XiaoMi-AI文件搜索系统
World File Search SystemMcAfee
超越偏移：人和行星对气候和生物的回应
我们要感谢以下人员通过对草案的访谈或评论为报告做出贡献：Alain Frechette：Alain Frechette，《权利和资源倡议》（RRI）；亚历山德拉·本杰明（Alexandra Benjamin），蕨类植物； lambrechts，国际绿色和平组织；夏洛特·蛋白石（Charlotte Opal），earth基金会；戴维·马丁斯（Davi Martins），绿色和平组织国际； Dil Raj Khanal，尼泊尔粪便；唐纳德·莱尔（Donald Lehr），《气候土地野心与权利联盟》（Clara）；大西洋学院的多琳·斯塔金斯基（Doreen Stabinsky）；弗雷德里克·哈切（Frederic Hache），绿色融资天文台； Gilles Dufrasne，碳市场观察（CMW）；汉娜·莫瓦特（Hannah Mowat），蕨类植物； Helen Tugendhat，《森林人民计划》（FPP）；伊萨·穆尔德（Isa Mulder），CMW；乔·艾森（Joe Eisen），英国雨林基金会（RFUK）；约翰尼·怀特（Johnny White），客户学习；乔纳森·克鲁克（Jonathan Crook），CMW；凯特·霍纳（Kate Horner），独立；旧金山州立大学凯瑟琳·麦卡菲（Kathleen McAfee）；凯蒂·怀特曼（Katie Wightman），美国雨林基金会（RFUS）；凯利·斯通（Kelly Stone） OdaAlmåsSmith，FPP；彼得·里格斯（Peter Riggs），枢轴点；瑞秋·肯特（Rachel Kent），森林保护基金；西蒙·库塞尔（Simon Counsell），独立； Souparna Lahiri，印度全球森林联盟（GFC）；史蒂夫·辛格（Steve Suppan），农业与贸易政策研究所（IATP）；汤姆·格里菲斯（Tom Griffiths），FPP；汤姆·年轻，FPP； TorbjørnGjefsen，挪威雨林基金会（RFN）；特蕾西·奥斯本（Tracey Osborne），加利福尼亚大学，默塞德； Tyala Ifwanga，蕨； Victorine Che Thoener，国际绿色和平组织； Vittoria Moretti，RFUK； Xilonem Clarke，FPP；还有其他不愿透露姓名的人。
超出补偿：对以人和地球为中心的气候和生物多样性危机的回应
agradecer Muy诚挚地，las siguientes personas que fueron Invitadas通过Entrevistas或Comentarios Realzados en las Las版本预定了este无形：Alain Fruchette：Alain Fruchette，权利和资源启动（RRI）（RRI）；亚历山德拉·本杰明（Alexandra Benjamin），蕨类植物； lambrechts，国际绿色和平组织；夏洛特·蛋白石（Charlotte Opal），earth基金会；戴维·马丁斯（Davi Martins），绿色和平组织国际； Dil Raj Khanal，尼泊尔粪便；唐纳德·莱尔（Donald Lehr），《气候土地野心与权利联盟》（Clara）；大西洋学院的多琳·斯塔金斯基（Doreen Stabinsky）；弗雷德里克·哈切（Frederic Hache），绿色融资天文台； Gilles Dufufasne，碳市场观察（CMW）；汉娜·莫瓦特（Hannah Mowat），蕨类植物； Helen Tugendhat，《森林人民计划》（FPP）；伊萨·穆尔德（Isa Mulder），CMW；乔·艾森（Joe Eisen），英国雨林基金会（RFUK）；约翰尼·怀特（Johnny White），客户艺术；乔纳森·克鲁克（Jonathan Crook），CMW；凯特·霍纳（Kate Horner），独立；旧金山州立大学凯瑟琳·麦卡菲（Kathleen McAfee）；凯蒂·怀特曼（Katie Wightman），美国雨林基金会（RFUS）；凯利·斯通（Kelly Stone） OdaAlmåsSmith，FPP；彼得·里格斯（Peter Riggs），枢轴点；瑞秋·肯特（Rachel Kent），森林保护基金；西蒙·库塞尔（Simon Counsell），独立；南部拉希里（Southern Lahiri），印度全球森林联盟（GFC）；史蒂夫·辛格（Steve Suppan），农业与贸易政策研究所（IATP）；汤姆·格里菲斯（Tom Griffiths），FPP；汤姆·Youtger（Tom Youtger），FPP； TorbjørnGjefsen，挪威雨林基金会（RFN）；特蕾西·奥斯本（Tracey Osborne），加利福尼亚大学，默塞德； Tyala Ifwanga，蕨； Victorine，Thoener，国际绿色和平组织； Vittoria Moretti，RFUK； Xilonem Clarke，FPP； y Otros que Prefiriron no ser nombrados。
