人工智慧發展何時該突破枷鎖?
近日,某品牌汽車在樣車測試期間發生事故,造成了很大的人員財產損失,第一時間衝上了新聞頭條。同時,被輿論關注的還有老生常談的汽車自動駕駛問題。自動駕駛是否安全?是否應該開放自動駕駛?在自動駕駛的外殼下,人工智慧能否擁有道德判斷作為問題的核心也難下定論。
「電車難題」人工智慧面臨道德兩難
美國MIT設計了一個名為道德機器(Moral Machine)的網站,網站設計汽車失控的各種情景讓觀眾做出選擇,透過收集300萬用戶的回饋,道德機器發現,人們更傾向於讓自動駕駛車自毀以保障更多人的生命,卻希望自己的車沒有這個特徵。這個結論與文化、習俗無關,是人類通常普遍的選擇,與社會普遍認知相契合,人們希望透過犧牲少數人的生命換取更多人的生命。但這與法律是相違背的,因為人的生命本身並不可以比較和量化。
這是自動駕駛不可避免的道德問題。一方面,如果允許AI在失控中做出決策,根據權責一體的規定,也就意味著AI或其背後的自動駕駛公司應為決策行為負責。另一方面,如果不允許AI做出決策,則不能稱為自動駕駛-因為自動駕駛汽車的定義是不需要人為操作即能感測其環境及導航駕駛的汽車。
自動駕駛遇到的「電車難題」只是人工智慧產業遭遇的困境的縮影。儘管隨著科技的進步和大數據產業的發展,人工智慧模型越成熟,但是在涉及道德、意識等人性方面的問題時卻陷入尷尬的處境:根據人工智慧「奇點」論,人工智慧終會在理性和感性方面超過人類,但對人工智慧的安全問題,人類歷來有“弗蘭肯斯坦情結”,一般人類在心理上無法接受與非生物的機器產生同理心。
今年6月上旬,Google2021年推出的對話應用語言模型LaMDA被其負責人之一的工程師萊莫伊爆出「有意識」。他認為LaMDA模型是一個有著自我意識能夠感知這個世界的“人”,擁有七、八歲孩子的智力。萊莫伊說LaMDA模型不僅認為自己是一個人,還要爭取自己作為一個人的權利並積極地為其辯護。事情爆出後,許多網友支持萊莫伊,認為人工智慧的奇點已經到來,相信人工智慧已經變得有意識和靈魂,可以像人一樣進行獨立思考。
價值判斷人工智慧的爆雷區
人工智慧是否有道德,即人工智慧是否應當有價值判斷?
如果認為人工智慧有道德,代表人工智慧可以擺脫人的意志支配,對事件或事物進行獨立評價。這一點在技術層面並不難實現,透過大量的數據“飼養”,人工智慧可以將事件或事物數位化,按照深度學習形成的一套“判斷標準”進行衡量。上文中的LaMDA模型也是如此。但事實上,LaMDA模型只是一個應答機器,知名機器學習和神經網路專家Gary Marcus表示:「LaMDA只是在人類語料庫裡提取字眼,然後匹配你的問題。」從這一點分析,所謂的人工智慧「道德「也只是對事件或事物的應答,並不能深刻理解何為道德評價以及道德評價的意義。
再例如,不同的人工智慧模型面對相同的情境時有不同的處理方式。仍以自動駕駛為例,以同樣的方式衝向同樣的樁桶,結果卻截然不同。有的直接衝撞,有的躲避。這能上升到道德高度嗎?很顯然不能,甚至這兩種模型沒有優劣之分,因為基於不同的理念和要求設計出的模型有特殊性,前者認為此種情況屬於駕駛員操作範疇,無需介入;而後者認為應當介入。
再退一步講,假設人工智慧擁有像人一樣的意識,可以獨立思考,就意味著可以寄望它能解決道德問題嗎?答案是否定的。簡單地說,人類本身不能解決的道德問題不能指望在無「人性」概念的數字身上得到解決。
從這個角度分析,發展人工智慧的價值判斷並沒有道德層面的問題,更重要的是分析為何要進行道德評價。道德評價的根本是為了得出一個結果並為後續行為進行指引。記者認為,在人工智慧的歸責上,應將人工智慧區分為決策系統和執行系統,並對相應的系統引入「負責人」制度。
