Dr Aaron Poynton 是美国人工智能学会的主席，并且是畅销书《像黑羊一样思考：解锁你的内在超能力，打破人群》的作者。所反映的观点是他自己的。
Theranos 和 FTX 不仅仅是丑闻，它们是警钟。它们暴露了当炒作超过实质时会发生什么，留下了破碎的信任和灾难性的损失。在 2025 年，人工智能站在了一个类似的十字路口。夸大其词和实际能力之间的差距已经变得不可能忽视。如果人工智能要兑现其变革性的承诺，现在是时候打破噪音，要求问责，并将真正的突破与炒作和欺诈区分开来。人工智能无处不在 —— 或者说，他们想让我们这么认为。从“人工智能驱动”的营销宣传到投资者演示文稿中充满的流行词，人工智能已经成为每家公司都想要佩戴的徽章。但是，它们中有多少是真实的？在表面之下，这些说法中的太多最终被证明是烟雾和镜子。这一年，消费者、投资者和监管者必须站出来，揭穿这个骗局。没有集体的努力来推动透明度，信任将会被侵蚀 —— 而当信任消失时，进步也会随之消失。真实的人工智能的承诺是不可否认的。机器学习和自然语言处理正在以人们曾经认为不可能的方式重塑行业。在医疗保健领域，算法 使得能够更早地诊断出癌症和糖尿病等疾病，为更有效的治疗铺平了道路。物流公司正在使用人工智能来 优化供应链，减少浪费，降低排放。教育正在被转变，因为人工智能帮助教师个性化学习体验，根据每个学生的独特需求量身定制教学。这不是遥远的梦想 —— 它们正在发生，并且是当人工智能被负责任地应用时可能实现的东西的证明。虽然人工智能继续取得真正的进步，但该行业面临着由夸大其词的说法所激发的信誉危机。一些公司歪曲了他们的能力，将基本的自动化或人工驱动的过程标记为“人工智能驱动”。这种现象，被称为“人工智能洗白”，是该行业的一种祸害。考虑一下一个 语音邮件转录服务，它声称使用先进的人工智能将语音转换为文本。客户认为他们正在从尖端的机器学习中受益。实际上，人类工人在幕后手动进行转录。该服务本身并没有缺陷，但欺骗性的营销行为破坏了信任 —— 并贬低了人工智能的真正含义。这不是一个孤立的问题。在金融、零售和其他行业，公司都在夸大其词。金融行业中，一些交易平台吹嘘“人工智能驱动”的算法，实际上只不过是基本的统计模型。在零售领域，聊天机器人和平台有时被出售为智能系统，但实际上它们依赖于 预先编写的人类响应，其中包含的机器学习成分很少。这些夸大其词不仅伤害了提出这些说法的公司 —— 它们也损害了整个人工智能领域的可信度。当消费者反复遇到未能兑现承诺的产品时，怀疑主义就会滋生。这种怀疑主义不会停留在那些不法行为者身上 —— 它会蔓延到合法的创新者。投资者无法区分炒作和现实，于是撤回资金。真正的突破很难找到所需的资源和可信度来取得成功。与此同时，整个生态系统都在受苦。在像人工智能这样动态和快速发展的行业中，信任的侵蚀是一场正在酝酿的危机。但事情不一定会这样发展。人工智能的未来仍然可以是光明的 —— 如果我们现在采取行动。解决方案从各个层面的问责开始。投资者必须要求比华丽的黑盒子演示更多的东西。他们需要确凿的证据、独立审计和严格的技术审查，以验证说法并证明技术的真实性和可持续的竞争优势。监管者也有同样关键的作用。明确的定义和可执行的标准，以确定什么构成人工智能，已经长期被忽视。FTC（联邦贸易委员会）必须继续其 打击欺骗性说法和计划的行动，让骗子承担责任，并阻止他人效仿。没有这些努力，“人工智能”的术语将继续被利用，从而进一步侵蚀其可信度。消费者也扮演着至关重要的角色。通过提问和要求透明度，他们可以迫使公司诚实地说明其产品的能力和局限性。一个简单的问题，如“这个‘人工智能驱动’产品实际上是如何工作的？”可能会揭示公司是否真正利用人工智能，还是依赖基本技术或人工劳动，并用人工智能术语进行包装。当消费者奖励透明度并惩罚欺骗时，市场就会转向诚实。赌注很高。人工智能不仅仅是一种技术趋势 ——...
