人工智能只是一种工具,但它是一种什么样的工具。它可能将我们的世界提升到一个启蒙和生产力的时代,或者将我们推入一个黑暗的深渊。为了帮助实现前者,而不是后者,必须非常谨慎和深思熟虑地处理这一问题。这是技术领导者和实践者需要加强和帮助铺平道路的地方,鼓励使用人工智能来增强和扩大人类的能力。
这些是斯坦福大学最近发布的报告中的一些观察结果,该报告是其百年人工智能研究的下一部分,随着人工智能在下个世纪的发展,对其进行跟踪和监控是一项非常长期的工作。该报告于2016年首次发布,由一个常设委员会编写,该委员会包括一个由17名专家组成的小组,并敦促将人工智能作为增强和扩大人类技能的工具。“所有利益相关者都需要参与人工智能助理的设计,以产生一个比任何一个都出色的人工智能团队。人工用户必须了解人工智能系统及其局限性,才能正确信任和使用它,人工智能系统设计人员必须了解系统的使用环境。”
该报告的作者认为,人工智能在增强人类能力时具有最大的潜力,而这正是它最具生产力的地方。“无论是发现导致新药发现的化学相互作用模式,还是帮助公设辩护人确定最合适的策略,人工智能都可以通过多种方式增强人的能力。人工智能系统可能更擅长合成可用数据并在特征明确的部分做出决策这是一个问题,虽然人类可能更善于理解数据的含义——比如说,如果缺失的数据字段实际上是数据中代表的某个子群的重要、未测量信息的信号——但与难以完全量化的目标一起工作,并识别人工智能可能编程实现的创造性行为“共同的自治”不是AI系统的最终目标。需要“在人类和自动化决策者之间建立清晰的沟通渠道。最终,该领域的成功将取决于它如何赋予所有人权力,而不是机器如何有效地贬低我们试图帮助的人。”
该报告分析了人工智能发展的关键领域,并对工作和生活产生了影响:
发现:“可解释人工智能和人工智能可视化的新发展使人类更容易深入地检查人工智能程序,并使用它们明确地组织信息,以便于人类专家将各个部分组合起来并得出见解,报告指出:决策:人工智能有助于总结过于复杂的数据,让人难以理解。“在必须阅读和分析大量文本的领域,无论是跟踪新闻媒体、做金融研究、进行搜索引擎优化,还是分析合同、专利或法律文件,现在都在使用或积极考虑摘要。在高度现实主义领域,这一新进展刚刚起步(但目前不可靠或不准确)文本生成,如GPT-3,也可能使这些交互更加自然。”
AI作为助手:"我们已经开始看到人工智能程序可以处理和翻译照片中的文字,允许旅行者阅读标牌和菜单。改进的翻译工具将促进跨文化的人类互动。曾经需要一个人拥有高度专业知识或大量时间的项目可能会变得易于访问“语言处理:语言处理技术的进步得到了神经网络语言模型的支持,包括ELMo、GPT、mT5和BERT,这”通过筛选自然出现的文本中的模式,了解单词如何在上下文中使用,包括语法元素、意义和世界基本事实。这些模型的语言功能已经支持机器翻译、文本分类、语音识别、写作辅助工具和聊天室等应用未来的应用可能包括改善不同语言和情况下的人工智能交互。”
计算机视觉和图像处理:许多图像处理方法使用深度学习进行识别、分类、转换和其他任务。图像处理的培训时间大大缩短。在ImageNet上运行的程序完成了他们的工作。ImageNet是用于培训和测试视觉识别程序的超过1400万张照片的大规模标准化集合比三年前快了100倍。“然而,报告作者警告说,这种技术可能会被滥用。
机器人技术:在过去的五年中,智能机器人技术在机器学习、强大的计算和通信能力以及先进传感器系统的可用性的提高的推动下取得了持续的进步。尽管这些系统不能充分利用AI的所有进步,主要是由于人工智能的物理限制环境、高度灵活和动态的机器人系统现在可供家庭和工业使用。”
移动:五年前关于全自动驾驶快速发展的乐观预测未能实现。原因可能很复杂,但在复杂的物理环境中需要极高的安全水平,这使得解决该问题比预期的更具挑战性,也更昂贵。自动驾驶的设计g cars需要集成一系列技术,包括传感器融合、人工智能规划和决策、车辆动力学预测和实时重发推荐系统:在过去的五年中,为推荐系统提供动力的人工智能技术发生了很大的变化,该报告指出,“其中一个变化是深度神经网络的近乎普遍的结合,以更好地预测用户对推荐的反应。此外,越来越多地使用复杂的机器学习技术来分析推荐项目的内容,而不仅仅是使用元数据和用户点击或消费行为。”
该报告的作者警告说,“使用越来越复杂的机器学习模型来推荐产品、服务、,内容也引起了人们对公平性、多样性、两极分化以及推荐系统所建议的过滤泡沫的出现等问题的极大关注。虽然这些问题需要的不仅仅是技术解决方案,但人们越来越关注至少能部分解决这些问题的技术。“
自动化不会解决数据中心的人员配置危机,至少还没有解决
为什么DevOps很重要
停止将DevOps团队称为“DevOps团队”
对于低代码和无代码的解决方案,需要80%的时间