新泽西州汤姆斯河市政公用事业局 (TRMUA) 的现场工作人员使用虚拟现实和增强现实技术查看隐藏的公用设施,例如水、煤气、电力、卫生和雨水下水道设施。这种“看透地面”的概念可以通过处理地理信息系统 (GIS) 数据的应用程序实现,Microsoft HoloLens 最终根据用户的位置和方向将这些数据转换为地下公用设施的全息投影。这项创新提高了现场工作人员的日常工作效率,尤其是在火灾或洪水等紧急情况下。4
摘要 AI 系统在塑造和规范全球数百万人类的生活中发挥着越来越重要的作用。人们普遍呼吁此类系统具有更大的透明度。然而,“透明度”的实际含义以及更大的透明度可能意味着什么存在相当大的模糊性。虽然根据一些争论,透明度要求看透工件或设备,但普遍要求透明度意味着看透 AI 系统的不同方面。这两个概念显然相互矛盾,并且它们出现在两个活跃但基本上不相关的争论中。在本文中,我们旨在进一步分析这些要求透明度的内容,并在此过程中阐明我们应该希望 AI 系统具有哪些类型的透明度。我们通过提供一种对不同透明度概念进行分类的分类法来实现这一点。在仔细探索了透明度的不同种类之后,我们展示了这种分类法如何帮助我们驾驭人与技术互动的各个领域,并更有效地讨论技术透明度与人类能动性之间的关系。我们最后认为,在设计更符合道德规范的人工智能系统时,应该考虑所有这些不同的透明度概念。
大数据这个术语通常描述可供处理的大量数据。它还表示结构化和非结构化数据,这些数据可以快速更新情报单位或人员的信息。但数据量并不重要——重要的是组织如何处理这些数据。我们必须让我们的士兵——包括情报职业管理领域(CMF 35)内的所有军事职业专业(MOS)——掌握处理大量数据、辨别重要信息并将信息处理成可操作情报的技能。大数据和现代作战环境的复杂性将产生模糊性,我们的士兵必须能够看透模糊性,以一种能够达成共识的方式阐明对手的行动。
欢迎来到 2023 年。在经历了历史上对投资者最具挑战性的一年之后,我们即将进入我们认为的“转折之年”。随着新年的到来,通货膨胀率居高不下,利率仍在上升,增长预期正在下降,地缘政治紧张局势、金融压力和 COVID-19 的遗留问题加剧了不确定性。在这种背景下,我们看好防御性行业、收入机会、“避风港”和替代性投资。在灾难性事件频繁成为头条新闻的时候,投资者在进入 2023 年时,会对支持全球市场的政治和金融机构的实力和目的产生许多疑问。然而,只要世界能够避免另一场地缘政治、金融或流行病学事故,我们确实看到,随着一年的发展,市场将出现更有利的背景。我们认为通胀压力将开始减弱,各国央行将从紧缩政策转向放松政策,目前放缓的经济将触底并开始复苏。把握转折点将是未来一年投资成功的关键。帮助您度过这些转折点是我们的挑战和荣幸。对于能够看透短期噪音的投资者来说,2022 年的挑战应该让位于未来几年的长期机遇。我们希望 2023 年展望能为您带来视角、洞察力和想法,帮助您度过转折之年。感谢您的信任,期待帮助您实现财务目标。
自动驾驶汽车、社交和工业机器人、基于图像的医疗诊断、基于语音的知识和控制系统(例如 Alexa、Siri)以及推荐系统是一些应用领域,其中 AI/ML 辅助数字工件已经支持日常惯例和活动。可解释人工智能 (XAI) 和可解释机器学习 (IML) 都是关注用户为应对自动化系统渗透社会、经济、工业和科学环境的激增而创造的术语。例如,当自动驾驶汽车发生碰撞时,有什么好的解释?当 Alexa 被要求解释为什么英国的通货膨胀率如此之高,而通常的回答却非常不合适时,有什么好的解释?当社交媒体巨头为粉丝提出建议并向普通用户投放广告时,有什么好的解释?这些问题,特别是在任务关键型或影响生命的系统中,是由此类系统日益复杂的情况所引发的,在解释和解释其决策、结果或行为时,这些系统不可避免地会变成“黑匣子”。尽管已经采取了一些有趣的算法方法和实现(例如 LIME、IBM Protodash 和 SHAP(SHapley Additive exPlanations))来应对这一挑战,以看透“黑匣子”并理解其行为,但这些方法和实现主要由 ML 开发人员推动,旨在改进 ML 模型,而不是为系统消费者提供结果的某种解释或解释。在更广泛的多学科背景下,“什么是对外行用户的良好解释”这个问题的答案变得更具挑战性,正如我们呼吁的那样,从哲学到社会学、经济学和计算机科学。在此背景下,XAI 应该涉及需要解决的另一个层次的讨论:我们作为人类与 AI 系统的关系。尽管如此,“解释”一词源自拉丁语动词“explanare”,字面意思是“使水平”。因此,讨论和科学