摘要 人工智能必须以人为本。人工智能的发展产生了很大的不确定性,即如何确保从设计到使用的整个过程中人工智能与人类价值观保持一致(人工智能价值观一致)。为了解决这个问题,我们采用物质价值和技术中介的现象学理论作为第一步。在本文中,我们首先从相关的人工智能研究中讨论人工智能价值观一致。其次,我们简要介绍什么是物质价值和技术中介,并通过这些理论的视角反思人工智能价值观一致。我们得出结论,可以定义一组有限的人类价值观,并将其适应人工智能系统将被要求完成的稳定生活任务。人工智能价值观一致也可以通过技术中介在设计者和用户之间建立起来。在此基础上,我们提出了一套通过现象学理论理解人工智能价值观一致的共同原则。本文将现象学理论的独特知识贡献给人工智能与人类价值观一致的论述。
随着人工智能 (AI) 技术在社会中的应用日益广泛,了解人工智能可能以何种方式加速或阻碍气候进程以及各利益相关者如何引导这些发展至关重要。一方面,人工智能可以促进能源、制造业、农业、林业和灾害管理等各个领域的气候变化缓解和适应战略。另一方面,人工智能还可以通过有利于高排放行业或推动消费者需求增加的应用以及与人工智能本身相关的能源使用,导致温室气体排放增加。在这里,我们简要概述了人工智能与气候变化的多方面关系,并建议采取政策杠杆,使人工智能的使用与气候变化缓解和适应途径保持一致。
一些最有前途的努力包括赋予社区能力和修改激励措施以使经济和保护成果保持一致。在菲律宾建立了一个网络,该网络授予捕鱼社区在某些地区清除捕鱼的独家权利。在组织为管理“他们的”捕鱼区和受保护区,船只和渔民的社区中,记录了捕获物,尊重法规,渔民参与管理。通过拥抱可持续性,参与社区增加了他们的粮食和财务安全,并获得了进入新市场和资本来源的机会,可以在保护海洋的同时改善自己的福祉。互补的全球趋势也正在出现。开放数据网络使跟踪和检测非法渔船更容易。政府开始应对塑料污染,金融家开始认识到投资海洋的价值。
人工智能如何改变我们做出购买决策的方式?这对商标法意味着什么?商标法的核心在于如何购买商品和服务,而由于人工智能正在影响购买过程,因此从定义上讲它也影响着商标法。人工智能通过两种方式影响购买过程:(a)消费者可获得的品牌信息和(b)谁来做出购买决策。亚马逊的 Alexa 等人工智能个人零售助理有可能成为品牌向消费者提供的“守门人”,控制向消费者提供哪些品牌信息,并以纯粹的形式购买品牌产品,在人工智能所谓的“自动执行模型”中几乎不需要或根本不需要人为干预,从而有效地将传统的购物体验从“先购物后发货”模式颠覆为“先发货后购物”模式。商标法的许多关键方面都涉及人性的弱点。如果您考虑商标法和实践中的一些“流行词”,例如“混淆”、“不完全记忆”、“联想”和“商标混淆”,这些概念都围绕着人类的弱点。然而,人工智能有可能从购买过程中消除“人性”和“弱点”。人工智能应用程序可以通过“给我买个灯泡”等一般命令来购买产品。人类消费者与人工智能应用程序购买的灯泡品牌没有任何互动。人工智能应用程序会混淆吗?它会混淆商标吗?人工智能应用程序甚至会通过传统的听觉、语音和概念比较商标的方式来评估产品购买,这就是所谓的人工智能黑箱问题吗?人工智能应用程序经常受到个人消费者过去购买决策的影响,而人工智能应用程序做出购买决定或建议的原因有时可能难以理解。在这些情况下,知识产权侵权责任问题也引起了重要的问题。然而,即使人工智能应用程序不做出购买决策,它仍然会影响消费者在做出购买决策时可用的品牌信息。例如,亚马逊 Alexa 平均只向消费者推荐三种产品。它控制着向消费者推荐什么品牌产品,它而不是人类消费者掌握着所有的品牌信息。然而,人工智能对购买过程的影响必须放在历史背景中来看待。人工智能的兴起是新的,但并非史无前例。现代商标法诞生于十九世纪,并发展到现代。然而,在此期间,购买过程并非一成不变,而是发生了变化。我们只需看看从传统的十九世纪“店主”购买产品模式到二十世纪二十年代超市发明的变化,从互联网和社交媒体的兴起到人工智能的兴起。商标法已经适应并发生了变化,实际上可以说是适应性最强的知识产权法形式。例如,关于人工智能应用程序的责任问题,我们已经可以从关键词广告的案例中得到指导,例如谷歌法国,它是随着互联网购物的兴起而发展起来的。如果购买过程中的“参与者”如人工智能应用程序在购买决策/过程中扮演更被动的角色,则人工智能应用程序提供商不太可能被追究责任,如果人工智能应用程序在购买决策中扮演更积极的角色,并且可以说人工智能提供商在购买决策中强烈影响消费者,则更有可能发现责任。商标法已经适应了购买过程的变化,并且它将再次适应。HGF 合伙人兼特许商标律师 Lee Curtis
b' 对锂离子电池的技术需求快速增长,促使人们开发具有高能量密度、低成本和更高安全性的新型正极材料。高压尖晶石 LiNi 0.5 Mn 1.5 O 4 (LNMO) 是尚未商业化的最有前途的候选材料之一。这种材料的两个主要障碍是由于高工作电压导致的较差的电子电导率和全电池容量衰减快。通过系统地解决这些限制,我们成功开发出一种厚 LNMO 电极,面积容量负载高达 3 mAh \xe2\x8b\x85 cm 2 。优化的厚电极与纽扣电池和袋式电池级别的商用石墨阳极配对,在 300 次循环后,全电池容量保持率分别高达 72% 和 78%。我们将这种出色的循环稳定性归功于对电池组件和测试条件的精心优化,特别注重提高电子电导率和高压兼容性。这些结果表明,精确控制材料质量、电极结构和电解质优化很快就能支持基于厚 LNMO 阴极(> 4 mAh \xe2\x8b\x85 cm 2)的无钴电池系统的开发,这最终将满足下一代锂离子电池的需求,降低成本,提高安全性,并确保可持续性。'