正確的選擇，是一個被政府制裁前的自我調節機會。

研發有道德的機器

由于還在早期發展階段，大多數的深度學習技術還用來完成一般性任務，它們還需要更多時間“成長”。我們需要致力于提高“好”的神經網絡，通過把它們放在客戶服務環境中，讓它們學習如何迅速地執行特定任務。

這些環境都由很多數據組成的。在客戶服務世界中，系統不應該讓語言學家手工訓練，語言學家會嘗試預測每一個潛在客戶可能會問的問題。這是傳統自然語言處理聊天機器人的方法。但最近已經進入到可訪問深度學習應用的階段，模型開始依賴數學而不是關鍵字和短語識別。我們相信一個為客戶服務的真正強大的AI模型需要用一個龐大的歷史客戶服務日志數據集來訓練。

訓練工具中采用人工智能，并加強在線學習或人類監督，用每個對話持續訓練神經網絡，使工具隨時間推移變得更聰明。因此，平臺上的用戶越有效，你的機器人成長得越快變得越聰明。

開發人工智能應用的公司需要解決一些問題如隱私權、政治偏見和消費者敏感問題，因此讓機器學習技術服務于應用時，應通過豐富的訓練數據集和基本的人力監督實現相關的保障措施。

人類+AI而不是人類vs AI

公司希望業務流程的自動化能適當地接替團隊工作，但公司不應該把所有業務完全委托給人工智能。機器學習是一種首要方法來幫助，但不能完全取代人類進行智能的勞動任務。

在這個階段，人工智能人類共同工作來處理重復的任務。例如，在客戶服務中，重復的查詢可以交給機器處理。這樣可以讓人類代理有更多時間來為客戶提供更好的服務，甚至創造更多的價值。

通過在上百萬歷史數據集上訓練模型，真正客戶的服務日志，不管客戶的措辭是什么，神經網絡能熟練地識別問題并用最好的方式為客戶解答。這有助于代理節省處理時間，同時提高他們的服務質量和準確性，從而提高客戶滿意度評分（CSAT）和員工滿意度（ESAT）。

接下來，AI公司將專注于為社區的活躍用戶和開發商提供可擴展的產品。開發商和合作公司有責任去提供解決方案來解決道德問題，這樣才能用技術推動世界。

機器會隨著時間推移而學習，我們應該恰當地利用它們實現更多價值。