人工智能的未来:杀戮还是治愈?
云栖号资讯:【点击查看更多行业资讯】
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!
大多数人在谈论人工智能的未来时,都会联想到黑客帝国中邪恶的网络或者终结者中的电子人杀人机器。
当今的人工智能无法完全取代人类的工作,机器人不会带来世界末日。无论是伦理学家还是计算机科学家都不认为机器人的未来会走向世界末日。对人类来说,人工智能的前景非常广阔,可以让我们的世界越来越美好。
本文描述的场景不仅可以帮助你理解当前AI的使用方式,而且还可以让你想象AI未来的发展潜力。
AI的社会成本
当前AI技术面临的最大难题是由于数据集不完整而导致的错误,主要问题之一是决策方面的偏见。人们已经意识到这些错误,并正在逐步克服。
考虑一下美国刑事司法系统做出带有偏见决策的那段历史,金融业和教育机构也存在同样的偏见,机器学习模型也在重复人为的偏见。
COMPAS系统是一个带有偏见的AI示例。美国有几个州使用该软件来确定犯罪分子的风险等级。COMPAS使用了具有少量风险因素和特征的数据集,最终的算法将黑人被告标记为高风险的偏向性更高。这些虚假标志出现在黑人身上的概率是白人的两倍,结果导致黑人被判刑的频率高于白人,且更严厉。
当AI模型使用有限的视觉数据集时,也会引发有偏见的决策。例如,仅在高加索人脸数据集上训练了人脸识别系统,然后将其应用于现实世界中的各种人群。
最后的误差就很严重:非裔美国人和亚洲人被误识别的比率比白种人高10-100倍。美国国家标准技术研究院(The National Institute of Standards and Technology,即NIST)发现,由于存在这些差异,许多当前的面部识别系统不能在执法和国家安全领域使用。
为了避免偏差,负责人脸识别应用程序开发的数据科学工程师必须考虑在多样性的数据集上训练模型。
面临禁止的人脸识别
对于政府和企业来说,人脸识别是一项前景广阔的技术,但事实并非如此。由于某些原因,社会并不赞同。
美国奥克兰和旧金山的警察部门和公共机构禁止使用面部识别技术,俄勒冈州、加利福尼亚州和新罕布什尔州的警察部门不能在警用摄像机中使用该技术。四分之一的美国居民认为,联邦政府应限制面部识别技术的使用。而且除了美国之外,别的国家也有类似的现象。
欧盟的通用数据保护条例(General Data Protection Regulation,即GDPR)发现面部识别不符合条例要求。2019年,一所瑞典学校以受限的方式使用软件来跟踪学生的出勤率,虽然学生家长同意收集生物识别信息,然而欧盟还是对该校进行了罚款。DPA裁定面部识别之类的生物识别技术属于隐私数据,根据该法规,除非参与识别活动的人同意收集隐私数据,否则不能收集和存储隐私数据。
2020年初,欧洲委员会就是否禁止在公共场所进行面部识别展开了辩论,拟议的禁令将持续五年。这项禁令从未真正实施过,委员会人工智能白皮书的最终版本中已经删除了这项禁令。
目前,美国有自己的地方法律,与GDPR接近。加州的消费者隐私法案与GDPR如出一辙,是美国数据隐私的默认标准。法规和指导方针限制了面部识别技术的创新。
尽管消费者团体和政府机构设定了各种限制,但创新者仍在开发面部识别软件,这项技术在中国和美国越来越受欢迎。2019年,面部识别的市场价值高达50.7亿美元(美国),到2025年,经济学家预计,在未来五年(2020年-2025年)的复合年增长率为12.5%的情况下,该领域的市场价值将达到101.9亿美元。有人预测,面部识别技术有望进入零售市场,用于提高销售以及个性化购物体验。
AI技术的另一面
现代监控基础设施需要面部识别技术,中国等国家依靠这种技术来维持社会控制,这种用途让禁止和提高面部识别限制的呼声越来越高。然而,面部识别是一种可用于其他方面的多用途技术,面部识别技术可以在公共健康与安全中发挥至关重要的作用。
政府和私营企业正在使用面部识别技术来遏制COVID-19。代理商可以要求当地居民或员工在扫描QR码之前提供旅行历史、姓名、身份证号码和体温。扫描后,再授予区域的访问权限。此外,社交媒体平台也在积极跟踪人们的出行,并启用了热线供用户报告疾病,这些信息提供了有关热点和区域分布的信息。
在中国,面部识别技术可以检测到人群中体温较高的人,还可以检测某个人是否戴口罩。报告显示,面部识别技术可以识别戴口罩的人,准确率达95%。面向消费者的应用可以捕获个人健康信息,向用户提供有关附近人员健康的信息。
在2008年北京奥运会之后,面部识别技术就进入了公共领域。自2015年以来,中国政府机构、金融服务和零售部门都开始广泛使用面部识别技术。虽然人们对于该项技术的广泛使用感到担忧,但公众似乎接受了实际的使用,并且在某些情况下(包括抑制COVID-19的传播)对该项技术表示赞赏。
揭露危险
自然语言处理是人工智能改变未来的另一个例子。在COVID-19迅速传播到中国以外的国家之前,自然语言处理技术提供了可以挽救生命的情报。
BlueDot是一个AI平台,使用自然语言处理和机器学习来追踪全球的传染病,其实现采用了可快速浏览大量资源的算法。该算法旨在标记流行病的早期迹象,在2019年12月的最后几周里,该平台在中国武汉发现了一群确诊的“异常肺炎”患者。一周以后,世界卫生组织(WHO)正式发表声明,称武汉一名患者患有“新型冠状病毒”。
BlueDot并不是唯一可以在数千个来源中标记出关键领域的AI。全球电子商务巨头阿里巴巴创建了由自然语言处理模型提供支持的StructBERT,该模型能够快速处理病毒基因序列,并筛选蛋白质。阿里巴巴已经将该平台用于对抗COVID-19,研究人员和科学家可以免费使用该模型来加速疫苗的开发。
寻找治疗新病毒的方法
透过2020年2月发布的两份论文,我们可以看到人工智能如何改变公共卫生和生物技术未来。
