人们通常会告诉人们AI的历史是如何逐渐使机器的历史变得更智能的。 但是，由于人类，精神和身体的努力，故事，设计和训练机器的问题以及机器的外观等人为因素都消失了。
让我们研究人类的AI历史-创新者，思想家，工人，有时甚至是投机者如何创建可以重现人类思想和行为（或假装重现）的算法。 不需要人类参与的超级智能计算机的想法可能令人兴奋-但是智能机器的真实历史表明，我们的AI像我们一样出色。
当查尔斯·巴贝奇（Charles Babbage）与第一位机械土耳其人下棋时
19世纪著名的工程师可能受到AI宣传的第一个例子的启发
1770年，发明家
沃尔夫冈·冯·肯佩伦（Wolfgang von Kempelen）在奥地利女皇
玛丽亚·特雷莎 （
Maria Theresa）的宫廷中演示了一种
下棋的
机器 。 肯佩伦（Kempelen）称他的发明为“土耳其人”，是一种由雪松雕刻而成的真人大小的人形雕像。 译作]，打扮成奥斯曼帝国的代表，坐在一个木制柜子后面，柜子的桌面是棋盘。
肯佩伦宣布他的汽车有能力击败任何朝臣，这一呼吁得到了玛丽亚·特雷莎（Maria Theresa）的一名顾问的接受。 Kempelen打开柜门，展示了一种类似于发条的机制-复杂的杠杆和齿轮网络，然后将钥匙插入汽车并启动了。 机关枪栩栩如生，举起一只木手移动了第一个人物。 在30分钟内，他击败了对手。
土耳其人引起了轰动。 在接下来的十年中，肯佩伦（Kempelen）带着自己的国际象棋棋盘游戏机出现在欧洲，击败了当时的许多最聪明的人，包括本杰明·富兰克林（Benjamin Franklin）和腓特烈二世（Frederick II）。 肯佩伦（Kempelen）于1804年去世后，德国大学的学生，乐器设计师
约翰·内波穆克·梅泽尔 （
Johann Nepomuk Melzel ）继续在世界各地演出，他收购了图尔库。
英国著名的工程师和数学家
查尔斯·巴贝奇 （
Charles Babbage ）是其中一位被允许更详细地看汽车的人。 1819年，巴贝奇（Babbage）与土耳其人（Turk）踢了两次比赛，两次都输了。 根据历史学家汤姆·斯坦塔奇（Tom Standage）的说法，他写了特克的详细故事，巴贝奇怀疑这台机器不是智能机器，而只是一个狡猾的骗局，并且他隐藏着一个从内部控制特克运动的人。
巴贝奇是对的。 土耳其机制的屏幕后面是：Kempelen和Melzel雇用了大师级人物秘密坐在一个大盒子里。 借助磁铁可以使放置的零件产生镜像，使大师可以看到板上发生了什么。
为了控制Turk的手，一位隐藏的玩家使用了一个受电弓，该受电弓是一个块系统，用于将其手的动作与木制Turk同步。 玩家移动磁性板上的控制杆，旋转它以打开和关闭Turk的手指，然后将图形移动到正确的位置。 大师坐着的房间里有几个滑动板和一个带轮子的椅子，椅子上有油脂，在梅尔泽尔打开盒子让所有人看到时，他可以前后移动。
尽管巴贝奇（Babbage）怀疑有这样的s俩，但他并没有像许多当代人那样浪费时间暴露他。 但是，与特克的会面显然决定了他多年的思想。
查尔斯·巴贝奇（Charles Babbage）从1847年到1849年开发了2号差速器，但他一生中并未制造这种差速器。不久之后，他开始研究一种称为“
差分机 ”的自动机械计算器，他打算用它来创建无误差的对数表。 该机器的第一个设计重达4吨，包含25,000个金属部件。 在1830年代，他放弃了它，开始使用更复杂的机制“分析机”进行研究。 她有一个“存储库”和一个“磨房”，用作存储器和处理器，并具有解释打孔卡中包含的软件指令的能力。
最初，巴贝奇（Babbage）希望分析机可以简单地用作差异的改进版本。 但是他的同伴