人工智能与劳动力
人工智能 (AI) 是一项快速发展的技术，具有巨大的经济潜力。根据麦肯锡最近的一份报告，到 2040 年，新的生成式 AI 工具可以通过生产力增长为全球经济贡献数万亿美元（Chui 等人，2023 年）。这种潜力反映在私营部门对 AI 工具日益增长的兴趣上，全球企业财报电话会议记录中“生成式 AI”的提及次数从 2022 年 12 月的仅 5 次增加到 2023 年 6 月的 390 次（FactSet，未注明日期）。最近有迹象表明，对具有 AI 技能的工人的需求激增，这表明 AI 已经在创造就业机会（Acemo-glu、Autur 等人，2022 年）。然而，这些机会也带来了担忧。最近的报告显示，由于人工智能，2023 年 5 月美国劳动力市场减少了 4,000 多个工作岗位（Challenger、Gray 和 Christmas，Inc.，2023 年），这引发了人们对人工智能对工人和劳动力市场影响的质疑。一些估计表明，未来几十年内，很大一部分工作活动可能会实现自动化（Chui 等人，2023 年；Eloundou 等人，2023 年）。此外，人工智能的独特特征表明，它对就业市场的影响可能与之前的自动化浪潮不同（Brynjolfsson 和 McAfee，2014 年）。具体而言，与以前的技术不同，人工智能可以自动执行以前被认为难以编码的任务，这为更广泛的任务和职业实现自动化创造了潜力（Manyika 等人，2017 年；Brynjolfsson、Mitchell 和 Rock，2018 年；Chui 等人，2023 年；Eloundou 等人，2023 年；Webb，2019 年）。然而，接触人工智能并不一定会导致劳动力市场流失；技术可能会
科技行业将在 2024 年打击人工智能的欺骗性使用......
科技行业将在 2024 年大选中打击人工智能欺骗性使用 20 家领先的科技公司，包括 Adobe、亚马逊、谷歌、IBM、Meta、微软、OpenAI、TikTok 和 X 承诺共同努力检测和打击有害的人工智能内容 慕尼黑——2024 年 2 月 16 日——今天，在慕尼黑安全会议 (MSC) 上，领先的科技公司承诺帮助防止欺骗性人工智能内容干扰今年的全球大选，超过 40 个国家的 40 多亿人将参加投票。“2024 年大选打击人工智能欺骗性使用技术协议”是一系列承诺，旨在部署技术打击旨在欺骗选民的有害人工智能生成内容。签署方承诺合作开发工具来检测和解决此类人工智能内容的在线分发，推动教育活动，并提供透明度，以及采取其他具体步骤。它还包括一系列广泛的原则，包括追踪欺骗性选举相关内容来源的重要性以及提高公众对这一问题的认识的必要性。该协议是保护网络社区免受有害人工智能内容侵害的重要一步，并以各个公司正在进行的工作为基础。该协议涉及的数字内容包括人工智能生成的音频、视频和图像，这些内容以欺骗性的方式伪造或改变政治候选人、选举官员和民主选举中其他关键利益相关者的外表、声音或行为，或向选民提供有关何时、何地和如何投票的虚假信息。截至今天，签署方包括：Adobe、亚马逊、Anthropic、Arm、ElevenLabs、谷歌、IBM、Inflection AI、LinkedIn、迈克菲、Meta、微软、Nota、OpenAI、Snap Inc.、Stability AI、TikTok、趋势科技、Truepic 和 X。参与公司同意了八项具体承诺：
人工智能与专业工作的未来
2 Frey, CB 和 Osborne, MA 2017。就业的未来：工作对计算机化有多敏感？《技术预测与社会变革》，114 期：254-280。3 Muro, M.、Whiton, J. 和 Maxim, R. 2019。哪些工作会受到人工智能的影响？华盛顿特区：布鲁金斯大都会政策计划。另请参阅 Dellot, B.、Mason, R. 和 Wallace-Stephens, F. 2020。工作的四种未来：应对激进技术时代的不确定性。伦敦：RSA、Manyika, J.、Chui, M.、Miremadi, M.、Bughin, J.、George, K.、Willmott, P. 和 Dewhurst, M. 2017。可行的未来：人工智能、自动化、就业和生产力：麦肯锡全球研究院。 4 Autor, DH 2015. 为什么还有这么多工作？