当前位置: 首页 > news >正文

计算未来:微软眼中的人工智能

计算未来 :人工智能及其社会角色(The Future Computed. Artificial Intelligence and its role in society )这本书于2018年09月由北京大学出版社出版。

书籍的作者是:沈向洋(微软全球执行副总裁),(美)施博德(微软总裁),这两位都是微软高管,书中也大篇幅描述了微软在人工智能的进展和很多落地的案例,所以,这本书可以说是微软眼中的人工智能,通过这本书我们可以更清楚的了解微软对于人工智能的定位和未来的发展战略。

以下是该书各章节内容的概要:

第一章 - 人工智能的未来

本章探讨了近年来人工智能技术的进步,如计算机视觉、语音识别、自然语言处理和推理。解释了微软开发人工智能系统的方法,这些系统能够增强人类能力并使所有人都能使用。强调了人工智能在解决社会挑战方面的潜力,如医疗保健、教育、交通等。提出了人工智能带来的公平性、安全性、隐私性、包容性和透明度等方面的挑战。

作者指出:微软努力的方向是"普及人工智能全民化",正如同我们曾经致力于推广"电脑普及化"一样。20世纪70年代,我们曾成功地帮助各组织机构实现了对电脑的自定义应用,未来,我们也会帮助他们实现对人工智能技术的自定义应用。我们的策略是向每一人和每一组织提供最基础的人工智能工具,如计算机视觉、语音、知识认知服务,让他们能够设计出自己的人工智能解决方案。我们认为,这种做法要远胜于仅仅将人工智能的未来交由少数几家公司掌控。只有让更多的人有机会创造人工智能体系,才能让更多的人担负起解决人工智能相关问题与挑战的共同责任。

事实也是如此,目前,微软各项产品都融入了人工智能。

微软的人工智能战略推动公司业绩提升,随着ChatGPT的爆火,股价也一路高涨。从本书发布的2018年到现在,微软股价上涨了3倍多。相信微软在人工智能方面的深度布局,将助力公司业务在未来获取更大的发展空间。

一些洞见:

未来的人机交互:多模态 ,就像和一个真实的人进行交流,语音对话、表情、手势、文字、图片都会运用起来,ChatGPT在这方面的发展已经很清晰了。

AI发展的3大推动力:数据大量可用(传感器,生活数字化,识别出模式)、云计算(用于分析)、强大算法(GPT模型)

AI是终极工具,是可以帮助我们构建所有工具的工具。

第二章 - 责任使用人工智能的原则、政策和法律

本章提出了6项伦理原则来指导负责任人工智能的发展:公平性、可靠性、隐私性、包容性、透明度和问责制。讨论了数据使用、竞争、责任和人工智能系统法律明确性方面的政策影响。

呼吁促进公私对话,分享了人工智能伦理的最佳实践。

由于AI的强大能力,自然会带来很多问题。趋利避害的关键是采用以人为本的方式开发人工智能。利用AI来增强人类的能力,强化人的创造力。

第三章 - 人工智能与未来的工作

本章检查了技术如何改变工作性质的历史。讨论了人工智能对未来工作的影响及重新培训的必要性。建议采取措施为学生和工作者做好人工智能经济的准备。提出了创建系统以更好地匹配工人与工作的想法。呼吁更新工人保护和现代化社会安全网。

由于AI能力已经达到大学生水平,很快将超越人类。社会普遍担心AI会取代掉大量劳动力。作者的观点是:AI技术不会取代老师,但使用AI技术的老师会取代不使用技术的老师。

问题的关键是,我们要快速去掌握AI新技术,社会要进行大规模的AI培训,让人们掌握新技能从而适应AI新时代。

AI对于劳动力市场的影响,可以参考ATM机。ATM机消除了常规性、重复性工作,柜员专注于销售和客户服务。虽然银行的单个分行人员减少,但是银行可以开更多分行了,就业人员的总数增加了,新技术创造了更多高价值工作。所以,在AI时代,我们需要更多更高技能的员工,比如:数据科学家、机器人专家、人工智能工程师等。要适应未来工作,人们需要掌握最重要的一项技能,就是不断学习的能力,人人都需要具有较高的数字素养。