Ada Lovelace意识到机器的可编程性使其可以在更通用的模式下运行。 她说，这样的机器将产生一种新型的“诗学”，数学家会训练该机器通过编程来执行任务。 她甚至预言这台机器将能够创作“复杂的科学音乐作品”。
艾达·洛夫雷斯（Ada Lovelace）和查尔斯·巴贝奇（Charles Babbage）巴贝奇最终同意洛夫莱斯（Lovelace），并想像一台不仅可以磨数字的通用机器的潜力如何改变世界。 自然，他的想法又回到了与土耳其人的会面。 1864年，他在日记中写道，他希望使用“机械记录”来解决全新的问题。 “经过深思熟虑，为了测试，我选择了能够成功玩智力游戏（例如国际象棋）的狡猾机器。”
尽管从技术上讲，Turk和Babbage机器之间没有任何连接，但冯·肯珀伦（von Kempelen）的神秘化体现了机器智能的存在似乎启发了Babbage以全新的角度思考汽车。 正如他的同伴后来写的那样，大卫·布鲁斯特（David Brewster）：“这些自动玩具曾经是娱乐平民，现在正在参与提高我们这种文明的能力和发展。”
在计算历史的一开始，巴贝奇与土耳其人的会面就提醒人们，炒作和创新有时会齐头并进。 但是它教会了我们另外一件事：归因于机器的智能几乎总是基于隐藏的人类成就。
隐形女计算机程序员ENIAC
经营ENIAC的人几乎没有得到认可
Marilyn Veskov（左）和Ruth Lichterman是两位ENIAC女程序员1946年2月14日，记者们聚集在宾夕法尼亚大学摩尔工程学院，观看世界上第一批通用电子数字计算机之一的公开演示：ENIAC（电子数字积分器和计算机）。
ENIAC小组的数学家兼首席工程师Arthur Burks负责演示该机器的功能。 首先，他指示计算机添加5000个数字，这是在1秒钟内完成的。 然后，他演示了机器如何计算弹丸的轨迹，其速度比弹丸本身从枪支飞向目标的速度要快。
记者们大吃一惊。 在他们看来，伯克斯只需要按一下按钮，汽车就会栩栩如生，以便在几分钟内计算出人们花了几天时间才能完成的工作。
他们所不知道的或在演示过程中隐藏的是，在机器明显的智能背后是由六个程序员组成的程序员团队的艰苦和先进的工作，他们以前曾是“计算机”。
贝蒂·詹宁斯（左）和弗朗西斯·比拉斯（Francis Bilas）使用ENIAC主控制面板建立能够计算炮弹轨迹的机器的计划诞生于第二次世界大战的初期。 摩尔的工程学院与弹道研究实验室（BRL）合作，该实验室由100名受过训练的“人类计算器”组成的团队手动计算出火炮射击台。
该任务需要具备很高的数学知识，包括解决非线性微分方程，
微分分析器和
计算尺的能力 。 但是同时，计算被认为是文书工作，对于男性工程师而言，这项工作过于繁琐。 因此，BRL聘用了女性（主要是具有大学学历并热衷于数学的女性）从事这项工作。
在战争过程中，预测炮弹飞行路径的能力越来越与军事战略联系在一起，而BRL要求的结果也越来越高。
1942年，物理学家
约翰·莫奇利 （
John Mowchley）写了
一份备忘录，提议创建一个通用的可编程电子计算器，该计算器可以自动进行计算。 到1943年6月，Mouchley与工程师J. Presper Eckert一起获得了ENIAC建设的资金。
J. Presper Eckert，John Mouchley，Betty Jean Jennings和Herman Goldstein在ENIAC面前电子计算机的目标是从BRL取代数百台人机，并提高计算速度和效率。 但是，Mauchly和Eckert意识到，需要使用IBM数十年来一直在其机器上使用的技术对他们的新机器进行编程，以使用打孔卡计算路径。
