A5创业网
项目发布
申请报道
扫一扫，联系编辑获得审核机会
符合以下要求，获得报道机会
1. 新公司求报道
2. 好项目求报道
3. 服务商求报道
4. 投资融资爆料
中介交易 网站交易 域名交易 公众号
登录 注册
会员中心 退出
微信 
微博
手机版 
网站导航
找项目 找服务
客服热线：400-995-7855
创业
创业动态 投资融资 创业故事 众创空间
财税
工商注册 公司财税 资质办理
产权
商标 版权 专利
科技
互联网 IT业界 移动 八卦休闲
站长
网站运营 建站经验 SEO 交互设计 好站推荐
营销
营销策划 网络推广 移动营销
电商
电商资讯 电商分析 移动电商
IDC
IDC报告 云计算 服务器 安全 CDN
更多
自媒体 公众号 小程序 产品 域名 会议 数码 游戏 系统 技术
首页
创业
创业项目
科技
站长
产品
营销
电商
域名
会议
A5交易
A5营销
创业服务
当前位置：首页 > 站长 > 搜索优化 > 正文 品牌
标签
专题
软文
人工智能什么时候才能全面影响搜索算法？ 2018-01-22 08:45 来源：SEO每天一贴 我来投稿 我要评论
创业项目优选 好项目来A5招商 ，点击入驻！
过去一两年，人工智能是最火的并且快速进入实用的技术。以前写过人工智能将彻底改变SEO，也介绍过人工智能在搜索算法中的实际应用，但需要说明的是，到目前为止，人工智能在搜索算法中的应用并不广泛。影响人工智能在搜索算法中大范围使用的最主要因素可能是，搜索引擎工程师不知道人工智能系统到底是怎么做出判断的，然后又导致另一个重要问题：很难debug。
人工智能是个黑盒子
用不太严格但容易理解的方式说，深度学习就是给现有数据(大量数据)打标签，然后系统自己总结数据和结果(也就是所打的标签)之间的关系，面对新数据时，就能依据自己总结的规律给出判断。对围棋来说，无论历史棋局还是自我对弈，AlphaGo知道盘面，也知道结局(也是一种标签)，系统就会总结规律，面对新盘面时判断赢棋的概率。但AI系统找到的是数据的哪些特征，与结果之间是怎样的关系，连创造AI的工程师也不知道。
所以，现在的人工智能系统是个黑盒子。我们知道AI判断的正确率高，但不知道为什么，不知道是怎么判断的。
搜索算法中的AI也是如此。百度搜索工程师的说法很少见到，只是知道百度现在All In AI了。Google工程师明确表示过，他们对RankBrain到底是怎么工作的也不太清楚。在这种情况下，在算法中大量使用人工智能就比较麻烦了，一旦出现异常结果，不知道是什么原因，也无法debug。
写这篇帖子是因为前些天看到一篇纽约时报的文章“AI能学会解释它自己吗?”，非常有意思。一位心理学家Michal Kosinski把 20 万社交网络账号(是个约会网站)的照片及个人信息(包括很多内容，如性向)输入面部识别人工智能系统，发现人工智能在只看到照片的情况下判断性向准确率很高。人工通过照片判断一个人是否同性恋的准确率是60%，比扔硬币高一点，但人工智能判断男性是否同性恋准确率高达91%，判断女性低一些，也有83%。
从照片里是看不到音色语调、体态、日常行为、人际关系之类帮助判断的信息的。同性恋有纯相貌方面的特征吗?我个人的经验是，靠相貌判断不大靠谱。我以前认识一对男同，他们都是很man的那种，常年健身，待人彬彬有礼但绝没有女气，从外表是看不出来的。也可能是依靠某种服饰特点?表情?背景?人工智能从照片中到底看到了什么我们人类很可能忽略了的特征，或者人类根本看不到的特征，并达到91%的准确率呢?不得而知，反正只是知道AI看得挺准。
不能解释自己的AI无法被信任
这种黑箱特征有时候倒无关紧要，像是判断一下性向。有时候就不能这么草率了，比如看病。虽然AI系统诊断某些癌症的正确率已经达到人类医生的水平，但最后结论，目前还是要医生做，尤其是AI不能告诉我们它诊断的理由是什么的时候。除非以后AI能解释它为什么做出这个诊断，不然让人类100%信任AI是有比较大心理障碍的。
前几天刚刚看到新闻，新加坡政府开始测试无人驾驶公共汽车。这显然是个正确的方向，我也相信不久的将来就会成为现实。虽然自动驾驶汽车事故率比人低，理性上我们都知道其实更安全，但过马路时，停在旁边的公共汽车没有司机，我会不会有点提心吊胆，怕它突然启动?开车时扭头一看，旁边的Bus没有司机，我会不会吓一跳，下意识地离它远点?至少初期会的吧。和几个朋友聊起这个事，都是理性上相信，感性上心虚。
以前的程序是依靠确定性和因果关系运行的，比如搜索算法中哪些页面特征是排名因素，各占多少权重，这是工程师挑出来的、确定的，虽然挑的时候可能就是拍脑袋决定的，但经过监测效果、调整参数，会达到一个比较满意的平衡。人工智能系统并不依靠工程师给定的确定因果，而是更擅长于在概率和相关性中找到联系。对人来说，以概率和相关为特征的判断，经常就不好解释理由了，比如也许是看心情，也许是看好看不好看。
要求AI系统解释自己的判断，不仅是心理上的问题，也许以后会变成伦理和法律上的问题，像看病。再比如涉及用户利益的事情，像贷款，人工智能根据一大堆数据做出拒绝贷款的决定，银行却不能解释为什么拒绝，对用户该怎么交代?今年欧盟可能就要颁布法规，要求机器做出的决定必须有解释。这对Google、Facebook等全球性的企业是个压力。在很多领域，如军事、法律、金融，所有决定都是要有人来承担责任的，如果某个决定无法解释原因，恐怕也没有人敢承担这个责任。
