计算机伦理作业2023

 

1.强力法和训练法各有什么优缺点?分别适用于什么应用场景?它们的结合有什么必要性和优势?

强力法：

优势：具有可解释性，领域定律为解释奠定了基础

缺点：缺乏知识库正确性标准。存在脆弱性问题。

场景适用：第一，该场景的设计规范可以用有限多个确定的要素来描述；第二，这些要素共同遵循一组领域定律，并可以用AI模型充分表达；第三，相对于该场景的设计规范，上述AI模型的预测与实际情况足够接近

训练法：

优势：不具有可解释性

缺点：缺乏可解释性 （黑匣子）训练法仍然没有消除脆弱性

场景适用：第一，存在一套完整、确定的设计和评价准则，能反映该场景的设计规范；第二，存在一个有限确定的代表性数据集，其中的数据能够反映该场景的所有其他数据；第三，存在一个ANN和监督学习方法，训练完成后，ANN将满足评价准则的全部要求。

结合的必要性和优势

对于大规模问题，人工标注实际上是不可行的，必须通过与强力法相结合，变换为自动标注的问题。训练法和强力法都存在明显短板。工程上，训练法的主要短板之一是需要对大量原始数据进行人工标注，强力法的主要短板是需要人工编写知识库或制定状态空间。一定条件下，强力法和训练法的结合可同时消除或减弱上述两大短板，AlphaGo Zero是这种尝试的一个成功案例。

讨论深蓝和AlphaGo算法的相同和不同点，进而说明第三次AI浪潮有什么进步?

两代人工智能最重要的差别在于：深蓝仍然是专注于国际象棋的、以暴力穷举为基础的特定用途人工智能，而AlphaGo是几乎没有特定领域知识的、基于机器学习的、高度通用的人工智能。这一区别决定了深蓝只是一个象征性的里程碑，而AlphaGo则更具实用意义。进步：随着机器视觉领域的突破，深度学习迅速开始在语音识别、数据挖掘、自然语言处理等不同领域攻城略地，甚至开始将以前被人们视为科幻的自动驾驶技术带入现实。此外，基于深度学习的科研成果还被推向了各个主流商业应用领域，如银行、保险、交通运输、医疗、教育、市场营销等，第-次实现了人工智能技术与产业链条的有机结合。

3.举例说明未来AI可能产生的不确定性，即给人类带来的益处和风险?

人工智能的利：首先，在生产领域，人的各种能力都已被效率更高且成本低廉的机器及人工智能实体代替，劳动力将大被解放。其次，我们的环境问题将会被改善，较少的资源将会满足更大的需求。第三，人工智能将会大增强人类认识世界、适应世界的能力。

人工智能的弊：自主武器是人工智能系统，可编程杀死。在错误的人手中，这些武器很容易造成大规模伤亡。此外，人工智能军备竞赛可能无意中导致人工智能战争，也导致大规模伤亡。为了避免被敌人挫败，这些武器的设计极难“简单地”关闭，因此人类可能会失去对这种情况的控制。

4.能否针对某个重大社会问题，提出个用AI解决该问题的方 案设想?

对于全球变暖的危机。Hypergiant Industries首席执行官开始研究树木是否真的是最好的解决方案，或者是否有其他有效的替代品。事实证明，藻类在减少大气中的碳方面实际上比树木更有效，可用于制造碳负极燃料、塑料、纺织品、食品、肥料等等。 “我们的研究利用藻类和AI创建Eos生物反应器，这是一种原型生物反应器，吸碳效果超过树木400倍。”