工作场所自动化的历史和未来。《经济展望杂志》，29(3)：3-30。5 Brynjolfsson, E. 和 Mitchell, T. 2017. 机器学习能做什么？对劳动力的影响。《科学》，358(6370)：1530-1534。另见 Brynjolfsson, E. 和 McAfee, A. 2014. 第二次机器时代。纽约：WW Norton & Company。6 Susskind, RE 和 Susskind, D. 2015. 职业的未来：科技将如何改变人类专家的工作：美国牛津大学出版社。7 Wilson, HJ、Daugherty, P. 和 Bianzino, N. 2017. 人工智能将创造的就业岗位。 MIT 斯隆管理评论，58(4): 14。 8 Sako, M. 2013. 专业人士的业务。美国计算机协会通讯，56(7): 30-32。 9 Armour, J.，和 Sako, M. 2020 即将出版。法律服务中的人工智能商业模式：从传统律师事务所到下一代法律公司？《职业与组织杂志》，可在 SSRN 3418810 获得。 10 Noordegraaf, M. 2015. 混合专业主义及其他：（新）不断变化的组织和社会背景下的公共专业主义形式。《职业与组织杂志》，2(2): 187-206。 11 https://www.acm.org/media-center/2018/july/acm-updates-code-of-ethics
2023 年季度报告（未经审计）-贝莱德
软件（续） Cloudera, Inc.（续） 2021 年定期贷款，（1 个月 SOFR CME 利率为 0.50% 下限 + 3.75%），8.66%，10/08/28 (d) ......................... 528 美元 503,186 美元 Cornerstone OnDemand, Inc.，2021 年定期贷款，（1 个月 LIBOR US 利率为 0.50% 下限 + 3.75%），8.59%，10/16/28 .... 735 675,814 Digicel International Finance Ltd.，2017 年定期贷款 B，（1 个月 LIBOR US + 3.25%），8.08%，05/28/24 .... 504 452,894 E2open LLC，2020 年定期贷款 B，（1 个月 LIBOR US 0.50% 下限 + 3.50%，8.20%，02/04/28 ................................ 175 173,408 Epicor Software Corp.，2020 年第二留置权定期贷款，（1 个月美国 LIBOR 利率为 1.00% 下限 + 7.75%），12.59%，07/31/28 ... 1,316 1,298,181 Informatica LLC，2021 年美元定期贷款 B，（1 个月美国 LIBOR 利率 + 2.75%），7.63%，10/27/28 ................................ 1,891 1,873,698 Instructure Holdings, Inc.，2021 年定期贷款 B，（3 个月美国 LIBOR 利率为 0.50% 下限 + 2.75%），7.85%，10/30/28 (d) ......... 448 445,106 IPS Corp. 2021 第二留置权定期贷款 B，（1 个月美国 LIBOR 利率为 0.50% 下限 + 7.00%），11.84%，10/01/29 (d) .... 645 516,000 2021 延期提取定期贷款，0.00%，10/02/28 ......... 66 — 2021 定期贷款，（1 个月LIBOR 美国 0.50% 下限 + 3.50%，8.41%，10/02/28 .............................. 366 342,590 Magenta Buyer LLC 2021 美元第一留置权定期贷款，（3 个月 LIBOR 美国 0.75% 下限 + 4.75%），9.58%，07/27/28 ........... 1,488 1,221,894 2021 美元第二留置权定期贷款，（3 个月 LIBOR 美国 0.75% 下限 + 8.25%），13.08%，07/27/29 .............. 1,358 1,005,273 McAfee Corp.，2022 美元
推荐引用 推荐引用 Wolla, Scott (2020) “人工智能经济学：社会研究教育者入门”，《议员：社会研究杂志》：第 81 卷：第 2 期，第 3 篇文章。网址：https://thekeep.eiu.edu/the_councilor/vol81/iss2/3
