top of page

2023年5月3日

上文說到「目標函數逸出」講述人工智能(AI)系統,如何為實現指定目標,繞過常規方法,導致一些人類未能預料到的後果,甚至對人類社會產生負面影響。今次想介紹人工智能的「功能蔓延」(Function creep),這是指AI系統的功能擴展,超出了其最初預期目的。表面上看「目標函數逸出」和「功能蔓延」都可能產生類似的負面後果,但原因不盡相同。 「功能蔓延」是技術或系統超出原本預期功能範圍的現象。正面來說,蔓延後的智能系統可以提高效能,變得更加靈活和能夠處理更廣泛的任務。生活中其實不難遇上這些顯而易見的例子,最初的設計用於播放音樂和回答用戶問題的智能音箱,現在它的功能擴展到可以控制家庭設備、定時提醒、訂購商品等。智能門鎖最初也是為了提高安全性和便利性,但現在可以用於遠程監控、自動開關門等功能,有時也會超乎預期,而讓使用者擔憂。以下我想再舉一個由於數據共用而引起的「功能蔓延」例子。 某銀行最初開發了一個智能應用來幫助客戶進行財富管理,包括現金收支、股票交易投資、貸款、生活繳費(包括水電煤、電話費、交通違例告票)等。 似乎生活繳費收集的數據與其他理財業務並沒有關聯,直至後來交通違例的數據被用作貸款額度的風險評估,但客戶對於數據的用途可能一無所知,更超出了預期的功能範圍,亦很難主動發現問題。大家可想而知,我們在同意數據被收集的同時,實在也太難知道其負面後果。 一般來說,這些功能的擴展通常會為用戶提供許多便利和服務,但也可能帶來額外的風險和挑戰。隨着應用變得更加複雜、數據的流通更廣泛,普通市民的數據安全和私隱可能會受到威脅。因此,企業在開發這些設備及應用時,需要仔細考慮其「功能蔓延」的潛在後果,並採取適當措施來確保安全和私隱。在數字經濟高速發展之下,企業的責任承擔、政府的主動監察、市民對數字應用的警覺性缺一不可。 所以有人笑說「打荷包」的小偷很快會銷聲匿跡,因為未來各位都不帶錢包出街,但別開心得太早,「文雀」也能以數字化的方式出現罷了!

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page