已婚的阿黛尔（Adele）和赫尔曼·戈德斯坦（Herman Goldstein），曾在BRL监督人体计算器的工作，他们建议团队中最强大的数学家应该参与这项工作。 他们选择了六个人-凯瑟琳·麦克纳尔蒂（Kathleen McNulty），弗朗西斯·比拉斯（Francis Bilas），贝蒂·让·詹宁斯（Betty Jean Jennings），露丝·里希特曼（Ruth Lichterman），伊丽莎白·施耐德（Elizabeth Schneider）和玛丽莲·维斯科夫（Marilyn Veskov），并将它们从人工计算器提升为运算符。
Elizabeth Betty Schneider为ENIAC工作他们的首要任务是全面了解ENIAC。 他们研究了机器的图纸，以了解其电子电路，逻辑和物理结构。 有一些东西要学习：一个重30吨的怪物占地约140平方米。 米，使用了超过17,000个电子管，70,000个电阻器，10,000个电容器，1,500个继电器和6,000个手动开关。 由六名操作员组成的团队负责设置和安装机器，以执行某些计算，与用于打孔卡的设备一起工作以及查找工作中的错误。 为此，操作员有时不得不爬入机器内部并更换故障的电子灯或电线。
ENIAC没有时间按时完成计算战争期间炮弹的飞行情况。 但是不久，
约翰·冯·诺伊曼 （
John von Neumann）就用她的力量来计算核聚变。 这需要使用超过一百万张打孔卡。 Los Alamos的物理学家完全依赖于操作员编程技能，因为只有他们才知道如何处理如此大量的操作。
ENIAC程序员Kathleen McNulty但是，女程序员的贡献很少得到认可或感谢。 尤其是，由于机器的编程仍与手动计算紧密相关，因此被认为不是很专业，仅适合女性。 领先的工程师和物理学家专注于铁的开发和生产，他们认为铁对于计算机的未来更为重要。
因此，当ENIAC于1946年最终被引入媒体时，六名女性操作员仍然不为大众所知。 冷战即将来临，美军热切地展示了其技术优势。 工程师将ENIAC表示为自主智能机器，描绘了卓越技术的形象，掩盖了所使用的人工。
这些策略行之有效，并在随后的几十年中影响了媒体对计算机工作的报道。 在全球传播的ENIAC新闻中，汽车成为主要焦点，并收到了诸如“电子大脑”，“向导”和“人造机器人大脑”之类的称呼。
六名女性操作员艰辛而艰苦的工作非常轻松，他们在车内爬行，更换了电线和灯，以使机器能够执行“合理的”动作。
为什么艾伦·图灵（Alan Turing）希望人工智能犯错误
绝对可靠和智慧不是一回事。
1950年，在数字时代的曙光中，
艾伦·图灵 （
Alan Turing）发表了一篇后来成为他的作品中最著名的文章《
计算机和思维》 ，
提出了一个问题 ：“机器可以思考吗？”
图灵没有尝试定义“机器”和“思维”的概念，而是描述了一种不同的方法来找到该问题的答案，这是受到维多利亚时代沙龙游戏的启发-模仿。 根据游戏规则，在不同房间中的男人和女人互相交谈，通过中介传递笔记。 调解员同时也扮演法官的角色，需要猜测他们中的哪一个是男人，哪个是女人，而男人试图模仿女人的事实使他的任务变得复杂。
受此游戏的启发，图灵开发了一项思想实验，其中一位参与者被一台计算机代替。 图灵认为，如果可以对计算机进行编程以使其发挥出色的模拟效果，以使法官无法判断他是在谈论机器还是在谈论某个人，那么明智的结论是得出该机器具有智能的结论。
这个思想实验被称为
图灵测试 ，至今仍是AI中最著名和最具争议的想法之一。 他不会失去吸引力，因为他对一个非常哲学的问题给出了明确的答案：“机器可以思考吗？” 如果计算机通过了图灵测试，则答案为是。 正如哲学家