引言 尽管“机器人末日”这个现代表达指的是对技术进步的恐惧，但对自动化的恐惧并不是什么新鲜事。例如，1589 年，英国女王伊丽莎白拒绝授予机械针织机的发明者专利，担心这会导致针织工失业 (Ip, 2017)。19 世纪初，被称为卢德分子的英国纺织工匠试图阻止纺织业的机械化，他们担心（正确地）机器会取代该行业的劳动力。甚至约翰·梅纳德·凯恩斯 (John Maynard Keynes) 这样的经济学家也担心大范围的技术性失业，“因为我们发现节省劳动力的方法的速度超过了我们找到新劳动力用途的速度”(Keynes, 1933, p.3)。最新一波的技术焦虑还包括对人工智能 (AI) 的恐惧。皮尤研究中心 2017 年的一项调查发现，人们对自动化和人工智能的焦虑程度很高，72% 的受访者表示担心未来机器人和计算机会取代许多人类工作（Smith & Anderson，2017 年）。这个问题以及围绕它的焦虑是全国新闻周期中的常见话题。例如，Business Insider 最近的一则头条新闻暗示机器可能会取代一半的人类工作（Thompson，2016 年）。当然，耸人听闻的标题和夸大的担忧可能会掩盖一个问题。但历史上有很多颠覆性技术变革的例子。马和骡子曾经在经济中提供了相当一部分工作。“马工”似乎抵制技术变革。即使在 1840 年至 1900 年间，当电报取代了 Pony Express，铁路取代了驿马和康尼斯托加马车时，马和骡子的数量也增长了 6 倍，超过 2100 万匹。这些动物在农场工作中发挥着重要作用，在农村和城市环境中运送人员和货物方面也发挥着重要作用。大多数美国人很难想象一个不依赖马匹劳动的经济。然而，一旦出现合适的技术，马匹劳动就过时了。到 1960 年，内燃机为美国经济提供了大部分“马力”，马匹数量已减少到仅 300 万匹——下降了近 88%（Brynjolfsson & McAfee，2015 年）。在短短半个多世纪的时间里，马匹劳动已变得不经济。一些人担心人类劳动力面临同样的命运——人工智能将取代它。
人工智能的采用和系统范围的变革
在过去十年中，人工智能 (AI) 已成为一种潜在的通用技术 (Cockburn 等人 (2019))。在机器学习进步的推动下，各个领域的预测成本开始加速下降 (Agrawal 等人 (2018a))。这引发了一些有趣的问题：人工智能将在哪些领域得到采用，以及它对就业和企业的潜在颠覆性影响 (Gans 和 Leigh (2019)、Frey 和 Osborne (2017)、Brynjolfsson 和 McAfee (2017))。到目前为止，我们对人工智能采用的概念主要在任务或决策层面上运作 (例如，Frank 等人 (2019)；Acemoglu 和 Restrepo (2018))。例如，为了预测人工智能对就业的潜在影响，已经进行了大量练习，旨在识别受人工智能威胁的工作、构成威胁的工作的任务以及自动化对工作场所的更普遍影响（Webb（2020）；Brynjolfsson 和 Mitchell（2017）；Brynjolfsson 等人（2018）；Felten 等人（2018））。尽管如此，一些人质疑这种任务级别的关注是否合适。Bresnahan（2020）认为人工智能是一种信息技术，传统上这种技术需要组织重新设计才能全面采用。这在早期 IT 的采用模式中显而易见（Bresnahan 和 Greenstein（1996）；Bresnahan 等人（2002）；Aral 等人（2012）；Dranove 等人（2014））。 Bresnahan (2020) 质疑了可以在任务层面分析 AI 采用情况的观点，而与任务所在的组织环境无关。Bresnahan 将组织的模块化程度确定为 AI 采用的预测指标。当一个组织是非模块化的时，改变一个部分的决策性质（就像采用 AI 时会出现的情况一样）可能需要改变其他地方的决策和实践。他认为，整个非模块化组织都需要进行调整，这可能会阻碍 AI 的采用。相反，Bresnahan 预测 AI 将主要在现有的模块化组织中采用，并且只有在其他组织被重新设计为模块化时，AI 才可能被采用。我们建立了一个模块化在 AI 采用中的作用模型。我们考虑一家公司，其价值来自两个决策（类似于任务）的结果。模块化是指公司从一个决策中获得收益的程度，即使这两个决策没有正确对齐。在基线模型中，决策者不知道外部状态，因此不知道正确的操作。因此，他们选择最有可能正确的操作。无论模块化程度如何，决策者都没有必要进行沟通。他们总是做同样的事，而且通常是正确的，但并非总是正确的。
人工智能和竞争优势的变化来源