一篇论文描述了总部位于韩国的Deargen开发和实现机器学习模型的过程,该模型确定了四种可减缓COVID-19影响的抗病毒药物。Deargen的MT-DTI是一种学习模型,依赖于化学序列(而不是2D或3D分子结构),该模型可以预测目标分子(例如病毒)是否会与目标蛋白结合。阿扎那韦(Atazanavir)是一种抗HIV药物,已获得FDA批准。MT-DTI发现,阿扎那韦可以与位于SARS-CoV-2分子外部的蛋白质结合,并阻止其与人蛋白质结合的能力,SARS-CoV-2引发了COVID-19。
总部位于香港的Insilico Medicine还于2月发布了另一篇论文。Insilico使用基于AI的平台对数千个新颖分子进行建模,希望寻找可以破坏SARS-CoV-2复制的新型分子。
这些公司只是众多致力于寻找抗病毒方法的科技公司、学术研究实验室和政府科学家中的两家。人们创建了一个开放的数据集来帮助组之间的通信,COVID-19开放研究数据集(CORD-19)是所有该主题研究的中心枢纽,其中的数据可通过计算机读取,且在不断更新。任何访问数据库的人都可以获取存储的数据,并将其轻松地应用于机器学习模型和AI技术,这可以加快目前全球的研究速度。
COVID-19后的AI未来
人工智能的未来取决于人类管理和创新解决方案。科学家和研究人员在他们的脑海中构思治愈的方法,人类的创造力利用机器解析的数据,并以有意义的方式将其组合在一起。如果没有人类提供的输入,AI只是一个有效的数据收集器,仅此而已。COVID-19危机凸显了AI的真正威力,创新人员可通过设置模型来确定AI的实用性以及价值。
现在决策者可以做些什么?
此次疫情迟早会结束。虽然疫情给经济带来的影响尚待确定,但COVID-19对经济的影响存在若干情况。
决策者可以选择发展、创新和采用新技术。我们所要做的事了解真实情况,并伺机而动。
原文:https://hackernoon.com/the-future-of-artificial-intelligence-to-kill-or-to-heal-t6fl24sq
【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK
原文发布时间:2020-04-15
本文作者:mobidev
本文来自:“CSDN”,了解相关信息可以关注“CSDN”
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
4月 Gartner 企业级网络设备市场份额报告:阿里云负载均衡增速全球第一
4月8日,Gartner发布最新的全球企业级网络设备市场份额报告,阿里云负载均衡(SLB)增速全球第一,单季度营收环比增长35.1%,远超欧美云服务厂商。 负载均衡被誉为IT系统的流量管家,它可以通过调度算法将流量平均分配到不同的服务器,是解决网络拥堵问题的关键技术之一。 (阿里云SLB环比增速全球第一) Gartner报告显示,传统负载均衡整体市场份额逐步下滑,以阿里云为代表的云原生负载均衡服务商市场份额正在快速上升,作为唯一上榜的亚洲云服务商,阿里云单季度环比增长35.1%,相比之下,传统负载均衡厂商F5营收则下降12.5%。 企业使用传统负载均衡服务需要专门购买硬件,价格昂贵、部署周期长、运维门槛高而且服务器连接数有限。云原生负载均衡先天拥有云的优势,拥有更强的性能,可从容应对亿万级高并发流量场景,已经成为企业应对大规模流量的首选。 据悉,阿里云SLB基于底层基于自研虚拟网络技术飞天洛神,可为企业提供强大的流量调度能力和弹性能力;此外,为满足大流量场景的需求,阿里云率先在业界通过软硬件结合技术,对最新的100G网卡硬件特性进行了深度定制,高并发流量完全由硬件处理,将SLB性能发挥...
- 下一篇
Mysql大数据量问题与解决
Mysql大数据量问题与解决 Mysql 单表适合的最大数据量是多少? 我们说 Mysql 单表适合存储的最大数据量,自然不是说能够存储的最大数据量,如果是说能够存储的最大量,那么,如果你使用自增 ID,最大就可以存储 2^32 或 2^64 条记录了,这是按自增 ID 的数据类型 int 或 bigint 来计算的;如果你不使用自增 id,且没有 id 最大值的限制,如使用足够长度的随机字符串,那么能够限制单表最大数据量的就只剩磁盘空间了。显然我们不是在讨论这个问题。 影响 Mysql 单表的最优最大数量的一个重要因素其实是索引。 我们知道 Mysql 的主要存储引擎 InnoDB 采用 B+树结构索引。(至于为什么 Mysql 选择 b+树而不是其他数据结构来组织索引,不是本文讨论的话题,之后的文章会讲到。)那么 B+树索引是如何影响 Mysql 单表数据量的呢? B+树一棵 B+树如下所示: Mysql 的 B+树索引存储在磁盘上,Mysql 每次读取磁盘 Page 的大小是 16KB,为了保证每次查询的效率,需要保证每次查询访问磁盘的次数,一般设计为 2-3 次磁盘访问,再多性...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Docker安装Oracle12C,快速搭建Oracle学习环境
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- CentOS6,CentOS7官方镜像安装Oracle11G
- CentOS关闭SELinux安全模块
- CentOS7设置SWAP分区,小内存服务器的救世主
- CentOS7,CentOS8安装Elasticsearch6.8.6
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- Windows10,CentOS7,CentOS8安装Nodejs环境