对人工智能时代的看法精选(九篇)

第1篇：对人工智能时代的看法范文

 

1.关于人工智能

 

什么是人工智能呢?在 1956 年 Dartmouth 学会上，人们初次提出了“人工智能”这一术语。尽管人工智能没有确切的定义，但基本概念就是人工智能(Artificial Intelligence)，英文缩写为AI。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，是计算机科学的一个分支。就人工智能的本质而言，就是运用目前的人工智能技术去模拟实现人脑基本的思维，也就是模拟人脑处理信息的过程。但目前的人工智能仍大都是在电脑中储存众多的解决办法，然后通过分析面对的问题以及当前的环境信息，通过计算机得到最优的解决办法，其核心思想在于具有优越的算法。

 

2.人工智能发展现状以及驱动因素

 

目前，所有国家都十分看重人工智能这个产业，因为人工智能可以利用它自身快速准确的运算能力以及惊人的记忆力和巨大的存储空间等，为人类提供各种各样的服务。虽然我们生活中的人工智能机器正在逐渐增多，但是其应用方法仍十分原始。

 

正因为人工智能的前景十分广阔，也使得各种因素持续推动着人工智能的发展。当然，最核心的因素在于算法，人们的不断思考与努力持续推动着语法的进步。

 

3.人工智能与人类智能的关系

 

关于人工智能与人类智能的关系，知道什么是人类智能是了解人工智能与人类智能关系的前提条件。人类智能是人类与生俱来的自然智能，它主要包含感知能力、思维能力和行为能力三个方面。

 

现在我们从哲学的角度去理解人工智能与人类智能的关系。两者是对立统一的关系，因为人工智能是人类智能的实际体现，人类智能又凭借人工智能的优点而加强，所以人类智能与人工智能相互依存，谁也离不开谁，并且两者相互促进，共同推动人类社会的发展。人工智能和人类智能之间又存在对立的关系，正是通过这种对立的关系，人们才能够不断地对人工智能加以创新，促其发展。

 

4.人工智能与人类智能的区别

 

人工智能与人类智能两者的关系十分密切。且这两者之间的区别也非常大：第一，两者的优点十分不同，比如人工智能计算能力强，而且拥有人脑无法涉及的计算速度，另外，人工智能机器可以在特殊环境条件下正常地工作。但是人脑能提出新问题，对新事物进行分析研究，得到解决新事物的办法。第二，两者起源不同。人类是自然界长期发展的结果，人工智能是由人类创造的。第三，两者思维方式不同。人类智能拥有自己跳跃性的思维，但人工智能要严格遵循所设计好的思维程序。第四，两者语言形式不同。人类拥有自己的自然语言，而人工智能只能依靠人类去创造人工语言。

 

5.人工智能能否超越人类智能

 

关于人工智能能否超越人类智能这个问题，人们的看法都大不相同，而且每个人的看法都有自己的合理解释。但我认为，在整体上人工智能是不可能超越和代替人类智能的。因为人工智能是由人类所创造，只是人类智能的拓展和实现途径。它没有办法去替代人类智能，更不可能像电影里的情节一样，由人工智能来统治人类。

 

从社会环境来看，人工智能无法像人脑一样去面对现在复杂的社会环境。从实际应用来看，人脑拥有超强的容错率，而且可以在众多信息中提取关键信息，并且耗能低，但目前的人工智能需要有完全正确的程序才能正常运行，而且需要投入的资源量巨大。

 

由此，我认为，人工智能是无法超越人类智能的，但我们要承认人工智能给我们的生活带来了许多方便。虽然人工智能帮助我们在很多方面解决了依靠人力解决不了的很多问题，而且因为人工智能的快速发展，使人类智能可以无视时间和特殊环境进行研究和实践。但是，如果因为科学技术的发展和电脑的广泛应用，就认为人工智能可以代替和超越人类智能，这是没有依据的。

第2篇：对人工智能时代的看法范文

3月9日首局，李世石执黑中盘认输。3月10日次局，交换黑白，阿尔法围棋完胜，其中一步五路尖冲，令聂卫平“脱帽致敬”。3月12日第三局，李世石执黑中盘负，三连败。3月14日第四局，李世石执自在不利局面下弈出石破天惊一招，最终翻盘。3月15日末局，李世石执黑细棋败北。

这次围棋人机大战的最终结果是，阿尔法围棋以4比1战胜李世石。“阿尔法围棋”团队把获胜奖金100万美元捐赠给联合国儿童基金会、STEM教育以及围棋慈善机构。

事件背后

1.阿尔法围棋（MphaGo）是一款围棋人工智能程序，由谷歌（Google）旗下DeepMind公司的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下棋。

2.2015年10月阿尔法围棋以5：0完胜欧洲围棋冠军、职业二段选手樊麾。

事件解析

1.阿尔法围棋（AlphaGo）的胜利是人工智能的重要突破。纵观历史，我们会发现，虽然人类的科学技术一直在进步，但在不同的阶段，常常会有那么几个具有代表性的突破性事物出现。比如用火，比如冶炼金属，比如四大发明，比如蒸气机，比如发电机，比如电脑，比如当年的“深蓝”。阿尔法围棋（AlphaGo）战胜人类围棋冠军，注定会成为一个人类科技进步的标志性事件，其时代意义不可低估。

2.阿尔法围棋说到底是人类制造的工具。就像汽车、飞机、轮船、电脑等一样，阿尔法围棋说到底依然是人类制造的工具，不需要像一些科幻电影里那样恐惧人工智能，如果说到“替代”“威胁”，汽车早就替代了人类相当一部分的远行负重能力，飞机早就远远超过人类跳跃的滞空时间，轮船也早就超过了人类的泅水能力，电脑更是在许多领域替代了人类，但人类并没有感觉它们是大敌，这一点放在人工智能上也是如此。

3.人类有弱点，但更有机器永远无法替代的尊严、情感、爱……在整个比赛中，阿尔法的表现并非无懈可击，其最令李世石无解的地方并不在于计算能力强大，而是它根本不会受到情绪波动的影响，这一点是人类无法达到的。但人类并不是一个冷冰冰的机器，李世石的疑惑、紧张、不屈等情感，固然在某些时候给竞技带来一些负面因素，但也正是这些情感，让我们觉得人类情感的珍贵，特别是他在败局已定的情况下，为人类棋手尊严而战，不屈不挠，令人动容。尊严、情感、爱，这些是机器注定无法感知的，更无法具有。

相关评论

1.人类，何去何从？

当科学的光辉从被蓝色的地中海包围的亚平宁半岛上升起时，当人工智能被爱伦・图灵从红白相映的国土中发掘出来时，当ios系统从乔布斯硕大的苹果中出现时，你发现，身边一切皆为科技，皆为人类创造出来的工具！

天地者，万物之逆旅；光阴者，百代之过客，“人定胜天”这是苟子的理论，人工智能终究是人类所创造的，但在这科技来势汹汹的长河中，我们又该何去何从？

――河北唐山一中柳睿

[评点]这段语言优美的抒情议论相结合的文章，写出了人工智能的进步，也体现出了作者对人与机器的更深一步思考，实质上就是提醒我们清醒认识人类自己与工具之间的关系。作者从历史的角度，看到了人工智能一路发展而来的历史，其实就是在暗示我们，其实我们创造的智能胜过我们已非始于当今，但我们人类并未被它们奴役。

2.即使艰难，也还要做

“世事洞明皆学问，人情练达即文章”，时代，永远伴随着变迁，这是一个发展的时代，令人可望不可即却又紧随不放的时代。对于初出茅庐的人工智能在短时间内迅速炼到了炉火纯青的地步，这引发了人们的深思：难道未来的世纪，地球的主人会成为机器人吗？我们可以如此认为人工智能的确是一个奇迹，然而我们也可以说，人类并不是不能战胜智能机器。

