人工智能对我们人类的影响

　　欢迎各位阅读本篇,人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。本篇文章讲述了人工智能对我们人类的影响，编程学习网教育平台提醒各位：本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!

　　科学人工智能：

　　实际应用

　　机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别， 掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。

　　涉及学科

　　哲学和认知科学，数学， 神经生理学，心理学，计算机科学，信息论，控制论，不定性论

　　研究范畴

　　自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法

　　思维模拟

　　人工智能就其本质而言，是对人的思维的信息过程的模拟。

　　对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的 机器;二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。

　　弱人工智能如今不断地迅猛发展，尤其是2008年经济危机后，美日欧希望借机器人等实现再工业化，工业机器人以比以往任何时候更快的速度发展，更加带动了弱人工智能和相关领域产业的不断突破，很多必须用人来做的工作如今已经能用机器人实现。

　　而强人工智能则暂时处于瓶颈，还需要科学家们和人类的努力。

　　桑斯坦在网络共和国当中提出了算法影响我们的认知世界、并在信息乌托邦当中第一次明确提出了算法使人形成“信息茧房”的危害。这是算法对于人脑的影响，而算法应用于人工智能中，也让偏见在人工智能当中存在——由于语言本身具有偏见，人工智能通过算法习得了它们，甚至人工智能有可能加强这一偏见。但这是否是一个坏事情，还值得我们探讨。

　　在过去的数年中，诸如谷歌翻译这样的程序在语言翻译方面进步神速，这一进步多亏了新的机器学习技术和大量可获得的在线文本数据，它们使得算法可以被检验。

　　人工智能(AI)工具彻底变革了计算机翻译日常用语的能力，但也表现出了显著的性别和种族偏见。根据科学杂志中最新的研究表明，随着机器越容易习得类人的语言能力，它们同样就越容易习得语言应用范式中根深蒂固的偏见。

　　随着越来越多影响我们日常生活的问题让渡给机器人作出决定，现存的社会不平等和偏见以新的、不可预知的方式被强化，这一发现使这个噩梦萦绕人们心头。

　　随着机器越容易习得类人的语言能力，它们同样就越容易习得语言应用范式中根深蒂固的偏见。

　　巴斯大学的计算机科学家和论文的联合作者Joanna Bryson说：“许多人认为这表明了AI具有偏见。其实并不然，这表明了我们是有偏见的，而AI正在学习这种偏见。”

　　但Bryson同样警告说，AI有着加强现存偏见的可能，因为不同于人类，算法无法自觉抵抗习得的偏见。她说：“危险在于AI系统不为道德所驾驭，一旦你拥有了这样的一个系统，这就糟糕了。”

　　文字嵌入：获取单词背后的文化和社会背景含义

　　论文聚焦于机器学习工具，即“文字嵌入”，这种机器学习工具已经改变了计算机翻译演讲和文本的方式。有人声称下一步自然就是使机器发展出类人能力，比如具有常识判断和逻辑。

　　普林斯顿大学的计算机科学家和论文的资深作者Arvind Narayanan说：“我们选择研究文字嵌入的主要原因，是由于在最近几年里，帮助机器搞清语言方面的努力已经取得了令人惊叹的成功。”

　　这一已经应用于网页检索和机器翻译的方法通过建立起一种语言的数学化表述来发挥作用。在这种数学化的表述下，文字和基于其一同频繁出现的意义一道，被抽象为一系列数字(即矢量)。尽管这令人惊奇，但算法似乎正在以一种字典也不能定义的方式，获取一个单词背后丰富的文化和社会背景含义。

　　比如，在数学化的“语言空间”中，“花”的单词总是与具有褒义的词汇相联系，而“昆虫”的单词则相反，反映出人们对昆虫和花不同价值的共同观点。最新的论文展示出，一些在人类心理实验中更为棘手的隐性偏见同样可以被算法轻而易举地习得。“女性”和“女人”更易于同艺术人文类岗位和家庭联系起来，而“男性”和“男人”则是与数理和工程类岗位。同时，人工智能系统更有可能将欧裔美国人的名字与褒义词联系起来，比如“天赋”或“快乐”，而非裔美国人的名字一般则更易与贬义词相联系。

　　这一发现表明，人们(至少在英美)在隐性的关联测试中将褒义词与白面孔联系在一起，算法习得了这一偏见。

　　这些偏见会对人类行为产生深远影响。曾有研究表明，对于一份完全相同的简历，有着欧裔美国人名字的候选人会比有着非裔美国人名字的候选人更有可能获得面试邀请，这一可能性超过了50%。最新的结果显示，除非明确进行了程序化处理，算法将会充满同样的社会偏见。

　　“如果你不相信人名和种族主义之间存在着联系的话，这就是证据。”Bryson说。

　　该研究中，机器学习工具的检验基于一个名为“网络爬虫”的资料库——它包含了在线发表的资料，包括8400亿个单词。使用谷歌新闻的数据做检验，也得到了相似的结果。

　　算法为处理偏见提供机会

　　牛津大学的数据伦理和算法的研究者Sandra Wachter说：“世界是有偏见的，历史数据是有偏见的，因此我们得到了有偏见的结果也就不足为奇了。”她补充道，“与其说算法代表着一种威胁，它们更能为处理偏见提供机会，以及在合适的时机消除这些偏见。”

　　“至少我们可能在算法出现偏见的时候获悉这种偏见，”她说，“而人类呢，却可以在不雇佣某人的原因上撒谎。相比而言，我们不用指望算法欺骗我们。”

　　但是Wachter声称，未来的挑战在于，如何在消除算法中不合理的偏见之余，依旧保留它强有力的翻译能力，毕竟算法是设计来理解语言的。

　　“理论上我们可以建立系统检测有偏见的决策并对此采取行动，”Wachter说，她与其他人一道，呼吁建立起针对人工智能的监管，“这是一项复杂的任务，但却是我们社会不能回避的责任。”

　　小结：人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。不妨关注编程学习网教育平台，在这个学习知识的天堂中，您肯定会有意想不到的收获的!