工作正在迅速演变,生成式人工智能的兴起加速了数据分析、软件代码生成和营销文案创作的进程。然而,这种发展也引发了人们对工作岗位被取代、伦理和准确性的担忧。
在2024年的消费电子展(CES)上,来自工业界和学术界的IEEE专家参加了一场讨论,探讨新技术如何改变职业世界,以及大学如何培养学生在其中蓬勃发展。
点击链接:https://live.ces.tech/detail/6344813291112/how-will-ai-impact-the-jobs-of-the-future-presented-by-ieee,查看2024年IEEE主席Tom Coughlin主持的小组讨论的完整版本。
以下是热烈讨论的要点。
HUMAN IN THE LOOP
人工智能领域的一大争论是,自主系统在没有人类监督的情况下运行是否合适,尤其是当这些系统可能产生不可预见和意外的后果时。
自动驾驶系统越来越多地应用,或可能会出现危及人类生命的情况如驾驶,以及工作可能受到影响的情况,例如雇佣新员工。
IEEE会员Gloria Washington说:“真的,我不认为人工智能应该在没有人类参与的情况下实现完全自主化。”她的研究重点是以人为中心的情感计算。
AI HALLUCINATIONS MAY LIMIT USEFULNESS
IEEE高级会员Kayne McGladrey指出,在商业中使用生成人工智能模型取决于它们提供准确信息的能力。他举了人工智能模型从金融部门监管文件中提取信息的能力研究为例,这些文件经常被用来做出投资决策。
“现在,最好的人工智能模型80%的问题都是对的,”McGladrey说,“他们在其他20%的时间里都会产生幻觉。如果你认为你是基于人工智能做出投资决策的,那么这不是一个好兆头。五分之四的情况下,人工智能会告诉你这是一个很好的策略。”
EMERGING ETHICAL CODES
IEEE当选主席Kathleen Kramer指出,IEEE于1912年创建了世界上第一个工程道德规范,一个多世纪以来IEEE不断更新工程、计算机科学和人工智能伦理方面的专业行为准则。
Kramer说:“传统的工程伦理是关于处于危险境地的生命和对公众的关心。计算机科学伦理不是从同一个领域发展而来的。更多的情况下,人们关心财产、隐私和安全。在人工智能领域,你需要把它们结合在一起。”
AI AND PROFESSIONAL ETHICS
随着行业越来越多地转向人工智能来提高生产力和决策,人们对道德影响的担忧也随之而来。
科幻作家、IEEE会员Jim Doty指出,在将人工智能融入工作中时,具有强大道德规范的行业可能会面临限制。
Doty说:“律师有道德义务为他们的客户服务。人工智能公司并没有这样的义务。”
Doty说,在某些领域,比如医学和医疗保健,人工智能作为决策的核心部分可能受到限制,必须在外围工作。
WHO GETS TO COMMENT?
Washington表示,最终,人工智能的兴起将对社会的广大阶层产生影响,因此进行与这些影响范围相匹配的讨论至关重要。
Washington说:“人们认为,你必须是人工智能专家才能发表评论。其实不然,因为我们都是利益相关者。”
了解更多:有兴趣深入了解人工智能设计的含义吗?查看IEEE标准协会相关内容:Ethically Aligned Design,https://standards.ieee.org/industry-connections/ec/ead-v1/。这篇关于利用人工智能改善人类福祉的深入研究有几种语言版本。
好文章,需要你的鼓励
OpenAI研究科学家Alexander Wei宣布,公司一个未发布的实验模型在国际数学奥林匹克竞赛中解决了六道题目中的五道,获得42分中的35分,达到金牌水平。该模型展现出类似人类数学家的推理能力,能够构建复杂严密的论证。这标志着AI在创造性问题解决方面的重要突破,不过该技术预计数月内不会公开发布。
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
本文探讨了判断AI是否达到通用人工智能(AGI)和人工超级智能(ASI)水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析,作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引(LCSH)的40万个主题领域,如果每个领域提出1万个问题,将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理,但在实际操作中面临巨大挑战。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。