摘要 基于人工智能 (AI) 的技术代表着政策制定者面临的关键治理挑战。本研究有助于了解各国计划如何治理人工智能,包括它们承担的角色以及它们以负责任的方式发展人工智能。在 22 个国家及欧盟的不同政策工具中,政府在人工智能治理方面的方法存在很大差异,包括提出的政策措施和对公共责任的关注。通过分析一系列政策工具,我们发现人工智能治理有多种模式,主要区别在于自我监管和市场化方法,以及创业和监管治理方法的结合。我们的分析还表明,公共责任方法在很大程度上独立于所选择的人工智能治理政策组合。因此,责任似乎是一个跨领域的问题,不能与各国对待技术的特定方法挂钩。
对于工业应用而言,工艺总成本通常是限制超短脉冲激光系统广泛应用的因素。除此之外,产量是该技术成功实施的关键因素,产量不仅要求工艺优化,还与激光系统的平均功率成正比。因此,过去通常要求更高的平均功率。但如今,能够全天候运行的工业用超短脉冲激光系统提供高达 200 W 的平均功率,而研究开发则超过了 kW 级。例如在 2018 年,相干组合超快光纤激光器证明了其平均功率为 3.5 kW,脉冲持续时间为 430 fs,重复率为 80 MHz [5],最近这一值已被突破,达到 10.4 kW 的平均功率 [6],脉冲能量约为 130 µJ,脉冲持续时间更短,为 254 fs。使用盘式放大器可以在较低的重复频率下实现更高的脉冲能量,例如,在 [7] 中,对于脉冲持续时间为 1 ps 的脉冲,在重复频率为 2 kHz 时,脉冲能量为 97.5 mJ。使用 innoslab 技术 [8] 也可以实现高平均功率,早在 2010 年,就已证明了在重复频率为 20 MHz 和脉冲持续时间为 615 fs 时的平均功率为 1.1 kW [9],最近又证明了在重复频率为 500 kHz 时,脉冲持续时间为 30 fs 时的平均功率为 530 W [10]。因此,未来平均功率不足将不再是问题,而挑战在于如何通过保持高加工质量来解决这个问题,这将在以下章节中说明。
本研究探讨了受访者如何看待人类创作的音乐和人工智能计算机创作的音乐。目的是找出是否存在对人工智能计算机创作的音乐的负面偏见。研究问题是:1. 与人类创作的音乐相比,人们对人工智能计算机创作的音乐有何看法?2. 对人工智能计算机创作的音乐是否存在偏见?如果是,偏见是什么?四名参与者参加了一项定性实验和一项半结构化访谈。两首乐曲被用作人工制品,一首是人类创作的,另一首由人工智能计算机 AIVA 创作。结果表明,虽然研究人员没有向参与者透露他们最喜欢的是人工智能计算机创作的歌曲还是人类创作的歌曲,但所有参与者都坚信他们最喜欢的歌曲是人类创作的。因此,表明了对人类创作的音乐的偏见结果还表明,这两首乐曲并没有被认为具有相同的特征或唤起相同的情感;此外,有人怀疑人工智能计算机创作的歌曲是否能唤起与人类创作的歌曲相同的情感。然而,没有一位受访者明确表达对人工智能计算机创作音乐的否定态度。关键词:音乐、人工智能、人工智能计算机、偏见、人类创作、计算机创作
作者:Jeanna Smialek 和 Ben Casselman 摄影:Demetrius Freeman 2020 年 2 月 7 日 费城——一月份一个寒冷的早晨,马库斯·米切尔 (Markus Mitchell) 八点半来到自己的办公桌前,他的电话响了,他甚至还没来得及登录电脑。米切尔所在的大型非营利组织的一名员工被锁定在组织的网络之外,需要这位 24 岁的年轻人的帮助。在做了一年学徒后,米切尔于 10 月成为费城 JEVS Human Services 的正式员工。就在三年前,他在 Chick-fil-A 的厨房工作,年薪 13,000 美元,当时他对自己的未来感到不确定。获得这份年薪 38,000 美元的职位是他快速职业晋升的最新一步,这在一定程度上得益于美国创纪录的经济扩张和低失业率。
