AI行业故意夸大报道案例合集

行业AI产品报道中，会故意模糊/夸大一些成绩，并且故意略去各种限制条件、异常情况和风险。今天这边文章《Gary Marcus 对 AI 领域开炮：踏踏实实做研究，不要净吹牛逼》的价值在于

1、这类信息合辑，便于作为今后我们自己输出/思考时的素材。

11 月 24 号，《经济学人》杂志发表了对 OpenAI 的 GPT-2 文本生成系统的采访，而且故意说 GPT-2 给出的这些回答是「未经编辑的」，而实际上，每个回答都是从 GPT-2 生成的 5 个候选回答中由人类挑选的，挑选标准是要语意连贯而且幽默。这篇报道让大众以为能与人类自然交流的对话 AI 其实近在眼前了，但其实这只是一场表演。……再往前数一个月，OpenAI CTO Greg Brockman 自己就做了不少手工挑选的工作。他发推特说「我们把一篇 GPT-2 生成的短文投稿到了《经济学人》的青年作者文章栏目。其中一位评审者，并不知道这篇短文是 AI 写出来的，给出了这样的评价：文章用词考究，提出的观点都有证据支撑，不过思路的原创性并不高。」但 Brockman 没有说的是，还有几位评审者对这篇短文的评价要低很多。

OpenAI 设计了一组神经网络，可以让机械臂学会玩一个专门定制的魔方。对外宣传的时候，OpenAI 在技术博客里用了一个有迷惑性的视频，让人误以为这个系统已经能从认识层面上理解魔方，但实际上它并没有真的学会如何解魔方。……在最好的情况下，随机打乱的魔方中也只有 20% 被成功还原了。在媒体报道里，这些细节都被忽略了，比如华盛顿邮报的报道是这样的「OpenAI 的研究人员说他们并没有明确地给机器编程教会它解魔方」，仿佛暗示解魔方是它自己学会的；后来华盛顿邮报发出了一则更正「更正为：OpenAI 的研究重点是让机械臂控制魔方的转动，而不是魔方的解法」。

有的报道写道「神经网络解决三体问题可以比传统方法快 1 亿倍」，但首先，神经网络做的不是解决，而是近似计算，它仅仅近似计算了高度简化过后仅剩 2 个自由度的状况（简化前有 10 个自由度），而且这些天体的质量还要相同。

卫报在 2015 年采访了「深度学习教父」Geoff Hinton，他们的采访文章标题是「谷歌距离开发出类人智慧又近了一步」。在卫报的采访中，Hinton 表示他加入谷歌后开发的新技术可以「帮助攻克人工智能中的两大核心挑战：掌握自然的、对话级别的语言能力，以及做出逻辑推理」，而且「马上就能开发出有逻辑能力、自然语言对话能力、甚至能和人开玩笑的算法」。如今，四年过去了，我们还没见到什么能在没有外人干预下就能和人进行自然语言对话的机器，而且也没见到什么能理解、推理物理世界现象的系统。

2015 年 5 月，连线杂志根据对当时担任 Facebook 人工智能研究院负责人的 Yann LeCun 的采访发表了一篇报道，表示「深度学习很快就会给我们带来非常聪明的机器人」。无需多言，非常聪明的机器人到现在也还没看到。

医疗诊断：IBM Watson 也承诺了很多做不到的事情，以至于医疗机构 MD Andersen 癌症中心由于对结果不满所以终止了和 IBM Watson 的合作。

假新闻检测器：2018 年 4 月，Facebook 创始人&CEO Mark Zuckerberg 告诉美国国会，在未来的 5 到 10 年里 AI 可以开始帮助检测假新闻，但在今年（2019年）5 月，Facebook CTO Mike Schroepfer 表示无法承诺在短期内做出可见的成果

无人驾驶汽车：按照 Elon Musk 的承诺，2020 年的时候我们就会有完全自主驾驶的汽车了，但目前整个自动驾驶研究领域的共识是，完全的自动驾驶要比大多数人预计的难得多，如果想要在高度限定的路况之外实现完全的自动驾驶，我们还需要很多年的时间

2、这种夸大报道，根本上是杜绝不了的，因为这个社会本身就是贪嗔痴的显现，绝大多数人是金钱/成功导向的。

3、那我们该如何自处呢？当我们自己做AI公司/AI产品时，对外报道要保持克制，更重要的是，提醒自己多做最重要而不紧急的事情，让“成就后置”，即，先去播种成功的种子，让结果自然到来。

-END-

以上内容，来自饭团“AI产品经理大本营”，点击这里可关注：http://fantuan.guokr.net/groups/219/ （如果遇到支付问题，请先关注饭团的官方微信服务号“fantuan-app”）

---------------------

作者：黄钊hanniman，图灵机器人-人才战略官，前腾讯产品经理，7年AI经验，10年互联网背景，微信公众号/知乎/在行ID“hanniman”，饭团“AI产品经理大本营”，分享人工智能相关原创干货，200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1万+。