2017年人工智能將何去何從？
作者:焦點 來源:綜合 瀏覽: 【大 中 小】 發布時間:2025-12-12 00:10:10 評論數:
馬里蘭大學計算機科學副院長Marie desJardins認為：“增加機器學習的年人使用，以及基于知識的工智建模方法”是2017年的主要趨勢。這出大戲，何去何成都郫都區小姐上門聯系方式（薇WhatsApp+189-4143）提供全國外圍女上門、伴游，空姐，網紅，明星，學生上門預約服務 同城30分鐘內到達 面到付款將如何上演呢？年人
人工智能已經深入影響了我們的工作和生活的方方面面。2016年，工智白宮意識到人工智能在前沿會議的何去何重要性。無人駕駛汽車的年人概念已經變成現實：Uber在Pittsburgh的無人車、裝備了完全自主硬件的工智Tesla最新型號的無人車。Google的何去何DeepMind平臺AlphaGo，擊敗了圍棋的年人世界冠軍，將預測提前十年就實現了。工智
馬里蘭大學計算機科學副院長Marie desJardins認為：“增加機器學習的何去何使用，以及基于知識的年人成都郫都區小姐上門聯系方式（薇WhatsApp+189-4143）提供全國外圍女上門、伴游，空姐，網紅，明星，學生上門預約服務 同城30分鐘內到達 面到付款建模方法”是2017年的主要趨勢。這出大戲，工智將如何上演呢？何去何
為了預測人工智能在2017年的趨勢，TechRepublic邀請了幾位專家：杜克大學計算機科學教授Vince Conitzer、Sundown AI公司CEOFabio Cardenas、路易斯維爾大學網絡安全實驗室主任Roman Yampolskiy、新南威爾士大學人工智能教授Toby Walsh。
人工智能的影響力越來越大
Conitzer認為，公眾對人工智能帶來的社會影響越來越感興趣，尤其是那些影響比較大的事件。以前就確定了許多普遍話題：技術性失業（InfoQ注：因工業發展所造成的失業；因采用新技術而造成的失業）、自主武器（InfoQ注：指具有人工 智能無需人類干預就能襲擊目標的武器，通俗的講就是殺人機器人。）、基于偏差數據的機器學習系統、機器學習系統用于識別和壓制異議、人工智能系統不斷地產生的倫理問題——特定的新技術的發展成敗，都將進一步推動和擴大這些技術話題的影響力。
Conitzer注意到，對AI的興趣已經蔓延到行業外的特定群體，比如，律師將努力解決法律如何處理自主車輛的問題；經濟學家研究人工智能帶來的技術性失業；社會學家研究更高效的基于AI的推薦系統和個人助理帶來的影響。
Sundown AI公司CEO Fabio Cardenas同意上述觀點，他更進一步表示，人工智能會影響到組織內的特定角色，如會計、財務、供應鏈、人力資源或由其他專業人士工作的領域。這些增長的領域將會使AI向全球多個行業的多個部門推廣。
離經叛道的人工智能
終結者情節，是科幻小說中有關AI的常見之作。但是，這情況會不會是真的呢？據Cardenas說，離經叛道的人工智能，或許會在2017年成為現實。他想象，“出于某些惡意目的，一小撮計算機盜賊為了欺詐機構或個人，創造了人工智能。”他說，“這種流氓的AI將能入侵那些被認為是固若金湯的系統。”
Cardenas注意到，通過AI進行舞弊的情況已經發生了。他表示：“如果AI的訓練庫被破壞，駭客就可以插進偏見或豁免，以顛覆AI的預測能力，使自己從中獲益。”
Cardenas說，可能的途徑就是，通過“AI開發使其他AI更聰明。”AI能夠通過檢查訓練數據中的盲點來自我完善，“或者，如果我們幸運的話，寫出能夠改善其他AI的代碼，”他說，結果就是有助于優化AI系統。“但距離一個超級智能AI，依然有很長的路要走。路漫漫其修遠兮，吾將上下而求索。”
Roman表態，他也認為AI“失敗”或許是2017年的趨勢。
他說，在AI中，最有趣、最重要的趨勢是，也是我正在密切跟蹤的：AI失敗的頻率和嚴重程度將與AI的能力成正比，換言之，當我們獲益時，出現“惡意”AI的可能性也變大了。
人工智能的倫理問題
我們要如何防止AI叛道離經？這也是許多AI研究人員所關注的問題。總體來說，專家們擔憂AI的倫理問題。因為，AI會犯錯誤，這是顯而易見的：從加強偏見，到種族歧視的辱罵。在極端情況下，不能預防災難性的事故。
參見麻省理工學院的報道：“道德機器”對自主駕駛的眾包決策，但被專家稱之為誤導。
計算機科學中的傳統AI社區，將著手解決工作中越來越多的社會和倫理問題。Conitzer稱：“AI研究人員已經對這些主題產生了興趣，但我們只是想在一開始的時候，搞清楚如何沿著這些路線做出具體的技術貢獻。這就需要仰仗更多的計算機科學家來解決。
Moshe Vardi表示2017年的趨勢應該是：與AI有關的倫理問題將繼續引起關注，圍繞勞動自動化、致命的自主武器、算法的公平性和透明度的影響。
Walsh聲稱：“我們將會看到，一輛自主汽車撞死一名無辜行人，或騎單車的人，或其他乘客。這將突出這些問題的嚴重性，因為我們在開發和規范AI。”
