人工智能同时需要实用主义者和蓝天梦想家
科技周边不知道大家是否熟悉?今天我将给大家介绍《人工智能同时需要实用主义者和蓝天梦想家》,这篇文章主要会讲到等等知识点,如果你在看完本篇文章后,有更好的建议或者发现哪里有问题,希望大家都能积极评论指出,谢谢!希望我们能一起加油进步!
人工智能思想家似乎来自两个社区。一种是我所谓的蓝天幻想家,他们推测技术的未来可能性,援引乌托邦幻想来产生兴奋。蓝天构想令人信服,但往往被不切实际的愿景和可以和应该建造的道德挑战所笼罩。

相比之下,我所说的泥地靴实用主义者是关注问题和解决方案的。他们希望减少广泛使用的人工智能系统可能造成的危害。他们专注于修复有偏见和有缺陷的系统,例如经常错误地将人识别为罪犯或侵犯隐私的面部识别系统。实用主义者希望减少 AI 可能犯的致命医疗错误,并引导自动驾驶汽车成为安全驾驶汽车。他们的目标还在于改进基于人工智能的关于抵押贷款、大学录取、工作招聘和假释授予的决策。
作为一名在设计已广泛实施的创新应用程序方面有着悠久历史的计算机科学教授,我相信那些有远见的人会从泥地靴现实主义者的深思熟虑的信息中受益。将两个阵营的工作结合起来更有可能产生有益的结果,从而导致下一代技术的成功。
虽然蓝天投机者的未来主义思维激发了我们的敬畏并获得了大部分资金,但泥地靴思维提醒我们,一些人工智能应用程序威胁隐私、传播错误信息,并且明显存在种族主义、性别歧视和其他道德问题。不可否认,机器是我们未来的一部分,但它们会平等地为所有未来的人类服务吗?我认为泥地靴阵营的谨慎和实用性将通过确保算法开发的多样性和平等性在短期和长期内造福于人类,这些算法越来越多地影响着我们的日常生活。如果蓝天思想家将泥地靴现实主义者的担忧融入他们的设计中,他们就可以创造出更有可能促进人类价值观、权利和尊严的未来技术。
蓝天思维始于人工智能发展的早期。文学由开创该技术并预示其不可避免的社会转型的作者所主导。人工智能的“父亲”通常被认为是麻省理工学院的 Marvin Minsky 和 John McCarthy 以及卡内基梅隆大学的 Allen Newell 和 Herb Simon。他们聚集在会议上,比如 1956 年的达特茅斯会议,激发了西蒙 1965 年预测“机器将能够在 20 年内完成人类可以做的任何工作”的热情。
人工智能还有许多其他贡献者,包括2018 年的三位图灵奖获得者:Geoffrey Hinton、Yoshua Bengio 和 Yann LeCun。他们在深度学习算法方面的工作是一项重要贡献,但他们对 AI 的重要性和必然性的持续庆祝包括 Hinton 在2016 年令人不安的引述,即“人们现在应该停止培训放射科医生。很明显,在五年内深度学习将比放射科医生做得更好。” 更以人为本的观点是,深度学习算法将成为另一种工具,如乳房 X 光检查和血液检查,使放射科医生和其他临床医生能够做出更准确的诊断并提供更合适的治疗计划。
牛津大学 2013 年的一份报告将机器人取代人类从而造成广泛失业的主题合法化,该报告声称 47% 的工作可以实现自动化。未来学家马丁福特 2015 年的著作《机器人的崛起》抓住了这一想法,描绘了一幅令人不安的画面,即低技能和高技能工作变得如此完全自动化,以至于政府将不得不提供普遍的基本收入,因为剩下的工作机会很少。现实情况是,精心设计的自动化可以提高生产力,从而降低价格、提高需求并为许多人带来好处。这些变化引发了一个平行的现象,即大力创造新的就业机会,这有助于导致美国和其他一些国家目前的高就业水平。
是的,有些作者提供了警示故事和不同的愿景,例如麻省理工学院教授 Joseph Weizenbaum 在他 1976 年出版的《计算机能力和人类理性》一书中,但这些都是例外。
泥地靴实用主义者掀起了新一轮深思熟虑的人工智能批评浪潮。他们将讨论从天马行空的乐观转变为明确指出对人类尊严、公平和民主的威胁。Op-Ed 文章和2016 年白宫座谈会是有益的举措,数学家 Cathy O'Neil 的 2016 年著作《数学毁灭武器》扩大了受众范围。她专注于不透明的人工智能算法在大规模应用以决定假释、抵押和工作申请时如何有害。奥尼尔强有力的例子促进了以人为本的思维。
