https://www.toutiao.com/a6667405092389388811/

最后一篇了,前3篇分别讲解了

(一)AI是什么

(二)如何在项目中搭建AI

(三)如何在公司里运用AI

这一篇主要讲解AI对社会的影响。

1.大纲

  • AI的炒作-需要纠正认知
  • AI的局限(这部分很有意思)
  • 对少数者的歧视
  • 对于对抗攻击敏感-比如垃圾邮件创造者会想尽办法攻击垃圾邮件过滤系统
  • AI与发展中经济体和就业

2.AI的现实视角

不要太乐观:认为AI可以做任何事,应该大力发展,但其实还要花很多的精力来对抗作恶的AI,这样行业才能健康发展;

也不要太悲观:回看历史,好像又一个AI的寒冬即将到来,但AI当今对社会贡献的价值不容忽视;

保持客观认知:AI不是什么都能做,但可以帮助产业升级。

AI的局限性:不能自我解释,完全黑盒运作。

比如这个通过x光片检测疾病的AI,假设AI说是气胸,那医生是否应该完全听从AI的诊断呢?毕竟AI也不是100%正确,这就需要AI解释它的这种判断的原因,比如右侧的热力图,所以现在的AI只能做到一个参考。

3.AI的歧视和偏见

效果类似于乌合之众,目前的AI只能反映大群体的利益诉求,而无法重视小个体的意见,所以很容易造成忽视了个别性别,年龄,种族等的偏好。

AI会学习不健康的刻板印象

比如把网络上的文字信息都输入到AI中,然后训练AI的类比能力,比如男人是父亲,那女人是什么,AI会输出母亲;男人是国王,那女人就是女王;男人是程序员,女人呢?AI会输出家庭主妇……这就是AI的偏见,也是大众的偏见,按文中的观点,理性的推理应该也是程序员。

这样的偏见会有什么影响?

AI的招聘工具会歧视女性,人脸识别工具会对白人识别的更好,AI贷款工具会减少少数民族的审批。

如何对抗偏见呢?

技术上可以定向标记有偏见的词,让训练数据本身就具有更少的偏见,把过程更透明化,让劳动力更多元化。

4.对AI的对抗攻击

深度学习有时候也会因为攻击而变蠢。

代码级的修改,会让AI把火鸟当成锤子,吧野兔当成桌子。

还有物理级的攻击,比如带上一个眼睛,AI就把你识别为一个明星;在停车标识上加了几个图片,AI就无法识别了;在一个香蕉周围放个贴纸,AI就把他当成吐司了。

垃圾邮件制造者会不断的优化垃圾邮件,以试图越过AI的垃圾邮件识别系统;盗号偷钱的人会不断优化盗取方式,来躲避AI安全系统的监测;

这有点类似于杀毒软件和病毒的关系,大部分时候都是持续的相互博弈,类似于一个零和游戏。

5.AI不利的使用

合成图片或者视频,伪造了一个人从没做过的事

破坏民主和隐私,监控民众

伪造假的评论

垃圾邮件和黑客攻击

6.AI与发展中经济体

下图就是个很直观的例子,AI可以助力快速提升经济体能力水平,就像很多发展中经济体比如中国和印度,就不用纠结打造很多路上的通讯线路,而是直接跨越到移动通讯的时代,达到越级提升的效果。

还有移动支付和在线教育领域也是,直接从信用卡支付跳跃到移动支付,直接从建造很多学校跳跃到直接使用在线教育。

7. AI和就业

很多人说AI会导致大规模的事业,但更全面的说法是,很多重复性工作的岗位会被AI取代,但同时AI会创造出更多的岗位,比如现在就有一种AI产业下的劳动密集型岗位,叫数据标记工人,用来标记AI需要的训练数据。

职场上如果想持续输出价值,可以首先做好自己的本业,同时学习AI,让AI赋能自己的本业。

8.总结

学完了这4周的课程,再看这个热门事件就觉得很有意思(

百年老图难倒谷歌AI

很多人看到这篇文章的第一反应是AI也不过如此嘛,也有AI做不到的事情。

但事实是人也没法确定这到底是只鸟,还是鸭子,还是兔子,这题一定有标准答案吗?其实生活中也有很多同样的例子,一个人既是个好人又是个坏人,完全取决于用什么视角来看待,比如这张图,顺时针旋转45度,就会更像一只兔子,AI也只不过是把大家的常规视角用概率的方式显示出来了而已。

至于到底谁对谁错完全不是最重要的,而是说怎样优化AI来更好的帮助人类解决问题。

包括之前提出的AI具有偏见的问题,我想也只是一个阶段性的问题,因为现在的AI主要解决的就是大规模的重复性出现的问题,而如何避免偏见的问题,更多是依靠在AI成熟后所展现出的多元性来解决。

还有本篇说到AI的脆弱性(极易遭到攻击),也算是一个比较少见的视角,但丰富了我们的认知,或者说更全面了的认识到了AI的发展过程。

对AI的学习,对于绝大多数人,到这里就足够了,不过知识得和人分享沟通才会变成自己的知识,所以欢迎给我留言,一起学习和成长。

人人都能搞懂的AI(四)- AI对社会的影响相关推荐

  1. 人人都能看懂的Spring底层原理,看完绝对不会懵逼

    人人都能看懂的Spring原理,绝对不会懵逼 为什么要使用Spring? Spring的核心组件 Spring是如何实现IOC和DI的? 定义了BeanDefinition 扫描加载BeanDefin ...

