人工智能（AI）系统是否会发展到人类决策变得过时的地步？我们应该准备好保护自己免受杀手机器人的侵害吗？“冬天”来了吗？
虽然这些重要问题已经存在了几十年，但回答这些问题的努力并没有达成共识，在散布恐惧和合理关注之间划清界限已成为公众的一项复杂任务。评论员分为两个阵营：
第一个阵营认为围绕人工智能的技术发展是一场具有积极影响的革命。它们强调了人工智能可以为各个领域的有效决策带来的许多好处。人工智能工具有助于文件的翻译、自动驾驶汽车的可靠性、疾病的诊断，以及许多其他应用。这种观点的支持者甚至超越了这些好处，将人工智能设想为灵丹妙药，并描述了一幅夸张的充满人工智能的未来美好图景。例如，谷歌首席执行官桑达尔•皮查伊（Sundar Pichai）将人工智能描述为“人类有史以来最重要的事情”和“比电或火更深刻的东西[1]”。
然而，第二阵营的评论员描绘了一幅不那么乐观，有时甚至是可怕的人工智能未来图景，并警告人工智能可能给现代社会带来的负面影响。例如，他们共同担心在一个由人工智能系统主导的世界中大规模失业，这些系统超越了人类。他们还强调了人工智能系统可能在人类社会中产生的偏见和不平等，并警告人工智能工具通过创建虚假但逼真的图像或视频可能产生的操纵性宣传的危险。在其他情况下，这些合理的担忧演变成对人工智能工具相关风险的过度夸大预测，这些风险可能被居心叵测的恐怖分子滥用，或者出现智能但无情的杀手机器人，这将消灭文明。
在这篇文章中，目的不是在这场激烈的辩论中偏袒任何一方。相反，我专注于人类决策者的决策过程，以超越支持和反对人工智能的论点，并强调人类决策者和人工智能系统之间可能的协同伙伴关系。通过拒绝对人工智能未来的过度夸张的正面和负面预测，我想强调的是，人工智能和人类的决策过程虽然有其自身的优势和劣势，但可以被视为决策过程中的补充，而不是替代品。
什么是人工智能？
数据扩散（例如大数据）和算法进步（例如机器学习）的融合导致了人工智能的普及，并引起了公众对该主题的极大兴趣。虽然人工智能一词是在1956年左右创造的，但它最近已成为一个流行语，与大数据和机器学习等术语一起，在许多专业和学术界被抛弃。从广义上讲，人工智能是指一组具有从数据中学习能力的非人类智能系统或算法的异构。从媒体到医疗保健，从时尚到运输，各种各样的人工智能工具和技术正在以惊人的速度在每个行业中增长。Alexa和Siri等数字助理使用AI根据与用户的面部特征或语音模式相关的数据分析来识别用户，并根据用户的位置和先前的偏好提出有用的建议。在一个更高级的例子中，基于机器学习的人工智能算法帮助Emotech开发了机器人助手OLLY，它有能力进化其个性并逐渐变得类似于其所有者。它学会检测所有者的“面部表情，语音变化和语言模式”，然后发起对话或对用户的感受做出反应[2]。尽管人工智能系统之间存在技术差异，但它们中的大多数都具有相同的目的：促进将现有数据转化为有用的见解、决策和结果。
人工决策
当涉及到决策过程时，人类倾向于依靠两种方法来做出选择：分析和/或直觉。这两个主要的信息处理系统在性质上是不同的，代表了思维和解决问题的不同方面。在下文中，我将详细解释这些方法中的每一种，并讨论它们与AI分析的相关性。
分析决策和人工智能。分析决策需要在做出选择之前进行系统和有意识的数据收集和分析过程。作为许多现代组织中行之有效的决策方法，分析决策需要一种有条不紊的方法收集和分析相关的内部和外部信息，设计替代行动方案，并在做出选择之前根据特定标准（例如，决策目标和目的）比较替代方案。分析方法最适合解决复杂问题，以及当有足够的数据与现象或任务相关时。然而，当涉及到大量数据时，这种深思熟虑的数据收集和分析过程对于人类决策者来说变得艰巨，他们通常受到认知能力和注意力限制的限制。