其他书籍,如 Ruha Benjamin 的Race After Technology:Abolitionist Tools for the New Jim Code紧随其后的是如何改变算法以增加经济机会和减少种族偏见。
社会心理学家 Shoshanna Zuboff 于 2019 年出版的《监视资本主义时代》一书展示了谷歌从“不作恶”的早期座右铭转变为“混淆这些过程及其影响”的有计划的努力。Zuboff 的解决方案是呼吁改变商业模式、民主监督和隐私保护区。学者 Kate Crawford 在她 2021 年出版 的《人工智能地图集》一书中发表了另一项毁灭性的泥靴分析, 重点关注人工智能对工作、环境、人际关系和民主的榨取和破坏力。她在美国国家工程院的一场引人入胜的讲座中对此作了进一步的完善,描述了人工智能研究人员和实施者可以采取的建设性行动,同时鼓励政府监管和个人努力保护隐私。
泥地靴活动家因其积极的研究贡献而获得认可,这些贡献提供了有益于人们的巧妙设计。2021 年 10 月, Cynthia Rudin 获得了人工智能促进协会颁发的 100 万美元的人工智能造福人类奖。她在可解释形式的 AI 方面的工作是对不透明黑盒算法令人眼花缭乱的复杂性的回应,这让人们很难理解为什么他们因假释、抵押贷款或工作而被拒绝。
许多泥地靴思想家是女性,但男性也谈到了人道监督的必要性。技术先驱 Jaron Lanier 在他的《立即删除社交媒体帐户的十个论点》中也提出了担忧,该文件确定了社交媒体的危害,并建议用户更好地控制自己对社交媒体的使用。法律学者 Frank Pasquale 的机器人新定律解释了为什么 AI 开发人员应该重视人类专业知识、避免技术军备竞赛并对他们创造的技术负责。然而,通过以人为本的设计来确保人为控制将需要对国家政策、商业实践、研究议程和教育课程进行重大改变。
这个阵营的多元化工作者——包括女性、非二元性人群、残疾人和有色人种——传达了重要信息,以确保将蓝天梦想转化为可实现的产品和服务,从而造福人类并保护环境。
到这里,我们也就讲完了《人工智能同时需要实用主义者和蓝天梦想家》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于人工智能,机器人,深度科技化的知识点!
智能体觉醒自我意识?DeepMind警告:当心模型「阳奉阴违」
- 上一篇
- 智能体觉醒自我意识?DeepMind警告:当心模型「阳奉阴违」
- 下一篇
- 谷歌、斯坦福联合发文:我们为什么一定要用大模型?
-
- 怡然的小甜瓜
- 真优秀,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢楼主分享文章!
- 2023-04-24 23:29:21
-
- 端庄的发夹
- 太细致了,已收藏,感谢作者大大的这篇文章,我会继续支持!
- 2023-04-21 02:56:01
-
- 酷酷的金毛
- 这篇文章真是及时雨啊,细节满满,很有用,码起来,关注up主了!希望up主能多写科技周边相关的文章。
- 2023-04-18 20:17:41
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 460次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 539次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 488次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 307次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