最近诺贝尔奖得主丹尼尔·卡内曼（Daniel Kahneman）去世，他是将心理研究与经济学相结合的先驱，尤其是在理解人们在不确定性下如何做出决定方面。卡内曼和弗农·L·史密斯（Vernon L. Smith）的开创性工作为理解经济决策中启发式和偏见的复杂相互作用奠定了基础，这一遗产继续影响着新兴领域。在世纪之交，当卡内曼获得诺贝尔奖时，人工智能仍处于发展的初期阶段。然而，在他去世几年前发表的一份预言性声明中，卡内曼预见了先进人工智能对领导力和决策的深远影响，提出了问题，“一旦人工智能拥有远优于人类的商业判断力，这将如何影响人类领导？”这个问题凸显了人工智能通过整合行为经济学的见解来重塑决策过程的变革潜力。在今天快速演变和错综复杂的商业世界中，决策的艺术和科学是至关重要的区别，它往往造就赢家和输家。然而，这些关键决策受到人类情感、偏见和非理性性的挑战。传统的决策模型，以理性选择理论为基础，经常忽略这些微妙但强大的影响。正是在这个背景下，人工智能和行为经济学的融合出现了，它承诺重新定义商业领袖的决策基础。行为经济学揭示了启发式的作用——认知捷径，它们以牺牲准确性为代价简化决策。这些心理捷径是偏见的滋生地，例如过度自信、沉没成本和损失厌恶，它们可能会扭曲判断并影响组织结果。人工智能凭借其无与伦比的数据分析能力，呈现出一种新颖的解决方案，以分解和理解这些偏见。通过筛选大量数据，人工智能可以揭示人类观察无法察觉的决策模式，提供一个新的视角来观察塑造我们选择的认知偏见。人工智能和行为经济学之间的这种协同作用具有深远的实际影响。受行为洞察启发的人工智能系统，可以引导金融分析师远离有偏见的保守策略，推动人力资源平台对抗招聘中的无意识偏见，实施基于行为倾向影响的营销活动等等。这些并非推测性的情景，而是可以利用人工智能的预测能力来制定更细致和有效的决策策略的可实现现实。然而，将人工智能与行为经济学整合的道路上充满了挑战，特别是人工智能开发中的人类偏见所带来的伦理困境。人工智能技术的创造与人类知识密切相关，因此也与我们的偏见密切相关。这些先入之见可能会无意中影响人工智能算法，延续甚至放大偏见，其规模以前所未有的。解决这些伦理问题需要采取多方面的方法。它需要建立健全的伦理框架，培养多样化的开发团队，并在整个人工智能开发过程中致力于透明度。另外，人工智能系统必须能够持续学习，不仅适应新数据，还要适应不断演变的伦理标准和社会期望。人工智能和行为经济学的整合承诺开启决策的新时代，这个时代利用技术来阐明和减轻蒙蔽人类判断的偏见。随着我们在卡内曼等先驱者的遗产指引下步入这片未知领域，我们的成功将取决于我们在这次整合中应对伦理复杂性的能力。通过拥抱多样性，确保透明度，并培养持续适应的环境，我们可以解锁人工智能的全部潜力，以创新和伦理合理的方式增强决策。这段旅程不仅是一项技术事业，也是一项道德必然，开启了人工智能和人类洞察力融合的未来，这个未来将创造一个更聪明、更公正和更有道德的商业格局。
