系统已实现数字化,以缓解冠状病毒带来的一些压力。远程医疗和远程诊断正在帮助患者在家中获得医疗建议和诊断,这样他们就不需要来到医生办公室或医院,而 3D 打印正被用于加快生产关键医疗用品,如个人防护装备。在没有疫苗或成熟治疗方法的情况下,最好的预防医学就是信息共享。数字接触者追踪已经被用于有效减缓东亚 COVID-19 的传播。这项技术本身至少有十年的历史,但在隐私观念被禁止的西方世界一直难以获得支持。美国公民(以及统治者)是否愿意用个人隐私权来换取更大的公共利益还有待观察,但未来对数据收集可能会更加宽容。
简介和背景 几十年前,使用印刷地图是旅行的常态。今天,我们使用智能手机上的谷歌地图、苹果地图或其他路线导航应用程序到达目的地,并可以选择沿途调整路线以避免事故或施工等延误。这是怎么可能的?这是因为人工智能 (AI) 而成为可能,而且它似乎正在呈指数级增长。当人工智能聊天机器人 ChatGPT 于 2022 年 11 月推出时,它在 5 天内就吸引了超过 100 万用户。Instagram 和 Facebook 等其他应用程序花了数月时间才建立起如此庞大的用户群(技术台)。在为我们的小组项目研究这个主题时,我们发现了学校和校园运营单位使用人工智能的例子。但是,我们没有发现机构层面的中央政策或标准来指导其在课堂、研究和运营中的使用。与人工智能的惊人增长使用相比,这种缺乏或滞后的战略方向可能对北卡罗来纳大学 (UNC) 系统学校构成威胁。本研究论文探讨了人工智能的快速崛起,以及大学(特别是 UNC 系统内的大学)如何优化该技术的使用以确保未来的相关性。本文的重点主题是人工智能在高等教育和 UNC 系统中的当前用途、未来使用的机会、使用人工智能的风险和挑战以及减轻已知风险的策略。总的来说,人工智能是在机器中模拟人类智能,这些机器被编程为执行通常需要人类智能的任务。人工智能不是自动化。人工智能和自动化都依赖数据,并且都有精简的目标。除此之外,它们还有所不同。一旦有了数据需要处理,AI 系统就可以独立适应。(Glidden) 以下列表提供了 AI 功能的示例: • 语音识别,使机器能够识别和理解人类语音。手机、计算机和其他设备已经做到了这一点。• 计算机视觉,使机器能够解释和理解视觉信息(即QCP 扫描仪、指纹扫描仪、iRobot 吸尘器、自动驾驶汽车)。• 可以自主执行任务的智能机器人(即生物医学和医疗保健任务、制造业)。• 自然语言处理使机器能够理解、解释和生成人类语言。• 机器学习,使用算法从数据中学习并随着时间的推移不断改进。• 高级系统(即专家系统、推荐系统、智能代理)。UNC 系统服务于造福社会。由于人工智能对社会既有好的影响也有坏的影响,因此了解人工智能是什么以及如何使用它非常重要。这些包括但不限于工作自动化、工作功能和生产力的变化、学习新技能的需要、隐私和安全、偏见和歧视、改善健康结果,如更快更准确的诊断和个性化治疗计划。将人工智能引入高等教育机构对于未来的成功至关重要。对于学生来说,它可以大大增强教育支持和职业准备。人工智能可以支持
BCG 对 COVID-19 危机应对措施的调查发现,大多数公司迄今为止都专注于被动应对措施。但现在是采取大胆变革行动的最佳时机。已经引入 AI 用例的公司应立即推进,以便在短期内实现最大影响。他们不应该犹豫扩大规模,因为 AI 将成为帮助他们应对这场危机的重要杠杆。除非他们是已经以 AI 为核心的数字原生代,否则公司应该将当前日常运营的放缓视为战略反思的机会,反思价值创造机制如何变化——以及如何为后危机世界做好准备。他们应该开始为员工做好准备并重新培训员工,并在即将到来的 AI 时代提高他们的忠诚度、热情和长期价值。
这篇题为《人工智能在日常生活中的崛起:人工智能如何改变日常任务》的文章再次审视了人工智能对我们日常生活中不同领域的巨大影响。它很好地展示了人工智能如何在高级算法和机器学习组件的帮助下成为通用消费品的一部分。无论是简化重复性任务还是大规模分解复杂决策,人工智能都在改变人们与技术互动的方式。本文还探讨了人工智能普遍流行的道德原则和更广泛的社会影响。最后,它对人工智能的未来道路进行了推测,设想人工智能正处于十字路口和过渡状态,变得越来越普遍——悄悄地嵌入到所有个人/家庭和专业/工作场所活动中。
