人类+AI，而不是人类vs AI。
人工智能（AI）和机器学习现在是技术社区的热点话题，尽管我们还需要几十年才能实现人工普遍智能，但深度学习技术在医药、教育以及消费者与品牌互动方面开启了新篇章。
过去的一季度，科技巨头如Alphabet、Salesforce、Nvidia、Amazon和IBM都在AI领域有重大投资，如收购机器学习小公司，雇佣研究团队，或者与该领域的创业公司合作。他们的投资表明深度学习不再是一种新时尚，而是公司的产品和服务中必备的一种技术，否则就可能会被竞争对手超越。
虽然机器学习和AI的进步令人兴奋，也为个人和企业都带来很多好处，但是它在日常生活中的使用也引起了监管和社会经济的关注。
AI也有其不幸
Facebook最近改变了热门搜索的部分算法后被指责推送了虚假和不恰当的新闻故事。同样，微软的TayBot在学习了推特上的文章后成为了一个种族主义者，这受到人们的批判。甚至Random Darknet Shopper机器人因为在暗网购买非法商品被逮捕。
这些事件引发了伦理问题，新闻编辑、购物、社会交互和客户服务是否应该完全移交给机器。
现实情况是，很少有聊天机器人能使用深度神经学习网络和先进的机器学习。事实上，大多数机器人仍然是使用脚本规则框架通过预定程序来与用户交流的。
随着人工智能的进步，聊天机器人制造者能创造出更智能和更先进的机器人。在这种情况下，创作者应负责确保他们的人工智能产品在不跨越道德界限的情况下帮助客户和商家。
大公司也认同这一点。谷歌、Nvidia、Amazon、IBM，还有其他公司承诺合作建立一个人工智能产业标准。虽然一些科技巨头还没同意参与，但是这个联盟是正确的选择，是一个被政府制裁前的自我调节机会。
研发有道德的机器
由于还在早期发展阶段，大多数的深度学习技术还用来完成一般性任务，它们还需要更多时间“成长”。我们需要致力于提高“好”的神经网络，通过把它们放在客户服务环境中，让它们学习如何迅速地执行特定任务。
这些环境都由很多数据组成的。在客户服务世界中，系统不应该让语言学家手工训练，语言学家会尝试预测每一个潜在客户可能会问的问题。这是传统自然语言处理聊天机器人的方法。但最近已经进入到可访问深度学习应用的阶段，模型开始依赖数学而不是关键字和短语识别。我们相信一个为客户服务的真正强大的AI模型需要用一个庞大的历史客户服务日志数据集来训练。
训练工具中采用人工智能，并加强在线学习或人类监督，用每个对话持续训练神经网络，使工具随时间推移变得更聪明。因此，平台上的用户越有效，你的机器人成长得越快变得越聪明。
开发人工智能应用的公司需要解决一些问题如隐私权、政治偏见和消费者敏感问题，因此让机器学习技术服务于应用时，应通过丰富的训练数据集和基本的人力监督实现相关的保障措施。
人类+AI而不是人类vs AI
公司希望业务流程的自动化能适当地接替团队工作，但公司不应该把所有业务完全委托给人工智能。机器学习是一种首要方法来帮助，但不能完全取代人类进行智能的劳动任务。
在这个阶段，人工智能人类共同工作来处理重复的任务。例如，在客户服务中，重复的查询可以交给机器处理。这样可以让人类代理有更多时间来为客户提供更好的服务，甚至创造更多的价值。
通过在上百万历史数据集上训练模型，真正客户的服务日志，不管客户的措辞是什么，神经网络能熟练地识别问题并用最好的方式为客户解答。这有助于代理节省处理时间，同时提高他们的服务质量和准确性，从而提高客户满意度评分（CSAT）和员工满意度（ESAT）。
接下来，AI公司将专注于为社区的活跃用户和开发商提供可扩展的产品。开发商和合作公司有责任去提供解决方案来解决道德问题，这样才能用技术推动世界。
机器会随着时间推移而学习，我们应该恰当地利用它们实现更多价值。