基于人工智能的决策支持工具和系统可以通过提高收集和处理结构化（例如，表格）和非结构化（例如语音和视频）数据的速度和准确性来为分析决策过程做出贡献。例如，基于机器学习的人工智能算法可以根据当前和过去的业务相关数据促进对未来未知状态和事件的预测。模式发现和趋势分析是人工智能可以为分析决策提供价值的其他途径之一。人工智能工具可以翻译、驱动和识别人脸。它们可以帮助医生诊断疾病或为战略决策者提供决策的可能结果。简而言之，这些系统可以从过去学习，以增强分析决策。同时，与人类决策者类似，人工智能工具容易出现基于数据现实的错误和偏见。
直观的决策和人工智能。 直观的决策需要基于对先前事件和经验的整体理解，轻松自动地做出决策。与分析方法相反，直觉决策是自发的，不遵循系统的方法。以前通过经验获得的人类知识使直觉决策者能够感知决策周围的机会和威胁。基于这种感觉或隐含的理解，她继续做出选择，尽管没有明确的推理。直观的决策方法适用于以压倒性的模糊性为特征的情况，或者当决策没有先例时。在这种情况下，没有关于过去类似情况的相关数据;也没有时间系统地收集适当的数据。
现有的基于机器学习的人工智能算法在直观决策方面无法提供太多见解。事实上，根据设计，当前的人工智能算法只能系统地从数据馈送中学习，而没有过去的相关数据（例如，在极其模糊和前所未有的情况下），即使是最复杂的人工智能工具也只不过是几行无用的代码。这些工具如果提供不相关的数据，将最好地体现垃圾进出的概念。简而言之，虽然人工智能工具可以极大地促进驾驶、翻译和疾病诊断等分析任务，但它们在独特的情况下无法发挥创造力。“自动驾驶汽车可以行驶数百万英里，但它最终会遇到一些它没有经验的新事物[3]。另一个例子是，人工智能无法为前所未有的组织危机找到解决方案，经验丰富的首席执行官可能会想出一个直观的答案。总的来说，人工智能无法以整体、创造性或抽象的方式思考或理解。然而，与此同时，人工智能研究（例如机器学习算法）已经成为一种炼金术。“炼金术士发现了冶金、玻璃制造和各种药物......但未能治愈疾病或将基本金属转化为黄金“ [4]。同样，人工智能工具试图模仿人类的直觉，但一再失败，但产生了强大的工具作为副产品：可以“击败人类围棋选手，从图片中识别物体，识别人类声音”的工具。
务实的范式：人与人工智能的伙伴关系
考虑到人工智能系统在直观决策方面的缺点，以及直觉对现实生活中决策的重要性，可以肯定的是，在不久的将来，人类仍将是人工智能算法背后的策划者。在这种情况下，将人工智能系统视为补充和增强人类智能以促进更好、更快的决策的合作伙伴是合理的。这样，我们设想的人工智能未来看起来就不像终结者式的场景，而更像是人类决策者和“决策支持工具”之间的协同合作[5]。基于这种人与人工智能关系的伙伴关系概念化，人类社会将受益于人工智能工具的拥抱，并使其更加准确、有效和可靠。为实现这一目标，资本投资和适当的政策考虑可以进一步推动人工智能技术的发展，并使全球更多的受益者普遍受益于这些技术的好处。在这方面，为工人提供与人工智能系统建立认知伙伴关系所需的技能和能力可以减缓一些负面影响，例如工作流离失所。
结束语
先进的人工智能系统等新兴技术带来了一些好处和一些负面后果（例如，错误、低效率和副作用）。考虑到人工智能在处理直观决策方面的缺点，人工智能机器不会完全取代人类决策者，至少在不久的将来是这样。人类决策者需要利用人工智能的好处来促进决策和解决复杂问题。然而，更重要的是，他们需要继续投资于他们最擅长的事情：批判性思维、直觉分析和创造性地解决问题。最后，虽然很难对人工智能的未来做出任何结论，但人类决策者似乎继续垄断这些能力，这将有助于他们保持上风，为“冬天来临”做好准备。
也就是说，忽视人工智能能力的提高会对劳动力市场产生负面影响并导致收入不平等加剧这一事实是幼稚的。遵循前面概述的人工智能-人类伙伴关系范式，解决这个问题的直接行动项目是政策制定。为改善人工智能系统并确保弱势工人群体获得人工智能相关教育的适当政策制定，不仅会减缓大规模的技术失业，还有助于防止由此产生的财富分配偏差可能产生的不平等。