
Переводчик: Priscilla RA Рецензент: eric vautier
AI, уже есть еще кое-что, чтобы захватить:
некоторые из них очень старые.
Все, кто взял самолеты,
уже доверили свою жизнь ИИ.
Это называется автопилотами.
Нечего бояться,
он работает годами и лучше, чем мужчина.
Также произошли новые изменения.
Появляются ИИ,
которые полагаются на научные принципы
которые будут подробно описаны позже, чтобы вы поняли проблемы,
и это позволяет делать необычные вещи.
Как правило, мы сделали большой проект с SNCF.
Совершенно точно, благодаря этому,
вы меньше опаздываете, когда идете на работу
потому что мы можем предвидеть разбивку до того, как они произойдут.
Мы также делаем очень интересные вещи с AI
в области медицинских исследований.
Мы можем обнаружить слабые сигналы,
пояснительные причины рецидива рака могут быть проанализированы.
Таким образом, это настоящая социальная добавленная стоимость.
Однако я также вижу, что есть эффекты AI
которые являются более диффузными, менее известными
и которые, они, могут иметь пагубные последствия.
Моя точка зрения заключается не в том, чтобы продать вам ИИ,
это сделать вас осведомленными
Проблемы с ИИ
коллективно владеть предметом
и вы хотите обсудить это.
Итак, мы сказали, что тема текста — открыть окно,
поэтому я открою окно ИИ.
Новые ИИ работают по простому принципу
называемое машинное обучение.
Machine Learning отправляет данные в алгоритм,
сказать ему:
«Эти данные вы узнаете из этой базы обучения. «
И через некоторое время,
алгоритм нейронной сети или другой тип алгоритма,
смогут воспроизводить в реальных условиях
что он узнал раньше.
У нас есть два метода с точки зрения машинного обучения.
Существует еще одна классическая техника
называется контролируемым обучением.
Как правило, вы хотите создать алгоритм
который узнает слонов в саванне,
вы отправляете ему 10 000 изображений слонов, говорящих «Это слон»,
а затем вы отправите ему 1 000 000 фотографий носорога
говоря: «Это не слон. «
Это называется контролируемым обучением.
Сейчас это растёт,
потому что теперь у нас есть вычислительные возможности для этого.
Он основан на нейронных сетях
которые известны с 80-х годов.
Это не очень хорошо работает
потому что у нас не было вычислительных навыков для этого.
Существует еще одно семейство алгоритмов, называемых
неконтролируемое обучение.
Итак, вы говорите машине:
«У меня есть данные, сделайте мне расчет расстояний
попытаться выяснить, можете ли вы делать группировки. «
Это соответствует тому, что вы делаете в SVT, с филогенетическими деревьями.
Вы говорите: «Это население близко к этому,
поэтому я положил их очень близко в дерево.
И эта популяция дальше от нее,
так что между ними существует более сильный разрыв. «
В основном это работает.
Это не таинственно.
Но внезапно это имеет последствия, которые могут быть проблематичными.
Итак, первая проблема,
заключается в том, что ИИ является названием текста, мы можем легко их взломать,
то есть мы можем ввести их в заблуждение
сознательно или бессознательно.
Еще один эффект, который также является проблематичным,
это потому, что они охватывают,
поскольку мы увидим, что, работая по сходству,
они, как правило, предлагают вам
что вам уже нравится или что вы уже читали.
Что может иметь проблемный эффект в публичных дебатах.
И, наконец, эти ИИ, мы не будем лгать, преобразуют мир труда,
потому что они заменят некоторых людей
для выполнения задач обработки данных
которые до сих пор управлялись людьми,
или даже начать вождение автомобилей.
Что вызывает вопрос: «Что происходит с таксистом? «
Итак, с точки зрения наивности ИИ, был довольно забавный опыт
который был сделан Microsoft всего 6 месяцев назад.
Они развернули ИИ на Twitter
который должен был жениться на поведении 16-летней девочки.
Оказалось, что есть умные люди
который обнаружил, что это учебный ИИ.
В результате они послали ему много расистских и женоненавистнических сообщений.
Таким образом, в конце концов, она была больше 16-летней девочкой,
но кто-то отвратительный.
Итак, вы должны знать, что ИИ верит всему, что ему говорят.
