读所罗门的密码笔记12_群雄逐鹿(上)

1.       国际电信规则

1.1.         美国坚持互联网自由和极少的内容限制,这一立场肯定会遭到许多国家的反对

1.2.         除去两个各方针锋相对、无法妥协的议题,比如内容限制规定,实际上所有国家都已在打击垃圾邮件和常见网络安全威胁方面达成了广泛共识

1.3.         伊朗的核心提议就是让各国政府都有权以自己的管理方式对本国的互联网进行监管

1.4.         美国属于少数派,不愿接受或签署该文件

1.4.1.           互联网并没有美国所希望的那样实现世界范围内的自由开放

1.5.         美国和欧洲的利益从某种程度上说在国际社会中仍然占少数

1.5.1.           美国可能会利用其联盟中的55个国家来解决其他国家提出的问题,通过贸易谈判等其他手段来获得影响力

1.6.         如果由GDP(1美元等于1票)来决定,那么发达国家和发展中国家之间将存在巨大的鸿沟

2.       共识

2.1.         世界各地的文化规范、政治需求和数据各不相同,人们担忧这些情况的相互交织将影响人工智能的未来发展,许多观察人士呼吁制定一套能够被普遍接受的标准

2.2.         IEEE从技术的角度出发,出台了IEEE P7000标准化项目,它与《人工智能设计的伦理准则》和《自主与智能系统的伦理准则全球倡议书》中涉及的议题密切相关,后者着重倡导在人工智能和机器人开发的所有阶段考虑伦理问题

2.3.         世界各地的行动都在朝着相似的目标努力,但标准必须走出实验室,走出工作室,走出公司董事会

2.4.         当企业因为不慎使用个人数据而承受公众压力时,企业甚至会采纳“抛开GDP”的建议,让经济增长与人类发展保持一致

2.5.         人们永远无法完全模拟政府机构的反应,而这些反应可能危害或促进农业生产

2.6.         除了对专业工程师和正在发展的算法伦理思想流派的期望之外,民族国家将继续在地缘政治层面上争夺霸权

2.7.         人工智能不仅仅是一场军备竞赛,尽管它有非常明确的军事和防御特征

2.7.1.           在军事领域推动更大规模的数字创新并不是一个新奇的概念

2.7.2.           是一场政治文化竞赛、一场争夺认知权的战争,比拼的是影响思维、社会和经济的能力

2.7.3.           参赛者包括各国政府机构和关心政治的民间人士,也包括一些有共同志向的个人、民营企业及其他机构,比如工会和教育工作者

2.7.4.           人类将价值观撰写在人工智能的代码中,因为我们允许这些算法替我们做出更多的决定,所以这些系统及其缔造者的想法将营造我们的生活

2.7.5.           人工智能也许有助于解决部分问题,但它不能解决所有问题

2.7.6.           人工智能的突破将在某些方面造福全人类,无论哪个国家

2.8.         技术在解决社会问题、研究人类行为

2.8.1.           虽然认知机器可以处理规模惊人的巨大阵列,但没有一台机器能给出任何深层次的理解

2.8.2.           没有一个可行的替代模式来实现技术经济发展,而这正是世界未来的发展方向

3.       各显身手

3.1.         各国将在多个维度对未来人工智能主导权展开争夺

3.1.1.           国家实力及其背后的驱动力,包括向科学家和企业家提供的资金量、人工智能稀缺人才的聚集程度、科研水平和企业生态系统的流动性,以及一个国家建立并输出其社会价值体系和信任的能力

3.1.2.           融入了个人力量

3.1.2.1.            公民自由行使并改变自己的角色和选择的能力
3.1.2.2.            面对人工智能系统犯下的错误采取补救措施的能力
3.1.2.3.            关闭开关或选择退出的路径的存在
3.1.2.4.            公民帮助塑造人工智能治理的方式
3.1.2.5.            不遏制其发展为前提,这当然是一种难以把握的平衡

3.1.3.           有一些推动人工智能发展的制度的力量

3.1.3.1.            数据集是否足够庞大准确,是否在统计上有效,是否符合当地的利益代表的准则?
3.1.3.2.            程序员、公司和政府是否有决心以一种平衡个人和集体利益的方式来编写系统?
3.1.3.3.            这些人和机构能否保护个人隐私,代理并捍卫一个人的真实身份?
3.1.3.4.            这些人和机构是否有足够的专业技术知识和能力来代表公民以公开透明的方式管理人工智能,促进其发展,防止滥用职权?

