在偽 AI 泛濫的初創世界，還有多少消費者一直被騙？
學習 Machine Learning 從來不是一件簡單的事，要應用在商業上更加困難，大家也應該同意吧？即使有 TensorFlow 、PyTorch 等等框架推出，數據科學家都需要花上很多精力才能完成一個簡單的任務，但在這兩年 AI 成為熱門話題，號稱提供「AI 服務」的初創有如雨後春筍，當中有幾多是魚目混珠的呢？
我們沒有確切的答案，但有媒體開始揭露不少 AI 的背後，是人工偽裝出來的「人工智能」！
在《華爾街日報》早前的文章入面，他們除了揭露 Google 容許第三方開發者接觸電郵資料外，亦提到不少「偽 AI」(Pseudo-AIs) 的出現，根據 ReadMe 的 CEO 所說，如果使用人類去做事，這可以跳過很多開發的過程，但同時難以「規模化」，但無疑是避免了最辛苦的部份（也就是利用資料去建模和更動模型）。
其中一個使用「偽 AI 」的企業就是位於 San Jose 的 Edison Software ，他們開發一個自動電郵回覆系統，但問題是他們並沒有太多的資料，建構出來的模型亦不佳，所以工程師選擇閱讀用家的電郵去「手動」建模，除了侵犯用家私隱之外，這樣 Hard Code 的方式也和我們理解的人工智能大相徑庭。
這不是第一宗類似的情況，早於 2008 年 Spinvox 就被指控利用外國員工將語音信件轉為文化訊息，背後並沒有利用人工智能算法； 2016 年 Bloomberg 亦指出有員工每天假裝自己的 X.ai 、Clara 等聊天機械人做著麻木的工作，並非真正的 Chabot ；2017 年 Expensify 承認他們利用掃瞄方式轉錄收據的工作是由 Amazon Mechanical Turk 的外包方式完成，系統背後的不是人工智能，而是一個又一個的廉價奴工。
據報有不少初創向投資者表示他們已經開發出一款人工智能的方式，背後卻靠人類操作，編輯也遇過一個會打錯字的 Chatbot (明顯背後是人類吧），可是 Google 的科學家的確開發出令全球驚訝的 Duplex ，甚至可以模仿人類的語氣，這明顯是技術高低的分別，大家也同意吧？