丹尼尔·丹尼特 （ Daniel Dennett） 所写 ，图灵测验本来应该停止哲学辩论。 丹尼特写道：“与其无休止地争论思维的本质和本质，我们为什么不同意这种本质是什么，但毫无疑问，所有可以通过该测试的事物都拥有它。”
但是，更透彻地阅读图灵的作品揭示了一个很小的细节，在测试中引入了一些歧义，这表明图灵也许并不意味着对机器进行智力的实际测试，而是哲学上的挑衅。
在本文的一部分中，图灵提供了一种使用未来的虚拟智能计算机对测试进行模拟的模拟。 该人提出问题，然后计算机回答。
问：请写一首关于堡垒桥的十四行诗。
答：在这里我被迫拒绝。 我从来没有诗歌。
问：添加34957和70764。
答：（30秒暂停后回答）：105621。
问：你会下棋吗？
答：可以。
问：我的国王站在e1上； 我没有其他数字。 您的国王在e3处，车在a8处。 你的举动。 你要怎么走
O ：（考虑15秒后）：La1，垫子。
在这次对话中，计算机出现了算术错误。 真正的数字总和将是105721，而不是105621。出色的数学家Turing不太可能偶然做到这一点。 相反，它是专心读者的复活节彩蛋。
在本文的其他地方，图灵似乎暗示该错误是旨在欺骗法官的程序员技巧。 Turing了解到，如果细心的计算机答案读者发现错误，则假定机器不会犯此类错误，他们将决定与某个人交谈。 图灵写道，可以对机器进行编程，使其“故意在答案中包含错误，旨在使询问者感到困惑”。
而且，如果在1950年代很难理解使用错误来暗示人的思想的想法，那么今天，它已成为从事自然语言处理的程序员的一种设计实践。 例如，2014年6月，聊天机器人
Zhenya Gustman成为第一台通过Turing测试的计算机。 但是，批评家指出，Zhenya只能通过内置的技巧来做到这一点：他假装是一个13岁的男孩，但英语不是他的母语。 这意味着他在语法和语法上的错误以及不完整的知识被错误地归因于天真和不成熟，而不是由于他们无法处理自然语言。
同样，在Google的
Duplex语音助手通过暂停说话和使用声音
使听众震惊之后，许多人表示，这种行为不是系统思考的结果，而是经过专门编程的动作，旨在模拟人类的思考过程。
这两种情况都实现了图灵的思想，即可以专门制造计算机以使人印象深刻。 像图灵一样，程序员Zhenya Gustman和Duplex也理解，对人类缺陷的表面模仿可以欺骗我们。
也许图灵测试没有评估机器思想的存在，但是我们愿意考虑它的合理性。 正如图灵本人
所说 ：“理性本身比数学更具情感性。 我们考虑某物行为的合理程度，不仅取决于我们自己的思想状态和技能，还取决于所讨论物体的特性。”
而且，也许，头脑不是机器可以编程的某种物质（显然，图灵已经想到了这种机器），而是通过社交互动体现的功能。
DARPA梦想家致力于控制论情报
Joseph Karl Robnett Liklider提出了创建“人与机器共生”的提案，从而发明了互联网
1969年10月29日上午10:30，加利福尼亚大学洛杉矶分校的一名研究生从Sigma 7 SDS计算机向位于数百公里之外的位于Menlo Park斯坦福研究所的另一台机器发送了两个字母的消息。消息显示为：“ LO”。这位研究生想写“ LOGIN”，但是支持消息传输的分组交换网络ARPANET在他设法编写整个消息之前就倒下了。在互联网的历史中，这一时刻被庆祝为在线通讯新时代的开始。但是，人们经常忘记，ARPANET的技术基础架构是由一个名叫Joseph Karl Robnett Liklider的人提出的有关人与计算机的未来共生的根本思想。