编辑委员会 Dieter Birnbacher,海因里希·海涅大学哲学研究所,杜塞尔多夫,北莱茵-威斯特法伦州,德国 Roger Brownsword,法学院,伦敦国王学院,英国伦敦 Ruth Chadwick,经济与社会研究理事会中心,卡迪夫,英国 Paul Stephen Dempsey,蒙特利尔大学,航空航天法研究所,蒙特利尔,加拿大 Michael Froomkin,迈阿密大学法学院,迈阿密大学,佛罗里达州科勒尔盖布尔斯,美国 Serge Gutwirth,埃特尔贝克校区,布鲁塞尔自由大学,比利时埃尔森 Henk Ten Have,杜肯大学医疗伦理中心,宾夕法尼亚州匹兹堡,美国 Søren Holm,曼彻斯特大学社会伦理与政策中心,英国曼彻斯特 George Khushf,南卡罗来纳大学哲学系,南卡罗来纳州哥伦比亚,美国 法官 Michael Kirby,澳大利亚高等法院,澳大利亚金斯敦 Bartha Knoppers,蒙特利尔大学,加拿大魁北克省蒙特利尔 David Krieger,和平基金会,美国加利福尼亚州圣巴巴拉 Graeme Laurie,AHRC 知识产权和技术法中心,英国爱丁堡 René Oosterlinck,欧洲空间局,法国巴黎 John Weckert,查尔斯特大学,澳大利亚北沃加沃加
8 构建领域架构 143 8.1 DSL 构造 143 8.1.1 选择合适的 DSL 143 8.1.2 配置和构建 – 变体 144 8.1.3 建模行为 146 8.1.4 具体语法很重要! 148 8.1.5 元模型的持续验证 149 8.2 通用转换架构 150 8.2.1 应该生成目标架构的哪些部分? 150 8.2.2 相信轮回 150 8.2.3 利用模型 150 8.2.4 尽可能生成美观的代码 152 8.2.5 模型驱动集成 153 8.2.6 生成代码和非生成代码的分离 154 8.2.7 模块化转换 155 8.2.8 级联模型驱动开发 158 8.3 构建转换的技术方面 159 8.3.1 生成代码和手动部分的显式集成 159 8.3.2 虚拟代码 164 8.3.3 技术子域 166 8.3.4 代理元素 167 8.3.5 外部模型标记 168 8.3.6 方面导向和 MDSD 169 8.3.7 描述元对象 170 8.3.8 生成的反射层 172 8.4 解释器的使用 173 8.4.1 解释器 174
8 构建领域架构 143 8.1 DSL 构造 143 8.1.1 选择合适的 DSL 143 8.1.2 配置和构造 – 变体 144 8.1.3 建模行为 146 8.1.4 具体语法很重要!148 8.1.5 元模型的持续验证 149 8.2 通用转换架构 150 8.2.1 应生成目标架构的哪些部分?150 8.2.2 相信轮回 150 8.2.3 利用模型 150 8.2.4 尽可能生成美观的代码 152 8.2.5 模型驱动集成 153 8.2.6 生成代码和非生成代码的分离 154 8.2.7 模块化转换 155 8.2.8 级联模型驱动开发 158 8.3 构建转换的技术方面 159 8.3.1 生成代码和手动部分的显式集成 159 8.3.2 虚拟代码 164 8.3.3 技术子域 166 8.3.4 代理元素 167 8.3.5 外部模型标记 168 8.3.6 方面导向和 MDSD 169 8.3.7 描述元对象 170 8.3.8 生成的反射层 172 8.4 解释器的使用 173 8.4.1 解释器 174
%PDF-1.7 %���� 1 0 obj <>/Metadata 644 0 R/ ViewerPreferences 645 0 R>> endobj 2 0 obj <> endobj 3 0 obj <>/XObject<>/Font<>/ProcSet[/PDF/Text/ImageB/ImageC/ ImageI] >>/MediaBox[ 0 0 959.76 540] /Contents 4 0 R/ Group<>/Tabs/S/StructParents 0>> endobj 4 0 obj <> stream x�ŗ�n�6������