科技行者人工智能技术将从三个层面改变社会

人工智能技术将从三个层面改变社会

人工智能技术将从三个层面改变社会

人工智能技术将从三个层面改变社会

2019年11月19日 10:16:16 科技行者
  • 分享文章到微信

    扫一扫
    分享文章到微信

  • 关注官方公众号-科技行者

    扫一扫
    关注官方公众号
    科技行者

AI将同时在多个层面引发一系列社会影响,主要包括生产力、隐私和联合学习。

来源:科技行者 2019年11月19日 10:16:16

关键字:人工智能 生产力 数据隐私 联合学习

人工智能技术将从三个层面改变社会  

几十年前,日本面临着一系列难以回避的长期经济挑战。尽管整体经济在上世纪八十年代前后达到了创纪录的峰值(主要得益于强劲的汽车销量、任天堂等初创公司的推动以及房地产投机活动的支持),但日本肩上最沉重的包袱,在于年龄超过65岁的人口将很快占据总人口的四分之一。

据统计,时至今日,日本的中位年龄(47岁)比美国(36岁)大出10岁有余。这样的现实背景,也迫使日本不得不大力发展机器人技术,从而抵消劳动力快速老龄化的影响,建立起全球竞争优势。目前,在制造业、医疗保健、消费电子以及个人服务等应用领域当中,先进的机器人技术已经在日本经济生态当中发挥根深蒂固的作用,成为维持生产率与GDP增长的重要支柱。

而在大洋彼岸的美国,虽然尚未面临同样的人口挑战,但却同样身处历史的十字路口:人工智能(AI)将很快颠覆我们的经济体系,其影响究竟是正面还是负面,则取决于我们的判断与行动。

必须承认,AI、深度学习(DL)、机器学习(ML)、计算机视觉以及机器人技术的持续发展将带来巨大的经济影响,而由此引发的工作岗位流失也将给特定行业带来重大冲击。麦肯锡公司估计,AI对于全球就业市场的影响可能高达15%。而这,还只是本轮变革中的一小部分。

目前,关于政府及企业应该如何提高劳动力素质并为自主技术的普及做好准备,已经成为各方关注的重要讨论主题。这样的讨论当然必要,但我们也应从乐观的角度审视AI技术,探索其中的潜力空间,并将其作为经济催化剂,帮助我们解决当前面临的一系列最为紧迫的问题。硬道理就是,如果美国无法在AI领域占据领先地位,那么其他国家将取而代之,最终在制造业、农业、交通运输、技术、教育甚至是环境卫生等支柱性产业当中成为最先进生产力的代表。

反观历史,从工业革命到互联网,每一轮技术变迁都会掀起人们对于就业冲击的恐慌。但是每一次,革命都会创造出全新的市场与经济形态,带来的新型工作岗位在数量上也远超被替代的部分。这些新兴经济体比最初想象中的更为复杂,影响也极为深远。

因此,AI将成为一种具有深远影响的广泛技术,同时在多个层面引发一系列社会影响,主要包括:

生产力:虽然美国目前的经济体量仍然强大,但生产力水平却反而不及上世纪六十年代。如果不考虑1995年到2005年互联网时代带来的短暂生产力提升,那么自1970年以来,美国的实际生产力增长仅为1.4%。尽管存在众多关于AI系统替代人工的讨论,但最现实的结果是,AI系统以及智能机器人实际上能够提高人工效率与生产力水平。

在制造业当中,更多以AI为中心的新型设施确实会在增加产能的同时消灭一部分工作岗位,但这同时也将让制造商们得以回归本土,从另一个角度增加就业需求。例如,苹果公司在AI的帮助下将能够把部署在中国的大型生产设施逐步迁移回美国本土。在工业世界中,生产力的提升永远是第一要务,并足以推动大规模投资转移。如果航空公司能够通过生产力提升获得10%的利润增值,他们就会义无反顾地购买更多飞机、扩建更多机场,从而创造成千上万的就业机会,并与商业航空供应链产生积极的连锁反应。

隐私: 隐私问题已经成为目前美国消费者、企业以及监管机构面临的最大挑战之一。一般来说,AI被视为一种反隐私技术,但其同时也具有巨大的隐私保障与偏见消除潜力,甚至能够纠正其他AI系统中存在的偏见。以人脸识别为例,大多数人都认为在城市街道上扫描并记录民众面部信息是对个人隐私的严重侵犯。但与此同时,大多数人也同意,城市街道上的智能摄像机能够极大威慑犯罪,并有助于发现危险人物。因此,最科学的方式可能是利用AI——特别是轻量级AI系统——在摄像机之内进行数据缓存与处理,而无需将其上传至中央系统。换言之,如果在24小时之内,摄像机所拍摄的区域内并未成为犯罪现场,也没有出现通缉在逃的犯罪分子,则相关数据会被自动删除。

正如艾伦人工智能研究所的Oren Etzioni在文章中的观点,虽然事实证明AI系统确实会在种族、性别等方面表现出偏见,但AI系统之间的相互监督能够很好地解决这类问题。此外,AI在网络安全、隐私以及警备层面的联动效应也在逐步实现。

联合学习: 联合学习的兴起代表着隐私权保障工作的又一大进展,有望带来规模更大的经济与环境效益。这类新兴框架能够在边缘位置(相对于大型集中式数据库)的成千上万台智能手机上运行模型以实现机器学习的去中心化。由于现代智能手机普遍运行有AI芯片,因此其有能力以本地方式运行ML模型。这不仅有助于为单一用户定制移动软件,同时也可通过高级加密方式保证发送至中央服务器的所有个人数据不致被恶意人士所窥探。

联合学习具有巨大的发展空间,足以改善数据收集的隐私性,并使非个人数据聚合方(例如亚马逊、谷歌、微软或者Facebook)的创新人士得以为企业及消费者构建起强大的AI解决方案。但要让这一新兴领域真正迸发能量,我们还需要解决一系列重要的研究性难题。可以肯定的是,联合学习为AI驱动世界的目标带来了真正的希望。在这个即将来临的世界当中,消费者无需大量能源即可有效控制自己的数据与模型。

当上世纪九十年代中期互联网成为主流时,没人能想象我们如今所享受的移动、流媒体内容、基因组学以及按需服务等成果。当时,人们对互联网也有着类似的恐惧——它会消灭数百万个工作岗位,甚至将某些行业整体淘汰。出于种种原因,人们永远都会为这类问题争论不休。但更客观的思路应该是,AI的研究与进步将持续数十年,这将是一个缓慢而又极为重要的过程。虽然我们有必要为由此带来的岗位淘汰做好准备,但也有理由抱持乐观态度。毕竟美国的经济优势在很大程度上源自技术领域的领导地位,而选择倒退绝对不是什么明智的决定。