Künstliche Intelligenz aus sozialer Perspektive verstehen
Künstliche Intelligenz aus sozialer Perspektive verstehen
Wu Jun/Text
Es ist mir eine große Ehre, diesen Einführungsartikel zum Thema „Das Zeitalter der Künstlichen Intelligenz und die Zukunft der Menschheit“ zu schreiben. Anhand der Sprache des Autors kann ich entschlüsseln, was an dem Buch am wichtigsten ist und welche Wirkung es auf uns hat. Dieses Buch ist für uns sehr nützlich, um künstliche Intelligenz aus sozialer Perspektive zu verstehen.
In den Jahrtausenden der Menschheitsgeschichte haben Genies unzählige erstaunliche Ideen geschaffen. Sie legten den Grundstein für die menschliche Philosophie und trugen zum Fortschritt der Wissenschaft bei. Jede historische Epoche hat ihre eigenen historischen Errungenschaften hinterlassen, von der Zeit der antiken Zivilisationen bis zur Zeit der Aufklärung. Selbst Kinder kennen heute die Namen großer Denker wie Konfuzius, Buddha, Jesus, Aristoteles, Khwarezm, Shakespeare, Newton, Beethoven und Einstein.
Allerdings gibt es heute eine neue Gruppe von Subjekten der Erfindung und Schöpfung, und es handelt sich dabei nicht um Menschen! In vielerlei Hinsicht hat die künstliche Intelligenz den Menschen übertroffen und die kühnsten Vorstellungen der Menschen übertroffen, beispielsweise in verschiedenen Spielen. Das jahrtausendealte menschliche Verständnis von Go wurde durch AlphaG verändert. Die Tiefe dieser Aussage darüber, dass es falsch ist, ist offensichtlich weit außerhalb der Reichweite im Vergleich zu der Tiefe des menschlichen Verständnisses von Go, das durch Letzteres repräsentiert wird. Realistischer ist natürlich die Verwendung tiefer neuronaler Netze, um strukturierte Bilder zu erzeugen, glatte und schöne Artikel zu schreiben und die molekulare Struktur von Medikamenten zu entwerfen. Mit diesem Algorithmus lassen sich Kampfflugzeuge autonom steuern und steuern. Er kann nicht nur den Fahrer von Nutzfahrzeugen ersetzen, sondern auch den Betrieb von Militärflugzeugen ermöglichen. Alles in allem haben wir uns noch nie so aufgeregt und doch so bedroht gefühlt, nicht nur, weil sie unsere Arbeitsplätze gefährden, sondern weil wir befürchten, von völlig unbekannten Kräften manipuliert zu werden.
Darüber hinaus werden aktuelle Algorithmen der künstlichen Intelligenz die Fehler beim Training kontinuierlich verstärken, da das Training verschiedener Algorithmen Millionen von Iterationen erfordert. Obwohl beispielsweise im medizinischen Bereich die Technologie der künstlichen Intelligenz eingesetzt wurde, um die unterschiedlichen Ergebnisse derselben Behandlung (oder desselben Medikaments) zu untersuchen, die durch die genetischen Gene verschiedener Menschen hervorgerufen wurden, hat diese Forschung zur personalisierten Medizin auf der Grundlage künstlicher Intelligenz zu einer übermäßigen Übereinstimmung geführt Phänomen: Bei einigen Menschen funktioniert es sehr gut, bei anderen ist es jedoch völlig wirkungslos. Denn die Trainingsdaten für künstliche Intelligenz stammen von
Einige Leute, und es weiß nicht, wie es die Ergebnisse für andere anpassen soll.
Obwohl diese „unausgegorenen“ KIs nicht perfekt sind, beginnen sie bereits, die Welt zu verändern und uns in andere Menschen zu verwandeln als zuvor. Beispielsweise nutzen die Suchmaschine von Google oder das soziale Netzwerk von Facebook, die jeden Tag Milliarden von Dollar verschlingen, künstliche Intelligenz, um verschiedene Inhalte zu zensieren, Ergebnisse zu filtern und uns die Gesellschaft zu bieten, die sie uns zeigen möchten, und nicht die gesamte Gesellschaft. Ob das gut oder schlecht ist, lässt sich noch immer schwer sagen. Unabhängig davon haben wir uns durch ihren Einfluss verändert.
