在《人工智能的白人性》一书中,Cave 和 Dihal (2020) 描述并解释了工程师和流行文化中人工智能的白人性。通过观察人形机器人表面的白色材料、聊天机器人和虚拟助手 (VA) 的白人声音,以及互联网和(主要是美国)电影电视中的库存图片中所描绘的人工智能的白种人特征,作者问道:为什么人工智能主要被描绘成白人?Cave 和 Dihal 给出了三个答案。人工智能的白人性可能反映了 (1) 其创造者的白人性; (2) 欧洲中心主义将智能描绘成白人; (3) 白人希望有色人种变得不再必要,即使是仆人。Cave 和 Dihal 的工作对不断扩展的种族主义和人工智能文献做出了重要贡献(例如,参见 Atanasoski & Vora,2019 年;Benjamin,2019 年;Noble,2018 年,Precarity Lab,2020 年,Rhee,2018 年)。像 Cave 和 Dihal 那样揭露人工智能的白人本质很重要。更大的人工智能去殖民化项目也是如此,其中认识到种族偏见是其中的一部分(参见 Mohamed、Png 和 Isaac,2020 年)。为了响应他们“进一步调查”他们的解释的呼吁,我提供了一个交叉的
摘要 这篇评论是对雪莱·M·帕克 (Shelley M. Park) 的《不仅仅是肤浅》一书的回应(Park,不仅仅是肤浅:对“人工智能的白人性”的回应,哲学与技术,2021 年),也是我们自己 2020 年论文《人工智能的白人性》的拓展。我们的目的是解释人工智能的表现形式在某种意义上可以是多种多样的,但又不是多样化的。我们认为,白人性对普遍人性的主张允许白人和表现出白人特征的机器扮演广泛的角色,而给有色人种分配的刻板角色范围要窄得多。由于在大众的想象中,人工智能的属性,例如智力、力量和被视为人类,在白人种族框架中与白人有关,因此人工智能主要被塑造成白人。按照 Sparrow (Science, Technology, & Human Values 45:538–560, 2020) 的观点,我们认为这给创造或代表人工智能的人带来了两难境地。我们讨论了三种可能的解决方案:避免拟人化、明确批评种族角色类型以及将强大的人工智能表示为非白人。
认知投入 • 学生通过深刻、自我调节和有计划的学习方法而非肤浅的学习技巧,努力完成任务,形成问题和假设,并监控思维过程以构建知识。 • 心理投入,如战略调节和提高专业能力的努力 • 灵活处理学习问题 • 从不同来源交换信息 • 提出想法,管理时间和任务以及任务程序 • 建立联系,整合和综合来自各种来源的信息。 • 为问题提出解决方案并说明提出特定解决方案的原因。
如今,“爱”这个词被用在很多肤浅而甜腻的方面。这可能意味着我们不愿意使用它,以免我们看起来像是在接受这些。相反,我们想重新使用这个词,并表明它对我们的基督教信仰和实践至关重要。基督所说的“爱”是我们社会迫切需要的。爱不是一种知识理论。它是一种具体化的生活方式。当教会经常以分裂、分歧和歧视而闻名时,关注爱是对我们对上帝、信仰生活和所有人尊严的信仰的积极表达。
科学是通过语言来传播的。科学语言的媒介是多模式的,从课堂上的讲课,到科学家之间的日常非正式讨论,再到会议上的准备好的演讲,最后是科学传播的巅峰——正式的同行评审出版物。像 ChatGPT 1 这样的由人工智能 (AI) 驱动的语言工具的出现引起了全球的极大兴趣。截至 2023 年 1 月底,ChatGPT 创下了历史上任何应用程序中用户群增长最快的记录,仅两个月就有超过 1 亿活跃用户。2 ChatGPT 只是众多基于人工智能的语言工具中的第一个,还有更多工具正在准备中或即将推出。3 − 5 在我们来得及考虑这种工具的后果或验证它生成的文本是否正确之前,世界各地的许多科学研究和大学都对 ChatGPT 改变科学交流的潜力表示担忧 6。 ChatGPT 生成的文本结构与人类相似,可能会让读者误以为它是人类编写的。7 然而,现在很明显,生成的文本可能充满错误,可能肤浅、肤浅,并可能产生错误的期刊参考和推论。8 更重要的是,ChatGPT 有时会做出荒谬和错误的联系。我们简要总结了 ChatGPT(以及未来的 AI 语言机器人)的一些优缺点,并总结了一系列最佳实践建议,供科学家在研究的任何阶段(特别是在手稿撰写阶段)使用此类工具时参考。9、10
这次,AI对劳动力市场的影响可以采用肤浅的方法,了解三点:更换重复任务;换句话说,康复和重新锻炼和新的就业机会,换句话说,并意识到这些假设,据了解,AI对劳动力市场的主要影响之一是替换重复且可预测的自动化任务。这可能会特别影响制造,运输和物流等部门的工人,在许多活动中进行自动化。尽管自动化可以消除某些工作,但它也会产生对技术相关技能的需求。因此,工人的要求和重新策划对于确保它们在劳动力市场中保持相关性至关重要。
近年来,虚拟现实(VR)与教育环境的整合越来越兴趣[1]。这种受欢迎程度并非没有理由;一方面,这项技术可负担得起。另一方面,VR的身临其境和互动性提供了独特的学习体验。随着教育工作者和内容创作者探索VR在教育中日益增长的可能性,对评估,设计指南,最佳实践以及评估和优化这些经验的有效工具的需求变得越来越重要,例如Ansone等。讨论在VR中使用教学框架的必要性[2]。通过学习分析,我们可以超越目标,即使用肤浅的描述性分析为学习者提供有关其表现的反馈,这是Susnjak等人确定的差距。[3]。相反,可以为教师和内容创建者提供有趣的见解
人工智能自 20 世纪 50 年代图灵和其他先驱者对机器思考能力提出质疑以来,已经取得了重大发展。人工智能的发展改变了包括教育在内的众多领域,教育领域中基于人工智能的技术正在彻底改变教学和学习方法,实现教育的个性化和优化。该研究论文分析了生成人工智能对教育的影响,强调了能够优化教学和学习的工具。然而,人工智能与教育的融合引发了道德挑战,例如获取教育的公平性、数据隐私和肤浅学习的风险;人工智能的使用需要采取促进公正和包容的道德方法,以及适当的监管以确保负责任地使用这些技术。