002美国智库人工智能决策落在程序员身上

　　美国智库布鲁金斯学会副总裁兼董事达雷尔•韦斯特日前撰文指出，民意调查显示，即使是顶级商业领袖也对人工智能缺乏详细的了解，许多普通人将其与超级动力机器人或超智能设备混为一谈。好莱坞将机器人和高级软件融会到自我复制的机器人，例如终结者的天或亚瑟克拉克的"2001：太空漫游"中看到的邪恶的hal）。技术悲观主义者警告说，人工智能将征服人类，并通过数字"1984"破坏个人隐私。

　　在1950年推测可以在人类层面推理的"思惟机器"时，阿兰•图灵通常被认为是该概念的起源。其著名的"图灵测试"指出，计算机需要完成推理难题，以便以自主方式"思考"。几年后，图灵接受了约翰•麦卡锡的跟进，他首先使用术语"人工智能"来表示可以自主思考的机器。他将这个门坎描写为"让计算机做一些事情，当人们完成这些事情时，听说涉及情报"。

　　自20世纪50年代以来，科学家一直在争论甚么构成"思考"和"智能"，以及什么是硬件和软件的"完全自治"。像ibm watson这样的高级计算机已在国际象棋中击败了人类，并且能够立即处理大量信息。

　　今天，人工智能通常被认为是指"响应刺激的机器，与人类的传统反应相一致，斟酌人类的寻思、判断和意图能力。"研究人员shubhendu和vijay表示，这些软件系统"做出正常的决策"，需要人类专业知识水平以"帮助人们预测问题或处理问题。正如约翰•艾伦和韦斯特本人在2018年4月的论文中所论证的那样，这类系统具有构成人工智能本质的三个特性：意向性、智能性和适应性。每一个ai功能都有可能以渐进的方式推动文明向前发展，且需要足够的保障措施或纳入道德考虑。

　　意向性

　　人工智能算法旨在通常使用实时数据来做出决策。它们不同于只能进行机械或预定响应的被动机器。使用传感器，数字数据或远程输入，它们组合来自各种不同来源的信息，立即分析材料，并根据从这些数据中获得的见解采取行动。因此，它们是由具有意向性的人设计的，并且基于其即时分析得出结论。

　　以运输业为例，自动驾驶汽车配备lidars（光探测和测距）和远程传感器，可从车辆周围环境中收集信息。激光雷达使用来自雷达的光来视察车辆前方和周围的物体，并立即做出物体存在，距离和汽车是不是即将撞击某物的决定。车载计算机将此信息与传感器数据相结合，以确定是否存在任何危险情况，车辆需要换道，还是应当减速或完全停止，必须立即分析所有这些材料以避免碰撞并使车辆保持在正确的车道上。

　　随着存储系统、处理速度和分析技术的巨大改进，这些算法在分析和决策制定方面具有极大的复杂性。财务算法可以发现股票估值的微小差异，并进行利用该信息的市场交易。一样的逻辑适用于环境可持续性系统，该系统使用传感器来确定某人是否在房间内并根据该信息自动调节加热，冷却和照明。目标是以最佳方式节约能源和使用资源。

　　计算机可以是有意识的，同时以增强人类或帮助他们在更高层次上履行的方式分析信息。但是，如果软件设计不当或基于不完全或有偏见的信息，它可能会危害人类或复制过去的不公正。

　　智能性

　　人工智能通常与机器学习和数据分析相结合，由此产生的组合可实现智能决策。机器学习获得数据并寻觅潜在趋势。如果它发现了与实际问题相干的内容，软件设计人员可以利用这些知识并将其与数据分析结合使用，以了解具体问题。

　　例如，有用于管理学校注册的ai系统。他们汇编有关社区位置，所需学校，实质性兴趣等的信息，并根据该材料将学生分配到特定学校。只要对基本标准几乎没有争议或分歧，这些系统就能够智能有效地运作。

　　弄清楚如何协调冲突的价值观是ai设计师面临的最重要挑战之一。至关重要的是，他们编写代码并整合无偏见且无歧视的信息。如果不这样做会导致ai算法不公平和不公正。

　　做决定越来越多地落在计算机程序员身上。他们必须构建智能算法，根据许多不同的斟酌因素编写决策。这可以包括效力、公平、正义和有效性等基本原则。弄清楚如何协调冲突的价值观是ai设计师面临的最重要挑战之一。至关重要的是，他们编写代码并整合无偏见且无歧视的信息。如果不这样做会导致ai算法不公平和不公正。

　　适应性

　　标记ai系统的最后一个质量是在编译信息和做出决策时学习和适应的能力。有效的人工智能必须随着环境或条件的变化而调整这可能触及财务状况、道路状况、环境因素或军事情况的变化。ai必须将这些变化整合到其算法中，并决定如何适应新的可能性。

　　人们可以在交通领域最显着地说明这些问题。自动驾驶车辆可以使用机器对机器通信来正告路上的其他车辆行将出现的拥堵、坑洼，高速公路建设或其他可能的交通障碍。车辆可以利用道路上其他车辆的经验，无需人工参与，并且他们所取得的"经验"的整个语库可以立即且完全转移到其他类似配置的车辆。他们的先进算法、传感器和摄像头融合了当前操作的经验，并使用仪表板和视觉显示器实时显示信息，因此人类驾驶员能够理解延续的交通和车辆状态。

　　类似的逻辑适用于为安排约会而设计的ai。个人数字助理可以确定一个人的偏好并以动态的方式响应个人约会的电子邮件要求。在没有任何人为干预的情况下，数字助理可以进行约会，调整时间表并将这些偏好转达给其他人。建立适应性强的系统，可以随时学习，有可能提高效率和效力。这些算法可以处理复杂的任务，并做出复制或超出人类可以做的判断。但确保他们以公平公正的方式"学习"是系统设计师的首要任务。

　　结论

　　简而言之，近年来人工智能系统在其算法中融入意向性、智能性和适应性的能力取得了非凡的进步。ai软件不仅在机器运行方式上具有机械性或确定性，而是在其进行进程中学习，并在其决策进程中融入实际经验。通过这类方式，它可以增强人的表现并增强人们的能力。当然，这些进步也使人们对电影制作者耸人听闻的世界末日场景感到紧张。人工智能机器人接管人类或削弱基本价值的情况会吓到人们，并引导他们怀疑人工智能是不是正在做出有用的贡献或冒着危害人类本质的风险。

　　系统设计师必须在算法中加入重要的道德价值观，以确保它们符合人类关注点，并以符合社区价值观的方式学习和适应。这就是确保人道主义道德被认真对待并渗透到社会决策中的重要缘由。为了最大限度地发挥积极成果，组织应聘请与企业决策者和软件开发人员合作的道德专家，制定人工智能道德规范，阐明如何处理各种问题，组织定期解决企业道德问题的ai审核委员会，具有ai审计跟踪，显示如何做出各种编码决策，实施人工智能培训计划，以便员工在日常工作中实现道德斟酌，通过这些保障措施，社会将增加人工智能系统有意识性、智能性和适应性的可能，同时依然符合基本的人类价值观。