Вы говорите ему: «Это слон»,
даже если это носорог,
она поймет, что это слон.
Если нам много хакеров, говорящих что-либо,
она в конечном итоге серьезно ответит.
Это первый предмет.
Это может быть смешно, но на практике,
некоторые угоны действительно смущающие.
Существует еще один эффект:
это эффект от маркировки данных.
Итак, для контролируемого обучения вы говорите:
«Это слон, это носорог»,
все в порядке
Теперь, как мы маркируем данные …
Я принял спорный пример
но который показывает, что существует реальная тема вокруг
маркировки данных.
Я, по привычке, склонен говорить,
«Это белый ребенок, это черный ребенок».
Но на самом деле, делая это, я вводил предвзятость
что связано с моим собственным опытом субъекта.
Может быть, если мы зададим вопрос
кому-то с другого континента,
она говорит мне: «Это ребенок, это белый ребенок. «
Проблема входных помех,
заключается в том, что внезапно алгоритм будет соответствовать вашему образу мышления.
Поэтому он будет воспроизводить когнитивные предубеждения, которые у вас есть.
Это, в конечном счете, усилит проблему, которую вы должны были исправить.
Должно быть известно, что ИИ,
благодаря своей способности интегрировать предубеждения, которые у всех нас есть,
может привести к довольно пагубным последствиям усиления предрассудков.
Необходимо знать, что конкретно, чтобы предотвратить эти явления,
такие компании, как Amazon
иметь свои данные изображения, помеченные
и их данные о продуктах
людьми, разбросанными по пяти континентам,
говоря себе:
«Принимая людей из разных культур и стран,
Я смогу исправить этот когнитивный уклон. «
Это второй пагубный эффект: усиление предубеждений, которые у всех нас есть.
Тогда есть еще более раздражающий эффект
о чем много говорили после недавних выборов.
На самом деле это механизмы ИИ
использовать так называемые механизмы сродства.
То есть, мы узнаем в том населении, в котором вы находитесь
люди, думающие, как вы
и мы предложим вам статьи
что люди, которые думают так, как вы нашли хорошо.
Проблема этого эффекта мы этого не осознаем,
но когда вы идете в газетный киоск,
если вы покупаете Человечество, вы знаете
что есть люди, которые покупают Фигаро.
На Земле все разные,
вы постоянно сталкиваетесь с этой инакомыслием в реальном мире.
В цифровом мире,
это немного отличается.
На Facebook у вас есть друзья,
людей, которых нет,
поэтому инаковости не существует.
И механизм близости побуждает вас читать
то, что вы считали правильным
и укрепить вас в ваших собственных предрассудках.
И это имеет чрезвычайно смущающий эффект.
Это просто,
AI, вместо того, чтобы дать вам подумать
и открыть вам горизонты,
он блокирует вас в вашем мышлении
или в способе мышления вашей собственной группы.
И это исчезновение инаковости порождает уродливые вещи.
Я видел это после выборов Трампа.
Это были американцы из Силиконовой долины
которые были удивлены, что никто
проголосовав Трампа среди своих друзей в Facebook.
Как прийти
учитывая, что большинство людей в любом случае проголосовали за Трампа?
Этот усиливающий эффект пузыря заставляет вас упускать из виду
что в вашей стране и вокруг вас много людей
которые не думают, как вы, и не согласны с вами.
Это исчезновение имеет другой эффект:
это внезапно, можно усилить абсурдные убеждения.
Поскольку у нас есть Интернет,
мы видим невероятные сообщества, которые создаются.
Итак, есть те, кто убежден, что облака дыма в небе
являются заговором ЦРУ.
Есть те, кто убежден, что Земля плоская.
Платтеры являются важным сообществом в сети.
Мы не должны верить, что это касается только просвещенных людей.
Они знают,
они просто заперлись в пузыре
который в конце концов говорит им:
«Вокруг меня,
все думают, как я,
поэтому я прав, чтобы думать, что я думаю. «
У нас была надежда.
Интернет станет супер универсальной энциклопедией
и глобальные знания будут развиваться.
Мы понимаем сегодня
что это не обязательно так.
И есть еще один пагубный эффект.
Если вы живете в своем пузыре,
когда в реальном мире вы сталкиваетесь с инакомыслием,
это пугает вас.
