AI and Society

对人工智能的现实观点

AI 黄金准则：

• 太乐观
• 太悲观
• 正好： AI 不能做所有事情，但是它正在改变行业

AI 限制：

• 性能限制
• 难以解释（不擅长解释） 需要解释为什么这个模型效果这么好？ 可解释性
• 偏见 AI 通过偏见的数据
• AI 的对抗性攻击

歧视/偏见

歧视/偏见带来的影响

• 歧视女性的招聘工具
• 面部识别匹配深色皮肤
  • 个人犯罪照片
• 银行贷款审批
• 强化不健康刻板印象的毒性作用

对抗歧视

• 技术解决方案
  • 将数字中带有偏见的参数设置为 0
  • 尽量使用存在较少偏见和或更具包容性的数据
• 系统有良好透明度和审计流
• 多样化的劳动力
  • 构建人工智能系统时，拥有更多独特的视角

针对人工智能的对抗攻击

AI 看待图片的方式与人类不同，通过修改图像的像素，人类可能认为还是同一个种类，但是对于 AI 而已是不同种类

对抗性防御

• 防御确实存在，但会产生一些成本
• 类似于垃圾邮件与反垃圾邮件，我们可能处于某些应用的军备竞赛

人工智能的不利用途

不利的用途

• DeepFakes
  • 深度学习视频篡改技术
• 破坏民主和隐私
  • 对个人的压迫性监测
• 生产虚假评论
• 垃圾邮件和反垃圾邮件 欺诈和反欺诈

人工智能与发展中经济体

• 移动电话

• 移动支付

• 在线教育

• 美国和中国处于领先地位，但所有人工智能社区仍然不成熟

• 专注于人工智能，以加强一个国家的垂直行业

• 加快公私伙伴关系的发展

人工智能与就业

自动化可以实现的事情更多，AI 加速自动化进程

如何估计多少工作可以被取代？

思考哪些任务构成了这个工作，然后对每项任务估计通过 AI 实现自动化的程度

——— 工作包含高度自动化的任务，就更容易被取代

解决方案:

• 有条件的基本收入：提供安全网但鼓励学习
• 终身学习
• 政治解决方案