在如今信息爆炸的时代，科技也可以为我们所有，为人类造福。时过境迁，未来仍把握在我们人类手中，当时代造就你的同时，你也创造了时代，我们仍需要进取，正如鲁迅先生所言：“即使艰难，也还要做；愈艰难，就愈要做。”

――河北唐山一中杨秋丽

[评点]这段文字以《红楼梦》中的对联开头，突出了人类的最大特点――情感，而这一点，也恰恰是机器所没有的，也就是说，从这个角度来讲，作者一下子就把握住了人与机器最大的不同。当然，从纯竞技的角度看，因为有情感，所以会有波动，这也是李世石最终不敌阿尔法狗的原因之一，但人类之所以是人类，竞技毕竟不是我们的全部人生。因此，作者就说“当时代造就你的同时，你也创造了时代，我们仍需要进取”。

3.胜出的是我们自己

不过，没有必要过度夸张“阿尔法狗”的智能水平。至少从目前来看，它在对弈中使用的策略网络、估值网络和蒙特卡洛树搜索算法和人类的思考方式还不能相提并论。它证明了强大的计算能力和算法，但更重要的是，“阿尔法狗”并不知围棋为何物，既不能领会围棋的美感，也不能体味棋枰落子间所蕴含的文化和哲学意味。这在目前来说，依然是人类的“专利”。

把这一次的人机大战视为本世纪最重大的科技事件之一并不为过。很大程度上，这称得上是人工智能的启蒙。相信人类有足够的智慧解决未知的问题，使用好人工智能这个强大的工具。人机大战其实并非是人工智能A了人类，而是人类赢了自己――一群不太懂围棋的开发者，使用工具赢了围棋世界冠军。人类的胸怀可能也是人工智能机器无法拥有的――在李世石输给“阿尔法狗”后，韩国棋院授予“阿尔法狗”名誉九段称号。

无论如何，生逢这个时代，有机会见证科技的惊艳突破，都是一件非常幸运的事。

第3篇：对人工智能时代的看法范文

作为世界上最大的代工企业，富士康科技既为苹果的智能手机和平板电脑等系列产品代工，旗下子公司富士康国际同时又为苹果手机的竞争对手诺基亚、摩托罗拉等提供代工。

近年来，随着智能手机崛起，传统手机厂商衰落，富士康国际的营收也逐年下滑。为改善业绩，富士康国际曾多次希望承接母公司富士康科技的苹果代工业务，但均未成功。2013年5月31日，富士康国际宣布将公司英文名称由“Foxconn International Holdings Limited”更改为“FIH Mobile Limited”，并采纳“富智康集团有限公司”为公司正式中文名称。

富智康希望通过改名向外界清晰传达，富士康国际和富士康科技是两家不同的公司，以此获得更多的其他品牌的代工业务。但是，拥有更多的代工业务，富智康的前景又能怎样？作为母公司的富士康科技，虽然长期为世界上最热门的品牌苹果代工，但是由于苹果iPhone5和iPad订单下滑，富士康科技2013年第一季度的销售额也创下7个季度以来的新低。

对比两家上市公司的财务报表可以看出：苹果公司并不生产任何产品，可它是全球最值钱的公司之一，去年，苹果公司的销售额达到1565亿美元，净利润率为26.6%；富士康国际代工生产诺基亚等品牌的很多产品，去年营业额为52亿美元，亏损3.16亿美元。苹果是一个非常赢利的公司，而富士康国际不是。

毫无疑问，相比于生产产品，建立品牌更能让公司赢利，因此，富智康应该建立自己的品牌，而非仅仅生产产品。显然，富智康已经意识到这一问题，并采取了行动。6月12日，富智康联手台湾电信服务运营商“台湾大哥大”一款低价的自有品牌手机 A5，合约价折合人民币为 823 元。这是富智康首次为本地运营商生产自有品牌的手机。

由此看来，富士康国际更名为富智康的举措，一方面是为了防止与母公司混淆，争取更多的代工业务，更重要的考虑还在于布局未来，打造自己的品牌。

但是，建立一个品牌比生产一个产品要困难得多。富智康建立自有品牌的第一步就证明这个公司并不知道如何建立一个强大的品牌。

首先，建立品牌要从一个好的品牌名开始。富智康的英文名称“FIH”是首字母的一个缩写，通常这种缩写形式无法建立品牌，消费者看到这些字母组合时，首先会想 “这些大写字母代表的是什么”。虽然很多著名的公司都使用大写字母组合，例如GE、IBM和KFC，但是它们在用这些字母组合代替其名字之前就已经很出名了。FIH是什么？富士康很出名，而FIH代表的富士康国际控股有限公司并不为人熟知。

此外，富士康国际很明显是为它的消费品品牌启用了一个新品牌，因为它想把消费品品牌（富智康）和OEM品牌（富士康）区隔开来。然而，富智康这个新名字所做的恰恰相反。从英文名称来看，消费者记住FIH这个名字唯一的方法就是将其“还原”成“富士康国际控股”（Foxconn International Holdings），所以，实际上这个公司现在仍然只有“Foxconn”这一个名字。

其次，新品牌的定位。对于富智康公司来说，进入消费者智能手机业务为时已晚。目前，智能手机品类已被分为两大阵营：一是位于高端的两大领先者三星和苹果都很赢利，去年，它们占据了全球智能手机市场50.3%的份额；二是位于底部的其他数十上百家公司，绝大多数都在亏钱，比如排名第三的诺基亚只有5.0%的市场份额，排名第四的黑莓仅占4.8%。

面对智能手机市场上所有这些竞争对手， 富智康可以填补的空缺是什么？目前来看，富智康似乎希望定位于低端市场，但是“低成本供应商”不正是OEM生产商必须占据的定位吗？如果富士康科技作为低成本代工生产商无法赢利，其子公司富智康如何以低价消费品供应商赢利？更重要的是，在低端市场很少能建立品牌，最强大的品牌通常都是在高端市场建立起来的。例如，苹果公司的iPhone和三星的Galaxy。

一个虚弱的名字（富智康或FIH）和一个虚弱的低端定位，富士康的自有品牌如何成功？很难！

富士康的问题是所有代工企业面临的问题。长远来看，这些企业都应打造自己的品牌。但是，打造品牌和代工产品完全是两回事。要想成功打造一个自己的专属品牌，这些企业需要从根本上转变现有的观念和做法，尤其是改变那些帮助他们在代工业务上取得成功的做法。我们的建议是：

第一，从内部产品导向转向外部认知导向。代工企业往往都非常迷信于自己的产品生产能力，认为自己可以生产出比市面上现有品牌质量更优、价格更低的产品，这些性价比更高的产品将最终赢得消费者的认可。但是市场竞争实际上是认知之战，而非产品之战。尽管事实上苹果iPhone的产品均由富士康生产，富士康自有品牌的产品质量不会差于iPhone，可消费者仍然不会购买“富士康”，因为在消费者的认知中“富士康”不是“iPhone”。代工企业需要转变传统的由内及外的思考方式，改以消费者心智为起点，由外而内，根据消费者的已有认知来重新规划自己的产品。

第二，自有品牌需要一个独立的、不同于原有代工业务名称的命名。就起步而言，要与从前为其代工的品牌进行竞争，新品牌必须摆脱消费者心智中的“代工”认知，独立的命名就变得尤为重要。长远来看，代工业务和自有品牌业务很难在一个体系里共存，分拆是必然结果。因此，从规划阶段开始，自有品牌就应有一个完全独立的品牌名称。