Таким образом, у вас есть сильная реакция:
«Кто этот человек, который не похож на меня? «
Вы не привыкли обсуждать.
Таким образом, мы находим в цифровом мире ряд дебатов, которые не очень конструктивны,
где в основном люди обмениваются именами птиц
и это способствует увеличению конфликтности.
Вместо того, чтобы вести здоровые дискуссии о проблемах
потому что вы постоянно сталкиваетесь с разными мнениями,
вы заперты в пузырьках.
Если кто-то не думает, как вы,
человеческий рефлекс должен занять клуб и сильно ударить
чтобы быть прав.
Следите за прилагаемым эффектом.
Я не хочу вас спрашивать,
но на Facebook у вас есть люди
кто имеет политические взгляды, очень отличающиеся от вас?
Задайте себе вопрос.
Если у вас нет друзей в Facebook
что люди, которые думают, как вы,
вы строите пузырь.
К счастью, есть множество решений,
иначе я не был бы здесь сегодня вечером.
Решения не столь сложны для внедрения.
С одной стороны, с того момента, как мы имеем алгоритм машинного обучения,
мы можем делать то же, что и в научных исследованиях.
Операторам службы может быть предложено опубликовать данные
что помогло создать модель и характер модели
чтобы он был открыт для критики.
Было ли предвзятое отношение к выбору изображений?
Это может быть сомнительным.
Конечно, нам не нужно спрашивать у компаний
доверить свои промышленные секреты,
но мы можем очень хорошо сказать:
«Через год вы публикуете
ваш алгоритм и ваши данные обучения,
чтобы увидеть, есть ли уклон. «
И мы смотрим на него как на научного сотрудника.
Итак, это первое.
Сейчас есть тенденция.
Есть движения
подталкивая к прозрачности алгоритмов.
Но мы придем, чтобы противодействовать эффектам, которые мы видели.
Существует еще один эффект:
это похоже на ИИ, как Тэй, что ты видел,
это ИИ, которые делают то, что называется активным обучением,
то есть она продолжает постоянно учиться.
Проблема в том, что это очень сложно.
Итак, с самого момента, когда мы вводим Active Learning AI,
нам нужны гарантии.
Итак, должен быть регулирующий орган, который говорит:
«Вы не можете поместить чатбот в Twitter,
потому что он скоро будет взломан
сообщества не очень конструктивных людей. «
Поэтому нам необходим регуляторный контроль на этом уровне.
Другой эффект, который начинает ставиться под сомнение на Facebook,
не обязательно использовать единственный критерий популярности
статья или мысль в вашей группе
предложить его вам.
Именно это создает механизмы близости.
Люди, которых вы любите, говорят то же самое, что и вы.
Таким образом, он создает пузырь.
Таким образом, мы можем использовать и другие критерии
умерить эти правила ранжирования.
Мы также можем сказать:
«Эта статья исходит из надежного источника, я возвращаюсь. «
Или мы можем сказать:
«Это популярная статья людей
которые имеют сильные мнения,
кто не из вашего сообщества
но я предлагаю это вам в любом случае,
чтобы противостоять тому, что происходит на ежедневной основе «
знать, если я покупаю Человечество, другие покупают Le Figaro и меня, Les Échos,
и «Экономическая альтернатива» покупается другими.
Мне это хорошо известно.
Нет никакой причины, что в цифровом мире эта чуждость исчезает.
Впоследствии возникает вопрос о том, чтобы противостоять людям с разными мнениями.
В цифровом мире,
если вы не согласны,
вы удаляете людей в Twitter, вы удаляете людей на FB,
это не очень конструктивно.
И, наконец, был проект под названием Open AI,
который толкнул издателей GAFA, таких людей, как Элон Муск
которые говорят: «Остерегайтесь, ИИ представляет собой настоящий вызов человечеству,
нам нужно построить этическую структуру вокруг этого. «
На данный момент есть отражения
на диаграммах хорошего использования данных,
и если у ученых данных не должно быть
кодекс этики, такой как врачи и юристы.
Думаю, мы к этому подошли.
Это поставило, мы нашли решения
за те проблемы, которые я вам дал.
Но есть еще одна проблема, которая не решена на данном этапе.
Завтра у нас будут красивые машины, которые будут ездить одни.
Будет меньше дорожно-транспортных происшествий.