3.2.         国家、个人和制度性权力的混合模式并非新鲜事物

3.2.1.           当今大多数政治经济互动的核心内容,自社会契约和民族国家出现以来就一直存在

3.3.         人工智能从根本上改变了这些人类固有的互动

3.3.1.           在此之前,人类的互动迫使我们思考人际关系和制度关系,反思我们的价值观和他人的价值观,训练批判性思维能力,磨炼创造力,以改善伙伴关系

3.4.         个人和机构将不得不探寻新的方式,在追求效率和便利的同时兼顾教育,培养适应社会的公民

3.4.1.           机构面临的压力将越来越大,它们被要求降低门槛,为数据建立更通畅的渠道,利用人类的本能为那些能够抓人眼球并登上头条的关系、投资和声明打开渠道,提供流量

3.4.2.           能够促进这种平衡的国家将会吸引那些重视精心设计、深思熟虑、寻找共同利益的公司和个人

3.4.2.1.            并不一定意味着民主政府或自由市场经济具有优势

3.5.         民众、机构和国家对这些维度的处理方式的看法各不相同,尤其在监管和数据保护方面

3.5.1.           人工智能的政治和战略方向导致了一些更具影响的、更为强大的差异,这些差异将对未来的认知竞赛产生重大影响

3.6.         三个主要的人工智能大国将带着自身的历史传统、特质和思想进入未来

3.6.1.           美国的做法是“强壮的男爵”式的,即重度依赖自由市场资本主义、强大的私营部门及其形成的浓厚的创业氛围

3.6.1.1.            对基础研究和高端研究的核心资金来自政府部门,但大部分的创新和控制权都掌握在美国的初创企业和数字巨头手中

3.6.2.           在中国,政府会更加强力地支持先进技术的发展

3.6.3.           欧洲

3.6.3.1.            落后于美国和中国
3.6.3.2.            建立一块“共同体公地”(Community Commons)
3.6.3.3.            欧洲几乎没有数字巨头,政府的干预程度也是节制适度的,这使得整个欧盟形成了平衡创新和保护个人隐私的氛围

3.7.         在争夺人工智能领导权的竞赛中,军事术语是没有意义的

3.7.1.           这不是一场战争。这不是一场军备竞赛

4.       欧盟

4.1.         共同体公地

4.2.         虽然欧盟曾多次试图通过反垄断诉讼来限制谷歌和微软,并在极权主义方面积累了丰富的历史经验,但欧盟仍然担心美国或中国企业可能挖掘其公民数据,将这些信息保存在不那么关心个人隐私保护的司法辖区

