XiaoMi-AI文件搜索系统
World File Search SystemAGE
人工智能时代的工作和意义
标题：人工智能时代的工作与意义 1 稿：最终稿，2023 年 1 月 2 日 摘要：人们常说，工作不仅是收入来源，也是意义的来源。在本文中，我探讨了解决工作与意义之间关系的理论和实证文献。我表明，这种关系远没有人们通常认为的那么清晰：其性质存在很大的异质性，无论是在当今的工人中还是在不同的时期。我解释了为什么这种关系对于关注技术对工作影响的政策制定者和经济学家很重要。在短期内，它对于预测感兴趣的劳动力市场结果很重要。它对于理解人工智能 (AI) 如何影响工作数量和质量也很重要：这些新技术可能会削弱人们从工作中获得的意义。从中期来看，如果失业，这种关系对于设计大胆的政策干预措施（如“全民基本收入”和“就业保障计划”）也很重要：这些政策的设计和任何选择都在很大程度上取决于政策制定者对工作和意义之间这种潜在关系性质的假设（通常是默认的）。例如，政策制定者必须决定是仅仅关注弥补失去的收入（如全民基本收入），还是如果他们认为工作是重要且不可替代的意义来源，那么还要保护工作以发挥这一额外作用（如就业保障计划）。最后，我探讨了人工智能时代对自由主义政治理论的一个重要特征提出的挑战：“中立”的理念。
人工智能时代的文献
人工智能与机器学习技术的快速发展，对人类生活的各个方面产生了深远影响。学者[17,18]指出，人工智能将通过不断迭代，对创意生产、语言表达等领域产生深远影响。近半年来，大语言模型人工智能在自然语言处理领域取得突破，改变了人与文本内容的交互方式[3]。GPT-4、BERT等国际前沿的大语言模型人工智能已经可以模拟人类独有的复杂语言模式和文学创作特征。经过用户的训练，它们还可以根据需求输出特定内容。随着这类人工智能的快速发展，是时候重新探索和审视它们对以输出文本内容为主要生产方式的文学创作及相关产业的影响了。可以预见，随着技术迭代速度不断加快，越来越多依赖文字的文学创作和职业将受到一定影响。尤其在当前时代，普遍的技术封锁无法锁住文本内容创作的动力。在这样的世界大势之下，任何扰乱写作形式和方法的变量，都将带动全球文学及文学相关领域的变革。
合成生物学时代的生物防御
阿隆索·阿吉雷 (ALONSO AGUIRRE)，乔治梅森大学 恩里克塔·C·邦德 (ENRIQUETA C. BOND)，伯勒斯·威康基金会 多米尼克·布罗萨德 (DOMINIQUE BROSSARD)，威斯康星大学麦迪逊分校 罗杰·D·科恩 (ROGER D. CONE)，密歇根大学 南希·D·康奈尔 (NANCY D. CONNELL)，罗格斯新泽西医学院 肖恩·M·迪凯特 (SEAN M. DECATUR)，凯尼恩学院 约瑟夫·R·埃克 (JOSEPH R. ECKER)，索尔克生物研究所 斯科特·V·爱德华兹 (SCOTT V. EDWARDS)，哈佛大学 杰拉尔德·L·爱泼斯坦 (GERALD L. EPSTEIN)，国防大学 罗伯特·J·富尔 (ROBERT J. FULL)，加州大学伯克利分校 伊丽莎白·海特曼 (ELIZABETH HEITMAN)，范德堡大学医学中心 朱迪思·金布尔 (JUDITH KIMBLE)，威斯康星大学麦迪逊分校 玛丽·E·马克森 (MARY E. MAXON)，劳伦斯伯克利国家实验室 罗伯特·纽曼 (ROBERT NEWMAN)，独立顾问 斯蒂芬·J·奥布赖恩 (STEPHEN J. O'BRIEN)，诺瓦东南大学 克莱尔·波梅罗伊 (CLAIRE POMEROY)，阿尔伯特和玛丽·拉斯克基金会 玛丽·E·鲍尔 (MARY E. POWER)，加州大学伯克利分校 苏珊RUNDELL SINGER，加州大学伯克利分校 LANA SKIRBOLL，赛诺菲 DAVID R. WALT，哈佛医学院
人工智能时代的光学设计
80 年代初期，D. Dilworth 就提出了他对人工智能在镜头设计中的看法 [1]。他谈到了当时他的公司采用的两种主要方法。第一种是“自然语言界面”，第二种是将人工智能用作专家系统。第一种方法与我们实际的人工智能概念相去甚远，但第二种方法在某种程度上是软件通过研究专家设计的镜头来制定规则，从而“学习”光学的一种手段。他认识到人工智能是所谓的“处女地”，因为没有人研究过人工智能在镜头设计中的潜力。90 年代，镜头设计的趋势是全局优化和遗传算法 [2,3,4]。Dilworth 改进了他的“专家系统”，今天我们可以将其看作是一种不同的人工智能应用 [5]。人工智能在镜头设计中的想法不再受到关注。在 2002 年的 IODC 会议上，香农做了一个关于“镜头设计五十年”的演讲；我们现在知道了什么是当时不知道的？’[6]。我从手稿中摘录了以下句子：“未来的进步可能需要在设计程序中构建更多基础知识。未来的镜头设计程序需要纳入学习和教学功能。设计程序应该成为知识的宝库，以及一套工具。”香农看到设计程序可以做更多的事情，这也许就是未来。因此在接下来的十年里，该领域出现了新的应用，第一个是计算成像 [7] ，其次是新型表面，包括泽尔尼克和自由曲面等等。这些新的镜头设计趋势需要镜头设计师尚未完全掌握的额外技能。因此，为了有效地使用它，镜头设计师需要一些帮助。这就是为什么 (也许) 最早的 AI 应用之一是关于自由曲面的 [8] 。这么多年来，我们可以肯定，从镜头设计的角度来看，如果 AI 能够做到以下几点，它就会很有用：
