作者：中联科创特约嘉宾尹智
AI模型的"专才"太多，常识太少 —— 杨立昆的解释没错，应该就是训练数据集里主要是白人图片，导致模型只会画白人的脸，尽管我们一眼就看得出这是个黑人。而作为AI的大神，脸书的首席AI科学家，他这个认识的深度显然不够令人满意。
我们需要进一步思考的是，为什么GAN这种生成式AI模型，可以制作出难辨真假的人脸图，可以惟妙惟肖模仿出大师的画作，为什么还会犯这种把黑人马赛克脸补成白人的低级错误，这说明现在的AI缺乏常识，是偏才，象某些人类怪才，某些方面天赋惊人，却常常生活不能自理。这也是人工智能行业的普遍问题（打击面有点大），大家都关注在某一个领域做到极致，做到State of art，却常常不关心做出的模型缺少人类最基本的常识，那个被吹到天上的语言语义模型GPT-3,也会认真回答诸如 电灯有几条腿 这种问题。
站在科研的角度，这其实无可厚非，科研本来就是求深度，但人工智能已经不是一个实验室的实践了，人工智能已经全面进入了应用领域，大量的工程化，集成化问题需要被考虑，这时候目标就应该往"实用"的方向倾斜了，比如下图这个问题，用另一个程序，或另一个简单的AI模型来检查一下，就很容易避免低级错误（增加整个系统的常识）。与其我们坐在这只分析错误的原因，科学原理（当然也很重要），不如大家想一想，能不能用产品方式来迅速解决问题。人工智能发展到今天，我们其实不缺各类指标爆棚的"专才"，而缺乏各方面都一般，但不会犯常识性错误的"通才"。 —— 仅代表尹智个人观点