第三，自有品牌必须建立独特的、差异化的品牌定位，否则，就只能依赖更低的价格参与竞争。但是，更低的价格很难获得更高的利润，无法获得高利润，打造自有品牌的意义则不复存在。无论是宏基还是HTC，这些代工企业转型推出的自有品牌实质上均未建立起独特的、差异化的品牌定位，所以多年过去，仍然无法摆脱“模仿者”的认知，仍然停留在价格战的泥潭里。

第4篇：对人工智能时代的看法范文

一、对现代智能研究的反思

在智能的研究方法上 , 现代心理学中一直存在着两个分支 , 一为相关方法的分支 , 另一个是实验方法的分支 , 前者形成智能研究的心理地图模式，后者形成计算模式。第一，早期的智能研究体现了心理地图模式。心理地图模式将智能视作心理地图，由此形成智能的结构理论（如斯皮尔曼的智力二因素理论、卡特尔的流体智力和晶体智力理论、瑟斯顿的基本心理能力理论、吉尔福特智力结构模型、阜南的智力层次结构模型等）。结构理论主要关注于对智能结构进行静态描述，企图分析出组成智能的各项子能力。第二， 20 世纪 60 年代，信息加工心理学得以蓬勃发展，其理论开始被借用到智能研究中，逐渐形成智能研究的计算模式。计算模式将智能视作具有信息加工功能的计算性装置，以实验方法为基础构建了智能的信息加工理论（如加德纳的多元智力理论、戴斯的 PASS 智力模型、斯腾伯格的三元智力理论等）。这些理论认为智能是人脑对各种信息进行加工、处理的能力，重点分析智能的内部活动过程，摒弃剥离智能结构的传统，并日益重视元认知成分的作用。这两种模式构成现代智能研究的主流理论。

但长期以来，智能结构理论一直颇受指责。由于建构结构理论的方法学（以因素分析法为核心）存在某些先天不足，从而使这些理论很少涉及智能活动的内部心理过程；同时，这些智能结构理论难以得到整合；此外，根据这些理论编制的智力测验，也只停留在测量各种反映个体差异的智能构成因素上，难以对内在心理过程作进一步揭示。智能的信息加工理论比之结构理论有所进步，开始从仅仅描述智能的结构转化到着眼于从智能的内部活动分析智能的运作机制。但遗憾的是，这种进步也未能彻底回答一个根本性的问题：导致一个人高智能表现的原因是什么？智能是怎样获得的？如果仅仅把智能看作是遗传的结果，显然缺乏说服力并具有悲观主义的倾向；如果把高智能归结为信息加工过程的高效，那么这种高效信息加工的原由仍不清楚。

事实上自 20 世纪 70 年代起，已有一些研究者认识到如果依旧以智能结构或运作机制为标靶进行研究，则对上述批评无济于事，他们开始另辟蹊径。这些研究者发现，某一领域的专家在该领域中能够深刻地表征问题、高效地记忆、合理地推理、快速地解决问题，表现出一种外化的高智能行为（也称为专长行为）。这些研究者认为，如果采用专家 ---- 新手比较以及计算机模拟的方式，对专家的这种专长行为的来源及影响因素进行分析，则可间接揭示专家高智能的本源。这一新兴的研究路线被称为专长研究。专长研究与主流智能研究间并非非此即彼的关系，后者关注揭示智能的结构和运作机制，而前者关注研究智能所利用的 “ 材料 ” ，即知识在人类智能中的作用，期望从另一个角度诠释人类智慧的实质。一般认为，以专长为视角对智能作系统的理论与经验的研究，始于德格鲁特对奕棋专长的创新工作；而引发对该主题作交叉学科研究的主要激励，一般归结于蔡斯和西蒙论 “ 棋艺中的慧眼 ” 一文。专长研究经过 30 余年的发展，影响力不断提升并显示出进一步增强的趋势，其对智能的认识日臻系统和成熟。但遗憾的是，我国学界对专长研究的了解和关注稍嫌不足，对专长研究视野下的智能观认识也比较欠缺。

二、以专长研究为视角看人类智能

专长研究发展至今，已对智能的范围、来源、本质、生成路径等问题形成较独特的观点，对我们更深入理解人类智能具有一定启发意义。需要提及的是，专长研究并未建构某一智能结构或加工理论，而是从广泛范围对智能的一般论题提出自己的看法。

1 、智能的范围：领域限制

反思智能结构理论与信息加工理论可发现，二者均将智能视为人类拥有的一般能力，能够运用于广泛的领域当中。百年的智力测验历史也体现出这一观念，各种智力测验总是试图测量某种单纯的 “ 能力 ” ，排除个体相关领域经验的作用。该观念似乎隐含着这样一个推论：即高智能的个体在不同领域应均能表现出高智能的行为，这显然与现实观察的结果相悖，事实上，个体恰恰只能在其专长的领域表现出高智能行为。

提出上述质疑并非对是对智能结构理论与信息加工理论的否定，而是想澄清这样一个事实：即将智能视为领域间的一般能力同将智能视为与相关经验密切联系的领域内能力即使在智力测验出现之初，亦是两条并行的路线，只不过后者未被赋予更多关注而势单力薄。在比纳和西蒙（ 1905/1916 ）开创智力测验之初，他们就已区分出两种智能评价的方法：心理学方法（ Psychological method ）和教育学方法（ Pedagogical method ）。前者涉及对记忆力、决策及一般知识的测量；后者涉及依据某领域获得知识及经验的总量对智能进行评估。比纳和西蒙最终决定关注前者而忽略后者，因为他们希望 “ 不考虑 …… 个体拥有的受教育的水平 ” ，并认为： “ 我们相信我们已经成功地彻底排除了个体已获得的信息 ” 。

百年来的智力测量实践深受比纳和西蒙将领域内的相关经验排除出智能范畴的影响。不可否认，传统智力测验在预测儿童的学业成就时是必要的，并能在一定程度上预测青春期少年的学业成就（这时课堂及学校中的经验开始累积）。但是，传统智力测验在预测大学生的成就及未来专家在某一特定领域的成就时，只能提供有限的效用。对传统智力测验效用有限性的反思启发我们应当回归智能评估的教育学方法传统，从领域内能力角度看待智能。

专长研究是回归教育学评估方法的典型代表，并已引发研究者对该主题的更多关注。大量实证研究证实，专家的高智能局限于其所善长的特定领域，且与在该领域长期的经验相关。若以领域内能力看待智能，则可有效预测个体在某领域未来的成就，并可为进一步探讨智能的来源和生成提供可能。事实上，这一理念正被广为接受，最近美国大学的入学测验已开始讨论 “ 专长（倾向）测验 ” 与 “ 智力测验 ” 之争。［ 3 ］ 

2 、智能的来源：知识结构与加工能力的互动

智能的来源是有关智能的根本性问题，智能结构理论和信息加工理论实际并未对此作回答。无论是以解构智力构成的子能力还是以探索智能成分的运作机制为目的，二者均事先假设已存在 “ 智能 ” 这一实体。至于这一 “ 智能 ” 实体从何而来或忽略不谈，或认为是 “ 遗传与环境交互作用的结构，人们在早年就具有的获得成就的相对固定的潜能 ” ，或更简单地认为是某种 “ 原生的模仿能力 ” 。将智能视为领域间的广泛能力制约了传统智能理论对智能来源进行深入研究。

