| 标题 | 关于人工智能技术伦理性的思考 |
| 范文 | 王智功 摘要：当我们打开手机测览想要了解的新闻，一条条滑过眼前的“推送”是我们真正感兴趣的新闻吗？当我们点开网页寻找想要购买的商品，一个个弹入视线的“宝贝”是我们真正心仪的商品吗？当我们登录程序想要约一部网约车，系统显示的价格是我们真正需要支付的费用吗？ 关键词：信息技术;人工智能;伦理 中图分类号：G4 文献标识码：A 文章编号：（2021）-16-260 引言：对于这些生活中司空见惯的场景，大多数的我们早已习以为常。不知不觉中，人工智能已经“侵入”了我们的生活。每当我们开启一次与互联网的“远程对话”，我们已经分辨不清想要获得的结果，究竟是人类给予的还是机器给予的？我们沉浸于人工智能为我们构建的生活中，也封闭在人工智能为我们构建的“泡沫”里。拨开人工智能神秘的万象以及人们追赶潮流的热望，我们希望回归本真，在哲学命题下关注人工智能的伦理性问题，为人工智能未来的发展带来“清凉”的冷思考。 1智能的伦理性：二元世界的“法理”与“准则” 如今，我们正在开启一个人机共存的二元世界。无论我们是否接受和相信，我们已经与机器真实地生活在一起了。今天，在政治、经济、社会、生活等各个领域，人工智能都与我们紧密地交织在一起。随着人工智能应用的范围越来越广，出现的争议性问题也越来越多。新闻媒体审查、推荐背后的准则是否合理？金融市场的算法定价是否隐藏恶意竞争与价格操控？社会信用系统对权力的剥夺是否具有法理的依据？情感聊天机器人的出现是否改变了人类自然的情感？这些争议性的问题为人工智能的研究带来了全新的视角，即伦理性研究。所谓人工智能伦理，是人机共存社会中法理及组织的形式与变化。众所周知，人工智能的发展离不开大数据、模型算法和算力三大要素。高质量的数据资源、先进的学习算法，以及支撑算法执行的算力为人工智能的腾飞插上了助力的翅膀，而良好的数据生态环境、社会伦理则是人工智能得以行稳致远的两个重要因素。人们不断地要求机器做得更多，却往往忽略机器做得对与不对。这也是一直以来人工智能伦理学没有得到更多关注的原因所在。人在赋予机器智能的同时，也要对机器行为理解与审视，这便是人工智能伦理学的研究范畴。人工智能伦理学不仅仅是技术间题、科学问题，更多的是哲学问题。不同的理解与价值观未必得到相同的答案，因此人工智能伦理学的研究将作为一个开放的课题伴随着未来人工智能的发展。 2机器学习：百转干回的“认知”与“求优” 如果从认知学的角度理解机器学习，它和人脑学习的逻辑和过程非常相似。我们把人脑中的知识看作是一种模型，人脑的认知模型就是对世界的看法、对观察结果的抽象。人脑通过观察获取信息、获得结果，当观察的结果与人脑的认知模型一致，人脑除了对产生一些使人偷悦的多巴胺，不会做出什么行为;当观察的结果与人脑的模型不致，人脑就会做出反应。它可以很理性，认为自己的认知有问题，于是就对脑中的认知模型做出改变;或者它很自信，充分相信自己的模型，于是便付诸行动，去改变世界。人脑改变认知是学习，改变世界是决策指导下的行动。这是认知学对学习的理解。机器学习也是如此，对于机器，模型是以图数的形式表达的。机器学习的目的是找到一个函数的形式以及函数的参数，机器用这个参数对观察的结果作比较，进而使误差最小化。在机器学习中，无论是监督学习、非监督学习、强化学习，目标都只有一个，即找到与观察具有一致性的模型。审视机器学习的过程，我们会发现一系列的根本性的问题。首先，如何向机器表达人的认知目的。人告诉机器做什么，是通过效用数表达的。用效用函数定义人的认知目的非常困难。我们既要达到最好的结果，又要满足对社会伦理的要求，效用函数难以完美表達这一要求。其次，机器学习也是一个效用函数求优的过程，这个过程我们很难理解。求优必须调整很多参数，改变一些可控制的变量，就像“炼金术”，调参的过程会导致很多的问题。 3机器行为：普世价值的“善因”与“恶果” 英国政治哲学家海耶克有一句名言：“通往地狱的道路都是由好意铺成的”。有时，善的“因”未必会导向善的“果”。人们在赋予机器“超能力”的同时，一边享受着机器行为产生的诸多益处，一边也对机器行为产生诸多质疑。新闻撰写中的生成算法是可靠的吗？法律庭审中的机器助审会有偏见吗？医学诊断中机器得出的结果是正确的吗？近些年，对机器行为伦理性的讨论一直不绝于耳。看似精准的消费推荐系统却引发“过滤器泡沫”，将人们局限在有限的喜好中。实际上，消费推荐系统的真正作用并不是在学习人的购物偏好，而是把人的行为变得更可被预测。看似高效的警力投放系统也导致原本犯罪率低的地方反而犯罪升高的“反效应”，因为它会改变犯罪者的行为。机器行为在商业、安全等应用中的伦理问题，也十分令人担忧。 机器行为是机器对世界的改变，也是人对机器的感知。机器行为可以从行为目的、行为原则、行为结果和行为依据等四个方面理解和考虑。理解机器行为对于我们更好地应用机器至关重要。然而，人们一旦掌握了机器行为，有时也会变成攻击机器的武器。比如，自动驾驶的投入使用就存在这样的痛点。自动驾驶最大的问题在于路权选择，当人与车出现在同一路面上，如果人知道机器的选择是保证对人的伤害最小，人就会恶性地同机器进行较量，导致车永远无法开走。在城市交通管理方面，当交通非常流畅高效时，人们即使不需要开车也想要开车，这就会再次造成污染。这些全局性行为的平衡，也是人工智能发展必须要应对的问题。 总之，理解机器行为是人工智能研究的一个重要问题，也是人工智能未来研究的主要方向。 参考文献 [1]王毅，吴玉霞. 人工智能时代中小学信息技术课程定位、挑战与对策[J]. 教育导刊，2020，（10）：72-76. [2]张华兰. 高中编程课程中的常见问题和应对策略[J]. 科学咨询（教育科研），2020，（10）：220. [3]张玉平. 高中人工智能学习中存在的问题和策略[J]. 中国新通信，2020，22（16）：159. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。