Вместо 2 000 000 смертей в год в мире,
у нас останется только 5000 человек.
Это здорово!
Мы не будем этого мешать.
Но подумали ли мы о всех, кто живет
сегодняшняя деятельность транспортных средств:
фельдшеров, водителей такси, водителей грузовиков?
Они окажутся без работы в ближайшем горизонте,
и это соответствует сотням тысяч рабочих мест во Франции.
Если мы не будем думать о переходе,
мы окажемся в ситуации, когда многие люди будут проигравшими,
кто будет без работы,
и будет зависеть от общественной помощи для жизни.
Если мы не организуем это преобразование,
это произойдет, что всегда происходит
когда сотни тысяч людей теряют работу:
будут сильные реакции
как демонстрации или удары достаточно трудно,
или приход к власти не очень конструктивных людей.
Так что, подумайте об этом преобразовании …
У меня небольшая статистика.
29 штатов, в которых вошел Дональд Трамп,
это те, в которых
в первых бассейнах частной занятости.
Большинство людей поняли
что они будут заменены машинами.
Мы должны перестать лгать друг другу.
Мы должны убедиться, что все идет хорошо, а не пытается предотвратить это.
Действительно, существует несколько способов противодействия этой проблеме.
Есть несколько рабочих мест …
Мы можем себе представить, что они легко подменяются.
Я полагаю, что здесь есть большинство инженеров.
Не важно сказать вам, что в 40 лет,
вы будете следить за обучением, чтобы сменить работу.
Есть часть населения
который способен заниматься пожизненной подготовкой.
Это часть ответа на вопрос.
Он не будет относиться ко всем.
Есть еще один способ увидеть вещи.
Также следует проводить различие между занятостью,
которая является работой, за которую вы платите,
и работу, которую вы можете сделать дальше.
Завтра у нас, вероятно, будут люди, которые будут ремесленниками,
кто будет работать в fablabs,
кто сделает свой собственный холодильник, свою радиостанцию, свой компьютер.
Он не будет связан с оплачиваемой деятельностью.
Это не работа, но это работа.
Они не дома ничего не делают.
Мы также увидим появление
превращение мира занятости в мир труда,
где вознаграждение не будет автоматическим для выполняемых задач.
Поэтому мы должны также переосмыслить организацию наших обществ
а не вокруг работы.
Занятость — это то, за что вам платят.
Работа — это тысячи других вещей:
добровольческой деятельности, организации в fablab, няни,
которые создают ценность для общества в целом
и это можно рассматривать как работу.
Поэтому мы меняем небольшую парадигму,
мы заменяем работу на работу.
Мы также можем представить, и это не обязательно шокирует,
сделать массовые компенсационные планы для сотрудников
затронутых этим преобразованием.
В конце концов, все мы будем иметь эффект масштаба.
Подключенные автомобили управляются в одиночку,
такси будет стоить меньше,
грузовые перевозки будут стоить меньше,
поэтому мы все выиграем.
Ничто не шокирует никого
эта часть этой прибыли, созданная автоматизацией,
что он идет на компенсацию людям, пострадавшим от автоматизации.
Нет причин не делать этого.
Наконец, и это новости,
но это не моя точка, когда я запустил TED,
заключается в том, что действительно есть отражения в процессе
в разных странах по универсальному доходу.
Должно быть известно, что изначально универсальный доход был идеей
скорее защищенный людьми из Силиконовой долины, который сказал:
«Будьте осторожны, с тем, что мы видим в лабораториях,
у нас будет большая проблема.
Будет миллионы людей без работы.
Мы не знаем, как относиться к этому,
так сказать прямо сейчас
что мы находим средства для их компенсации,
думая, что это поможет предотвратить чрезвычайную ситуацию. «
Это также способ вознаграждения работой, говоря себе:
«Работа ушла, но это не имеет значения, есть еще работа. «
Вот и все, разные решения.
Они иногда противоречат друг другу.
Нельзя обязательно идти с другим.
У некоторых есть политическая линза, а у некоторых нет.
Но в любом случае остается возможным думать об этом преобразовании.
Что нельзя сделать,
это как если бы все было хорошо
и мы продолжим работу с драйверами доставки
потому что это неправда.
За 50 лет работы с драйверами доставки не будет.
Все кончено, все кончено.
