Memahami kecerdasan buatan dari perspektif sosial
Memahami kecerdasan buatan dari perspektif sosial
Wu Jun/Teks
Saya amat berbesar hati untuk menulis artikel pengenalan ini untuk "Era Kepintaran Buatan dan Masa Depan Kemanusiaan". Dengan menggunakan bahasa pengarang, saya boleh menguraikan perkara yang paling penting tentang buku itu dan cara ia memberi kesan kepada kita. Buku ini sangat berguna untuk kita memahami kecerdasan buatan dari perspektif sosial.
Dalam beribu-ribu tahun sejarah manusia, jenius telah mencipta banyak idea yang menakjubkan. Mereka meletakkan asas falsafah manusia dan menyumbang kepada kemajuan sains. Setiap zaman sejarah telah meninggalkan pencapaian sejarahnya sendiri, dari zaman tamadun purba hingga zaman Pencerahan. Hari ini, kanak-kanak pun sudah biasa dengan nama-nama pemikir hebat seperti Confucius, Buddha, Jesus, Aristotle, Khwarezm, Shakespeare, Newton, Beethoven dan Einstein.
Namun, hari ini, terdapat kumpulan subjek baharu yang mencipta dan mencipta, dan mereka bukan manusia! Dalam banyak cara, kecerdasan buatan telah mengatasi manusia dan melebihi imaginasi paling liar orang, seperti dalam pelbagai permainan. Beribu-ribu tahun pemahaman manusia tentang Go telah diubah oleh AlphaG. Kedalaman tahap memberitahu bahawa ia salah jelas jauh daripada jangkauan berbanding kedalaman pemahaman manusia tentang Go yang diwakili oleh yang terakhir. Sudah tentu, apa yang lebih realistik ialah menggunakan rangkaian saraf dalam untuk menghasilkan imej bertekstur, menulis artikel yang lancar dan cantik, dan mereka bentuk struktur molekul ubat. Algoritma ini boleh digunakan untuk memandu dan mengawal jet pejuang secara autonomi Ia bukan sahaja boleh menggantikan pemandu kenderaan komersial, tetapi juga membolehkan operasi pesawat tentera. Secara keseluruhannya, kami tidak pernah berasa begitu teruja namun begitu terancam, bukan hanya kerana mereka mengancam pekerjaan kami, tetapi kerana kami takut bahawa kami akan dimanipulasi oleh kuasa yang sama sekali tidak diketahui.
Selain itu, algoritma kecerdasan buatan semasa akan terus meningkatkan ralat dalam latihan, kerana latihan pelbagai algoritma memerlukan berjuta-juta lelaran. Sebagai contoh, dalam bidang perubatan, walaupun teknologi kecerdasan buatan telah digunakan untuk mengkaji hasil yang berbeza dari rawatan (atau ubat) yang sama yang dihasilkan oleh gen genetik orang yang berbeza, penyelidikan mengenai ubat yang diperibadikan berdasarkan kecerdasan buatan ini telah membawa kepada pemadanan yang berlebihan. daripada rancangan rawatan, ia berfungsi dengan baik untuk sesetengah orang, tetapi tidak berkesan untuk orang lain. Ini kerana data latihan untuk kecerdasan buatan berasal daripada
Sesetengah orang, dan ia tidak tahu cara melaraskan keputusan untuk orang lain.
Walaupun AI "separuh masak" ini tidak sempurna, mereka sudah mula mengubah dunia dan mengubah kita menjadi orang yang berbeza daripada kita sebelum ini. Contohnya, enjin carian Google atau rangkaian sosial Facebook, yang menggunakan berbilion-bilion dolar setiap hari, menggunakan kecerdasan buatan untuk menapis pelbagai kandungan, menapis hasil dan memberikan kita masyarakat yang mereka mahu kita lihat, bukannya masyarakat yang lengkap. Sama ada ini baik atau buruk masih sukar untuk dikatakan. Apapun, kita telah berubah akibat pengaruh mereka.
Hari ini, sikap orang ramai terhadap kecerdasan buatan adalah serupa dengan sikap terhadap teknologi nuklear hampir satu abad yang lalu, dengan kedua-dua kesukaan dan ambivalensi. Di satu pihak, teknologi nuklear memberi orang harapan dalam banyak bidang Ia bukan sahaja dapat menyelesaikan masalah tenaga manusia, tetapi juga digunakan dalam bidang perubatan dan lain-lain. Orang ramai juga mungkin menggunakan teknologi nuklear untuk melakukan pemusnahan dan pemerasan nuklear, yang secara langsung mengancam kelangsungan hidup manusia. Sama seperti cara kita melihat teknologi nuklear pada masa lalu, kita kini tidak dapat menilai kebaikan dan keburukan teknologi kecerdasan buatan. Pereka bentuk dan pengguna teknologi menentukan sempadan antara kebaikan dan kejahatan, tetapi sukar bagi kita untuk menggunakan piawaian bersatu untuk mengukur tingkah laku moral mereka. Apa yang kita tahu ialah kemajuan saintifik tidak akan berhenti hanya kerana kita tidak menyukainya, dan cuba memperlahankan penemuan teknologi AI adalah tugas yang bodoh. Apa yang boleh kita lakukan ialah sebagai badan utama masyarakat dan sebagai pemimpin, kita mesti memikirkan bidang apa teknologi kecerdasan buatan boleh digunakan dan di mana ia harus dihadkan.
Hari ini, walaupun tahap kecerdasan buatan "separuh masak" ini sudah cukup berkuasa Pada masa hadapan, ia akan menjadi kewujudan yang hampir maha kuasa. Sebagai contoh, teknologi ini boleh digunakan untuk penyelidikan dadah dan penemuan ubat baharu, tetapi penggunaannya dalam serangan siber dan peperangan mesti dihadkan dengan ketat. Kita mesti memastikan bahawa pembangunan kecerdasan buatan adalah konsisten dengan cita-cita dan kesejahteraan manusia. Atas sebab ini, mulai sekarang, kita mesti mengurus teknologi kecerdasan buatan dengan berkesan. Teknologi kecerdasan buatan telah menjadi popular di seluruh dunia, dan ambang pembelajaran adalah lebih rendah daripada teknologi nuklear. Kami tidak lagi dapat merumuskan norma yang serupa dengan Perjanjian mengenai Tidak Percambahan Senjata Nuklear untuk menghalang seseorang daripada menggunakan kecerdasan buatan untuk melakukan kejahatan, tetapi masih sangat penting untuk menetapkan piawaian untuk penggunaan kecerdasan buatan yang munasabah di sekeliling. dunia.
Kita perlu memastikan kita mendidik generasi akan datang untuk menggunakan teknologi ini untuk memajukan kebajikan manusia dan berkhidmat untuk kepentingan awam. Walaupun sesetengah orang mungkin mengejek tanggapan kita yang kelihatan naif, adalah penting untuk kita mengambil langkah pertama.
Hari ini, umat manusia berdiri di puncak gelombang revolusi teknologi. Generasi kita bernasib baik untuk menyambut era pintar, tetapi kita juga mesti memikul tanggungjawab untuk membimbing pembangunan teknologi pintar yang sihat.
(Penulis ialah seorang saintis komputer dan pelabur Silicon Valley. Artikel ini adalah pengenalan kepada buku "The Age of Artificial Intelligence and the Future of Humanity". Penulisnya ialah Henry Kissinger, Eric Schmidt, dan Daniel Huttenlo Hull)
Atas ialah kandungan terperinci Memahami kecerdasan buatan dari perspektif sosial. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas
