科技是把雙面刃,研究顯示人類正面臨六大AI挑戰
人工智慧(AI)是指在機器上模擬人類的智能,這些機器透過程式設計可以像人類一樣思考和行動。 AI技術使電腦能夠執行通常需要人類智慧的任務,例如視覺感知、語音識別、決策和語言翻譯。
美國中佛羅裡達大學工業工程與管理系統系助理教授Ozlem Garibay領導進行了一項研究,確定了人類必須克服的六大AI挑戰,以改善人類與AI的關係,並保證其道德和公平的使用。
Garibay和其他26名科學家共同進行了一項研究,確定了人類必須解決的問題和挑戰,以確保AI是可靠、安全以及值得信賴,並符合人類的價值觀。
這項研究報告已經發表在《國際人機互動》雜誌上。以下是研究團隊所確定的人類面臨的AI六大挑戰:
挑戰一:人類福祉
AI應該能夠發現有利於人類福祉的實施機會。在與AI互動時,它還應該考慮到支持用戶的福祉。
挑戰二:負責任
負責任的AI是指在AI生命週期中優先考慮人類和社會福祉的概念。這確保了AI的潛在利益以符合人類價值和優先事項的方式被利用,同時也減輕了意外後果或違反道德的風險。
挑戰三:隱私保護
應該仔細考慮AI系統中資料的收集、使用和傳播,以確保保護個人隱私,防止對個人或群體的有害使用。
挑戰四:設計架構
AI系統的以人為本的設計原則應該使用可以為從業者提供明確資訊的框架。此框架將區分風險極低的AI、不需要採取特殊措施的AI,風險極高的AI以及禁止使用的AI。
挑戰五:治理與監督
需要考慮從概念到開發到部署的AI生命週期的整個治理架構。
挑戰六:人類與AI的互動
為了促進人類與AI系統之間的道德和公平的關係,人類與AI之間的互動必須基於尊重人類認知能力的基本原則。具體來說,人類必須對AI系統的行為和結果保持完全的控制和責任。
這項研究歷時20多個月的時間,匯集了26位在AI技術領域擁有不同背景的國際專家的觀點。
Garibay說:「這些挑戰要求創造以人為本的AI技術,優先考慮道德、公平和提高人類福祉。這些挑戰敦促採用以人為本的方法,包括負責任的設計、隱私保護、堅持以人為本的設計原則、適當的治理和監督,以及與人類認知能力的相互尊重。」
總的來說,這些挑戰呼籲科學界採取行動,開發和實施優先考慮並造福人類的AI技術。
以上是科技是把雙面刃,研究顯示人類正面臨六大AI挑戰的詳細內容。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)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在
