AI知识库投喂：如何让机器“吃”出智慧，而不是“喂”出垃圾？

昨天，我清理手机时，发现相册里全是截图，有菜谱、段子、新闻摘要、某个冷知识等，这些都是乱七八糟的。那一刻，我突然有了这样的想法，我们的人脑，难道不像一个杂乱无章的知识库吗？什么东西都往里塞。

那人工智能又如何？我们常常提及“投喂”数据，就这个词汇而言，仔细思索一番，倒是颇为有趣的。它究竟是类似于填鸭式的做法，还是类似于精心调配膳食那样？

AI知识库投喂到底是什么意思？

实际来讲，那是用于AI学习的“教材”。你得给它展示一万张猫的图片，它才能够识别出猫。然而问题出现了，要是你给它看的是品种猫大赛的图片，它有可能就识别不出街边脏兮兮的流浪猫。教材的质量，直接对AI的“眼界”以及“判断力”起到决定作用。

这可不是随便“喂”就行的。

我记着存在一个项目，在开始的阶段运用网络论坛的对话去训练聊天AI，那后来怎样了呢，AI说话毫无根据且随意乱说，还掌握了各种各样网络上的骂战行为，这便是食用了“垃圾食品”所导致的结果，只要数据出现偏见，那么AI也会产生偏见，并且还会将这种偏见予以放大。

所以，“投喂”是个技术活，更是良心活。

如何避免给AI知识库投喂垃圾数据？

首先是第一关，那便是筛选，并非所有的数据都能够符合被称作拥有“知识”的标准。网络之上的信息数量极为庞大，然而其中存在着更多的噪音。包括虚假的新闻、广告性质的软文以及情绪化的宣泄等等，这些都需要如同淘金那般将其过滤掉。

得要人工去进行标注，哎，没错，正是那种会让人觉得枯燥乏味的活儿，要把图片当中的物体以框的形式给标识出来，还要将对话里面所蕴含的意图划分成不同的类别。此项工作相当逆反人工智能，可是恰恰就是人工智能具备智慧的起始之处。

数据要干净，还得多样。

曾经存在一个图像识别系统，其训练数据之中白人面孔占据多数。然而在对黑人进行识别之时，准确率低得令人不忍直视。这种情况能够怪罪于AI吗？毕竟它未曾见过呐。所以说，在进行数据投喂时要注重均衡，像肤色、场景、角度、光线等等方面，越是丰富多样，AI就会越“见过世面”。

最惧怕的，乃是单一来源，仅仅采用一个论坛、一家媒体得出到的数据，进而导致AI拥有变得狭窄的世界观。

AI知识库投喂的数据从哪里来？

主食是公开数据集，像，它有1400多万张标注图片，还分了两万多个类别，这可是AI界的“经典教材”，然而光吃经典容易脱离现实。

于是，实时数据是很需要的那一种，像新闻、社交媒体之类的。这一部分呢，类似生鲜，新鲜倒着实新鲜，然而存在风险。必须得进行清洗，把敏感以及有害的信息给去除掉。这可是个无底洞呀毕竟网络每时每刻都在产出新得如同“食材”一般的东西哪。

并且存在合成数据，在现实情形里面对欠缺充足数据该如何应对，举例来讲像是训练自动驾驶去识别极端事故情况，总不可以真的去进行撞车行为，于是便运用算法来模拟，进而生成各种各样车祸场景下的图片与视频，这也就是所说的“代餐”，其有时候发挥的作用比真实的数据还要显著。

重要的一环是用户反馈，AI说错后，由用户来纠正它，这如同课后辅导那般，属于最具针对性的“加餐”。

投喂后的AI知识库如何维护更新？

并不是那种做一次就永远不用再管，一直有效的。今天看来是正确的内容，到了明天或许就不正确了。因为整个世界处于不断变化之中，所以知识同样也在持续更新。就像去年很流行的梗，到了今年有可能就已经不再流行了。就连AI知识库也需要进行更新换代。

得进行持续的监控，去查看AI在哪些地方老是出现错误，思考是不是与之对应的“教材”陈旧了，就好比新冠病毒，从阿尔法毒株到奥密克戎毒株，已经变化了好几轮，倘若相关医学知识库不进行更新，那么AI给出的信息便是错误的。

每隔一定时间就要进行重复性的“复习”动作以及带有检验性质的“考核”行为，且运用全新的测试题目去对其展开考查，从而找到存在不足的环节，随后依据具体情形有针对性地增添数据，这是一种周而复始现象，不存在终了的节点。

有时侯，需要将一些过时或者有害的知识“洗掉”，从技术层面来讲这被称作“遗忘学习”，然而实际做起来难度颇大，举例来说，要让你忘掉一个错误的观点并非轻易之举。

所以，维护比初期投喂更磨人。

低质量投喂会对AI产生什么影响？

就会使其变得狭隘，会认为世界就是它所“吃”下去呈现出的那般模样，要是给它看了过多成功学内容，那么它或许会觉得失败是不可接受的，倘若给它看了过多对立言论，它也许就会变得充满攻击性。

更为糟糕的是，会将社会偏见予以放大。倘若招聘AI采用了历史上带有性别歧视的招聘数据，那么它便会使这种歧视得以延续，居然还自以为是地认为自己颇为客观。这是由于它“学习”到的“规律”便是如此这般存在着。

并且还能够“胡言乱语”。对于那些杂乱无章的数据，AI就会毫无条理乱说一通，进而生成一些貌似合乎情理但实际上荒诞不经的内容了。我们把这种情况称作“幻觉”。它有可能会非常认真严肃地告知你，鸡是有着六条腿的，究其原因在于它所接触的数据里存在着书写错误。

最令人恐惧的是，这些所产生的影响属于隐性的，你并非能够即刻察觉。等到察觉到的时候，或许已然对诸多决策造成了影响。

想想就有点后怕。

未来AI知识库投喂的发展方向是什么？

兴许会愈发“个性化”，并非是凭借一套通用教材来通吃局面 ，而是依据不同的用途 ，去定制不一样的“营养餐” ，教育AI与医疗AI ，所学习的核心知识必定是存在差异的。

在进行该项“投喂”操作期间也会变得越发自动化，且更加智能，借助AI去筛选以及生成用来训练那种AI的数据，所呈现出宛如责令高年级学生协助老师编订教材的情形，但在此处务必要倍加留意，切不能形成闭环，进而滋生出怪异无比的“近亲繁殖”模式标点符号。

对于数据伦理的要求将会极其高，数据的来源，数据的用途，数据对于隐私的保护，都会成为备受关注的要点，不能够偷偷地使用用户的数据，不能够暗藏任何歧视，或许需要如同食品制成成分表那般出现类似于所标明数据的“营养成分”以及“潜在风险”的“数据标签”。

说不定，我们最后会建成一个公众的、具备高品质的基础知识储备库，恰似数字时代的“公共图书馆”。所有的人工智能均能够自这里吸纳到最为纯净、最为基础的知识滋养。

然后再去学各自的专业。

实际来讲，往AI之中填充知识，好似教导一回幼童。你向它展示什么内容，教给它哪些东西，它便会成长为那般模样。于我们的手中，攥着一把能够塑造未来智能状态的钥匙。

这责任，可不轻。

不能仅仅只去想办法使它变得聪慧，还要进一步去思索，要让它变得和善，变得公正，化身成为水准更加出色的“思考者”，这般情形，也许才算是投喂所具备的最终极的意义所在吧。