XiaoMi-AI文件搜索系统
World File Search System论据
混合 AI 事件报告的论据
作者................................................................................................................................................. 41
人工智能：灾难风险的论据
还应该对最近的两篇研究感兴趣，它们采用了“以计算为中心的框架”来估计人工智能系统需要多长时间才能达到人类水平的能力（Cotra，2020；Davidson，2023）。这种方法首先估计训练具有给定能力水平的系统需要多少计算能力，然后构建一个模型，说明我们何时可能使用这么多计算能力来训练系统。我们认为有用的一种思考以计算为中心的模型的方法是更详细地阐明优化能力和顽固性之间的关系在未来可能如何发展。
人工智能：灾难性风险的论据
首先，上述论点设想的人工智能系统至少具有人类水平的认知能力，但其行为方式让我们觉得反复无常且在道德上格格不入，追求无限的权力以实现任意目标。这令人惊讶。也许这也是难以置信的。随着人工智能系统发展出与我们类似的认知能力，它们的动机也可能会趋同于类似我们的东西（参见 Müller 和 Cannon 2021）。灾难性的权力追求可能会很少见。与这种思路相反，正交论认为，任意高水平的智力可以与或多或少任何最终目标相结合（Bostrom 2012）。如果这是真的，那么一个系统就可以超级智能，而无需受到有利于人类繁荣的关注的驱动。我们将在第 3 节中进一步讨论这些问题。
评论文章 支持和反对新生儿全基因组测序的论据
摘要：近几十年来，遗传学、基因组学以及信息技术 (IT) 都取得了巨大进步。人类基因组的序列现已为人所知，尽管我们的知识还远未完成，但在理解基因组如何工作方面已经取得了巨大进展。随着存储容量、人工智能和学习算法的发展，我们现在能够在很短的时间内学习和解释人类基因组等复杂系统。了解人类基因组最重要的目标或许是更好地了解疾病：疾病如何发展；如何预防或减缓其过程；以及疾病发展后，如何治愈疾病或缓解症状。绝大多数疾病都有遗传背景，即基因、序列变异和基因间相互作用在大多数疾病中或多或少地发挥作用。因此，第一步是发现哪些基因或基因组变异导致或促成了特定患者患上特定疾病。鉴于一个人的基因组在其一生中几乎保持不变（除了一两种例外，例如癌症是由体细胞突变引起的），在出生时对每个人的基因组进行测序可能被认为是有利的。在本文中，我们着手展示在出生时对每个人的整个基因组进行测序可能带来的好处，同时也讨论了反对它的主要论点。
使用叠加原理反对多重世界诠释与逆时空旅行的兼容性的论据
摘要 虽然理论上可以利用狭义相对论实现向前的时间旅行，但许多物理学家认为向后的时间旅行是不可能的，因为它需要超光速、虚质量、奇异质量和/或无限长的蒂普勒圆柱，这些概念要么无法实现，要么具有高度推测性。尽管没有禁止向后时间旅行的基本定律，但这种时间旅行会破坏因果关系并导致悖论。这可以用简单的祖父悖论来证明。祖父悖论可以通过量子力学的多重世界诠释来解决，即通过隔离事件发生的世界，而不会破坏因果关系。然而，这个解决方案忽略了叠加原理，允许波函数之间的相互作用。为了使向后时间旅行与多重世界诠释兼容，薛定谔方程必须是非线性的，这与诠释本身的假设相矛盾。
系统保障中机器学习组件的可靠性评估和安全论据
作者地址：Yi Dong，yi.dong@liverpool.ac.uk；Wei Huang，w.huang23@liverpool.ac.uk，利物浦大学计算机科学系，Ashton Building, Ashton Street, Liverpool, UK, L69 3BX；Vibhav Bharti，v.bharti@hw.ac.uk，赫瑞瓦特大学工程与物理科学学院，爱丁堡，英国，EH14 4AS；Victoria Cox，vcox@dstl.gov.uk；Alec Banks，abanks@dstl.gov.uk，国防科学技术实验室，索尔兹伯里，英国，SP4 0JQX；Sen Wang，sen.wang@imperial.ac.uk，伦敦帝国理工学院电气与电子工程系，伦敦，英国，SW7 2BX；Xingyu Zhao，xingyu.zhao@liverpool.ac.uk； Sven Schewe，sven.schewe@liverpool.ac.uk；Xiaowei Huang，xiaowei.huang@liverpool.ac.uk，利物浦大学计算机科学系，阿什顿大厦，阿什顿街，利物浦，英国，L69 3BX。
