却有公司大开脑洞反向操作，
用码农伪装 AI。
一家名为 Engineer.ai 的印度创业公司便是这么干的，他们声称用 AI 技能来编写代码，使每个人都能够构建和运行定制软件。但据华尔街日报引述该公司多位高管和员工的说法，这家公司实际上并没有利用人工智能来构建运用，而是利用 AI 技能作为幌子，都是“印度码农”在做技能事情，用造假来“骗取”融资。
借着 AI 的名头，该公司还拿到了以日本软银为首近 3000 万美元（约 2.1 亿公民币）的融资。
一出，网友一片唏嘘~
原来“人工智能”真的不如“智能的人工”！
“人工智能”还是“智能人工”？
Engineer.ai 创立于 2016 年，总部设在美国洛杉矶和英国伦敦，其公司创始人 Sachin Dev Duggal（以下简称 Duggal）毕业于伦敦帝国理工学院，是一位工程师。
据宣布，该公司紧张依赖人力工程师来开拓APP，同时利用AI来宣扬以吸引客户和投资人。
该公司声称其AI工具是“人工赞助的”(human-assisted)，并供应一项做事，帮助客户从零开始开拓一款移动运用程序80%以上的事情，并且能在1小时内完成。Engineer.ai的创始人Sachin Dev Duggal如此流传宣传，还说他的另一个头衔是“首席巫师”(Chief Wizard)。
然而，《华尔街日报》宣布说，Engineer.ai并没有利用人工智能来写代码，而是外包给印度以及其他地方的人类工程师来写。
今年早些时候，该公司被其首席商务官Robert Holdheim起诉。Holdheim称，该公司为了得到研发资金，浮夸了自己的AI能力。根据Holdheim的说法，创始人Duggal见告投资者“Engineer.ai开拓这个产品已经完成80%了，而实际上，这个产品险些还没有开始开拓。”
当被问及该公司实际上是如何利用机器学习和其他AI演习技能时，该公司说，它利用NLP来估计所需功能的价格和韶光表，并依赖于“决策树”来分配任务给工程师。这两种技能都不具备当代AI的能力，无法支持高等的机器翻译或图像识别，而且彷佛也没有任何一种AI技能或软件被用来真正地编写代码。Engineer.ai 没有立即回应置评要求。
AI造假，不是个例！
像 Engineer.ai 这样骗钱的AI技能公司是个例吗？答案是：NO！
2016年，《彭博商业周刊》戳穿了有些公司雇人每天花12个小时假装谈天机器人或者智能助手，为客户进行日程安排等做事。这是一份令人麻木而怠倦的事情，员工们纷纭表示他们真的期待有机器人顶替自己的位置。
2017年，企业用度管理程序供应商Expensify公司承认，它此前声称的利用“SmartScan”技能的收据处理事情，至少有一部分是人工完成的。这些收据的扫描结果被发给了亚马逊的MechanicalTurk公司，在这家公司的众包劳动工具上，这些收据实在是由低薪酬雇来的员工们处理并誊写的。
2018年，据《华尔街日报》，谷歌许可数百名第三方运用开拓者访问用户的邮箱，以此来完善“智能回答”的功能。
宣布称，一家名为EdisonSoftware的公司的AI工程师，用用户的身份认证浏览了数百名用户的个人电子邮件，以便改进邮箱的“智能回答”功能。该公司没有提及在其隐私政策中人们可以查看用户的电子邮件。
今年5月份，《纽约时报》宣布称，谷歌能够自动打电话的AI，被夸奖通过图灵测试的Duplex，背后有真人在伪装。根据《纽约时报》的宣布，在他们的实验中，四通订位电话中有三通是真人帮忙完成的。
而谷歌也表示Duplex订位做事的确有相称大的比重——约是25%由真人完成，有15%的AI订位电话在途中必须有真人接手才能连续下去。
此前，Facebook开拓过一个基于文本的虚拟助手Facebookm，该公司称这是一款可以和你谈天，可以赞助事情的万能助手。
但是Facebookm的背后却隐蔽着代理商，当谈天内容变得过于繁芜的时候，这些代理商就会接管。如今Facebook已经关闭了该做事，声称这只是一个实验产品。
去年9月，海内一家有名的语音识别公司也被质疑人类翻译伪装AI。随后该公司回应称那场会议的翻译采取的是人机耦合技能，便是通过机器识别语音后转录为笔墨并进行翻译，从而降落人类同传译员的事情难度。
今年3月份，风投公司MMC发布报告表示，在欧洲有40%旁边的创业公司，都是假AI公司。它们在报告中指出，没有任何证据能够表明这些公司利用了AI，而只要打上AI标签，它们吸引的资金就能多15%-50%。
AI提高路上，阻力重重
Engineer.ai 揭示了现在 AI 家当的一个不争事实：只管像 Facebook 和 YouTube 这样已经运用了一些 AI 技能的很大众的科技平台，他们仍旧须要外洋承包商帮他们审核删除有害的暴力视频。以是说很多AI 技能都须要人工去勾引。
存在这种征象的一部分缘故原由在于，人工智能可能在测试阶段很随意马虎起步，但是在规模化和实际支配中则会涌现很多阻力。其余，获取必备的演习数据以建立人工智能模型耗资巨大，同时也须要很多的韶光投入。像 Facebook 和谷歌这样的公司确实有能力和成本向工程师支付高薪并建立弘大的研究机构。
软件须要在不断地微调中改进算法，以便在涌现问题时进行自动改进和改动。在这个过程中，人类利用眼睛、耳朵来检讨和注释数据的事情是必不可少的。