另外,作者指出:有些职业虽然未被人工智能完全取代,但受到的影响也不可小觑:在仓储行业,雇员的工作已经从码放货物转变为操控机器人;在法律行业,律师助理和法官助理开始使用" e - discovery "软件来检索文件;在医疗行业,机器学习能够帮助医生加快疾病诊断速度,老师们也可借此更有效地评估学生的学习情况。人工智能正在重塑这些职业,但这些职业并没有消失﹣﹣最根本的原因是这些职业在某些方面无法自动化。由于人工智能和机器不具备人类的创造力、合作、抽象和系统思维、复杂沟通以及在多样性的环境中工作等能力,因此,许多职业仍无法离开需要具备独特人类技能的劳动者。

此外,AI还会推动按需经济,产生大量的自由职业者,进行远程全球化工作,推动劳动力商品化。劳动力交易的数字平台会获益,比如upwork、taskrabbit,财富则会进一步集中。

结论 - 人工智能增强人类创造力。人工智能如何增强人类智力并赋予人们解决问题的能力。

强调需要以永恒价值观为中心的人工智能方法。强调通过公私合作制定人工智能的共享伦理原则的重要性。

这本书字数不多,内容也比较简单,适合泛读,简单翻翻即可。

这本书的英文原版,可以在知识星球“AIGC部落”下载。

相关文章:

计算未来:微软眼中的人工智能

计算未来 :人工智能及其社会角色(The Future Computed. Artificial Intelligence and its role in society )这本书于2018年09月由北京大学出版社出版。 书籍的作者是:沈向洋(微软全球执行副总裁),(美&…...

字号和磅的对应关系

字号「八号」对应磅值5 字号「七号」对应磅值5.5 字号「小六」对应磅值6.5 字号「六号」对应磅值7.5 字号「小五」对应磅值9 字号「五号」对应磅值10.5 字号「小四」对应磅值12 字号「四号」对应磅值14 字号「小三」对应磅值15 字号「三号」对应磅值16 字号「小二」对应磅值18 …...

Bag of Tricks for Efficient Text Classification(FastText)

主要的有点就是快,用途就是用于文本分类,模型结构如上,主要是通过embedding将文本转换成向量,然后进行mean-pooling,然后输入到hidden隐向量中,通过softmax输出多分类,损失函数是对数似然损失函…...

vue elementUI form组件动态添加el-form-item并且动态添加rules必填项校验方法

vue elementUI form组件动态添加el-form-item并且动态添加rules必填项校验方法 先看一下效果图&#xff08;想在表单里动态的增删 form-item&#xff0c;然后添加rules&#xff0c;校验其必填项&#xff1b; &#xff09;: html部分 <div v-for"(item, index) in …...

使用 ClickHouse 深入了解 Apache Parquet (一)

​ 【squids.cn】 全网zui低价RDS&#xff0c;免费的迁移工具DBMotion、数据库备份工具DBTwin、SQL开发工具等 自2013年作为Hadoop的列存储发布以来&#xff0c;Parquet几乎已经成为一种无处不在的文件交换格式&#xff0c;它提供了高效的存储和检索。这种采纳使其成为更近期的…...

【每周一测】Java阶段二第四周学习

目录 1、request中的getParameter(String name)方法的功能是 2、request中的getParameter(String name)方法的功能是 3、spring创建bean对象没有以下哪个方式 4、spring依赖注入中没有以下哪个方式 5、RequestParam、RequestBody、PathVariable的应用场景及区别 6、Cooki…...

系统设计 - 我们如何通俗的理解那些技术的运行原理 - 第四部分:微服务架构

本心、输入输出、结果 文章目录 系统设计 - 我们如何通俗的理解那些技术的运行原理 - 第四部分&#xff1a;微服务架构前言典型的微服务架构是什么样的微服务的优势 微服务最佳实践在开发微服务时&#xff0c;我们需要遵循以下最佳实践&#xff1a; 微服务通常使用什么技术堆栈…...

顺序表ArrayList

作者简介&#xff1a; zoro-1&#xff0c;目前大二&#xff0c;正在学习Java&#xff0c;数据结构等 作者主页&#xff1a; zoro-1的主页 欢迎大家点赞 &#x1f44d; 收藏 ⭐ 加关注哦&#xff01;&#x1f496;&#x1f496; 顺序表 概念Arraylist构造方法相关方法遍历操作 自…...

python软件安装技巧

安装软件时候加上源地址去安装&#xff0c;快速稳 pip install openni -ihttps://pypi.tuna.tsinghua.edu.cn/simple...