生成人工智能时代的审计
GenAI 技术是一种预测技术，因此，输出基于 genAI 技术确定的可能响应。如果用户多次询问同一个问题，他们每次可能会得到不同的答案。之所以会出现不同的答案，是因为 genAI 技术旨在生成不同的响应，并在不同的数据集上进行训练，这会导致对单个提示的可能响应范围很广。5 因此，genAI 技术对于需要创造力或响应多样性的任务特别有用，包括生成新内容或信息，但 genAI 可能并不总是提供可靠或可重复的信息。GenAI 技术的工作方式不像搜索引擎在其训练数据中查找事实，而是创建新的连贯、类似人类的文本。
数据时代 2025： - Seagate
虽然移动通信网络的速度和可靠性不断提高，但影响服务质量甚至生命维持的时间敏感型应用需要数据结构从数据中心核心扩展到动态企业边缘。软件定义存储技术能够快速创建和迁移边缘存储环境，其中实时数据和大数据分析交汇在一起，满足本地和移动分析工作负载的需求。以这种方式提供数据将实现联网车辆之间无缝和高效的交通流管理（例如，应急车辆的优先交通协议）或实时欺诈检测或面部识别，以提高体育赛事或交通枢纽的安全性。在移动实时世界中，越来越多的联网设备产生的数据量不断增长，这是边缘存储的基本驱动力。
人工智能时代的职业重新设计
考虑因素 • 提高效率并降低成本 • 工作重新设计对最终用户和最终客户的价值和影响 • 需要提高员工使用人工智能的技能 • 与业务战略和监管要求保持一致 • 财务资源和支持计划的可用性
人工智能时代的海军陆战队
人工智能已然到来 尽管人们对人工智能的定义存在争议，但人工智能基本上就是能够执行需要人类智能的功能的机器。从机械计算器到 GPS 路线规划器，人工智能早已被广泛使用。但人工智能的新颖之处在于机器学习。它利用数据自学识别人脸、转录口语以及执行一系列其他特定任务；它获得的数据越多，就越好。它是 2010 年前半期多种因素汇聚的结果：改进的算法、大量的研发资金、结构化数据和提升的计算能力 3 — 自 1956 年人工智能正式诞生以来，计算能力提升了数万亿倍。4 在给定的功能中，机器学习的表现优于人类。这种新人工智能击败了国际象棋、复杂的围棋游戏、中国的斯普尼克号时刻 5 以及六人德州扑克中的顶级选手。6 关于最后一项，请考虑一下克劳泽维茨的话：“战争最像一场纸牌游戏。” 7 但游戏仅仅是试验台。机器学习
自动化和人工智能时代
这篇文章是我与 Janine Garner 中校（“美国海军陆战队飞行员保留”，MCG，2019 年 1 月）一起参加飞行员保留 OPT 的经历的回应。正如 Garner 中校在其文章中所描述的那样，虽然 OPT 专注于飞行员保留和人才管理的当务之急，但我一直在想，我们面临着更大的危机。也就是说，如果我们现在正在努力培养和留住飞行员，那么在高强度冲突和重大战斗损失下，我们该如何做到这一点？在申请高级作战学院时，我必须写一份两页的白皮书来回答这个问题“海军陆战队是否为未来高威胁环境中的冲突做好了准备？”这就是我的答案。海军陆战队尚未为未来高威胁环境中的冲突做好准备，因为它尚未完全掌握自动化和人工智能（AI）的含义。海军陆战队要想为今后 10 到 15 年的武装冲突做好准备，并利用以机器速度运行的自动化系统，它必须做的不仅仅是资助和开发技术。海军陆战队必须通过重新确定人力的优先次序和重新配置人力、改变海军陆战队空地特遣部队和支援机构，以及减少过度投资人力的严重脆弱性来拥抱自动化和人工智能，因为人力的培训成本过高，风险成本过高。自动化应该改变海军陆战队的人力模式；海军陆战队的人力是有上限的。
计算机模拟时代的科学
首先，我要感谢那些鼓励和指导我早期创作本书的人：印第安纳大学的 Stephen Kellert、Michael Friedman 和 Frederick Suppe。我创作本书内容的第一批工作得到了西北大学科学史与科学哲学项目的博士后奖学金的支持，在那里我有幸与 Arthur Fine 一起工作。这是一个美妙的、激发智力的环境，本书的大部分哲学框架都是在这个环境中诞生的。为此，我不仅要感谢 Arthur Fine，还要感谢 Mathias Frisch，我当时和现在都与他进行了无数次对话和辩论，这些对话和辩论塑造了我多年来的许多哲学直觉。我在比勒费尔德大学跨学科研究中心 (ZiF) 应用科学研究小组担任研究员时，开始认真撰写这份手稿。我非常感谢他们的经济支持。我也感谢组织者 Martin Carrier 和 Alfred Nordmann 的热情好客、慷慨和知识分子情谊。我还要感谢 Torsten Wilholt、Justin Biddle、Johannes Lehnard、Felicitas Krämer 以及其他太多无法一一提及的人，其中大部分是博士后和研究生，他们让我在比勒费尔德的时光充满乐趣，知识丰富。我在杜伦大学高等研究院 (IAS) 担任研究员时继续撰写这份手稿。在 IAS 工作期间，我受到杜伦大学学院的接待。我很感谢这两所机构对我的支持