专长研究的最初目的正在于解决智能的来源问题：即到底是什么造就了专家在其领域的高智能。蔡斯和西蒙认为，造就大多数专家高智能表现的原因，是由于专家经过多年在相关领域内的经验，获得了大量的知识以及以模式为本的提取机制。拉金、西蒙等人在解决 物理学问题的工作中重复验证了这一观点。他们发现，尽管新手已具备解题的必要知识，但他们必须从问题中提出的发问出发，倒着来一步步地确定相关的公式；但物理学专家可以毫不费力地提取出解题的方案或计划，因为在他们建立对问题的最初表征时，已在头脑中涌现出自己的计划。齐 . 格拉泽和瑞斯进一步证明，物理学专家不仅拥有更多的知识，而且拥有组织得更好的知识，由此使他们能够对问题做出更深刻的理论原则表征，而新手的表征完全依赖某些表面特征是否出现。其他领域（如计算机编程、电路检测、医疗诊断等）专长研究的大量实证结果也已证明，专家拥有的相关领域的知识结构组织更好、内容更丰富、表征更合理，这些知识结构与加工能力的互动正是造就专家高智能的根本原因。

这种对特定领域知识结构在智能中重要性的强调，比之智能结构理论及信息加工理论是一突破，弥补了智能研究在智能生成源泉问题上的缺陷。在专长研究看来，无论智能结构理论解构出何种子能力，这种子能力的生成须以知识结构为基础；无论智能信息加工理论如何解释智能的运作机制及强调元认知，却不能忽视智能的运作亦是以知识结构为操作对象，具有丰富领域知识结构的个体，在解决该领域问题时，智能运作更优化，元认知水平更高，表现出更高智能。总之，专长研究认为，个体在某领域知识结构与加工能力的互动是造成其在该领域高智能的根本原因。

3 、智能的生成路径：蓄意的练习

除极少数持智能遗传决定论观点的研究者之外，几乎所有的研究者均认为人类智能是动态发展的，也就是说，智能水平可在外界环境与个体互动中获得不断提高。智能的发展性观点为人才培养和智能开发提供了积极的理论基础，专长研究亦赞同这一理念，但至于智能如何得以发展，即智能的生成路径是什么，专长研究有着自己独到的见解。

尽管少有智能结构理论与信息加工理论及智能的生成路径，还是有研究者对这一问题进行了探讨。例如：加德纳的多元智能理论认为，源于遗传的原生模仿能力，在其后的发展过程中，通过符号系统（如阅读文字、唱歌等）来表现；随着智能的发展，每种智能及其符号系统将由第二级的符号系统（如公式、地图、字母、乐谱等）来代表；至成人阶段，智能则通过对理想的职业和业余爱好的追求来表现。加德纳认为，人类智能以符号系统为中介获得发展。但这里存在一个问题，即智能的生成是个体主动参与的过程还是自然生成的过程？总体而言，传统智能理论对智能的生成路径探讨较少，无法指导具体智能开发与训练，使得各种训练方法层出不穷、相互矛盾、效能低下。

专长研究视智能为领域内能力，以此为基础认为：智能的发展是个体主动参与的结果，其生成路径是通过蓄意的练习（ Deliberatepractice ），其发展过程表现为进步性问题解决（ Progressive problem solving ）。

专长研究早期的一项重要结论认为，专家若想在其领域中达到较高智能，至少需要 10 年有意识的训练与经验积累，明确表明了智能发展中有意识参与的重要性。同时专长研究认为，即使在个体有意识的参与下，智能发展也非自动化的。专长研究者提出蓄意的练习以解释智能的生成路径。埃里克森等人认为，蓄意的练习与玩耍性的互动、竞争、工作以及其他形式领域内的经验极为不同，它们是为有效促进个体行为的特殊方面而专门设计（通常是教师设计）的一些活动。埃里克森等人发现，年轻成年专家的表现与个体整个职业生涯中所积累的蓄意练习的量有关。其他一些研究也证实，尽管不同领域中的专长行为在行动上表现各异，但为获得行为改进而精心设计的蓄意的练习起着至关重要的作用。经过蓄意的练习，专家行为的某方面获得进步，能够解决一些原本无法解决的问题，然后积累经验并与蓄意的练习结合，近一步解决更深层次的问题。进步性问题解决过程也正是专家的智能发展过程。

4 、智能的本质：发展中的专长

第5篇：对人工智能时代的看法范文

AI目前还只是机器

2006年，柳大华等五位中国象棋大师组成的大师队以2胜5平3负的成绩，不敌超级计算机浪潮天梭，最终告负。象棋大师张强的评价是：“输的原因主要在体力的过度消耗。”很显然，人的体力有限，而AI几乎有无穷能量。

“李世石下棋凭的是一股狠劲、一种气势，甚至是一种无理，在对人下棋时，很多人心理上会动摇，屈服了，退缩了，所以让他占了上风。”有人这样评价。大师修炼百年，也很难心静如水。人，在心理上也会输于机器！

经济学的基本假设就是人是理性人，但人其实做不到完全理性，所以经济学在更高级的阶段会修正人的假设为“有限理性的人”。完美理性的AI与有限理性的人，彼此的优劣究竟是什么？

无论体力、智力以及完全理性，AI都完胜人类。因此，人必然退出这些“相对劣势”的领域。可以预见的是：未来对人有危险的工作，如矿井、野外、极端气候的工作将由AI替代；简单性、重复性、高体力的工作也将很快被取代，如富士康车间的流水性作业；简单的智力劳动，如翻译、编辑也将被取代；需要秉公执法、不徇私情，同时又不是太复杂的公务员工作，如交通执法等也将由AI代替；最后，机器人一定会被用在军事上，就像好莱坞电影里所展示的那样，AI将成为致命的杀人武器。

但到目前为止，这些还都只是机器，算不上真正的AI。尽管AlphaGo打败了人类棋手，但也只是强大的程序，没有感情、更没有独立意志。好比汽车、飞机比人跑得快，但在人眼里，它还是机器，与人类不可相提并论，人类根本不会派百米冠军去与汽车赛跑。同样，AlphaGo也只不过是会下棋的机器，与会跑的机器本质没有两样。

超强AI，会给人类带来什么？

AI，是具有人类认知能力的机器，所以才叫人工智能。但有预测认为：AI的时代正快步到来，从强人工智能到超人工智能可能要花20年左右，也就是在2040年会实现强人工智能，并继续在20年后的2060年实现超人工智能。谷歌工程部主管库尔茨魏尔则乐观地预测：人工智能在2029年前就可以达到人类智慧的高度。科幻作家弗诺・文奇因此认为：“我们正站在变革的边缘，而这次变革将和人类的出现一般意义重大。”

在未来超强AI的时代，人的优势何在？人如何与机器进行产业分工？

可以想象的是，正如机器带来了人类生活水平的提升，AI的出现也将大大改善人类的生存状况。人，将更大程度地被解放出来，可以更多的专注于创意、艺术、情感以及道德、文化等人性化工作。

在未来超强AI的时代，人会不会造出像自己一样有智慧甚至更加智慧卓越的AI来呢？如果答案是肯定的，那机器人会不会背叛自己的创造者？比尔・盖茨称，低度人工智慧可成为替代劳工的工具，但唯恐数十年后出现的“超级智慧”系统，会“厉害到令人担忧”。特斯拉CEO马斯克则警告：人工智慧是“我们最大的生存威胁”，无异于“召唤魔鬼”。

第6篇：对人工智能时代的看法范文

关键词：大数据 人工智能 技术

中图分类号：TP18 文献标识码：A 文章编号：1674-098X（2017）01（a）-0001-02

随着计算机技术被应用于社会生产、日常生活的方方面面，其重要作用日益体现出来，不可或缺。计算机从20世纪被发明，经历了各种改革、调整与进步，到今天，计算机技术已经开始融入到人工智能的领域，开始代替人类本身做一些危险性、精密性高的工作。但是人工智能领域的发展并不仅仅是依靠计算机技术的进步，还有互联网时代产生的大数据通过对各种程序化的技术的核算、设计以及发明所推动的人工智能的发展。技术的发展一直在不断促进人工智能的发展，因为起初所有智能化都是在技术中发现和实现的。到当代，这种动力开始被大数据所替代，大数据开始挖掘技术推动人工智能继续发展的潜力。