Итак, вот, подумайте о следующем мире.
Поэтому я не хочу сказать, что это чрезвычайно ново.
Решение — это мы, все мы коллективно,
что мы решаем делать с этими ИИ?
В принципе, это не первый раз
в истории человечества мы задаем себе вопросы
о последствиях технологических новшеств.
«Наука без совести — это только гибель души» не нова.
Я просто хотел рассказать тебе сегодня вечером
что ИИ ставили эту старую дискуссию на стол,
и только потому, что будут противоречивые дебаты
и общественный выбор, который будет сделан таким
это будет хорошо
Если мы оставим предмет в единственных руках
такие ученые, как я,
это может пойти не так.
Однако вы можете позвонить мне, чтобы найти решения.
(Смех)
Вот и все, спасибо вам большое.
(Перевод)
AI, уже есть еще кое-что, чтобы захватить:
некоторые из них очень старые.
Все, кто взял самолеты,
уже доверили свою жизнь ИИ.
Это называется автопилотами.
Нечего бояться,
он работает годами и лучше, чем мужчина.
Также произошли новые изменения.
Появляются ИИ,
которые полагаются на научные принципы
которые будут подробно описаны позже, чтобы вы поняли проблемы,
и это позволяет делать необычные вещи.
Как правило, мы сделали большой проект с SNCF.
Совершенно точно, благодаря этому,
вы меньше опаздываете, когда идете на работу
потому что мы можем предвидеть разбивку до того, как они произойдут.
Мы также делаем очень интересные вещи с AI
в области медицинских исследований.
Мы можем обнаружить слабые сигналы,
пояснительные причины рецидива рака могут быть проанализированы.
Таким образом, это настоящая социальная добавленная стоимость.
Однако я также вижу, что есть эффекты AI
которые являются более диффузными, менее известными
и которые, они, могут иметь пагубные последствия.
Моя точка зрения заключается не в том, чтобы продать вам ИИ,
это сделать вас осведомленными
Проблемы с ИИ
коллективно владеть предметом
и вы хотите обсудить это.
Итак, мы сказали, что тема текста — открыть окно,
поэтому я открою окно ИИ.
Новые ИИ работают по простому принципу
называемое машинное обучение.
Machine Learning отправляет данные в алгоритм,
сказать ему:
«Эти данные вы узнаете из этой базы обучения. «
И через некоторое время,
алгоритм нейронной сети или другой тип алгоритма,
смогут воспроизводить в реальных условиях
что он узнал раньше.
У нас есть два метода с точки зрения машинного обучения.
Существует еще одна классическая техника
называется контролируемым обучением.
Как правило, вы хотите создать алгоритм
который узнает слонов в саванне,
вы отправляете ему 10 000 изображений слонов, говорящих «Это слон»,
а затем вы отправите ему 1 000 000 фотографий носорога
говоря: «Это не слон. «
Это называется контролируемым обучением.
Сейчас это растёт,
потому что теперь у нас есть вычислительные возможности для этого.
Он основан на нейронных сетях
которые известны с 80-х годов.
Это не очень хорошо работает
потому что у нас не было вычислительных навыков для этого.
Существует еще одно семейство алгоритмов, называемых
неконтролируемое обучение.
Итак, вы говорите машине:
«У меня есть данные, сделайте мне расчет расстояний
попытаться выяснить, можете ли вы делать группировки. «
Это соответствует тому, что вы делаете в SVT, с филогенетическими деревьями.
Вы говорите: «Это население близко к этому,
поэтому я положил их очень близко в дерево.
И эта популяция дальше от нее,
так что между ними существует более сильный разрыв. «
В основном это работает.
Это не таинственно.
Но внезапно это имеет последствия, которые могут быть проблематичными.
Итак, первая проблема,
заключается в том, что ИИ является названием текста, мы можем легко их взломать,
то есть мы можем ввести их в заблуждение
сознательно или бессознательно.
Еще один эффект, который также является проблематичным,
это потому, что они охватывают,
поскольку мы увидим, что, работая по сходству,
они, как правило, предлагают вам
что вам уже нравится или что вы уже читали.
Что может иметь проблемный эффект в публичных дебатах.
И, наконец, эти ИИ, мы не будем лгать, преобразуют мир труда,
потому что они заменят некоторых людей
для выполнения задач обработки данных
которые до сих пор управлялись людьми,
или даже начать вождение автомобилей.
