生成式人工智能必须具备文化流畅性并接受多样化数据的训练，以扩大其受众并改善跨文化的人际互动。成都软件开发团队整合了UrbanDictionary来扩展Watson的词汇量。这似乎是个好主意，但Watson无法弄清楚何时使用俚语是恰当的。Watson的回答充斥着不恰当的口语，他们不得不告别UD。这一事件凸显了AI的弊端：我们还没有为生成式AI提供输入，以应对文化多样性的复杂性。
我们需要能够适应不同文化的生成式人工智能，这样我们的员工才能有效地使用它。我们如何为我们的人才创造一个蓬勃发展的环境？我们为我们的团队配备了提高生产力和创造力的工具，但目前GenAI还存在不足。
让我们探讨一下为什么我们需要这样做：
改变我们输入的数据，以便我们可以使用生成式人工智能进行决策
在用户生成内容中提供额外的文化背景
提高机器学习训练师的文化流畅度。
为GenAI提供代表性数据，为多元文化社会做出更好的决策
人工智能在预测分析和预报方面取得了突破。我们的团队为客户开展过人工智能项目，从战略营销项目到利用天气和交通数据预测准确的交货时间，甚至构建算法来降低化肥成本。然而，GenAI是一个飞跃。它通过数据和逻辑推理产生新的想法。
举个例子，将一张坐在草坪上的狗的肖像图转换成正方形。在转换过程中，狗的左右两侧会缺少草。你不必请平面设计师在图片中添加草，而是可以求助于GenAI，它可以在图片中生成新的草。不再需要剪切和粘贴；生成式AI擅长即兴创作。
我们可以使用GenAI来提出新颖的想法和模拟，以便领导者做出更好的决策。但这些模拟需要代表性数据，例如狗照片中的草。GenAI不必想象草是什么样子。
人工智能需要知道屏幕另一边是谁
GenAI建立在交互的基础上。ChatGPT拥有约1.805亿用户，产生了数十亿次交互，并且还在不断增加。它的主要失败之处在于准确性不足。这些不准确性源于这些未统计的交互。
例如，我要求ChatGPT为这篇文章想出10个标题。它回复说，所有标题都使用了冒号—显然，标题中使用冒号很流行！我想要更简洁的标题，所以要求标题不要使用冒号。ChatGPT尝试了四次才给出正确的指令。
它像人类一样困惑吗？它应该是语法高手。还是它正在筛选数百万条与用户的对话，而这些对话中充斥着由于我们集体与冒号斗争而产生的错误？
改进的关键在于人工智能对对话伙伴的认知。有了这种认知，它就能判断何时吸收和与他人分享信息。
从正确的来源获取建议
当我向我的网球教练询问如何完美地打出一记后旋球时，我会牢记他的建议。如果他转过身来告诉我将80%的股票投资于一家电子商务初创公司，我会持怀疑态度。我们会评估意见和分享者的信息的有效性。
当我们让人工智能自由地处理数百万用户的互动时，这些数据将被汇编成一堆未分类的材料。为了提高人工智能的准确性，用户应该有办法自愿分享关键信息，如母语、职业、资格、位置和年龄。作为人类，我们会对周围的人进行无休止的观察，直到我们相信他们会影响我们的决策。
这是有根据和无根据意见的基本论点。有根据的意见，比如医生的医疗建议，是有分量的。无根据的意见，比如出租车司机诊断电器问题，则要受到怀疑。
为了减少因用户生成内容而导致的AI错误，我们必须为用户提供一种安全的方式来分享个人信息，同时又不损害数据隐私。有了更具代表性的数据和背景，下一步就是关注文化上熟练的NLP工程师和机器学习开发人员。
成都软件开发需要确保我们的人工智能输入（无论是手动输入还是用户输入）具有文化多样性和语境相关性。驾驭文化多样性对人类来说是一项壮举。人工智能能否通过变得通晓多种文化来弥补我们的差距和不足？