1 大数据挖掘技术推动人工智能继续发展的机制

1.1 技术推动人工智能发展

如前所说，在最初几乎所有的人工智能都是在生产的技术中发现、实现和发展的。劳动人民的智慧是无穷的，劳动人民创造的技术更是无尽的。从人类进化史中就可以看出，人类在工业革命后，从最初的利用蒸汽推动机车和及其的运转，到后来利用燃料，通过内燃机来推动机器运转，再到发明电机，再到现在通过电力实现了各种各样人类凭借肉体无法完成的事情，比如在地质勘探、深海探测等方面。人类对于技术的不断完善，推动着人工智能的不断进步和发展。

1.2 大数据通过技术推动人工智能发展的机理

大数据指的是对于一定范围内或者行业中，某一特定主体的某一方面或者多方面的特性、数量、属性、问题、偏好、趋势等内容的了解，基于众多信息条目下的数据处理，最终可以从多方面系统化地了解某一事物。而人工智能指的是研究、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。

根据人工智能的定义，我们可以看出，人工智能本身说到底是一门技术科学。在技术发展已经脱离以往的直接生产经验，单是凭借大数据就可以进行推陈出新的今天，人工智能的发展动力已经在无形中被置换。大数据通过收集、分析技术参数，利用计算机系统对技术进行智能化改革，将人类从技术操作中剔除，完成人类本身完成不了的工作。

2 大数据挖掘技术推动人工智能继续发展的现状

大数据对于人工智能的发展，是通过技术的革新来实现的，但是这种技术的作用与实际的生产之间日渐存在张力，换句话说，大数据所促进的技术进步与革新，不但没有被限制在传统生产领域中，还在一定程度上超越了所有生产的阈值，更像是一种未来计划。

美国的开源汽车制造商Local Motors曾推出过一款无人驾驶公交车Olli，车身采用3D打印技术制造，只需10 h就能打印出恚1 h内就可以组装完毕。这辆车没有司机，也没有方向盘，全靠内置的超级计算机来发送指令，通过传感器收集数据，再利用超级计算机进行实时路况分析。我们可以看到，无人汽车在实用性方面目前微乎其微，但是在未来，将彻底地改变人类出行方式，这就是当今大数据挖掘技术推动人工智能发展的路径。

当然，在生产领域，利用大数据挖掘技术推动人工智能发展的成果更是显著，Agrobot是一家在加州开设的西班牙公司，他们制造的商业机器人可以采摘草莓。在采摘过程中这种机器人只能识别足够成熟的水果，机器本身是技术的极大进步，在识别成熟的草莓方面大数据起到了巨大作用。在智力领域中，随着“阿尔法狗”这款围棋人工智能程序在与人类对战中爆发出优势，人工智能引起了全世界的广泛关注。而“阿尔法狗”之所以能战胜人类，与其积累的大数据分不开。

总之，大数据通过挖掘技术的发展来促进人工智能的继续发展，不仅是在科学实验领域，也在我们日常的生产生活之中。

3 大数据挖掘技术推动人工智能继续发展的方式

3.1 传统技术领域中大数据推动的人工智能技术转变

在传统产业中，依靠人工以及简单的机械来进行工作的领域也已经逐渐被大数据推动的人工智能技术所改变。具体而言，就是大数据渗透进产业的每一个角落中，分析传统产业中耗时耗力的缺点，统筹整个产业或者地区性传统产业的资源分配，协调各方的利益关系，最终以渐进的方式形成产业转变。在我国，逐渐淘汰高耗能、低产出、重污染的企业，向着高兴技术产业发展，就是利用大数据分析这些产业给地区或者行业带来的利弊，最终决定如何转变。

3.2 大数据创造人工智能技术的最前沿

这是个数据时代，人们的一举一动都被数据所记录，技术也一样。技术的所有参数都被编制进大数据的网络中，它开始“开疆拓土”，创造以往不存在的人工智能领域。在现代医学领域、现代化农业领域、现代航空领域以及现代军事领域等多个领域中，大数据指导下的技术性人工智能逐渐占据了科技的最前沿，成了社会性技术发展领域的风向标和指明灯。

4 结语

大数据通过置换传统生产技术、理念来实现技术的不断进步，随着技术的不断更新，将人类从危险、枯燥的工作中释放出来，代替了人类引以为傲的智能，将社会生产、日常生活推向了一个更方便、更科学的时代，它开启了人工智能的新时代。

参考文献

[1] 邹蕾，张先锋.人工智能及其发展应用[J].信息网络安全，2012（2）：11-13.

第7篇：对人工智能时代的看法范文

直到 21 世纪初，我还亲身经历过随着个人电脑在我们的生活、工作和家庭中出现，很多人会焦虑、恐惧甚至出现攻击行为。

虽然其中的一些人被电脑吸引，并且看到了电脑的潜力，但大多数人并不了解电脑。这些人对电脑感到陌生、费解，并在许多方面存在着威胁。他们害怕被技术取代。

大多数人对技术的态度，最好的情况是反感，最坏的情况是恐慌——也许对任何变化，人们的反应都是这样的。

值得注意的是：我们所担心的，大部分都是杞人忧天。

让我们快进一下：

因电脑而担忧的人已经不能没有电脑了，并且他们用电脑为自己谋利。计算机并没有取代我们，也没有引发大规模失业。反倒是现在，我们无法想象没有笔记本电脑、平板电脑和智能手机的生活。昔日的杞人忧天却朝着相反的方向发展，我们的担忧未能实现。

但同时，在 20 世纪 80 年代和 90 年代，没有人警告我们电脑和互联网将会产生一定的威胁——无处不在的大规模监控：黑客通过追踪网络设施或者个人数据，人们通过社交网络表现出心理异化，人们的耐心和注意力丧失，网上易受政治思想或宗教激进化的影响，敌对的境外势力劫持社交网络以破坏国家主权。

如果大部分的恐惧变得非理性的话，相反地，人们才发现过去由于技术变化而产生的担忧已成为现实。

一百年前，我们无法真正预测到，正在开发的运输和制造技术将导致新的工业战争，而这在两次世界大战中使数千万人丧生。我们并没有过早地意识到电台的发明，会促成一种新的大众传播形式，这种形式有助于意大利和德国的法西斯主义兴起。

20 世纪 20 年代和 30 年论物理学的发展的同时，并没有相应的带有焦虑性的前瞻报道，即关于这些理论发展如何能够很快落地并发展成核武器，使世界永远处于即将毁灭的恐慌之中。而当今，即便是被关注十多年的气候等严重问题，大部分美国人（44％）也仍然会选择忽视。

作为一种文明，我们似乎很难正确辨别它们的未来是好是坏，正如我们因非理性的恐惧而出现恐慌一样。

与过去一样，当前我们依然处在一场根本性变革的新浪潮当中：认知自动化，它可以概括为“人工智能（AI）”。与过去一样，我们担心这种新技术会伤害我们——人工智能会导致大规模失业，或者人工智能会拥有自己的机构，变成超人，把我们摧毁。

图片来源：facebook.com/zuck

但如果这些担心是多余的，就像我们以前一样？如果人工智能的真正危险与当下令人惊慌的“超级智能”和“奇点”叙述大相径庭呢？

在本文，我想和大家聊聊让我对人工智能忧心忡忡的问题是：人工智能对人类行为具有高效、可扩展性操作的能力，以及企业和政府对人工智能的滥用。

当然，这不是唯一的有形风险，还有很多，特别是与机器学习模型有害偏见相关的问题；就这个问题，其他人的见解比我更加出色。

本文选择从大规模人口控制的角度进行切入，是因为我认为这种风险是迫切并且被严重低估的。

今天，这种风险已经变为现实，在接下来的几十年里，许多技术会有增强的趋势。

我们的生活越来越数字化，社交媒体公司越来越了解我们的生活和想法。与此同时，他们越来越多地使用一些手段控制我们获取信息，特别是通过算法手段。他们将人类行为视为一个可优化的问题，一个人工智能问题：社交媒体公司调整算法变量实现某种特定行为，就像游戏人工智能会改进游戏策略一样。这个过程中唯一的瓶颈就是算法。这些事情都正在发生或即将到来，最大的社交网络公司目前正在潜心研究人工智能技术，并在相关项目上投资了数十亿美元。

