本文有批判性和建设性的部分。第一部分基于伦理考虑,提出了政治要求:到 2050 年,全球应该暂停合成现象学,严格禁止所有直接针对或故意冒着在后生物载体系统上出现人工意识的风险的研究。第二部分为一个开放式过程奠定了第一个概念基础,目的是逐步完善最初的禁令,将其与一套更加细致、合理、基于证据、并有望在伦理上令人信服的约束条件联系起来。由这一过程定义的系统研究计划可能导致对最初禁令的逐步重新表述。这可能会导致在 2050 年之前废除禁令,在 2050 年之后继续实施严格禁令,或者逐步发展、更加实质性和符合伦理道德地看待我们想要在人工智能系统中实现哪种类型的意识体验(如果有的话)。
GOFAI 对应于第 7 章中描述的最简单的逻辑代理设计,我们在那里看到,在一组必要和充分的逻辑规则中捕捉适当行为的每一种偶然性确实很困难;我们称之为资格问题。但正如我们在第 12 章中看到的,概率推理系统更适合开放式领域,正如我们在第 21 章中看到的,深度学习系统在各种“非正式”任务上表现出色。因此,批评不是针对计算机本身,而是针对一种使用逻辑规则对计算机进行编程的特定风格——这种风格在 20 世纪 80 年代很流行,但已被新方法所取代。
尽管 AMLO 的立场不同,可再生能源仍然发挥着重要作用,并且在墨西哥的未来具有巨大的潜力。以下由 John McNeece 撰写的论文介绍了“墨西哥可再生能源的经济和战略论据”。除其他外,该论文表明太阳能和风能项目可以以低于传统燃气发电的成本提供电力,并提供经济发展效益。此外,借助电池储能和可用的电网管理工具,可以管理可再生能源的间歇性并将其有效地整合到输电网和配电网中。我们很高兴能够共同发布这份报告,并感谢 John 准备了这份严谨的分析,并为墨西哥目前正在进行的有关可再生能源、机构和国家作用的公共政策辩论做出了重要贡献。
摘要 本章讨论了人工智能与法律领域的三种法律推理方式:基于规则的推理、基于案例的推理和基于论证的推理。在基于规则的推理中,除非规则有例外,否则只有在满足规则条件时才会得出结论。在基于案例的推理中,当当前案件与先例类似时,将遵循先例案件的判决,但可能存在相关区别。在基于论证的推理中,当结论得到没有被反驳的论点支持时,就会得出结论。以荷兰的侵权法为例,说明了基于规则、基于案例和基于论证的推理。本章最后提出了有关人工智能与法律研究的进一步阅读建议。