主要观点：本文探讨了使 AI 更好的重要性及相关策略，从终端用户、AI 开发者和企业三个角度出发，分别阐述了“更好”的意义、面临的挑战及应对策略，最后强调使 AI 更好的必要性及后续内容安排。
关键信息：

• “更好”对终端用户意味着更易用和更信任，对开发者意味着加速开发和提升体验，对企业意味着提高运营效率和实现可持续增长。
• 终端用户视角的挑战包括错误/不一致答案致信度降低、偏见答案不可接受及造成品牌损害、少数群体代表性不足导致系统差距；策略有构建指标记分卡、演进基准、开发负责任的 AI 护栏、使用合成数据测试等。
• 开发者视角的挑战包括数据质量差阻碍进展、技术债务、知识孤岛导致重复以及多 GPU 环境易出错；策略有构建以数据为中心的 AI 管道、建立中央工具和特征库、进行可重现的多 GPU 训练等。
• 企业视角的挑战包括模型错误导致收入损失、监管罚款、品牌损害和运营关闭；策略有采用蓝绿部署和护栏、采用红队测试、发布模型卡、实践主动学习等。
  重要细节：
• 如苹果地图的失误导致游客陷入危险，谷歌 Gemini 图像生成的偏见问题，西北大学研究中皮肤科 AI 系统对不同肤色患者的准确性差异等具体案例。
• 各种使 AI 更好的具体实践，如谷歌助手的 False Wake Rate 指标、Waymo 的模拟测试、Snorkel.ai 的弱监督数据标注等。
• Zillow“iBuyer”程序因模型错误损失惨重、Clearview AI 因违规被罚款等企业案例。