テクノロジーは両刃の剣、人間は AI に関する 6 つの大きな課題に直面していることが研究で示されています
人工知能 (AI) とは、人間のように考え、行動するようにプログラムされた機械上の人間の知能のシミュレーションを指します。 AI テクノロジーにより、コンピューターは、視覚認識、音声認識、意思決定、言語翻訳など、通常は人間の知能を必要とするタスクを実行できるようになります。
セントラルフロリダ大学産業工学・管理システム学科助教授のオズレム・ガリベイ氏は、人間が克服しなければならない AI の 6 つの主要な課題を特定した研究を主導しました。人間性を向上させ、AI との関係を改善し、その倫理的かつ公正な使用を確保します。
Garibay と他の 26 人の科学者は、AI の信頼性、安全性、信頼性、そして人間の価値観との整合性を確保するために人間が解決しなければならない問題と課題を特定する研究を実施しました。
この研究レポートは、International Journal of Human-Computer Interaction に掲載されました。研究チームが特定した、人類が直面する 6 つの主要な AI の課題は次のとおりです。
課題 1: 人間の幸福
AI は、人間の幸福に利益をもたらす実装の機会を特定できる必要があります。 AI と対話する際には、ユーザーの健康をサポートすることも考慮する必要があります。
課題 2: 責任ある
責任ある AI とは、AI のライフサイクルにおいて人間と社会の幸福を優先するという概念を指します。これにより、AI の潜在的な利点が人間の価値観や優先事項と一致する方法で確実に活用されると同時に、予期せぬ結果や倫理違反のリスクも軽減されます。
課題 3: プライバシー保護
個人のプライバシーを確実に保護し、個人またはグループの有害な使用を防止するために、AI システムにおけるデータの収集、使用、配布について慎重に検討する必要があります。
課題 4: 設計フレームワーク
AI システムの人間中心の設計原則では、実践者に明確な情報を提供するフレームワークを使用する必要があります。このフレームワークでは、リスクが非常に低い AI、特別な措置を必要としない AI、リスクが非常に高い AI、禁止されている AI が区別されます。
課題 5: ガバナンスと監視
コンセプトから開発、導入に至る AI ライフサイクルのガバナンス フレームワーク全体を検討する必要があります。
課題 6: 人間と AI の相互作用
人間と AI システムの間の倫理的で公正な関係を促進するには、人間と AI の間の相互作用は人間の認知能力の尊重に基づいていなければなりません。基本的な原則。具体的には、人間は AI システムの動作と結果に対する完全な制御と責任を維持しなければなりません。
この調査は 20 か月以上にわたって行われ、AI テクノロジーの分野でさまざまな背景を持つ 26 人の国際専門家の意見がまとめられました。
Garibay 氏は次のように述べています:「これらの課題には、倫理、公平性、人間の幸福の向上を優先する人間中心の AI テクノロジーの作成が必要です。これらの課題は、責任ある設計、プライバシー保護など、人間中心のアプローチの採用を促します」 「人間中心設計の原則、適切なガバナンスと監視、人間の認知能力の相互尊重」
まとめると、これらの課題は、科学コミュニティによる AI テクノロジーの開発と実装に向けた行動を求めています。人類を優先し、人類に利益をもたらします。
以上がテクノロジーは両刃の剣、人間は AI に関する 6 つの大きな課題に直面していることが研究で示されていますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