接受过心理教育的Liklider 在1950年代后期开始对计算机感兴趣，并在一家小型咨询公司工作。他对这些机器如何增强人类的共同思想很感兴趣，并且他开始在迅速发展的AI领域进行研究。在研究了当时存在的文献之后，他发现程序员打算“教”机器为一个人执行某些动作，例如下棋或翻译文本，而且效率和质量都比人高。这种机器智能的概念不适合Liklider。从他的角度来看，问题在于现有的范例将人和机器视为在智力上等效的生物。但是，Liklider相信，事实上，人与机器在认知能力和优势上根本不同。人们在完成某些合理的任务（例如创造力或判断力）以及与其他计算机（例如存储数据并快速处理它们）时表现出色。Liklider并不是强迫计算机模拟人们的智力活动，而是提出了人与机器的协作，在这种协作中，双方都发挥了自己的优势。他建议，这种策略应从比赛（如将人的电脑打成象棋）转变为以前难以想象的智力活动形式。在1960年的工作“ 机器与人的共生”中“ Liklider描述了这个想法。”我希望很快人类的大脑和计算机将紧密相连，由此产生的伙伴关系将能够像大脑一样思考，并以现代机器无法处理的方式处理数据对于Lyclyder来说，这种共生的一个有前途的例子是计算机，网络设备和人工操作员的系统，被称为“半自动陆地环境”或SAGE，该系统已于两年前开放以跟踪空中交通。美国空间。1963年，Liklider获得了高级研究计划部（当时的名称为ARPA，现在更名为DARPA）的主任的职位，在那里他有机会实施他的一些想法。特别是，他对开发和实施他最初称为“ 星际计算机网络 ”的兴趣。当他意识到在ARPA中有必要发明一种有效的方法来更新与编程语言和技术协议相关的数据时，这个想法就出现了。这种方法可供彼此分散的，由人和机器组成的团队访问。解决此问题的方法是建立一个长距离结合这些团队的通信网络。正如他在描述这一概念的备忘录中指出的那样，将它们组合成网络的问题类似于科幻小说家思考的问题：“如何开始彼此完全不相关的智能生物之间的交流？”
麻省理工学院教授Liklider和他的学生Jeff HarrisLiklider在该网络的开发计划启动之前离开了ARPA。但是在接下来的五年中，他的崇高思想成为了ARPANET发展不可或缺的一部分。随着ARPANET变成我们今天所知的互联网，一些人开始看到这种新的通信方法是人类和技术实体的协作，就像比利时控制论家弗朗西斯·海拉宁（Francis Hailayen）所说的，这种共生体有时会表现出来。就像“全球大脑”。如今，基于人与机器的共同努力，机器学习应用中的许多重大突破。例如，货运业越来越在寻找使人类驾驶员和计算机系统能够利用其优势来提高交付效率的方法。另外，在交通领域，Uber开发了一种系统，可以为人们分配需要良好驾驶技能的任务，例如进出高速公路，汽车在高速公路上有数小时的例行驾驶。尽管还有其他许多有关人与机器共生的例子，但是将机器思维想象成具有人类水平思维的独立超级计算机的文化趋势仍然足够强大。但是实际上，Liklider想象的机器人的未来已经来临：我们生活在一个机器和人共生的世界中，他将其描述为“紧密联系在一起生活，或者甚至是两种不同生物的结合生活”。Liklider的遗产并没有让人们担心会被汽车取代，而是让我们想起了与他们合作的可能性。算法偏差出现在1980年代
在医学院，他们认为计算机程序会使接受学生的过程更加诚实，但事实却恰恰相反。
在1970年代，
圣约翰医学院的 Joffrey Franglen博士 伦敦的
乔治开始为申请人退学编写一种算法。
当时，每年有2500名提交介绍性申请的人中有四分之三是由对书面申请进行评估的特殊人员筛选出来的，结果申请人没有进入面试阶段。 完成最初辍学的人中约有70％入读医学院。 因此，初步筛选是一个极其重要的阶段。
