国内被高频利用的25个漏洞
|
人工智能是这个时代的箴言，技术专家、学者、记者和风险投资家都在歌颂AI。不过，就像一些从专业学术领域延伸到日常生活中的短语一样，“人工智能”一词的使用也引起巨大的争议。 但这并不是通常情况中由于“大众无法理解科学家”而造成的争议，其实，科学家和大众一样感到困惑。一想到这个时代正在兴起一种可与人类匹敌的数字智能，所有人都很兴奋，但同时也会感到害怕，这会分散我们的注意力。 这是当今时代背景下一个特殊的故事，它涉及到人、计算机、数据和生与死的决定，并非人们对硅基智能的幻想。 14年前，笔者的亲戚怀孕后在做超声波检查。房间里的遗传学家指着胎儿心脏周围的一些白点：“这些都是唐氏综合症的迹象，而胎儿患病的风险已达二十分之一。”接着，她说可以通过羊膜穿刺术发现胎儿是否真的有先天遗传变异的唐氏综合症。但是羊膜穿刺术是有风险的，在手术中胎儿死亡率大约是1/300。 作为一名统计学家，笔者很想弄清楚这些数字的根据和来源。十年前，英国做过一项统计研究，这些代表钙积累的白点，实际上被认定是唐氏综合症的预测因子。但同时我也发现，我们测试的成像系统每平方英寸像素比英国分析使用的系统多几百个。 我告诉遗传学家，我认为这些白点可能是假阳性——它们只是“白噪音”。她说：“这就是几年前唐氏综合症的诊断激增的原因，那时新电脑刚刚到货。” 他们最终没有做羊膜穿刺术，几个月后，一个健康的女孩出生了。但这件事让我很惶恐——粗略估计，全世界有几千人在同一天接受了这个诊断，其中许多人选择了羊膜穿刺，许多婴儿不必要地死去。这种情况每天都在发生，直到有一天bug被修复。 这个故事暴露的问题与我个人的医疗保健无关——这关乎一个医疗系统，通过评估不同地点和时间的变量和结果，进行统计分析，并利用其他地方和不同时间的研究结果。 这样的问题不仅和分析数据本身有关，还和研究数据库研究人员关注的“出处”挂钩——一般来说，数据科学家们需要厘清数据来源于哪里、如何推导以及这些推论之于现状的重要性的问题。虽然熟练的数据科学家们可以依次进行案例分析，但当今的挑战是，行星规模般庞大的医疗系统并不需要大量的人类监管。 我也是一名计算机科学家，碰巧在我的学校里找不到这样的概念来构建一个全球范围内的推理与决策系统——将计算机科学与统计学结合起来，并考虑到人类的效用。在我看来，发展不应只局限于医学领域，还应涉及贸易、交通、教育等领域，至少要和构建人工智能系统一样重要。 无论是否能很快理解“智能”，我们都面临着一个巨大的挑战，那就是如何让机器和人类结合起来以改善人类生活。有些人认为这项任务从属于“人工智能”的发展，但它也可以被看作是一个新的工程分支。就像过去几十年的土木工程和化学工程一样，这门新学科的目标是汇集几个关键概念的力量，为人们提供新的工具和技能，并做到安全可靠。 土木工程和化学工程主要着眼于物理和化学，而这一新的工程学科将建立在上个世纪的思想基础上，诸如“知识”、“算法”、“数据”、“不确定性”、“计算”、“推理”和“优化”。此外，这门新学科的大部分重点将是来自人类和关于人类的数据，它的整体研究方向也将聚焦于此。
尽管构建小模块已经出现了，但是指导这些模块放在一起的原则还未发展，所以这些模块是以特殊的方式放置在一起的。因此，就像在结构工程出现之前设计建筑和桥梁一样，人类正在构建涉及计算机、人类和环境的社会规模、推理和决策结构 这项深度学习的场景，非常像一个耐心的父亲给自己懵懂的孩子进行亲子阅读。费鲁奇的日常，就是将绘本内容输入CLARA的记忆数据库：“从前，有两个小男孩弗兰多和乔伊，他们都买了一盆绿植，弗兰多把他的绿植放在阳光充足的窗台上，长势喜人，但乔伊却把自己的绿植放在了光线不好的屋子里，后来乔伊决心也把绿植放到窗台上，于是植物枯萎的叶子慢慢恢复了生机。” 收到这些讯息后，CLARA旋即在屏幕上打出了一个问题：“是否弗兰多将绿植放在窗台上，目的是为了保持植物生长健康?” 听起来很幼稚是不是?然而，即使是这种3岁儿童才会提出的问题，其中包含的因果关系，也是最“聪明”的人工智能所难以学会的。“当你向它提及某种植物的名字，它可以准确地利用知识图谱，组织出一个相当全面，维基百科风格的介绍答案，但很不幸，它无法给你讲个关于它的笑话，也没法回答你，如果它照不到阳光会发生什么事。”费鲁奇说。 符号学习：最古老的救世主 与此同时，华盛顿大学艾伦人工智能研究所研究员崔艺珍(Yejin Choi)教授开发了另一种方法，将深度学习与符号学习相结合，以便让人工智能运用人类的逻辑来理解语言。
所谓的“符号学习”，即是一种最古老的人工智能学习模式，目的在于让人工智能的“思维决策”过程如同人类，逐步认识各类概念的特征，并学会处理它们之间的归属关系。这种学习方法的优点，在于不必像深度学习那样，必须建立庞大的“数据库”，而AI的整个决策过程，也将变得“透明可见”，有利于我们进行调整和优化。但缺点是，人类必须像编纂字典一样，为人工智能编写海量的标签库，并在这些概念之间建立复杂的逻辑关系，并“翻译”为计算机能理解的语言。一想到诸如 “钝角”，“翅膀”，“摩擦”，“猫”，“下坠”这样的基本概念，都必须逐一“教给”电脑，更遑论其他复杂的概念与变化，我们肯定会感到头疼，不过它诱人的前景，确实令人难以拒绝。 （编辑：南通站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