Что вызывает вопрос: «Что происходит с таксистом? «
Итак, с точки зрения наивности ИИ, был довольно забавный опыт
который был сделан Microsoft всего 6 месяцев назад.
Они развернули ИИ на Twitter
который должен был жениться на поведении 16-летней девочки.
Оказалось, что есть умные люди
который обнаружил, что это учебный ИИ.
В результате они послали ему много расистских и женоненавистнических сообщений.
Таким образом, в конце концов, она была больше 16-летней девочкой,
но кто-то отвратительный.
Итак, вы должны знать, что ИИ верит всему, что ему говорят.
Вы говорите ему: «Это слон»,
даже если это носорог,
она поймет, что это слон.
Если нам много хакеров, говорящих что-либо,
она в конечном итоге серьезно ответит.
Это первый предмет.
Это может быть смешно, но на практике,
некоторые угоны действительно смущающие.
Существует еще один эффект:
это эффект от маркировки данных.
Итак, для контролируемого обучения вы говорите:
«Это слон, это носорог»,
все в порядке
Теперь, как мы маркируем данные …
Я принял спорный пример
но который показывает, что существует реальная тема вокруг
маркировки данных.
Я, по привычке, склонен говорить,
«Это белый ребенок, это черный ребенок».
Но на самом деле, делая это, я вводил предвзятость
что связано с моим собственным опытом субъекта.
Может быть, если мы зададим вопрос
кому-то с другого континента,
она говорит мне: «Это ребенок, это белый ребенок. «
Проблема входных помех,
заключается в том, что внезапно алгоритм будет соответствовать вашему образу мышления.
Поэтому он будет воспроизводить когнитивные предубеждения, которые у вас есть.
Это, в конечном счете, усилит проблему, которую вы должны были исправить.
Должно быть известно, что ИИ,
благодаря своей способности интегрировать предубеждения, которые у всех нас есть,
может привести к довольно пагубным последствиям усиления предрассудков.
Необходимо знать, что конкретно, чтобы предотвратить эти явления,
такие компании, как Amazon
иметь свои данные изображения, помеченные
и их данные о продуктах
людьми, разбросанными по пяти континентам,
говоря себе:
«Принимая людей из разных культур и стран,
Я смогу исправить этот когнитивный уклон. «
Это второй пагубный эффект: усиление предубеждений, которые у всех нас есть.
Тогда есть еще более раздражающий эффект
о чем много говорили после недавних выборов.
На самом деле это механизмы ИИ
использовать так называемые механизмы сродства.
То есть, мы узнаем в том населении, в котором вы находитесь
люди, думающие, как вы
и мы предложим вам статьи
что люди, которые думают так, как вы нашли хорошо.
Проблема этого эффекта мы этого не осознаем,
но когда вы идете в газетный киоск,
если вы покупаете Человечество, вы знаете
что есть люди, которые покупают Фигаро.
На Земле все разные,
вы постоянно сталкиваетесь с этой инакомыслием в реальном мире.
В цифровом мире,
это немного отличается.
На Facebook у вас есть друзья,
людей, которых нет,
поэтому инаковости не существует.
И механизм близости побуждает вас читать
то, что вы считали правильным
и укрепить вас в ваших собственных предрассудках.
И это имеет чрезвычайно смущающий эффект.
Это просто,
AI, вместо того, чтобы дать вам подумать
и открыть вам горизонты,
он блокирует вас в вашем мышлении
или в способе мышления вашей собственной группы.
И это исчезновение инаковости порождает уродливые вещи.
Я видел это после выборов Трампа.
Это были американцы из Силиконовой долины
которые были удивлены, что никто
проголосовав Трампа среди своих друзей в Facebook.
Как прийти
учитывая, что большинство людей в любом случае проголосовали за Трампа?
Этот усиливающий эффект пузыря заставляет вас упускать из виду
что в вашей стране и вокруг вас много людей
которые не думают, как вы, и не согласны с вами.
Это исчезновение имеет другой эффект:
это внезапно, можно усилить абсурдные убеждения.
Поскольку у нас есть Интернет,
мы видим невероятные сообщества, которые создаются.
Итак, есть те, кто убежден, что облака дыма в небе
являются заговором ЦРУ.