Walsh還認為，價值取向問題——也就是說，我們如何確保AI與人類有相同的價值觀？“我們今天所做的就是，不再被視為超級智能的問題，而是一個算法和機器學習程序。”他說。
人工智能已經深入影響了我們的工作和生活的方方面面。2016年，工智白宮意識到人工智能在前沿會議的何去何重要性。無人駕駛汽車的年人概念已經變成現實：Uber在Pittsburgh的無人車、裝備了完全自主硬件的工智Tesla最新型號的無人車。Google的何去何DeepMind平臺AlphaGo，擊敗了圍棋的年人世界冠軍，將預測提前十年就實現了。工智
馬里蘭大學計算機科學副院長Marie desJardins認為：“增加機器學習的何去何使用，以及基于知識的年人成都郫都區小姐上門聯系方式（薇WhatsApp+189-4143）提供全國外圍女上門、伴游，空姐，網紅，明星，學生上門預約服務 同城30分鐘內到達 面到付款建模方法”是2017年的主要趨勢。這出大戲，工智將如何上演呢？何去何
為了預測人工智能在2017年的趨勢，TechRepublic邀請了幾位專家：杜克大學計算機科學教授Vince Conitzer、Sundown AI公司CEOFabio Cardenas、路易斯維爾大學網絡安全實驗室主任Roman Yampolskiy、新南威爾士大學人工智能教授Toby Walsh。
人工智能的影響力越來越大
Conitzer認為，公眾對人工智能帶來的社會影響越來越感興趣，尤其是那些影響比較大的事件。以前就確定了許多普遍話題：技術性失業（InfoQ注：因工業發展所造成的失業；因采用新技術而造成的失業）、自主武器（InfoQ注：指具有人工 智能無需人類干預就能襲擊目標的武器，通俗的講就是殺人機器人。）、基于偏差數據的機器學習系統、機器學習系統用于識別和壓制異議、人工智能系統不斷地產生的倫理問題——特定的新技術的發展成敗，都將進一步推動和擴大這些技術話題的影響力。
Conitzer注意到，對AI的興趣已經蔓延到行業外的特定群體，比如，律師將努力解決法律如何處理自主車輛的問題；經濟學家研究人工智能帶來的技術性失業；社會學家研究更高效的基于AI的推薦系統和個人助理帶來的影響。
Sundown AI公司CEO Fabio Cardenas同意上述觀點，他更進一步表示，人工智能會影響到組織內的特定角色，如會計、財務、供應鏈、人力資源或由其他專業人士工作的領域。這些增長的領域將會使AI向全球多個行業的多個部門推廣。
離經叛道的人工智能
終結者情節，是科幻小說中有關AI的常見之作。但是，這情況會不會是真的呢？據Cardenas說，離經叛道的人工智能，或許會在2017年成為現實。他想象，“出于某些惡意目的，一小撮計算機盜賊為了欺詐機構或個人，創造了人工智能。”他說，“這種流氓的AI將能入侵那些被認為是固若金湯的系統。”
Cardenas注意到，通過AI進行舞弊的情況已經發生了。他表示：“如果AI的訓練庫被破壞，駭客就可以插進偏見或豁免，以顛覆AI的預測能力，使自己從中獲益。”
Cardenas說，可能的途徑就是，通過“AI開發使其他AI更聰明。”AI能夠通過檢查訓練數據中的盲點來自我完善，“或者，如果我們幸運的話，寫出能夠改善其他AI的代碼，”他說，結果就是有助于優化AI系統。“但距離一個超級智能AI，依然有很長的路要走。路漫漫其修遠兮，吾將上下而求索。”
Roman表態，他也認為AI“失敗”或許是2017年的趨勢。
他說，在AI中，最有趣、最重要的趨勢是，也是我正在密切跟蹤的：AI失敗的頻率和嚴重程度將與AI的能力成正比，換言之，當我們獲益時，出現“惡意”AI的可能性也變大了。
人工智能的倫理問題
我們要如何防止AI叛道離經？這也是許多AI研究人員所關注的問題。總體來說，專家們擔憂AI的倫理問題。因為，AI會犯錯誤，這是顯而易見的：從加強偏見，到種族歧視的辱罵。在極端情況下，不能預防災難性的事故。
參見麻省理工學院的報道：“道德機器”對自主駕駛的眾包決策，但被專家稱之為誤導。
計算機科學中的傳統AI社區，將著手解決工作中越來越多的社會和倫理問題。Conitzer稱：“AI研究人員已經對這些主題產生了興趣，但我們只是想在一開始的時候，搞清楚如何沿著這些路線做出具體的技術貢獻。這就需要仰仗更多的計算機科學家來解決。
Moshe Vardi表示2017年的趨勢應該是：與AI有關的倫理問題將繼續引起關注，圍繞勞動自動化、致命的自主武器、算法的公平性和透明度的影響。
Walsh聲稱：“我們將會看到，一輛自主汽車撞死一名無辜行人，或騎單車的人，或其他乘客。這將突出這些問題的嚴重性，因為我們在開發和規范AI。”
Walsh還認為，價值取向問題——也就是說，我們如何確保AI與人類有相同的價值觀？“我們今天所做的就是，不再被視為超級智能的問題，而是一個算法和機器學習程序。”他說。