创新标准：克拉克县公立学校设立创新办公室的论据
_____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________
人工智能、可争议性和法律论据
法院，找出缺陷，并将其提交给负责对案件作出判决的指定人员。 参考文献 [1] Jobin, A., Ienca, M. 和 Vayena, E.，2019 年。人工智能伦理指南的全球格局。《自然机器智能》，1（9），第 389-399 页。 [2] Dawson, D. 等人。《人工智能：澳大利亚的伦理框架》，2019 年。 [3] Maya Medeiros，《人工智能的法律框架》，《社交媒体法律公报》，2019 年。可在线获取：https://www.socialmedialawbulletin.com/2019/11/a-legal-framework-for-artificial-intelligence/?utm_source=Mondaq&utm_medium=syndication &utm _campaign=LinkedIn-integration [4] Doshi-Velez, F., Kortz, M., Budish, R., Bavitz, C., Gershman, S., O'Brien, D., Scott, K., Schieber, S., Waldo, J., Weinberger, D. and Weller, A., 2017. Accountability of AI under the law: The role of interpretation. arXiv preprint arXiv:1711.01134 . [5] Adadi, A. and Berrada, M., 2018. Peeking inside the black-box: A survey on Explainable Artificial Intelligence (XAI). IEEE Access，6，第 52138-52160 页。[6] Schneeberger, D.、Stöger, K. 和 Holzinger, A.，2020 年 8 月。欧洲医疗 AI 法律框架。在国际机器学习和知识提取跨领域会议上（第 209-226 页）。Springer，Cham。
关于机器智能不可能实现的论据
自从“人工智能”这个名词短语被创造出来以来，人们一直在争论人类是否能够利用技术创造智能。我们从热力学和数学的角度对这个问题进行了新的阐述。首先，我们定义了什么是可以成为人工智能载体的代理（设备）。然后我们表明，由 Hutter 等人提出的、至今仍被人工智能界接受的“智能”的主流定义太弱，甚至无法捕捉到当我们将智能归因于昆虫时所涉及的内容。然后，我们总结了 Rodney Brooks 提出的非常有用的基本（节肢动物）智能定义，并根据此定义确定了人工智能代理需要具备的属性，才能成为智能的载体。最后，我们表明，从创建这种代理所需的学科（即数学和物理学）的角度来看，这些属性既不能通过隐式或显式的数学设计来实现，也不能通过设置一个人工智能可以自发进化的环境来实现。
非实体人工智能意识的认知现象学论证：P1。关于认知现象学的强原始主义是正确的。P2。如果关于认知现象学的强原始主义是正确的，那么现象意识就不需要感官处理。C1。因此，现象意识不需要感官处理。P3。如果现象意识不需要感官处理，那么人工智能意识（假设它是可能的）就不需要具体化。C2。因此，人工智能意识（假设它是可能的）不需要具体化。如前所述，我首先关注 P1，提出两个支持强原始主义的论据。第一
“当谈到纯 CP 和不纯 CP 之间的区别时，似乎很明显，这个论点 [原始主义的现象学对比论点] 不能支持比不纯 CP 更多的论点。毕竟，所有例子都涉及体验视觉外观、声音流等的方式。这个论点针对的是那些在意识生活中除了感官现象学什么都找不到的人，它促使她注意到这些感官外观之间的区别，而这些区别只能通过诉诸认知渗透来解释。公平地说。尽管如此，这并没有给我们带来任何像纯 CP 的东西。就这个论点所表明的，认知内容让自己出现在有意识的主体面前的唯一方式仍然是影响某些感官流形出现的方式。这是不纯的 CP”（Levine 2011：115-116）。