在決策角度,儘管從法律角度懲罰行為不懲罰思想,但只是針對自然人。而現行人工智慧的「思想」是可以透過數據的方式表達出來的,故從決策層面來看,人工智慧仍有管控需求。人工智慧的「思想」存在錯誤,究其原因是訓練演算法的資料存在問題,即人工智慧學習了社會存在的問題並加以運用。如美國的電商品牌亞馬遜在進行員工錄取時運用人工智慧演算法對候選人的履歷進行初步篩選,結果更傾向於男性,因為工程師在對該演算法進行訓練時,用的是之前亞馬遜已經被錄用員工的履歷進行訓練的,而亞馬遜男性員工偏多。結果就是這樣的演算法使得亞馬遜的履歷篩選演算法更傾向男性,造成了演算法的「性別歧視」。記者認為,如果是因為演算法和訓練資料的原因造成的法律結果,則結果應對負責演算法設計或訓練的責任主體進行追責。
在行為角度,即便是人工智慧在行為執行上已經能媲美甚至超越人類,在法律層面,人工智慧仍被視為物而非權利能力的主體。這也意味著現在的法律否認人工智慧能獨立承擔法律責任,本質上是因為人工智慧不能對其所實施的行為負責,設立「負責人」制度類似於法人組織的法定代表人制度,由具體的自然人承擔行為而產生的責任。而將「思維」和「行動」區分開,則可以在歸責方面更加細化,在保障有效承擔責任的同時不至於影響人工智慧產業發展的積極性。在現行民事領域,人工智慧產品侵權適用產品責任,強調對研發者、生產者和銷售者的責任。
* * *
近年來,我國接連發布了《新一代人工智慧治理原則》《新一代人工智慧倫理規範》等政策文件,明確提出八項原則,強調將倫理道德融入人工智慧全生命週期,從原則角度維護人工智慧產業的健康發展。相關人士表示,國家科技倫理委員會人工智慧分會正在研究起草人工智慧倫理高風險清單,以更好地推動人工智慧科學研究活動的倫理監管工作。相信隨著更多法律規範的出台,人工智慧的應用道德問題一定能大大緩解。
小貼士
人工智慧都有哪些梗?
電車難題:「電車難題(TrolleyProblem)」是倫理學領域最知名的思想實驗之一,最早是由哲學家菲利帕·福特(PhilippaFoot)於1967年發表的《墮胎問題和教條雙重影響》論文中提出的。大致內容是假設在一個電車軌道上綁了5個人,備用軌道上綁了1個人,有一輛失控的電車飛速駛來。而你身邊剛好有一個搖桿,你可以推動搖桿來讓電車駛入備用軌道,殺死那1個人,救下5個人;你也可以什麼都不做,殺死5個人,救下1個人。此類倫理道德兩難問題稱為「電車難題」。
人工智慧「奇點」論:最早將「奇點」引入人工智慧領域的是美國未來學家雷‧庫茲韋爾。在他的《奇點臨近》《人工智慧的未來》兩本書中,將二者結合,他以「奇點」作為隱喻,描述的是當人工智慧的能力超越人類的某個時空階段。而當人工智慧跨越了這個“奇點”之後,一切我們習以為常的傳統、認識、理念、常識將不復存在,技術的加速發展會導致一個“失控效應”,人工智慧將超越人類智能的潛力和控制,迅速改變人類文明。
科學怪人情結:源自小說家阿西莫夫,指人類懼怕機器的心理狀態。科學怪人是1818年瑪麗雪萊創作的一本叫做《科學怪人-現代普羅米修斯的故事》的小說中的主人公,他製造出了一個類人生物,但他也因此被反噬。 「科學怪人」現在被用來指人類製造的怪物。在現在的文學、電影等作品中,「科學怪人情結」常暗指人工智慧征服人類並開始管理這個世界。記者 徐勇 實習生 楊成林
以上是人工智慧發展何時該突破枷鎖?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

