关于人工智能及其对经济和社会的短期和长期影响,存在许多假设和误解。流行的叙事、科幻小说和媒体炒作往往会影响我们对人工智能的看法,但往往不切实际,缺乏细微差别。然而,人工智能为改善我们的社会经济绩效和生产力以及我们的环境和社会福祉提供了巨大的机会。
– 大量炒作加上一些实际应用。• 20 世纪 90 年代:在中等规模的数据集上,其他机器学习方法效果更好。天哪!神经网络再次被淘汰。• 2009-2015 年:如果提供大量数据、大量计算能力和一些技术技巧,深度神经网络的效果会非常好。
近期,大脑探索的工业化趋势以及人工智能算法和高性能计算的技术实力引起了公众的关注。这些令人印象深刻的进步正在助长一种不受控制的社会炒作,这种炒作越是夸大,就越是“蓝天化”。我们能否在计算机上模拟大脑?“它”(数字化身)会有意识吗?蓝脑计划(BBP)和欧洲旗舰项目人脑计划(HBP)在过去 10 年里一直在这股浪潮中冲浪。随着项目的成熟,它们已经意义重大,现在为神经科学社会学和认识论提供了新的案例研究。它们独特的“蓝天”风格是获得史无前例的资金(超过 10 亿欧元)的关键因素,这些资金大多通过超国家机构提供。对这些项目的纵向分析提供了线索,说明在一个基于承诺经济的科学世界中,它们所传播的神经神话是如何推销科学的。
近期,大脑探索的工业化趋势以及人工智能算法和高性能计算的技术实力引起了公众的关注。这些令人印象深刻的进步正在助长一种不受控制的社会炒作,这种炒作越是夸大,就越是“蓝天化”。我们能否在计算机上模拟大脑?“它”(数字化身)会有意识吗?蓝脑计划(BBP)和欧洲旗舰项目人脑计划(HBP)在过去 10 年里一直在这股浪潮中冲浪。随着项目的成熟,它们已经意义重大,现在为神经科学社会学和认识论提供了新的案例研究。它们独特的“蓝天”风格是获得史无前例的资金(超过 10 亿欧元)的关键因素,这些资金大多通过超国家机构提供。对这些项目的纵向分析提供了线索,说明在一个基于承诺经济的科学世界中,它们所传播的神经神话是如何推销科学的。
L 学习目标 在本课程中,你将学习: • 如何实现基本的量子算法并理解其行为 • 如何使用特定于量子计算环境的平台来实现基本的应用程序 • 关于设计量子计算机的国际竞赛 • 关于荷兰、欧洲和全球的量子计算生态系统 • 辨别量子计算的现实与炒作
长期以来一直将海洋描绘成气候变化的受害者,受到海洋变暖和酸化的威胁,但现在越来越多地将其作为解决气候危机的关键解决方案。特别是,正在强调海洋有希望的碳固执潜力。在本文中,我们寻求将建造海洋作为气候变化解决方案空间的统计,话语和演员的历史性化。我们概念化了有关海洋缓解潜力作为有争议的治理场所的辩论,在那里,各种演员组成了联盟和有关气候行动的不同社会技术叙事。使用一种创新的定量方法,该方法将科学计量学与文档分析,观察性实地调查和访谈相结合,我们概述了海洋碳固执史上的三个历史阶段,遵循炒作,争议和失望的经常性周期。我们认为,围绕海洋碳封存的最新炒作不是由技术突破或科学不确定性的降低而引起的,而是由新的社会技术配置和联盟引起的。我们得出结论,表明气候变化解决方案如何在议程上放置并成为合法化的是科学和政治过程,与科学如何构筑气候危机以及最终的治理有关。
将AI系统纳入支持决策过程以增强人类系统可以提供预测或脱离可能未引起人类的预测相关性的能力有很大的优势(Cummings,2004)。然而,除了围绕AI炒作的兴奋之外(Fishburne,2024),人们对其道德,社会和法律的影响越来越关注,尤其是对性别偏见。而不是仅仅试图以道德和合法的方式导航AI炒作,而是需要询问的第一个问题不是AI系统是否可以将AI系统纳入过程或产品中,而是首先应使用AI。正如加布里埃拉·拉莫斯(Gabriella Ramos,2024年)在联合国教科文组织的《女性4道德AI会议》上指出的:“如果我们能为妇女制作,我们就可以为所有人做到这一点。”性别偏见不仅与男人和女人的二进制定义有关,而且是将男性用作系统设计默认值的观点(Perez,2019),不包括其他性别,包括女性,这些性别占世界人口的一半以上。这种偏见不仅是一个道德问题,而且是一个系统性的问题,在整个AI生命周期中存在。
“无论他们以什么形式出现,车辆都会得到所有炒作,”他说。“但是我们从安全性,安全性,可靠性的角度来做的一切都适用于汽车,这对我们来说是令人兴奋的。我们是许多设备的核心。如果您滑动信用卡,猜猜是什么?我们是建立并授权这些交易的网络的核心。核反应堆监测,风力涡轮机,燃气轮机,医疗设备。MRI机器,CT扫描仪,工厂控件。它只是随处扩展。”
生成AI的技术飞跃导致了营销行业的激动和猜测。这加剧了一种叙述,将生成性AI作为各种营销挑战的全部方法。当前的炒作是由AI工具的有效性和几乎无限效率的承诺所驱动的,AI工具似乎能够自动化任务,包括复杂的数据分析,内容创建和客户体验的个性化。在这种热情中,出现了关键问题:
• 尽管人工智能容易受到“炒作周期”预测的影响,但在这一领域的持续投资和实验将产生新的工具和用途,并且最有成效、最可持续的用途将随着时间的推移而显现 • 成熟的人工智能系统仍然代表狭义的人工智能(擅长特定任务的人工智能系统),而不是通用人工智能(能够在广泛任务中自我提升的人工智能系统)