解析Apache Kafka中的事务机制

这篇博客文章并不是关于使用事务细节的教程&#xff0c;我们也不会深入讨论设计细节。相反&#xff0c;我们将在适当的地方链接到JavaDocs或设计文档&#xff0c;以供希望深入研究的读者使用。 为什么交易? 我们在Kafka中设计的事务主要用于那些显示“读-进程-写”模式的应用…...

Vue虚拟节点和渲染函数

1.虚拟节点 虚拟节点&#xff08;dom&#xff09;本质上就是一个普通的JS对象&#xff0c;用于描述视图的界面结构 2.渲染函数render()&#xff1a;接收一个 createElement()函数创建的VNode Vue.component("board", {render: function(createElement) {return cr…...

后台交互-首页->与后台数据进行交互,wsx的使用

与后台数据进行交互wsx的使用 1.与后台数据进行交互 // index.js // 获取应用实例 const app getApp() const apirequire("../../config/app.js") const utilrequire("../../utils/util.js") Page({data: {imgSrcs:[{"img": "https://cd…...

【微服务保护】Sentinel 流控规则 —— 深入探索 Sentinel 的流控模式、流控效果以及对热点参数进行限流

文章目录 前言一、快速掌握 Sentinel 的使用1.1 什么是簇点链路1.2 Sentinel 的简单使用示例 二、Sentinel 流控模式2.1 直接模式2.2 关联模式2.3 链路模式 三、流控效果3.1 快速失败3.2 预热模式3.3 排队等待 四、对热点参数的流控4.1 热点规则4.2 热点规则演示 前言 微服务架…...

ZXing.Net 的Core平台生成二维码

一、引用 二、代码 帮助类 /// <summary>/// ZXing.NET 二维码帮助类/// </summary>public class ZXingHelper{/// <summary>/// 站点二维码的目录/// </summary>private static string QRCodeDirectory "QRCode";/// <summary>/// 使…...

【C++】假设给类分配的是栈的空间,那么计算机是如何访问栈中不同位置的对象的数据的呢?

2023年10月22日&#xff0c;周日上午 当在栈上创建一个对象时&#xff0c;计算机会为该对象分配一块连续的内存空间。该内存空间的位置在栈帧中&#xff0c;栈帧是用来存储函数调用信息和局部变量的一块内存区域。 栈帧中包含一个指针&#xff0c;称为栈指针&#xff08;stack…...

iOS使用CoreML运用小型深度神经网络架构对图像进行解析

查找一个图片选择器 我用的是ImagePicker 项目有点老了&#xff0c;需要做一些改造&#xff0c;下面是新的仓库 platform :ios, 16.0use_frameworks!target learnings dosource https://github.com/CocoaPods/Specs.gitpod ImagePicker, :git > https://github.com/KevinS…...

使用Python打造微信高效自动化操作教程

引言 在如今数字化时代&#xff0c;人们对于效率的追求越来越强烈&#xff0c;尤其是在工作和学习中。自动化操作成为了提高生产力的有效途径之一&#xff0c;而PyAutoGUI和Pyperclip作为Python中的两个强大库&#xff0c;为我们实现自动化操作提供了便利。本文将向大家介绍如…...

怎么在爬虫中使用ip代理服务器,爬虫代理IP的好处有哪些?

随着互联网的快速发展&#xff0c;网络爬虫已经成为数据采集、分析和整理的重要工具。然而&#xff0c;随着网络技术的不断发展&#xff0c;许多网站都会采取反爬虫措施&#xff0c;以避免数据被恶意获取。在这种情况下&#xff0c;代理IP服务器就成为了爬虫们的必本备文工将具…...

Typora的相关配置(Typora主题、字体、快捷键、习惯)

Typora的相关配置(Typora主题、字体、快捷键、习惯) 文章目录 Typora的相关配置(Typora主题、字体、快捷键、习惯)[toc]一、主题配置二、字体配置查看字体名称是否可以被识别&#xff1a;如果未能正确识别&#xff1a; 三、习惯配置四、快捷键配置更改提供的功能的快捷键&#…...