人工智能（AI）使机器能够执行以前仅与人类思想相关的认知功能（Rai，Constantinides和Sarker，2019年）。管理学者认为AI改变了竞争优势的来源（Daugherty＆Wilson，2018年，第214页； Davenport＆Kirby，2016年，第204页），但就这种变化的发生方式提供了对比的观点。有人假设AI替代了人类的认知能力（Balasubramanian，Ye和＆Xu，2021年），例如，当机器取代了股票投资中的银行家（Noonan，2017年），代替人才招聘的管理人员（Noonan，2017年）（Chamorro-Premuzic，Polli，Polli，Polli和Dattner，2019年），并受到治疗的治疗。其他人认为，当银行家，经理和医生与机器合作进行公平投资（Marraion，2017年），人才招聘（Hook，2017年）和医疗治疗（Topol，2019年）时，AI的补充而不是替代人类的认知能力（Murray，Rhymer和Sirmon，2021），2021年）。基于资源的视图（RBV）描述了资源与竞争优势相关联的理论机制（Barney，1991）。它将人类的认知能力描述为重要的优势来源，因为这些功能是异质分布，供应量有限且难以模仿的。因此，当管理者将它们用于战略决策和解决问题时，这种功能会导致绩效差异（Helfat＆Peteraf，2015； Kunc＆Morecroft，2010）。RBV对AI采用如何影响决策的竞争优势的预测尚无定论。因此，AI有可能替代当AI替代人类的认知能力时，RBV期望这些能力提供给侵蚀的优势（Peteraf＆Bergen，2003年）。这是因为作为一种技术资源，AI的边际繁殖成本接近零，几乎没有模仿障碍（Brynjolfsson＆McAfee，2014年，第31页）。Conversely, if AI complements humans' cognitive capabilities, the RBV expects it to generate advantages (Argyres & Zenger, 2012), because, as a widely applicable technology, AI enables the creation of unique bundles of previously unrelated resources — such as physicians' expertise and AI's machine prediction (Agrawal, Gans, & Goldfarb, 2018, p. 108).这些不确定的预测来自AI的独特特征。与先前的技术相反，AI使机器能够自主学习和行动（Balasubramanian等，2021），这反过来允许这些机器在决策和解决问题中与人类相互作用（Murray等，2021年）。
关于教育中人工智能伦理的研究
摘要人工智能（AI）技术的快速发展和发展已经显着改变了各个部门，例如研发部门，包括教育在内的教育部门。随着教育机构越来越多地整合AI工具和系统，以收集信息，数据和其他必要项目，使用人工智能（AI）已成为一种普遍的实践，也是基本的必要性。本研究探讨了将AI伦理学纳入教育课程的必要性，研究道德考虑如何指导AI技术在学术环境中的发展，部署和使用，本研究还包括AI对我们人类思想，人类智力和人类思维能力的负面影响。我们将找出AI如何使我们懒惰地不使用自己的大脑或学习书籍以及其他内容丰富的项目，例如期刊，研究论文，杂志等来收集信息。通过对当前文献和案例研究的全面综述，该研究突出了关键的道德问题，例如数据隐私，算法偏见以及AI对学术完整性和学生成果的影响（Anderson＆Anderson，2018; Binns，2018）。该研究还评估了现有的AI伦理框架和指南及其对教育环境的适用性（Chen等，2020）。通过确定差距并提出了可行的建议，本研究旨在为教育者，决策者和AI从业人员提供战略方法，以将道德实践嵌入与AI相关的教育中。这些发现强调了为AI伦理开发多学科方法的重要性，该方法结合了计算机科学，哲学，法律和教育的见解，以确保AI技术在学术环境中被责任使用，并公平地使用（Floridi，2019; Holmes等，2019）。关键词：人工智能，最新几年中的教育介绍，人工智能（AI）的使用越来越多地渗透到现代生活的各个方面，对从财务到医疗保健以及现在的教育机构的各种行业深刻影响。AI技术，例如机器学习算法，自然语言处理工具和数据分析平台，正在改变教育机构如何运作，提供内容并与学生互动。（Brynjolfsson＆McAfee，2014年）这些进步有望提高效率，个性化的学习经验和创新的研究能力，只需单击几下即可。然而，学者中AI的迅速采用也提出了关键的道德问题，必须解决这些问题，以维护教育环境的完整性和公平性并促进人类的使用