Franglen是副院长，还处理申请。 阅读应用程序需要时间上的突破，在他看来，这个过程可以自动化。 他研究了他和其他验证者使用的学生辍学技巧，然后编写了一个程序，“模仿了证明人的行为。”
Franglen的主要动机是提高采用过程的效率，他还希望他的算法可以消除员工工作质量的不一致。 他希望通过将此过程传递给技术系统，可以对所有申请人进行完全相同的评估，并建立一个诚实的退学过程。
实际上，一切都相反。
Franglen在1979年完成了他的算法。 在那一年，计算机和人员同时检查了申请人的申请。 Franglen发现他的系统在90-95％的案件中与评估人的等级相符。 主管部门决定，这些数字允许用算法代替官员。 到1982年，该计划开始对所有初等入学申请进行评估。
几年后，一些工作人员担心入学的学生缺乏多样性。 他们对Franglen计划进行了内部调查，发现了某些规则，这些规则对申请人的看似无关的因素（例如出生地或姓名）进行了评估。 但是，Franglen说服委员会说，这些规则是基于对证明人工作数据的收集而收集的，并且不会显着影响样本。
1986年12月，两名学校讲师了解了这项内部调查，并去了英国种族平等委员会。 他们告诉委员会，他们有理由相信该计算机程序被用于暗中歧视妇女和有色人种。
该委员会开始调查。 结果发现，该算法根据高加索人和非欧洲人的姓名和出生地将候选人分开。 如果他们的名字不是欧洲人的名字，那肯定是减号。 仅存在一个非欧洲名称会从申请人总数中减去15分。 该委员会还发现，女性平均被低估了3分。 基于该系统，每天多达60份申请被拒绝。
当时，英国大学和圣约翰大学的种族和性别歧视非常强烈。 Georg之所以被抓住是因为她将这种偏见委托给了计算机程序。 由于下面的算法可以对女性和具有非欧洲名字的人进行评分是有争议的，因此该委员会收到了有力的歧视证据。
医学院被指控歧视，但很容易就下了车。 为了弥补损失，该大学联系了他们可能受到非法歧视的人，并为三名被拒绝的申请人提供了教育。 委员会指出，医学院的问题不仅是技术问题，而且是文化问题。 许多员工将排序算法视为最终真理，并没有浪费时间弄清楚如何对申请人进行排序。
在更深层次上，很明显该算法支持招生系统中已经存在的先入之见。 毕竟，Franglen在人们的帮助下检查了这辆车，发现巧合的比例为90-95％。 但是，通过对验证者在机器中的歧视进行编码，他确保了这一偏差的无尽重复。
St.的歧视案 乔治受到了很多关注。 结果，该委员会禁止在申请人的申请中包括有关种族和种族的信息。 但是，此适度的步骤并没有阻止算法偏差的扩散。
算法决策系统越来越多地部署在责任重大的领域，例如在医疗保健和刑事司法领域，重复性以及加强基于历史数据的现有社会偏见引起了人们的严重关注。 2016年，ProPublica记者透露，在美国用来预测未来犯罪的软件偏向非裔美国人。 研究员乔伊·布拉姆维尼（Joy Bulamvini）后来透露，黑人女性的亚马逊人脸识别软件更为错误。
尽管机器偏差正迅速成为AI中最受关注的话题，但算法仍被认为是产生不可思议结果的神秘且不可否认的数学对象。 正如AI评论家Kate Crawford所说，是时候承认算法是“人类创造”并继承了我们的偏见。 不可否认的算法的文化神话常常掩盖了这一事实：我们的AI与我们一样出色。
亚马逊如何将机械土耳其人推入机器
今天的隐形数字工作者类似于统治18世纪机械土耳其人的人
在千年之交，亚马逊开始将其服务范围扩展到销售书籍之外。 随着公司网站上不同产品类别的增多，有必要提出新的组织方式和分类方式。 此任务的一部分是删除网站上出现的成千上万的重复产品。