  2. 人人都能看懂LSTM

    这是在看了台大李宏毅教授的深度学习视频之后的一点总结和感想.看完介绍的第一部分RNN尤其LSTM的介绍之后,整个人醍醐灌顶.本篇博客就是对视频的一些记录加上了一些个人的思考. 0. 从RNN说起 循环 ...

  3. Java初学者都应该搞懂的六个问题

    对于这个系列里的问题,每个学Java的人都应该搞懂.当然,如果只是学Java玩玩就无所谓了.如果你认为自己已经超越初学者了,却不很懂这些问题,请将你自己重归初学者行列.内容均来自于CSDN的经典老贴. ...

  4. JAVA每个初学者都应该搞懂的问题 还可以比较基础

    还可以比较基础 转自http://blog.csdn.net/devillyd/article/details/2486520 对于这个系列里的问题,每个学Java的人都应该搞懂.当然,如果只是学Ja ...

  5. 每个Java初学者都应该搞懂的六个问题

    对于这个系列里的问题,每个学Java的人都应该搞懂.当然,如果只是学Java玩玩就无所谓了.如果你认为自己已经超越初学者了,却不很懂这些问题,请将你自己重归初学者行列.内容均来自于CSDN的经典老贴. ...

  6. 人人都能看懂的Spring源码解析,Spring如何解决循环依赖

    人人都能看懂的Spring源码解析,Spring如何解决循环依赖 原理解析 什么是循环依赖 循环依赖会有什么问题? 如何解决循环依赖 问题的根本原因 如何解决 为什么需要三级缓存? Spring的三级 ...

  7. 每个初学JAVA者都应该搞懂的问题

    对于这个系列里的问题,每个学Java的人都应该搞懂.当然,如果只是学Java玩玩就无所谓了.如果你认为自己已经超越初学者了,却不很懂这些问题,请将你自己重归初学者行列.内容均来自于CSDN的经典老贴. ...

  8. 人人都能看懂的LSTMGRU

    看过的讲的最简单明了的: LSTM:人人都能看懂的LSTM GRU:人人都能看懂的GRU 自己对LSTM的理解与代码解释:https://blog.csdn.net/Strive_For_Future ...

  9. 人人都能读懂的react源码解析(大厂高薪必备)

    人人都能读懂的react源码解析(大厂高薪必备) 1.开篇(听说你还在艰难的啃react源码) ​ 本教程目标是打造一门严谨(严格遵循react17核心思想).通俗易懂(提供大量流程图解,结合demo ...

最新文章

  1. jquery jQuery的入口函数 $函数 dom对象和jquery对象
  2. UC伯克利博士尤洋回国创业,曾刷新ImageNet纪录!已获超千万融资
  3. http://www.cnblogs.com/zuowj/p/5674615.html
  4. 转载:linux环境下搭建discuz论坛
  5. 【Unix 网络编程】TCP状态转换图详解
  6. 【二分法万能模板,告别死循环、越界】Leecode 69. Sqrt(x)——Leecode日常刷题系列
  7. 转:ASP.Net下两种全局变量的设置和读取方法
  8. python参数顺序 元组 字典_python学习之元组列表字典操作
  9. 蓄水池抽样算法 Reservoir Sampling
  10. Flink 在众安保险金融业务的应用
  11. J2EE项目数据字典设计
  12. 更新了 pe_xscan 和 ClosePc
  13. js 直接打开选择文件窗口_【网络爬虫教学】一分钟带你快速寻找JS加密入口(二)...
  14. 【Matlab函数知识点合集】新手入门第十四天
  15. fgetc getc函数
  16. OSChina 周二乱弹 —— 好好告别啊!不要舌吻!
  17. c语言期末考试-小题
  18. oracle ora 3136,oracle中ORA-3136,ORA-609
  19. Java找图 (截屏找图 大图找小图)--自己实现“按键精灵”
  20. 简单粗暴安卓全屏幕适配

热门文章

  1. UCI机器学习数据集库
  2. socket 读取 所有 数据 java_Java Socket 读取服务器端返回数据
  3. 蒙特卡洛算法贡献者之一Arianna Rosenbluth逝世 | AI日报
  4. 前方高能:1024程序员节读书攻略来来来来啦!
  5. 这几个超绝设计,谁看了不大喊一声“丑!!”
  6. 一个伟大、孤僻、特立独行的灵魂:天才已去60年
  7. 【连载】优秀程序员的45个习惯之37——提供有用的错误信息
  8. MaskGAN:谷歌大脑让AI学做完形填空的新尝试
  9. Unity提出ProtoRes模型:稀疏可变的输入也能构建完整人体姿态
  10. 大脑模拟NLP,高德纳奖得主Papadimitriou:神经元集合演算用于句子解析