我们需要重新定义人工智能伦理吗?
人工智能(AI)有两个明确的目标,目前它们并不相互排斥,但只有一个目标对人类长期有利。这些目标是要么提高人们的工作效率,要么取代人们。最近有两件事表明我们可能需要调整道德行为,以恰当地利用人工智能。
第一个是关于一名艺术家使用人工智能创作艺术,在艺术比赛中赢得了不公平的胜利;而另一个则是关于使用人工智能让学生花很少的精力更快地写出更好的论文。
围绕事件的争论同以往一样,许多人认为学校应该禁止使用计算器和个人电脑,因为这降低了学生们学习乘法表的需要,也逃避了许多初级研究,从而转到线上搜索和百科上。尽管随着时间的推移,使用计算器和个人电脑的技能对走上工作岗位的学生来说,工作方法更有价值(效率)。
简而言之,我们最终必须思考的是,使用人工智能更快地创造出更好的产品是否被认为是欺骗,还是理所应当?
关于人工智能有一种新观点:创造取代人类的人工智能可能要比创造增强人类的人工智能更容易。第一种方法只需要专注于复制这个人所做的事情,创建一个他们的数字孪生,现在已经有公司在做这个了。比如制造业的智能自动化。不需要与人类接触,而人类缺乏共同的语言、共同的技能、共同的兴趣。
这意味着AI最有效的使用路径不是增强路径,而是替代路径,因为AI在其参数范围内单独运行并不会令人反感,但AI被用于显著增强用户,特别是在竞争中,会被视为作弊。
例如在自动驾驶汽车上尤为明显。对于自动驾驶汽车,目前默认的技术是增强驾驶员的能力,丰田称之为“守护天使”(Guardian Angel)。但在测试中,英特尔发现,在自动驾驶汽车中为人类驾驶员提供控制选项会增加驾驶员的压力,因为他们不知道自己是否会突然被要求驾驶汽车。如果汽车不提供人类驾驶选项,未经训练的驾驶员会感到更舒服。这表明,从长远来看,不允许人类驾驶员控制的自动驾驶汽车将比那些提供人类驾驶员控制功能的自动驾驶汽车更受欢迎和成功。
对于艺术家或作家来说,与比他们更有能力的人合作创作一件艺术品、一篇论文甚至一本书是很正常的。而且,有人在得到其他作者许可的情况下,利用其他作者的名义来创作一本书,这种情况也并不少见。如果使用AI而不是老师/导师/合作者/合作伙伴/代笔,情况会更糟吗?
公司只是想要高质量的工作,如果他们能从机器那里获得比人力更高的质量,他们就会做出并已经做出了这样的选择。想想过去几十年制造业和仓库自动化的过程就知道了。
我们需要了解如何使用人工智能,如何接受最有效利用人工智能资源的工作产品,同时确保我们能够防止知识产权盗窃和剽窃。如果我们不这样做,人工智能的发展趋势将继续从关注人类的辅助转向替代人类,这将不利于行业或越来越多的职业更好地利用人工智能。
以上是我们需要重新定义人工智能伦理吗?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在