程序员试图制作一个可以自动消除重复的程序。 定义和删除对象似乎是机器可以完成的简单任务。 但是，程序员很快就投降了，称数据处理任务“
不可能” 。 对于涉及注意到图像和文本中的微小不一致或相似之处的能力的任务，需要人类智能。
亚马逊遇到了问题。 移除重复的产品对人们来说是微不足道的，但是大量物品将需要大量的人工。 管理从事一项此类任务的工人并非易事。
公司经理Venki Harinarayan提出了一个解决方案。 他的
专利描述了“人与机器之间的混合计算协作”，该协作将任务分解为小部分，子任务，并将其分布在整个员工网络中。
如果删除了重复项，则主计算机可以将Amazon网站划分为小部分，例如100页的打开器，然后将这些部分发送给Internet上的人们。 然后，他们需要在这些部分中识别重复项，并将拼图碎片发回。
分布式系统提供了关键的优势：员工不必在一个地方聚集，他们可以在计算机上的任何位置，任何地点执行子任务。 实际上，Harinarayan提出了一种有效的方法，可以在可以并行工作的广泛人员网络中分配低技能但难以实现自动化的工作。
事实证明，这种方法对公司的内部工作非常有效，以至于杰夫·贝佐斯决定将系统作为服务出售给第三方组织。 贝索斯将Harinarayan技术变成了工人市场。 在那里，那些对人来说很容易（但是对机器人来说却很困难）的任务的企业可以找到由自由工作者组成的网络，他们只需支付少量费用即可执行这些任务。
这就是
Amazon Mechanical Turk （简称
mTurk）的产生方式 。 该服务始于
2005年 ，用户基础开始迅速增长。 全世界的企业和研究人员开始上传所谓的 平台上的“人类智能任务”，例如解密音频或标记图像。 这些任务是由一个国际匿名工人小组以少量费用执行的（一名沮丧的雇员抱怨说，平均工资是20美分）。
新服务的名称是由小型商人Wolfgang von Kempelen发明的一种18世纪下象棋的机器-机械土耳其人。 就像在伪造的自动化系统中（里面有一个人下棋）一样，mTurk平台旨在隐藏人类的劳动。 平台工人没有名字，而是有号码，并且雇主和工人之间的沟通缺乏个性化。 贝佐斯本人称这些不人道的工人为“
人工智能 ”。
如今，mTurk是一个蓬勃发展的市场，全球有成千上万的员工。 尽管该平台为无法获得其他工作的人们提供了收入来源，但那里的工作条件还是令人怀疑的。 一些批评家
认为 ，通过隐藏和隔离工人，亚马逊可以更轻松地运营。 在2017年12月的一份研究
论文中 ，发现一名员工的工资中位数约为每小时2美元，只有4％的员工每小时收入超过7.25美元。
有趣的是，mTurk已成为开发机器学习的
关键服务 。 在MO程序中，发布了一个大型数据集，可在该数据集上学习寻找模式并得出结论。 MTurk工作者经常被用来创建和标记这些工具包，而他们在MO的开发中所扮演的角色通常仍然处于阴影之下。
AI社区和mTurk之间的动态与机器思维历史中一直存在的动态一致。 我们很容易欣赏自主的“智能机器”的外观，而忽略或故意隐藏了创造它们的人工。
也许我们可以从
埃德加·爱伦·坡的讲话中学到东西。 当他研究机械土耳其人von Kempelen时，他没有屈服于这种幻想。 相反，他想知道一个
隐藏的棋手坐在这个盒子里，以一种“痛苦而又不自然的姿势”“挤”在齿轮和杠杆之间的感觉如何。
目前，当有关AI突破的头条新闻成为新闻领域时，记住Poe的清醒态度非常重要。 屈服于AI的大肆宣传，而被不需要凡人的机器的想法所淹没，这可能是非常令人兴奋的（尽管很危险）。 但是，经过仔细考虑，您将能够看到人工的痕迹。