使用C 中的chrono庫可以讓你更加精確地控制時間和時間間隔,讓我們來探討一下這個庫的魅力所在吧。 C 的chrono庫是標準庫的一部分,它提供了一種現代化的方式來處理時間和時間間隔。對於那些曾經飽受time.h和ctime折磨的程序員來說,chrono無疑是一個福音。它不僅提高了代碼的可讀性和可維護性,還提供了更高的精度和靈活性。讓我們從基礎開始,chrono庫主要包括以下幾個關鍵組件:std::chrono::system_clock:表示系統時鐘,用於獲取當前時間。 std::chron

DMA在C 中是指DirectMemoryAccess,直接內存訪問技術,允許硬件設備直接與內存進行數據傳輸,不需要CPU干預。 1)DMA操作高度依賴於硬件設備和驅動程序,實現方式因係統而異。 2)直接訪問內存可能帶來安全風險,需確保代碼的正確性和安全性。 3)DMA可提高性能,但使用不當可能導致系統性能下降。通過實踐和學習,可以掌握DMA的使用技巧,在高速數據傳輸和實時信號處理等場景中發揮其最大效能。

在C 中處理高DPI顯示可以通過以下步驟實現:1)理解DPI和縮放,使用操作系統API獲取DPI信息並調整圖形輸出;2)處理跨平台兼容性,使用如SDL或Qt的跨平台圖形庫;3)進行性能優化,通過緩存、硬件加速和動態調整細節級別來提升性能;4)解決常見問題,如模糊文本和界面元素過小,通過正確應用DPI縮放來解決。

C 在實時操作系統(RTOS)編程中表現出色,提供了高效的執行效率和精確的時間管理。 1)C 通過直接操作硬件資源和高效的內存管理滿足RTOS的需求。 2)利用面向對象特性,C 可以設計靈活的任務調度系統。 3)C 支持高效的中斷處理,但需避免動態內存分配和異常處理以保證實時性。 4)模板編程和內聯函數有助於性能優化。 5)實際應用中,C 可用於實現高效的日誌系統。

在C 中測量線程性能可以使用標準庫中的計時工具、性能分析工具和自定義計時器。 1.使用庫測量執行時間。 2.使用gprof進行性能分析,步驟包括編譯時添加-pg選項、運行程序生成gmon.out文件、生成性能報告。 3.使用Valgrind的Callgrind模塊進行更詳細的分析,步驟包括運行程序生成callgrind.out文件、使用kcachegrind查看結果。 4.自定義計時器可靈活測量特定代碼段的執行時間。這些方法幫助全面了解線程性能,並優化代碼。

在MySQL中,添加字段使用ALTERTABLEtable_nameADDCOLUMNnew_columnVARCHAR(255)AFTERexisting_column,刪除字段使用ALTERTABLEtable_nameDROPCOLUMNcolumn_to_drop。添加字段時,需指定位置以優化查詢性能和數據結構;刪除字段前需確認操作不可逆;使用在線DDL、備份數據、測試環境和低負載時間段修改表結構是性能優化和最佳實踐。

交易所內置量化工具包括:1. Binance(幣安):提供Binance Futures量化模塊,低手續費,支持AI輔助交易。 2. OKX(歐易):支持多賬戶管理和智能訂單路由,提供機構級風控。獨立量化策略平台有:3. 3Commas:拖拽式策略生成器,適用於多平台對沖套利。 4. Quadency:專業級算法策略庫,支持自定義風險閾值。 5. Pionex:內置16 預設策略,低交易手續費。垂直領域工具包括:6. Cryptohopper:雲端量化平台,支持150 技術指標。 7. Bitsgap:

C 中使用字符串流的主要步驟和注意事項如下:1.創建輸出字符串流並轉換數據,如將整數轉換為字符串。 2.應用於復雜數據結構的序列化,如將vector轉換為字符串。 3.注意性能問題,避免在處理大量數據時頻繁使用字符串流,可考慮使用std::string的append方法。 4.注意內存管理,避免頻繁創建和銷毀字符串流對象,可以重用或使用std::stringstream。