接下来的讨论，我将分成以下几部分，对上面的问题进行拆解并详细描述：

·社交媒体是一种心理监狱

·内容消费是心理控制载体

·用户行为是待优化的问题

·当前的情况

·反面：人工智能能为我们做什么人人都是产品经理

·反社交媒体的构建

·结论：在前进的岔道口上

一、社交媒体是一种心理监狱

在过去的 20 年中，我们的私人和公共生活已经转移到网络上。我们每天用更多的时间盯着屏幕。我们的世界正在转向某个状态，在这个状态中我们所做的大部分事都由内容消费、修改或创造构成的。

这种趋势的反面是：企业和政府正在大量收集我们的数据，特别是通过社交网络了解我们与谁交流，我们说什么，我们在看什么内容——图片、电影、音乐以及新闻，我们在特定时间的心情，等等。最终，几乎与我们相关的一切最终都会以数据的形式记录在某个服务器上。

理论上，这些数据能够让收集的企业和政府为个人以及团体建立非常准确的心理画像。你的观点和行为可以与成千上万的“同类”产生共鸣，让你对所选的内容有不可思议的理解——这可能比你单纯通过自省的手段要好的多。

例如，通过 Facebook 的“喜欢”功能更好地评估朋友的个性。大量的数据让下面这些成为可能：提前几天预测用户何时（与谁）建立关系，何时结束关系；谁有自杀倾向；在选举中，用户最终会票投给谁——即便是那时用户仍犹豫不决。

这不仅仅能对个人进行分析，对大型团队的预测能做得更好（拥有大量数据消除其中的随机性以及异常值）。

二、内容消费是心理控制载体

被收集数据还只是个开始，社交网络越来越多地控制着我们获取的内容。

目前，我们看到的内容大多是算法在起作用。算法越来越多地影响并决定我们阅读的政治文章、我们看到的电影预告片、与我们保持联系的人，甚至是我们收到谁关于自己的反馈。

综合多年的报道，算法对我们的生活有相当大的影响——比如我们是谁、我们会成为谁。

如果 Facebook 能够在较长时间内能够决定你将看到哪些新闻（或真或假），以及决定你的政治地位的变化，甚至会决定谁会看到有关你的新闻；那么，Facebook 就会实际控制你的世界观以及政治信仰。

Facebook 的业务在于影响人们，从而向广告主提供服务。

Facebook 建立了一个微调算法引擎，这个算法引擎不仅能够影响你对品牌或购买智能音箱的看法。调整这个算法给你的内容，能够影响并控制你的情绪——这个算法甚至能够改变选举结果。

三、用户行为是待优化的问题

社交网络能够在衡量我们一切的同时，控制我们获取的内容——而这一切正在加速发展。

当我们感知并行动时，就会考虑人工智能问题了。

你能够建立一个行为的优化循环，在这个循环中，可以观察目标当前状态并不断调整提供的信息，直到目标。人工智能领域的一大子集——特别是“强化学习”——是关于开发算法来有效地解决待优化的问题，从而关闭循环并完全控制目标。在这种情况下，通过把我们的生活转移到数字领域，我们会易受人工智能影响。

人类行强化学习循环

人类的思想很容易受简单社交模式的影响，因此更容易受到攻击和控制。比如以下角度：

·身份强化：自从有广告后一直被利用的技巧，现在任然奏效。它把特定的内容和你的标记联系起来，进而能把控内容。在人工智能参与的社交媒体下，算法可以让你你只看到自己希望看到的内容（无论是新闻，还是来自朋友的博文）；相反，算法也可以让你远离你不想看到的内容。

·消极社交强化：如果你发表的文章表达了算法不希望你持有的观点，系统可以选择仅向持有相反观点的人推荐你的文章（可能是熟人、陌生人，甚至是机器人）。反复多次，这可能会让你与初始观点相去甚远。

·积极社交强化：如果你发表文章表达的观点是算法想要传播的，算法会选择将文章展示给“喜欢”它的人（甚至是机器人）——这会加强你的信念，让你觉得自己是多数人当中的一员。

·样本偏好：算法也能控制向你显示来自你朋友（或广大媒体）的支持你观点博文。在这样的信息泡沫中，你会觉得这些观点会获得比现实中更广泛的支持。

·参数个性化：算法也可能会观察到和你的心理属性相似的人——毕竟“人以群分”嘛。然后，算法为你提供内容，这些内容会对和你有类似观点和生活经验的人最有益。从长远来看，该算法甚至可以从头开始生成特别适合你的、最高效的内容。

从信息安全的角度来看，你会称这些为漏洞——已知的可接管系统的漏洞。就人类思维而言，这些漏洞永远不会被修补，它们只是我们的生活方式，存在于我们的 DNA 中。

人类思维是一个静态的、易受攻击的系统，并将越来越受到人工智能算法的控制，这些算法在完全了解我们所做的和相信的事情的同时，开始完全控制我们获取的内容。

四、当前的情况

值得注意的是，在获取信息的过程中应用人工智能算法，会引起大规模的人口控制——特别是政治控制——这个过程中使用的人工智能算法，不一定非常先进。

你不需要自我意识，目前的技术可能就足够了，人工智能是这样可怕的存在——社交网络公司在这方面已经开展了较长时间的研究，并且取得了显着的成果。

虽然可能只是试图将“参与”效果最大化并影响你的购买决定，而不是操纵你对世界的看法，但他们开发的工具已被反对派在政治事件中使用。如 2016 年英国脱欧公投或 2016 年美国总统选举——这是我们必须面对的现实。但是，如果今天大规模人口控制已经成为可能，那理论上，为什么世界还没有颠覆呢？

总之，我认为这是因为我们并不擅长运用人工智能；但这也意味着有很大的潜力，或许即将有所改变。

直到 2015 年，整个行业所有广告相关的算法都只靠逻辑回归运行——事实上，就算是现在，很大程度上也是如此，毕竟只有行业大佬才会用更先进的模式。

逻辑回归是一种早于计算时代的算法，是个性化推荐的最基本的技术之一——这就是为什么在网上看到的这么多广告，而这些广告却毫无关系的根源所在。同样，反对派用来影响舆论的社交媒体机器人几乎没有人工智能，目前他们的做法都非常原始。

机器学习和人工智能近年来飞速发展，而且它们才开始在算法和社交媒体机器人上得到应用；直到在 2016 年，深度学习才开始在新闻传播和广告网络中得到应用。

谁知道接下来会发生什么呢？

Facebook 在人工智能研究和开发方面投入了大量资金，并且励志成为该领域的领导者，这令人为之兴奋。当你的产品是新闻源时，对你来说，自然语言处理和强化学习会有什么用武之地呢？

我们正在创建一家公司，该公司可为近 20 亿人构建细致入微的心理画像，为许多人提供主要的新闻来源，它运行大规模的行为操纵实验，旨在开发当今世界还没有的、最先进的人工智能技术——就我个人而言，它让我感到害怕。

在我看来，Facebook 可能不是最令人担忧的存在。许多人喜欢意淫某些大企业统治着世界，但这些企业的权力却远远小于政府。如果对我们的思想通过算法进行控制，那么政府很可能会变的很差，而不是企业。