Есть те, кто убежден, что Земля плоская.
Платтеры являются важным сообществом в сети.
Мы не должны верить, что это касается только просвещенных людей.
Они знают,
они просто заперлись в пузыре
который в конце концов говорит им:
«Вокруг меня,
все думают, как я,
поэтому я прав, чтобы думать, что я думаю. «
У нас была надежда.
Интернет станет супер универсальной энциклопедией
и глобальные знания будут развиваться.
Мы понимаем сегодня
что это не обязательно так.
И есть еще один пагубный эффект.
Если вы живете в своем пузыре,
когда в реальном мире вы сталкиваетесь с инакомыслием,
это пугает вас.
Таким образом, у вас есть сильная реакция:
«Кто этот человек, который не похож на меня? «
Вы не привыкли обсуждать.
Таким образом, мы находим в цифровом мире ряд дебатов, которые не очень конструктивны,
где в основном люди обмениваются именами птиц
и это способствует увеличению конфликтности.
Вместо того, чтобы вести здоровые дискуссии о проблемах
потому что вы постоянно сталкиваетесь с разными мнениями,
вы заперты в пузырьках.
Если кто-то не думает, как вы,
человеческий рефлекс должен занять клуб и сильно ударить
чтобы быть прав.
Следите за прилагаемым эффектом.
Я не хочу вас спрашивать,
но на Facebook у вас есть люди
кто имеет политические взгляды, очень отличающиеся от вас?
Задайте себе вопрос.
Если у вас нет друзей в Facebook
что люди, которые думают, как вы,
вы строите пузырь.
К счастью, есть множество решений,
иначе я не был бы здесь сегодня вечером.
Решения не столь сложны для внедрения.
С одной стороны, с того момента, как мы имеем алгоритм машинного обучения,
мы можем делать то же, что и в научных исследованиях.
Операторам службы может быть предложено опубликовать данные
что помогло создать модель и характер модели
чтобы он был открыт для критики.
Было ли предвзятое отношение к выбору изображений?
Это может быть сомнительным.
Конечно, нам не нужно спрашивать у компаний
доверить свои промышленные секреты,
но мы можем очень хорошо сказать:
«Через год вы публикуете
ваш алгоритм и ваши данные обучения,
чтобы увидеть, есть ли уклон. «
И мы смотрим на него как на научного сотрудника.
Итак, это первое.
Сейчас есть тенденция.
Есть движения
подталкивая к прозрачности алгоритмов.
Но мы придем, чтобы противодействовать эффектам, которые мы видели.
Существует еще один эффект:
это похоже на ИИ, как Тэй, что ты видел,
это ИИ, которые делают то, что называется активным обучением,
то есть она продолжает постоянно учиться.
Проблема в том, что это очень сложно.
Итак, с самого момента, когда мы вводим Active Learning AI,
нам нужны гарантии.
Итак, должен быть регулирующий орган, который говорит:
«Вы не можете поместить чатбот в Twitter,
потому что он скоро будет взломан
сообщества не очень конструктивных людей. «
Поэтому нам необходим регуляторный контроль на этом уровне.
Другой эффект, который начинает ставиться под сомнение на Facebook,
не обязательно использовать единственный критерий популярности
статья или мысль в вашей группе
предложить его вам.
Именно это создает механизмы близости.
Люди, которых вы любите, говорят то же самое, что и вы.
Таким образом, он создает пузырь.
Таким образом, мы можем использовать и другие критерии
умерить эти правила ранжирования.
Мы также можем сказать:
«Эта статья исходит из надежного источника, я возвращаюсь. «
Или мы можем сказать:
«Это популярная статья людей
которые имеют сильные мнения,
кто не из вашего сообщества
но я предлагаю это вам в любом случае,
чтобы противостоять тому, что происходит на ежедневной основе «
знать, если я покупаю Человечество, другие покупают Le Figaro и меня, Les Échos,
и «Экономическая альтернатива» покупается другими.
Мне это хорошо известно.
Нет никакой причины, что в цифровом мире эта чуждость исчезает.
Впоследствии возникает вопрос о том, чтобы противостоять людям с разными мнениями.
В цифровом мире,
если вы не согласны,
вы удаляете людей в Twitter, вы удаляете людей на FB,
это не очень конструктивно.