Heute ist die Haltung der Menschen gegenüber künstlicher Intelligenz ähnlich wie gegenüber der Nukleartechnologie vor fast einem Jahrhundert, und zwar sowohl mit Vorliebe als auch mit Ambivalenz. Einerseits gibt die Kerntechnologie den Menschen in vielen Bereichen Hoffnung. Sie kann nicht nur menschliche Energieprobleme lösen, sondern auch in der Medizin und anderen Bereichen eingesetzt werden. Menschen können Nukleartechnologie auch zur Zerstörung und nuklearen Erpressung nutzen, was das Überleben der Menschheit unmittelbar bedroht. So wie wir früher die Nukleartechnologie gesehen haben, sind wir heute nicht in der Lage, die Vor- und Nachteile der Technologie der künstlichen Intelligenz zu beurteilen. Die Designer und Nutzer von Technologie bestimmen die Grenzen zwischen Gut und Böse, aber es ist für uns schwierig, ihr moralisches Verhalten anhand einheitlicher Standards zu messen. Wir wissen nur, dass der wissenschaftliche Fortschritt nicht aufhören wird, nur weil er uns nicht gefällt, und dass der Versuch, die Entdeckung der KI-Technologie zu verlangsamen, eine dumme Aufgabe ist. Was wir tun können, ist, dass wir als Hauptkörper der Gesellschaft und als Führungskräfte herausfinden müssen, in welchen Bereichen künstliche Intelligenz eingesetzt werden kann und wo sie eingeschränkt werden sollte.
Heutzutage ist selbst dieses Niveau an „unausgegorener“ künstlicher Intelligenz bereits ziemlich mächtig. In Zukunft wird es eine nahezu allmächtige Existenz geben. Beispielsweise sollte diese Technologie für die Arzneimittelforschung und die Entdeckung neuer Medikamente eingesetzt werden, ihr Einsatz bei Cyberangriffen und Kriegen sollte jedoch streng begrenzt werden. Wir müssen sicherstellen, dass die Entwicklung künstlicher Intelligenz mit den Idealen und dem Wohlbefinden der Menschen im Einklang steht. Aus diesem Grund müssen wir von nun an die Technologie der künstlichen Intelligenz effektiv verwalten. Die Technologie der künstlichen Intelligenz ist auf der ganzen Welt populär geworden und die Lernschwelle ist niedriger als die der Nukleartechnologie. Wir sind nicht mehr in der Lage, eine Norm ähnlich dem Atomwaffensperrvertrag zu formulieren, um zu verhindern, dass jemand künstliche Intelligenz nutzt, um Böses zu tun, aber es ist immer noch sehr wichtig, einen Standard für den vernünftigen Einsatz künstlicher Intelligenz zu setzen die Welt.
Wir müssen sicherstellen, dass wir die nächste Generation dazu erziehen, diese Technologie zu nutzen, um das menschliche Wohlergehen zu fördern und dem Gemeinwohl zu dienen. Auch wenn manche über unsere scheinbar naive Vorstellung spotten, ist es entscheidend, dass wir den ersten Schritt machen.
Heute steht die Menschheit auf dem Höhepunkt der Welle der technologischen Revolution. Unsere Generation hat das Glück, das intelligente Zeitalter einzuläuten, aber wir müssen auch die Verantwortung übernehmen, die gesunde Entwicklung intelligenter Technologie voranzutreiben.
(Der Autor ist Informatiker und Investor im Silicon Valley. Dieser Artikel ist eine Einführung in das Buch „Das Zeitalter der künstlichen Intelligenz und die Zukunft der Menschheit“. Die Autoren sind Henry Kissinger, Eric Schmidt und Daniel Huttenlocher)
Das obige ist der detaillierte Inhalt vonKünstliche Intelligenz aus sozialer Perspektive verstehen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