现在，我们能做些什么呢？我们如何保护自己？作为技术人员，我们通过社交媒体做什么才能避免大规模控制？

五、反面：人工智能能为我们做什么

重要的是，这种威胁即便是存在，也不意味着所有的算法策略都是不好的，或者说所有的广告都不好，它们都有一定的价值。

随着互联网和人工智能的兴起，将算法应用于获取信息不仅是必然的趋势，更是理想的趋势。

随着我们的生活越来越数字化、联系越来越紧密，信息也变得越来越密集，人工智能变成我们与世界的桥梁。长远看，教育和自我提高将是人工智能最强的应用场景——这种情况会在动态变化中实现，这些变化几乎完全反映了试图控制你的恶意人工智能在内容推送中的运用。在帮助我们方面，算法存在巨大的潜力，能够赋予个人更多能力，并帮助社会更好地自我管理。

问题不是人工智能，而是——控制。

我们不应该让内容推送算法控制用户并暗中实现隐藏的目标——比如左右他们的政治观点，或者不断地浪费时间——而应该让用户负责算法优化。毕竟，我们正在谈论的是有关自己的内容、自己的世界观、自己的朋友、自己的生活；技术对你的影响应该自然地受制于你自己。

算法不应该成为一股神秘的力量，靠这个力量实现有损于自身利益目标；相反，他们应该为我们所用，能够为自身利益服务的工具。如教育、自我营销，而不是为了娱乐。

我想，任何应用算法的产品都应该：

·公开透明地告知算法目前优化的目标，以及这些目标如何影响用户的信息获取。

·提供给用户简洁的功能设定他们的目标。例如，用户应该能够在特定的地方能够自由控制，从而最大限度地保护自己，并未自己服务。

·始终以可见的方式了解用户在当前产品上花费的时间。

·通过工具能够控制用户自己在当前产品上花费的时间。如设置每天的时间目标，算法通过该目标让你实现自我管理。

在避免被控制的同时用人工智能保护自己

我们应该让人工智能为人类服务，而不应该操纵用户牟取利润或者达到某种政治目的。

如果算法不像运营商或宣传人员那样运作，该怎么办？

相反，如果算法更像一位导师或一位优秀的图书管理员，对你以及数百万人的心理洞若观火——在此基础上，算法向你推荐了一本书，这会与你的需求不谋而合，并且他们相伴而生。

这种人工智能是一种指导你生活的工具，它能够帮你找到实现目的的最佳路径。

如果算法已经分析过数百万人，你能想象通过算法了解的世界来看待自己的生活吗？或者与一个百科全书式的系统合著一本书？又或者与一个了解当前人类全部知识的系统合作进行研究？

在一个完全受制于人工智能的产品中，更先进的算法——而不是威胁，将会存在一些积极的方面，让你更有效地实现自己的目标。

六、反社交媒体的构建

总而言之，未来人工智能将成为我们与世界的接口，这是一个由数字信息组成的世界——这同样会让个人有可能更好地管理自己的生活，当然也有可能完全丧失这个权利。

不幸的是：社交媒体目前的发展有些南辕北辙。

不过，千万不要觉得我们可以扭转局面，这还为时尚早。

我们需要开发这个行业内的产品类别和市场，其中的激励措施与让用户负责影响他们的算法是一致的，而不是使用人工智能操纵用户牟取利润或者达到某种政治目的；我们需要努力做出反 Facebook 一类社交媒体的产品。

在遥远的未来，这些产品可能会以人工智能助手的形式出现。数字导师通过程序帮助你，你能够通过他们控制自己在交往过程中所追求的目标。

而在目前，搜索引擎可以被看作是一个人工智能驱动信息的出雏形，它为用户服务，而不是试图控制用户。

搜索引擎是一种有意控制而达到特定目的的工具，你告诉搜索引擎它应该为你做什么，而不是被动的获得内容；搜索引擎会尽量减少从问题到答案，从问题到解决方案所需的时间，而不是在浪费时间。

你可能会想：毕竟搜索引擎仍然是我们和信息之间的人工智能层，它做展示的结果，是否会有所偏好从而控制我们呢？

是的，每种信息管理算法都存在这种风险。

但与社交网络形成鲜明对比的是：在这种情况下，市场激励实际上与用户需求一致，推动搜索引擎尽可能做到相关和客观。如果不能最大限度地发挥作用，那么用户会毫不犹豫地转向竞品。重要的是：搜索引擎对用户心理的攻击，比社交内容小得多。

本文所描述的产品中的威胁包含以下内容：

·感知和行动：产品不仅应该控制向你展示的内容（新闻和社交内容），还应该通过类似“喜欢”的功能、聊天信息和状态更新来“感知”你当前的心理状态。没有认知和行动，就不能强化学习。正所谓“工欲善其事，必先利其器”。

·生活的中心：产品应该是一部分用户的主要信息来源，典型用户会每天花费数小时在产品上。辅助性和专业化的产品或服务（如亚马逊的物品推荐）将不会存在严重的威胁。

·社会成分：激活更广泛和更有效的心理控制因素（特别是社会强化）。没有人情味的内容只占我们思想的一小部分。

·业务激励：目的在于操纵用户，并让用户在产品上停留更多时间。

而大多数人工智能驱动的产品，都不符合以上这些要求。

另一方面，社交网络是风险因素的组合，它拥有可怕的力量。

作为技术专家，我们应该倾向于那些不具备这些功能的产品，拒绝那些将这些功能组合在一起的产品，它们因错误使用而具有潜在危险性。

建立搜索引擎和数字助理，而不是社会新闻，这将使推荐透明，并且富有可配置性和建设性，而不是蹩脚的机器，最大限度地提高“参与度”并浪费你时间。

关注界面和交互，以及人工智能等相关的专业知识，为算法构建出色的设置界面，让用户能够按照自己的目标使用产品。

重要的是：我们应该将这些问题告知并教育用户，以便他们能够有足够的信息，决定是否使用有一定可能性控制自己的产品——那样就能够产生足够的市场压力，从而引发技术变革。

七、结论：在前进的岔道口上

·社交媒体不仅足够了解个人和组织建立的强大的心理模型，而且也越来越多地控制着我们的信息获取。它可以通过一系列行之有效的心理攻击，操纵我们相信的东西、我们的感受以及我们的所作所为。

·一个足够先进的人工智能算法，可以通过对我们精神状态的感知以及受精神状态支配的行动的了解，能够高效地控制我们的信念和行为。

·使用人工智能作为信息接口本身并不是问题。这样的人机交互界面，如果设计良好，有可能为我们所有人带来巨大的益处和赋权。关键在于：用户应该完全控制算法，将其作为用于追求自己目标的工具（与使用搜索引擎的方式相同）。

·作为技术专家，我们有责任拒绝脱离控制的产品，并致力于构建对用户负责的信息界面。不要将 AI 当作控制用户的工具；而是让你的用户把 AI 当成工具，为他们服务。

一条路让我感到害怕，另一条路让我充满希望——还有足够的时间让我们做的更好。

第8篇：对人工智能时代的看法范文

未来世界中，人工智能会沦为人类的奴隶，还是会拥有超越人类的能力？来自硅谷的著名创业家，斯坦福大学人工智能与伦理学教授，《人工智能时代》作者杰瑞・卡普兰（Jerry Kaplan，以下简称JK）带给了我们新的见解。

AI是技术不是魔术

《时间线》：您认为AI真正的本质是什么？JK：人工智能是以使机器能够胜任一些通常需要人类智能才能执行工作为目标的一个工程领域。但这并不意味着电脑本身是智能的，只是它们能在某些情况下替代人 类。