4.3.         有越来越多的关于民营企业数据外泄或者超越用户信任和隐私范围主动分享个人信息的报告出现

4.3.1.           欧盟在这方面已经比其他国家和地区都更进了一步,对数据和人工智能提出了更严格的个人隐私保护要求

4.4.         欧盟新出台的《通用数据保护条例》(GDPR)让公民对个人数据拥有更大的支配权

4.4.1.           如果有人要求删除自己的个人数据,那么公司必须这样做,否则将面临巨额罚款

4.4.2.           该条例还要求公司能够解释系统为何对特定的人做出特定的决定

4.5.         从经济的角度来看,这会破坏这些神经网络设计者的竞争优势,从而削减对相关应用的投资

4.5.1.           还可能导致开发和应用仅限于少数种类的可解释的人工智能系统,而使更为强大好用的应用程序流入监管更松的市场之中

4.5.2.           早期的监管也可能会严重限制实验研究。

4.6.         人工智能按需服务

4.6.1.           把人工智能看作数字经济的基础设施,类似于输电线或光纤电缆

4.6.2.           更像是绿色能源计划的额外步骤

4.6.3.           该计划将努力实现新人工智能模型的普及,建立大型的数据库

4.7.         欧盟福利国家的数字化也可能为欧洲的人工智能发展进一步打开大门

4.7.1.           许多欧洲人信任政府对颠覆性技术的管理能力

4.7.2.           丹麦政府与公民已经建立了良好的数字信任关系

4.7.3.           瑞典,有着很高的数字信任评级

5.       俄罗斯

5.1.         特别关注人工智能在维护地缘政治权力方面的作用

5.2.         那些想要从事太空或国防事业的人在俄罗斯有很好的职业前景

5.2.1.           美国要利用俄罗斯的火箭运送物资到联合空间站

5.3.         “开放又难以管理”的市场大门慢慢关上,迫使非政府组织和领英等公司退出

5.3.1.           政府还开始要求服务器为其访问开设后门

5.4.         俄罗斯对西方互联网公司仍然比较开放

5.5.         需要与俄罗斯联邦储蓄银行或俄罗斯天然气工业公司这样的大型国有企业合作

5.5.1.           要么留在学术界从事基础研究

5.5.2.           要么只从资助资金中赚取更少的钱

5.6.         限制了那些科学家为颠覆性的新企业带来前瞻性见解和前沿性技术的可能性

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/521766.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Windows Server 2012 R2安装Web服务器IIS

文章目录 一、打开【服务器管理器】二、点击【添加角色和功能】三、点击【下一步】四、点击【下一步】五、点击【下一步】六、勾选【Web服务器(IIS)】→点击【添加功能】→点击【下一步】七、勾选【.NET Framework 3.5 功能】→点击【下一步】八、点击【下一步】九、点击【下一…

基于H2O AutoML与集成学习策略的房屋售价预测模型研究与实现

项目简述: 本项目采用H2O AutoML工具,针对加州房屋销售价格预测问题进行了深入研究与建模。项目以Kaggle提供的加州房屋 交易数据集为基础,通过数据清洗、特征工程、模型训练与评估等步骤,构建了一种基于集成学习策略的房价预测模…

LeetCode刷题记(二):31~60题

31. 下一个排列 整数数组的一个 排列 就是将其所有成员以序列或线性顺序排列。 例如,arr [1,2,3] ,以下这些都可以视作 arr 的排列:[1,2,3]、[1,3,2]、[3,1,2]、[2,3,1] 。 整数数组的 下一个排列 是指其整数的下一个字典序更大的排列。…

如何确认RID池是否耗尽,以及手动增加RID池大小

确认RID池是否耗尽: 事件查看器: 在RID主控域控制器上打开事件查看器,导航至“Windows日志 > 应用程序和服务日志 > Microsoft > Windows > Directory Service > Operations”。搜索事件ID 16656和16657。事件ID 16656表明RID…

C++超高精度计时器

#include <chrono> #include <QDebug> #pragma execution_character_set("utf-8") /*1 秒&#xff08;s&#xff09; 1,000 毫秒&#xff08;ms&#xff09; 1,000,000 微秒&#xff08;μs&#xff09; 1,000,000,000 纳秒&#xff08;ns&#xff09…

Leetcode 第 389 场周赛题解

Leetcode 第 389 场周赛题解 Leetcode 第 389 场周赛题解题目1&#xff1a;3083. 字符串及其反转中是否存在同一子字符串思路代码复杂度分析 题目2&#xff1a;3084. 统计以给定字符开头和结尾的子字符串总数思路代码复杂度分析 题目3&#xff1a;3085. 成为 K 特殊字符串需要删…

Fire Smoke - Dynamic Nature

烟雾、火灾和爆炸预制件、着色器的集合。粒子支持HD、URP和标准渲染,自然制造风,因此它们对风速、方向和颤抖做出反应。 包装支持: Unity 2021.2及更高版本 Unity 2021.2 HD RP Unity 2021.2 URP Unity 2021.3及更高版本 Unity 2021.3 LTS HD RP Unity 2021.3 LTS URP Unity…

202112青少年软件编程(Scratch图形化)等级考试试卷(四级)

第1题&#xff1a;【 单选题】 小猫和小狗是非常好的朋友&#xff0c; 他们发明了一种加密方法&#xff1a; 用两位数字代表字母。比如 65 代表 A&#xff0c; 66 代表 B……&#xff0c; 75 代表 K&#xff0c; ……&#xff0c; 78 代表 N&#xff0c; 79 代表 O、 80 代表 …

zdpdjango_argonadmin使用Django开发一个美观的后台管理系统

初始代码 安装依赖 pip install -r requirements.txt生成管理员账户 迁移模型&#xff1a; python manage.py makemigrations python manage.py migrate创建超级用户&#xff1a; python manage.py createsuperuser启动服务 python manage.py runserver浏览器访问&#xf…

ChatGPT官宣新增Dynamic(动态)模式!

