白宮一項關(guān)于AI未來的意向調(diào)查顯示，那些已經(jīng)準備好擁抱智能機器的人和那些擔心未來機器將會統(tǒng)治世界的人之間的意見仍有很大沖突。

這項調(diào)查是這個月白宮科學與技術(shù)辦公室發(fā)起一項關(guān)于AI正在如何改變現(xiàn)在的世界、在未來可能會如何發(fā)展、以及政府應該在之后的發(fā)展中扮演什么樣的角色，應該如何鼓勵或規(guī)范它的公共調(diào)查。

它從IBM、谷歌和微軟這樣的到公司、學術(shù)界以及普通大眾間共同征求意見，而大家的反應表現(xiàn)出人們對AI的未來可能性仍然有很大分歧。

有些評論對機器會幫我們做出許多決定的未來感到不安：

Mark Finlayson，佛羅里達國際大學計算與信息科學學院助理教授：危險不在于Elon Musk和Stephen Hawking（他對AI完全不懂）說的那樣，說機器人會胡作非為，真正的危險在于：AI會如何影響我們對待自己的方式，就像核武器那樣。而且這不是一個很遙遠的可能性，而是已經(jīng)發(fā)生的事實：Uber建議給我們提供許多無人駕駛汽車。如果這件事發(fā)生了，想象一下當與行業(yè)相關(guān)的利潤不是與全世界共享，而是流入一個單獨的公司中或者一個人的口袋中時，會發(fā)生什么事？

Lisa Hayes，民主技術(shù)中心程序與戰(zhàn)略部副主任：民主技術(shù)中心對AI的未來感到樂觀，并且相信科技會對社會產(chǎn)生廣泛的積極影響。但是，快速發(fā)展的技術(shù)毫無疑問的會對工作崗位、教育和政策產(chǎn)生顯著影響，也會對聯(lián)邦政府各種監(jiān)管過程的倫理道德性產(chǎn)生影響。轉(zhuǎn)變的進程、各項標準的形成、人們對新技能的學習都需要花費時間，在AI這一點上，政府必須快速行動來應對這些改變，因為技術(shù)的傳播應該會非?？?。

Mary Wareham，人權(quán)觀察組織宣傳部主任：AI和自動化機器人已經(jīng)對我們的生活產(chǎn)生了極大的沖擊，從打掃衛(wèi)生這樣簡單的事到像自動駕駛汽車和Google DeepMind這樣的復雜任務。但是，AI的任何一項領(lǐng)域都不像自動化武器這樣面臨著快速增長的、緊急且嚴重的人權(quán)問題。雖然這些問題目前還沒有顯現(xiàn)出來，但這些武器的道德和合法性都面臨著巨大的考驗，因為它們能在不經(jīng)由人控制的情況下就自主選擇并攻擊它們的目標。

David Heiner，微軟法務部副部長、總顧問代理：我們對那些能讓人們享受最先進技術(shù)的實用工具、語言、部件、平臺的發(fā)展充滿熱情。但是我們理解有很多人會擔心快節(jié)奏的自動化進程可能帶來的經(jīng)濟危機，以及對大量工作崗位的取代。這種改變可能會對那些掙扎求生的人們造成極大的沖擊。我們也能理解并且同樣擔心AI會擴大并鞏固社會中已經(jīng)存在的不平等現(xiàn)象，如果使用的會是一些不平等的算法和數(shù)據(jù)，它甚至可能創(chuàng)造出更多的不平等。

而另一些評論者則指出世界已經(jīng)從AI技術(shù)中獲得了大量的好處了，并且表示沒有任何理由需要去擔心未來。

Sean Legassick，DeepMind公司決策顧問：我們把機器學習系統(tǒng)視為設計來通過對大數(shù)據(jù)的高效分析、提取出有價值的信息并用它們來幫助我們做出適合的決定，以便讓這些聰明且有著極高積極性的專家能夠幫助我們彌補我們的不足的工具。這可能對早期疾病診斷、新藥的發(fā)現(xiàn)、材料科學、以及優(yōu)化資源和能源配置等方面的進步都產(chǎn)生很大促進作用。

James Hairston，Facebook公共政策主管：人們已經(jīng)開始享受AI帶來的種種好處——從醫(yī)療保健到天文學，再到我們每天都要做的許多任務。機器學習在幫助我們定位宇宙中的新研究目標，并且以足以救命的精確度檢測疾病。像數(shù)字助手和即時自動翻譯這樣的AI工具正在促進人們之間的溝通和貿(mào)易，讓人們的工作變得更加有效率。

也有很多評論者對AI未來的可能擁有的潛能很有興趣，他們覺得對這些危險的擔憂有些過分了，并且認為AI是社會進步的唯一途徑。

Henry Liberman，MIT CSAIL實驗室研究科學家：近期那些名人，比如Elon Musk和Steven Hawking給出的關(guān)于“AI可能失控”的警告實在是杞人憂天了。考慮到對AI安全機制的研究已經(jīng)取得了相當?shù)某晒?，政府不應該將AI視為像全球變暖那樣明確的威脅。

Andrew Kim，谷歌公共政策和政府事物部門：許多討論機器學習系統(tǒng)的潛在優(yōu)勢和威脅的討論仍然停留在簡單的理論層面并且過于集中于長時間尺度上的理論極端情況。實際上在社會真正會面臨這些假設中的問題之前，AI的研究還有許多困難需要解決。

via techtarget.com

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。