《时间线》： AI似乎更容易对显性知识进行技术转化，那么在对隐性知识技术化时遇到哪些阻碍？现在是否有所突破呢？

JK：你可以将AI技术大概分为两类。第一类是趋向于理性问题的AI技术，像是规划一个驾驶路线，在电路板上布局组件，合理高效地将包裹放置在运输车上。处理这类问题时，人们是通过显性信息和使用显性逻辑规则开始处理的。第二类是趋向于感知问题AI技术，这其中包括识别照片中的人物，驾驶汽车，研究收集医疗数据模型。一般来说，这类问题很难被明确地描述出来。还有些问题像是翻译语言、玩一些复杂的游戏，可能需要对这两类技术都有所涉猎。

主人or奴隶

《时间线》：在Ray Kurzweil的《奇点临近》一书中曾描写道：在“奇点”到来之际，机器将能通过人工智能进行自我完善，超越人类，从而开启一个新的时代。很多人都开始恐慌AI或许会在未来的某一天取代人类，对此您怎么看？您认为最为适当的人机关系是怎样的？

JK：我并不同意Ray Kurzweil的观点。机器已经在许多领域超越人类的能力，并且我们对此也并没感到任何的不适。事实上，这就是我们为什么使用它们。电脑能够比人类计算得更快更精确，记忆存储大量的信息，并且通讯交流的速度是人类无法想象的。随着AI领域的进步，将会有越来越多的任务是由机器去处理，并且会比人类处理得更好。但是这不意味着它们能比得上人类的智慧。我们并没一个言之成理的人类智慧的理论，即使我们有，也没有证据能表明我可以编制一个机器去复制它。

《时间线》：现如今一些企业工厂已经在开始利用AI进行日常生产工作活动了，但对于工种的替代还只是局限在初级的、可替代性强的工作，那么在未来随着AI的发展是否会挑战高级工作，例如高级电脑程序工程师、注册会计师、高级律师等等？

JK：AI程序不能执行工作，它们的作用是使任务自动化。如果一个人的工作是由那些能被自动化的任务组成的，那么的确他们的职业是面临风险的。如果一些人的工作任务是机器不能处理的，那么AI技术只是能够帮助人们把工作处理得更加高效。这无关乎工作多么高级，人们需要接受多么多的培训去做他们的工作。我们在用电脑执行计算时，执行任务往往需要相当大的训练和专业知识作为前提的。比如，一个放射线研究者的工作职能可能是容易去自动操作的，但是相反地，一个儿科医师需要的是机器无法执行的人类技能。

《时间线》：在您的《人工智能时代》一书中介绍了AI对财富再分配的影响，您希望AI的发展可以极大地提高社会财富，但现实情况是，现在无论是东方还是西方，贫富差距是不可避免的问题，因此，AI在提高社会财富的同时会不会反而加重了贫富差距和财富分配不均匀的问题？

JK：我不确定我们所理解的社会财富是否是完全一样的。但是在我看来，AI是自动化的一种形式，它是资本对劳动力的替代。从逻辑上看，这意味着拥有资本的人可以通过利用机器去获得更大的利益，而那些只能依赖出售自身的劳动力的人，将会被取而代之。一般来说，自动化使社会更加富裕，而获益者主要是那些富人，除非我们采取一些措施来确保整个社会都享受新财富。

《时间线》：您认为当前人们对AI误解的主要争议点是什么？您对当前人们对AI的看法和理解有何建议？

JK：许多人所理解的AI就正如他们在电影中看到的那样。通常都是一些伤害和攻击人类的坏的机器人和程序。但是这些都是幻想。机器是没有感情的，除了我们指令它们做的事情以外它们是没有独立目的。只要我们仔细考虑如何使用这些技术，它们将会很好地为我们的需求服务。但是像另外一些技术，比如核能，我们既可以用它来做建设也可以用它去搞破坏。但这些都取决于我们人类，而不是“它们”。

AI在中国

《时间线》：在AI领域，西方国家，例如美国，拥有较为完善的技术支持和发展环境，而中国的AI领域更多的是依赖于商业驱动，那么对技术驱动与商业驱动，您认为哪一个更能推进AI的可持续发展？

JK：我认为在美国AI技术的发展和在中国一样都是由经济发展驱动的。有很多大学都在研究AI这个领域，但是大多数的进步是发生在像谷歌和Facebook这样的公司。我相信在中国，百度也是这样的公司。

《时间线》：从伦理角度来看，在西方国家，例如美国，AI的发展遇到哪些问题和阻碍？中国拥有特殊的文化环境和较为保守的伦理逻辑，您认为当AI甚至是未来的AI机器人在步入中国普通老百姓生活中时是否会遇到更多新的问题？

JK：当我们将AI技术融入我们的生活中时，将有很多伦理问题需要我们面对。例如，无人驾驶汽车应该如何平衡和协调驾驶员与其他行人和车辆的安全？如果你要求你的机器人去帮助你实施一个犯罪行为，它应该如何拒绝？如果它看到你违反法律，它应该被要求去报告给你吗？如果它意外伤害到别人了，你应该完全负责任吗？这些困难的问题我们需要时间去解决和回答。

第9篇：对人工智能时代的看法范文

单位的认识

韶关市建筑工程质量安全监督站成立于1983年，隶属于韶关市建设局管理。是具有独立法人资格的第三方公正监督检测机构。该站于1991年通过广东省质量技术监督局的计量认证，并于2002年按《计量认证/审查认可(验收)评审准则》的要求，建立了与国际接轨的适合本中心实际的全面质量管理体系，是广东省同行业中首家按新标准准则的要求，通过计量认证复查的单位。经过20多年的发展，现通过计量认证的检测项目有24项，拥有质量工程监督、安全工程监督、建筑材料检测三个科室。主要承担韶关市市政工程和建筑工程所使用的材料、混凝土构件以及土工试验、桩基检测等测试检验项目以及施工过程中的质量监督和安全监督。现有检测项目可基本满足韶关市建设工程质量监督检测的需要。现还正准备增加室内环境检测项目。我站的质量方针是：公正，科学，准确，高效。质量目标是：按国际标准建立并不断完善质量监督检测体系，力争把我站建成国内建设行业一流的工程质量监督检测机构。

工作总结

实习前期主要在质量监督科等科室学习各项常规质量监督检测规范，先后主动了解了我站职能范围、机构设置、人员编制等基本情况，并对人事教育、质监重点、现场取样等工作深入学习。先后研读了《建筑工程施工质量验收规范汇编》、《砌体工程施工技术规范》等书籍和“建筑工程质量监督工作细则”、“建筑工程常规材料及主体结构检测的送检要求”、“广东省住宅工程质量通病防治技术措施二十条”、“市政桥梁工程质量检评标准”、“质量监督的工作流程”等材料，使他不但将与自己所学专业相关的给排水采暖、通风空调、建筑电气、电梯、智能建筑等方面的验收规范通览，而且对地基、砌体、混凝土、钢木结构、屋面、地面、地下防水及装饰装修等工程的验收规范也有了一定程度的了解。而结合我站工作综合性较强的实际，这样做也是必要的。

同时我还理论联系实际，实习后期主动要求到建筑施工现场去实践锻炼、了解学习，努力从多方面开拓自己的眼界。我先后去了“南枫*枫景园”、“金碧园”等小区实地观看了建筑电气及智能建筑系统。特别对安全防范子系统和地下停车场消防子系统印象特别深刻。同时我还积极学习现场监督检测方法，包括有回弹法检测混凝土抗压强度试验，钻芯法检测混凝土强度，灌砂法检测压实度试验，道路弯沉检测试验，钢结构超声波探伤。 我还主动要求到其它各科室了解学习，善于从多方面拓展自己的视界。通过学习书面材料和与各科室人员的交流，全面地了解了我站科室的主要职能和重点工作，还协助完成了一些力所能及的工作。而且都出色地完成了任务。