大家好&#xff0c;我是木易&#xff0c;一个持续关注AI领域的互联网技术产品经理&#xff0c;国内Top2本科&#xff0c;美国Top10 CS研究生&#xff0c;MBA。我坚信AI是普通人变强的“外挂”&#xff0c;所以创建了“AI信息Gap”这个公众号&#xff0c;专注于分享AI全维度知识…

Java中IO流详解

文章目录 字符流问题导入编码表**出现乱码的原因**ASCII表Unicode表汉字存储和展示过程解析问题导入解答 介绍分类字符输出流字符输入流字符缓冲流 特殊操作流转化流对象操作流打印流 工具包Commons-io介绍分类IOUtils类FileUtils类 字符流 问题导入 既然字节流能操作所有文件…

探索Linux的挂载操作

在Linux这个强大的操作系统中&#xff0c;挂载操作是一个基本而重要的概念。它涉及到文件系统、设备和数据访问&#xff0c;对于理解Linux的工作方式至关重要。那么&#xff0c;挂载操作究竟是什么&#xff0c;为什么我们需要它&#xff0c;如果没有它&#xff0c;我们将面临什…

递归学习第一个课

一、递归定义 基本定义 函数自己调用自己&#xff08;通俗第一印象&#xff09;大问题可以拆分小问题&#xff08;拆分&#xff0c;边界&#xff09;大问题与小问题的关系&#xff08;递归关系&#xff09; 为什么拆分小问题&#xff1f; 小问题更容易求解大问题与小问题内部…

基于Spark中随机森林模型的天气预测系统

基于Spark中随机森林模型的天气预测系统 在这篇文章中&#xff0c;我们将探讨如何使用Apache Spark和随机森林算法来构建一个天气预测系统。该系统将利用历史天气数据&#xff0c;通过机器学习模型预测未来的天气情况&#xff0c;特别是针对是否下雨的二元分类问题。 简介 Ap…

SpringBoot3整合RabbitMQ之四_发布订阅模型中的fanout模型

SpringBoot3整合RabbitMQ之四_发布订阅模型中的fanout模型 文章目录 SpringBoot3整合RabbitMQ之四_发布订阅模型中的fanout模型3. 发布/订阅模型之fanout模型1. 说明1. 消息发布者1. 创建工作队列的配置类2. 发布消费Controller 2. 消息消费者One3. 消息消费者Two4. 消息消费者…

实际项目中如何使用Git做分支管理

前言 Git是一种强大的分布式版本控制系统&#xff0c;在实际项目开发中使用Git进行分支管理是非常常见的做法&#xff0c;因为它可以帮助团队高效的协作和管理项目的不同版本&#xff0c;今天我们来讲讲在实际项目中最常用的Git分支管理策略Git Flow。 常见的Git分支管理策略…

IDEA2024.1版本震撼来袭,手把手教你激活!

前言 作为一个Java程序猿&#xff0c;必不可少的一款开发IDE神器&#xff1a;IntelliJ IDEA&#xff0c;简称“IDEA”。就在前天&#xff08;2024.4.4&#xff09;终于推出了心心念念的2024.1版本。 IntelliJ IDEA 2024.1 引入了一系列令人期待的升级&#xff0c;可以帮助您简…

Nuxt 3 项目中配置 Tailwind CSS

官方文档&#xff1a;https://www.tailwindcss.cn/docs/guides/nuxtjs#standard 安装 Tailwind CSS 及其相关依赖 执行如下命令&#xff0c;在 Nuxt 项目中安装 Tailwind CSS 及其相关依赖 npm install -D tailwindcss postcss autoprefixerpnpm install -D tailwindcss post…

深度剖析扫雷游戏的各个知识点(1)

哈喽&#xff0c;小伙伴&#xff0c;大家好&#xff0c;今天我来水一篇文章。害&#xff0c;也不算真的水吧&#xff0c;这次带大家深度剖析初次写扫雷游戏程序时还未接触到的知识点。废话不多说&#xff0c;直接进入正题 不知小伙伴们是否还记得当时我说过扫雷游戏我们是以多个…

AIGC实战——ProGAN(Progressive Growing Generative Adversarial Network)

AIGC实战——ProGAN 0. 前言1. ProGAN2. 渐进式训练3. 其他技术3.1 小批标准差3.2 均等学习率3.3 逐像素归一化 4. 图像生成小结系列链接 0. 前言 我们已经学习了使用生成对抗网络 (Generative Adversarial Network, GAN) 解决各种图像生成任务。GAN 的模型架构和训练过程具有…