守护进程深度分析

思考 代码中创建的会话&#xff0c;如何关联控制终端&#xff1f; 新会话关联控制终端的方法 会话首进程成功打开终端设备 (设备打开前处于空闲状态) 1、关闭标准输入输出和标准错误输出2、将 stdin 关联到终端设备&#xff1a;STDIN_FILENO > 03、将 stdout 关联到终端设…...

[特殊字符] 智能合约中的数据是如何在区块链中保持一致的?

&#x1f9e0; 智能合约中的数据是如何在区块链中保持一致的&#xff1f; 为什么所有区块链节点都能得出相同结果&#xff1f;合约调用这么复杂&#xff0c;状态真能保持一致吗&#xff1f;本篇带你从底层视角理解“状态一致性”的真相。 一、智能合约的数据存储在哪里&#xf…...

Java 语言特性(面试系列2)

一、SQL 基础 1. 复杂查询 &#xff08;1&#xff09;连接查询&#xff08;JOIN&#xff09; 内连接&#xff08;INNER JOIN&#xff09;&#xff1a;返回两表匹配的记录。 SELECT e.name, d.dept_name FROM employees e INNER JOIN departments d ON e.dept_id d.dept_id; 左…...

Qt Http Server模块功能及架构

Qt Http Server 是 Qt 6.0 中引入的一个新模块&#xff0c;它提供了一个轻量级的 HTTP 服务器实现&#xff0c;主要用于构建基于 HTTP 的应用程序和服务。 功能介绍&#xff1a; 主要功能 HTTP服务器功能&#xff1a; 支持 HTTP/1.1 协议 简单的请求/响应处理模型 支持 GET…...

[10-3]软件I2C读写MPU6050 江协科技学习笔记(16个知识点)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16...

DIY|Mac 搭建 ESP-IDF 开发环境及编译小智 AI

前一阵子在百度 AI 开发者大会上&#xff0c;看到基于小智 AI DIY 玩具的演示&#xff0c;感觉有点意思&#xff0c;想着自己也来试试。 如果只是想烧录现成的固件&#xff0c;乐鑫官方除了提供了 Windows 版本的 Flash 下载工具 之外&#xff0c;还提供了基于网页版的 ESP LA…...

10-Oracle 23 ai Vector Search 概述和参数

一、Oracle AI Vector Search 概述 企业和个人都在尝试各种AI&#xff0c;使用客户端或是内部自己搭建集成大模型的终端&#xff0c;加速与大型语言模型&#xff08;LLM&#xff09;的结合&#xff0c;同时使用检索增强生成&#xff08;Retrieval Augmented Generation &#…...

Windows安装Miniconda

一、下载 https://www.anaconda.com/download/success 二、安装 三、配置镜像源 Anaconda/Miniconda pip 配置清华镜像源_anaconda配置清华源-CSDN博客 四、常用操作命令 Anaconda/Miniconda 基本操作命令_miniconda创建环境命令-CSDN博客...

【Linux手册】探秘系统世界:从用户交互到硬件底层的全链路工作之旅

目录 前言 操作系统与驱动程序 是什么&#xff0c;为什么 怎么做 system call 用户操作接口 总结 前言 日常生活中&#xff0c;我们在使用电子设备时&#xff0c;我们所输入执行的每一条指令最终大多都会作用到硬件上&#xff0c;比如下载一款软件最终会下载到硬盘上&am…...

上位机开发过程中的设计模式体会(1):工厂方法模式、单例模式和生成器模式

简介 在我的 QT/C 开发工作中&#xff0c;合理运用设计模式极大地提高了代码的可维护性和可扩展性。本文将分享我在实际项目中应用的三种创造型模式&#xff1a;工厂方法模式、单例模式和生成器模式。 1. 工厂模式 (Factory Pattern) 应用场景 在我的 QT 项目中曾经有一个需…...

面试高频问题

文章目录 &#x1f680; 消息队列核心技术揭秘&#xff1a;从入门到秒杀面试官1️⃣ Kafka为何能"吞云吐雾"&#xff1f;性能背后的秘密1.1 顺序写入与零拷贝&#xff1a;性能的双引擎1.2 分区并行&#xff1a;数据的"八车道高速公路"1.3 页缓存与批量处理…...