人工智能带来的四大类的利与弊的影响
如果我们的新兴技术将人类与机器融合在一起，用人工智能提升我们的人类智能，那么我们就需要管理风险!被信息隔离的风险，失去谈话艺术的风险，以及让自己相信我们先入为主(既正确又很不错)的偏见的风险。
如果我们要用机器来提升人类能力，那么我们需要以一种不会再犯过去错误的方式来做这件事。
在“与机器的融合”一文中，我强调了科技如何呈现指数级加速发展，以及侧重讲述了科技提升人类能力正在推动我们开始与机器相互融合走向未来。
事实上，正如我所指出的那样，我们已经通过智能手机而得到能力的提升，或许你可能正在通过手机阅读这篇文章。这可能会促使我们的时间发生重大变化，无论是积极的还是消极的。
技术人员往往是天生的乐观主义者，但这也是实现创新的必要特征。否则，“快速失败”的创新模式会很快导致创新者放弃，并开始从事新的职业生涯!存在的危险在于，如果我们所有的技术人员都是乐观主义者，那么谁来思考引进新技术的负面影响呢?
鉴于我们目前的新闻报道，这些潜在负面影响中的一部分现在变得更加清晰。(想想扎克伯格在参议院的情况吧。)在这篇博客中，我试图阐述我们在快速推动社会进步的过程中存在的一些较大的优点和缺点。
在我看来，有四大类的利与弊。我们来看看以下列出的内容。
1. 系统性的决策/偏见
精心设计的系统可以帮助我们消除偏见并促进我们社会多元化。举例来说，简历筛选工具可以删除姓名，从而防止无意识偏见进入到候选人群中。存在的危险在于，我们目前的数据库和技术已经受到很大的偏见影响。我们男性主导的技术领域开发出很多这样的工具。
在“神经信息处理系统”会议上，90%的论文都是由男性撰写的。如果我们使用有偏见的数据来训练我们的机器学习人工智能，那么我们会得到有偏见的人工智能。典型的无用数据输入，然后无用数据输出，造成问题。偏见通常是无意识的，或者是由于一些历史原因，形成先入为主的观念，而已形成的社会规范。在我们的虚拟助手中就体现出一些简单的例子。大多数人默认使用女性声音。这进一步加剧了性别偏见的刻板印象，即助理往往是女性。我们需要积极努力，确保我们训练机器人的数据，以及我们所部署的语音界面甚至选定的机器人名称，不会继续传播性别偏见。
本文来源：https://www.2haoxitong.net/k/doc/73a8568fcd1755270722192e453610661ed95ab0.html
文档为doc格式