13 Toews,“AI 芯片的地缘政治将决定 AI 的未来”。14 Tarasov,“苹果芯片实验室内部,这是该公司几十年来最“深刻变革”的发生地”;路透社,“彭博新闻报道,苹果计划以专注于 AI 的 M4 芯片彻底改造 Mac 产品线”。15 Satoh,“AMD 将考虑与台积电合作的“其他”代工厂:首席执行官 - 日经亚洲”。16 路透社,“Nvidia 在 AI 芯片领域的主导地位阻碍了对竞争对手初创企业的投资”。17 高通,“高通在 2023 年骁龙峰会上为设备带来破纪录的生成式 AI | 高通”。18 Michelle Cheng,“Nvidia 最大的客户也是这家 AI 芯片制造商的最大威胁”。19 Michelle Cheng。 20 Bratton,“谷歌的新芯片有望挑战 Nvidia、微软和亚马逊”。21 Bratton。22 Desineni 和 Tuv,“英特尔半导体制造环境中的高价值 AI。英特尔白皮书。”;Wheatley,“英特尔在先进芯片制造工艺方面取得进展,力争在 AI 领域占据一席之地 - SiliconANGLE”。23 路透社,“Nvidia 在 AI 芯片领域的主导地位阻碍了对竞争对手初创企业的投资”。24 Patil 等人,“半导体设计领导地位面临的日益严峻的挑战”。25 Zewe,“麻省理工学院制定战略,帮助美国重新获得半导体超级大国地位”。26 Lin,“在 AI 芯片竞赛中,谷歌 DeepMind 使用 AI 设计专用半导体”。
企业战略通常与地方和州产业政策一起实施,有助于刺激经济、地理和政治多元化的县的大量投资(自 2021 年以来近 4700 亿美元)。最近的资本承诺和举措包括:TitletownTech 和微软在威斯康星州的联合创新实验室、NVIDIA 在匹兹堡的第一个 AI 技术社区、英特尔在亚利桑那州、新墨西哥州、俄亥俄州和俄勒冈州的半导体制造投资、福特在底特律对密歇根中央的翻新、礼来在印第安纳波利斯的礼来医药铸造厂、甲骨文在纳什维尔的河滨园区、现代在佐治亚州的第一家电动汽车工厂、三星在德克萨斯州泰勒的半导体制造厂以及德州仪器在犹他州莱希的制造和教育投资。
本文档由 SMU Scholar 的法律期刊免费提供给您,供您开放访问。它已被 SMU Scholar 的授权管理员接受收录在《美洲法律与商业评论》中。有关更多信息,请访问 http://digitalrepository.smu.edu 。
[CIA 领导人] 当时非常害怕他们所说的“数字珍珠港”的前景……珍珠港事件发生时,政府的各个部门都有一份信息,但他们无法将它们拼凑起来说,“看,珍珠港袭击迫在眉睫”……[在] 1998 年,他们开始意识到信息分散在所有这些不同的情报机构中,他们永远无法将它们拼凑起来……他们试图解决大数据问题。你如何将它们拼凑起来以获取情报? 17
成功应对气候变化需要低碳能源技术 (LCET) 取得重大技术进步。有效分配研发预算以加速技术进步需要更好地了解 LCET 如何依赖科学知识。在本文中,我们首次概述了关键 LCET 知识库的演变,并展示了技术相互依赖性如何随时间变化。我们使用涵盖几乎所有美国专利的数据以及过去两个世纪发表的科学论文来量化 LCET 的历史及其对科学的依赖。我们展示了低碳创新的驱动力如何从水电和风能转变为核裂变,最近又转变为太阳能光伏,然后又回到风能。我们的分析表明:1)低碳能源技术越来越依赖科学;2)太阳能光伏和核聚变严重依赖科学,而水力能源则不然;3)可再生能源和核能技术依赖截然不同的科学;4)近几十年来,可再生能源的科学知识库显著趋同。这些发现表明需要制定针对特定技术的研究政策,尽管针对可再生能源的研究可能会对更广泛的低碳能源技术产生影响。