讀所羅門的密碼筆記09_智慧世界的前沿

1. 未來發展方向

1.1. 國與國之間的差異可能會影響人工智慧應用技術的未來發展方向

1.1.1. 美國的頂級人才，以及中國的政府支援和基礎設施建設

1.2. 世界各地擁有不同的價值觀、信任觀和權力關係

1.2.1. 在技術層面上，由於缺乏快速、集中的基礎設施開發，美國企業傾向於將每一輛自動駕駛汽車都視為一個獨立的實體，而不是把一些自動駕駛汽車視為一支由中央遠端系統支援的車隊

1.2.2. 在文化方面，美國人的價值觀和信任觀在應對致命的測試錯誤時存在著侷限性

1.2.3. 對大多數人來說，不論在哪個國家，自動駕駛汽車致人死亡的新聞都令人感到擔憂

1.3. 人們往往不清楚自己的目標，而高科技產業也沒有很好的記錄可以用來了解這些細微差別如何從這一時刻變化到下一時刻，更不用說它們如何從一種文化變化到另一種文化了

1.3.1. 某個國家的開發人員在人工智慧系統中植入的文化和政治敏感性，可能會為世界各地的應用程式服務

1.3.2. 在某些地方，這些敏感性可能是不切實際、令人反感甚至是危險的

1.3.3. 軟體在暗處行動，它們常常在不知不覺中滲入我們生活的各個角落

1.4. 需要將更廣泛的社會價值觀和規範納入系統之中

2. 基本力量

2.1. 資料集的質量

2.1.1. 資料集的質量和規模，以及它們如何被用於開發新的應用程式，將決定企業、政府和個人之間的權力關係

2.1.2. 帶有偏見的資料引起了美國人民的反感，很大程度上是因為谷歌搜尋的廣泛運用能塑造文化習慣和信仰

2.1.3. 古老的格言“垃圾進，垃圾出”仍然在起作用

2.1.3.1. 如果輸入的資料集本身不完善、不完整或帶有偏見，那麼輸出的結果也會不完整或帶有偏見

2.2. 一國的人口、政治和經濟需求

2.2.1. 一個國家的人工智慧戰略往往體現了該國的人口、政治和經濟需求

2.3. 文化規範和價值觀的多樣性

2.3.1. IEEE（國際電氣與電子工程師學會）釋出的《人工智慧設計的倫理準則》

2.3.1.1. 第二版於2017年12月釋出，從更廣闊的視角出發，融合了中國儒家、日本神道教和非洲烏班圖思想的倫理理念

2.3.2. 差異在一定程度上源於各國文化觀念的不同，大家對如何處理個人與機構或社群之間的權力平衡關係有著不同的理解

2.3.2.1. 中國政府在把握戰略方向上扮演著更為積極的角色

2.3.2.2. 日本對神道教有著根深蒂固的信仰，在文化上更能接受其他形式的生命和意識，這一點也體現在日本的流行文化之中

2.3.2.3. 加拿大創造了一個更加民主包容的人工智慧發展模式，這要歸功於一小群研發人員的獨特影響力，以及政府對重點科研專案的支援和資助

2.3.3. 如果拓寬文化和經濟視角，就會發現全球各地出現了一種有趣的人工智慧發展模式

2.3.3.1. 它們既不相同，又有著千絲萬縷的聯絡，因為大多數國家和地區既有自己獨特的發展路徑，也有一些共同的元素

3. 自動駕駛

3.1. 對各國來說，確保安全駕駛是第一要務，研發者必須確保自動駕駛技術滿足各種道路條件、基礎設施和規章制度

3.2. 自動駕駛技術的安全記錄必須遠遠優於人類司機，才可能最終取代不完美的人類駕駛員

3.3. Roadstar.ai

3.3.1. 自動駕駛汽車初創公司之一

3.3.1.1. 與眾不同之處在於它與中國的聯絡

3.3.2. 該公司於2017年5月由三名工程師聯合創立

3.3.3. 三位創始人之前在谷歌、特斯拉、蘋果、英偉達和百度從事自動駕駛研究

3.3.4. 這家初創企業平臺不是收到所有感測器的目標資料後在後端處理融合，而是實現了多感測器的原始資料融合，這樣可以減少延遲，並更準確地識別街上的汽車、腳踏車和其他物體

3.4. Waymo、特斯拉和各種傳統汽車製造商都在北加利福尼亞州設有重要基地，為搶奪優秀的開發人員拼得頭破血流

4. 可愛嬰兒

4.1. 智慧系統將對個人和社會系統的許多灰色地帶做出非黑即白的判斷

4.2. 在谷歌搜尋“可愛嬰兒”的圖片，幾乎所有的美國人都會搜到白人嬰兒

4.3. 幾乎所有的日本人都會搜到日本嬰兒

4.4. 表明了非常嚴重的關於偏見和歧視的問題

4.5. 當這些偏見影響比搜尋結果和審美更重要的東西時，又會發生什麼呢？

5. 數字大亨

5.1. 資料即權力

5.1.1. “生活方式”資料最受人關注

5.2. 沒有人能精確描述人們在一天中產生的資料量，但是合理的估計已經讓人難以置信

5.3. 並非掌握大量的資料就意味著掌握了巨大的權力

5.3.1. 當所有資料和權力都集中在少數公司和政府手中時，社會中的信任會發生變化嗎？

5.4. 巨大的資料團侵入人們生活的各個角落，從零售業到金融業，從諮詢專家到約會相親，從健康服務到共享汽車，沒有哪個領域能置身事外，絲毫不受影響

5.4.1. 包含了生活方式資料所蘊含的更深層次的機遇和風險

5.4.2. 對海量資料集的蒐集和分析，可以在網際網路平臺和使用者之間以及個人使用者之間建立更親密的關係

5.4.3. 如果這些公司沒有達到使用者、社會和政府對資料管理的要求，所有的親密行為就都會產生負面效果

5.5. 我們已經賦予了共享資料相當大的權力，而新型人工智慧模型將進一步放大這種權力

5.6. 生成對抗網路（GANs）

5.6.1. 讓兩個人工智慧模型相互競爭博弈，其中一方生成一個逼真的樣本，例如一幅假影像，另一方則將其與真實樣本進行比較，極盡所能地辨別真偽

5.6.2. 這種相互競爭的反饋機制提高了兩個系統的準確性，就像左右互搏一般

5.7. 單樣本學習模型

5.7.1. 可以極大地擴充套件機器學習的廣度，提高訓練速度，降低成本

5.7.2. 一種經過訓練的、能在戰場上識別數十種不同武器的單樣本學習系統，僅僅用幾個樣本，就能基於對其他樣本特徵的瞭解，識別出不同的威脅

5.8. 會提高人工智慧輸出的準確性和精確性

5.8.1. 讓深層網路基於少數樣本進行學習，但兩者都需要事先人工標記樣本

5.9. 如果沒有一種更有效、更實用的方法在各種新興領域生成帶標籤的資料，那麼數字大亨就不會限制資料的流入

5.9.1. 即使出現了這樣的資料來源，數字大亨也沒有理由限制資料的流入，它們有充分的動機去擴充套件它