인공지능을 사회적 관점에서 이해하기
사회적 관점에서 인공지능을 이해하기
우준/문자
"인공지능 시대와 인류의 미래"에 대한 소개 글을 쓰게 되어 매우 영광입니다. 저자의 언어를 사용하여 책에서 가장 중요한 것이 무엇인지, 그리고 그것이 우리에게 어떤 영향을 미치는지 해독할 수 있습니다. 이 책은 우리가 인공지능을 사회적 관점에서 이해하는 데 매우 유용하다.
수천년의 인류 역사에서 천재들은 수많은 놀라운 아이디어를 만들어냈습니다. 그들은 인류철학의 토대를 마련하고 과학의 발전에 기여했습니다. 고대 문명 시대부터 계몽주의 시대에 이르기까지 모든 역사적 시대는 그 자체의 역사적 성취를 남겼습니다. 오늘날 어린이들조차도 공자, 부처, 예수, 아리스토텔레스, 호라즘, 셰익스피어, 뉴턴, 베토벤, 아인슈타인과 같은 위대한 사상가들의 이름을 잘 알고 있습니다.
그러나 오늘날에는 새로운 발명과 창조의 주체들이 등장하는데, 그들은 인간이 아닙니다! 다양한 게임 등 여러 면에서 인공지능은 인간을 능가하고 인간의 상상을 뛰어넘었습니다. 수천 년 동안 바둑에 대한 인간의 이해가 AlphaG에 의해 변화되었습니다. 이것이 틀렸다고 말하는 수준의 깊이는 후자로 대표되는 바둑에 대한 인간의 이해의 깊이에 비하면 분명히 도달할 수 없는 수준이다. 물론 더 현실적인 것은 심층신경망을 이용해 질감이 있는 이미지를 만들고, 매끄럽고 아름다운 글을 쓰고, 약물의 분자구조를 설계하는 것이다. 이 알고리즘은 전투기를 자율적으로 운전하고 제어하는 데 사용될 수 있으며, 상용차의 운전자를 대체할 수 있을 뿐만 아니라 군용 항공기의 운용도 가능하게 합니다. 대체로 우리는 그토록 흥분하면서도 위협을 느껴본 적이 없습니다. 그것이 우리의 일자리를 위협할 뿐만 아니라 완전히 알려지지 않은 세력에 의해 조종당할 것이라는 두려움 때문입니다.
또한, 현재 인공지능 알고리즘은 다양한 알고리즘을 학습하려면 수백만 번의 반복이 필요하기 때문에 학습 시 오류가 지속적으로 증폭됩니다. 예를 들어 의료 분야에서는 동일한 치료법(또는 약물)을 사용해도 서로 다른 사람의 유전 유전자가 만들어내는 서로 다른 결과를 연구하는 데 인공지능 기술이 활용되어 왔지만, 인공지능을 기반으로 한 맞춤 의학에 대한 이러한 연구는 과잉 매칭으로 이어졌습니다. 어떤 사람들에게는 매우 효과적이지만 다른 사람들에게는 완전히 효과가 없습니다. 인공지능을 위한 훈련 데이터는
에서 나오기 때문입니다.어떤 사람들은 다른 사람들을 위해 결과를 조정하는 방법을 모릅니다.
이 "설거지" AI는 완벽하지는 않지만 이미 세상을 바꾸기 시작했으며 우리를 이전과 다른 사람으로 만들고 있습니다. 예를 들어, 매일 수십억 달러를 소비하는 구글의 검색엔진이나 페이스북의 소셜 네트워크는 인공지능을 이용해 다양한 콘텐츠를 검열하고, 결과를 필터링하며, 완전한 사회가 아닌 우리가 보고 싶은 사회를 제공한다. 이것이 좋은 것인지 나쁜 것인지는 아직 말하기 어렵습니다. 그럼에도 불구하고 우리는 그들의 영향으로 인해 변했습니다.
오늘날 인공 지능에 대한 사람들의 태도는 좋아하기도 하고 양면적인 감정을 가지면서 거의 100년 전의 원자력 기술에 대한 태도와 유사합니다. 한편으로 원자력 기술은 인류의 에너지 문제를 해결할 수 있을 뿐만 아니라 의료 및 기타 분야에서도 사람들에게 희망을 줍니다. 또한 사람들은 핵 기술을 사용하여 파괴와 핵 협박을 수행할 수도 있으며, 이는 인류의 생존을 직접적으로 위협합니다. 과거 우리가 원자력 기술을 바라보았던 것처럼, 이제 우리는 인공지능 기술에 대해서도 장단점을 판단할 수 없습니다. 기술의 설계자와 사용자는 선과 악의 경계를 결정하지만, 그들의 도덕적 행동을 측정하기 위해 통일된 기준을 사용하는 것은 어렵습니다. 우리가 아는 것은 단지 우리가 좋아하지 않는다고 해서 과학적 진보가 멈추지 않을 것이며, AI 기술의 발견을 늦추려는 것은 어리석은 일이라는 것뿐입니다. 우리가 할 수 있는 일은 사회의 주체로서, 리더로서 인공지능 기술이 어떤 분야에 활용될 수 있는지, 어디에 제한되어야 하는지를 파악하는 일이다.
지금은 이 수준의 '어설픈' 인공지능도 이미 꽤 강력합니다. 미래에는 이를 잘 활용하기만 하면 거의 전능한 존재가 될 것입니다. 예를 들어, 이 기술은 약물 연구와 신약 발견에 사용되어야 하지만, 사이버 공격과 전쟁에서의 사용은 엄격히 제한되어야 합니다. 우리는 인공지능의 발전이 인간의 이상과 행복에 부합하도록 해야 합니다. 그렇기 때문에 이제부터 우리는 인공지능 기술을 효과적으로 관리해야 합니다. 인공지능 기술은 전 세계적으로 대중화됐고, 학습 문턱도 핵기술보다 낮다. 누군가가 인공지능을 이용해 악행을 저지르는 것을 막기 위해 더 이상 핵확산금지조약과 유사한 규범을 제정할 수는 없지만, 인공지능을 합리적으로 활용하기 위한 기준을 정하는 것은 여전히 매우 중요하다. 세계.
우리는 이 기술을 사용하여 인류 복지를 증진하고 공익에 봉사할 수 있도록 다음 세대를 교육해야 합니다. 어떤 사람들은 우리의 순진해 보이는 생각을 비웃을 수도 있지만, 첫 번째 단계를 밟는 것이 중요합니다.
오늘날 인류는 기술 혁명의 물결의 정점에 서 있습니다. 우리 세대는 지능화 시대를 맞이한 행운을 누렸지만, 지능기술의 건전한 발전을 이끄는 책임도 우리에게 져야 합니다.
(저자는 컴퓨터 과학자이자 실리콘밸리 투자자입니다. 이 글은 "인공지능의 시대와 인류의 미래"라는 책에 대한 소개입니다. 저자는 헨리 키신저, 에릭 슈미트, 다니엘 허텐로커입니다.)
위 내용은 인공지능을 사회적 관점에서 이해하기의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다