И, наконец, был проект под названием Open AI,
который толкнул издателей GAFA, таких людей, как Элон Муск
которые говорят: «Остерегайтесь, ИИ представляет собой настоящий вызов человечеству,
нам нужно построить этическую структуру вокруг этого. «
На данный момент есть отражения
на диаграммах хорошего использования данных,
и если у ученых данных не должно быть
кодекс этики, такой как врачи и юристы.
Думаю, мы к этому подошли.
Это поставило, мы нашли решения
за те проблемы, которые я вам дал.
Но есть еще одна проблема, которая не решена на данном этапе.
Завтра у нас будут красивые машины, которые будут ездить одни.
Будет меньше дорожно-транспортных происшествий.
Вместо 2 000 000 смертей в год в мире,
у нас останется только 5000 человек.
Это здорово!
Мы не будем этого мешать.
Но подумали ли мы о всех, кто живет
сегодняшняя деятельность транспортных средств:
фельдшеров, водителей такси, водителей грузовиков?
Они окажутся без работы в ближайшем горизонте,
и это соответствует сотням тысяч рабочих мест во Франции.
Если мы не будем думать о переходе,
мы окажемся в ситуации, когда многие люди будут проигравшими,
кто будет без работы,
и будет зависеть от общественной помощи для жизни.
Если мы не организуем это преобразование,
это произойдет, что всегда происходит
когда сотни тысяч людей теряют работу:
будут сильные реакции
как демонстрации или удары достаточно трудно,
или приход к власти не очень конструктивных людей.
Так что, подумайте об этом преобразовании …
У меня небольшая статистика.
29 штатов, в которых вошел Дональд Трамп,
это те, в которых
в первых бассейнах частной занятости.
Большинство людей поняли
что они будут заменены машинами.
Мы должны перестать лгать друг другу.
Мы должны убедиться, что все идет хорошо, а не пытается предотвратить это.
Действительно, существует несколько способов противодействия этой проблеме.
Есть несколько рабочих мест …
Мы можем себе представить, что они легко подменяются.
Я полагаю, что здесь есть большинство инженеров.
Не важно сказать вам, что в 40 лет,
вы будете следить за обучением, чтобы сменить работу.
Есть часть населения
который способен заниматься пожизненной подготовкой.
Это часть ответа на вопрос.
Он не будет относиться ко всем.
Есть еще один способ увидеть вещи.
Также следует проводить различие между занятостью,
которая является работой, за которую вы платите,
и работу, которую вы можете сделать дальше.
Завтра у нас, вероятно, будут люди, которые будут ремесленниками,
кто будет работать в fablabs,
кто сделает свой собственный холодильник, свою радиостанцию, свой компьютер.
Он не будет связан с оплачиваемой деятельностью.
Это не работа, но это работа.
Они не дома ничего не делают.
Мы также увидим появление
превращение мира занятости в мир труда,
где вознаграждение не будет автоматическим для выполняемых задач.
Поэтому мы должны также переосмыслить организацию наших обществ
а не вокруг работы.
Занятость — это то, за что вам платят.
Работа — это тысячи других вещей:
добровольческой деятельности, организации в fablab, няни,
которые создают ценность для общества в целом
и это можно рассматривать как работу.
Поэтому мы меняем небольшую парадигму,
мы заменяем работу на работу.
Мы также можем представить, и это не обязательно шокирует,
сделать массовые компенсационные планы для сотрудников
затронутых этим преобразованием.
В конце концов, все мы будем иметь эффект масштаба.
Подключенные автомобили управляются в одиночку,
такси будет стоить меньше,
грузовые перевозки будут стоить меньше,
поэтому мы все выиграем.
Ничто не шокирует никого
эта часть этой прибыли, созданная автоматизацией,
что он идет на компенсацию людям, пострадавшим от автоматизации.
Нет причин не делать этого.
Наконец, и это новости,
но это не моя точка, когда я запустил TED,
заключается в том, что действительно есть отражения в процессе
в разных странах по универсальному доходу.
Должно быть известно, что изначально универсальный доход был идеей
скорее защищенный людьми из Силиконовой долины, который сказал:
«Будьте осторожны, с тем, что мы видим в лабораториях,
у нас будет большая проблема.
Будет миллионы людей без работы.
Мы не знаем, как относиться к этому,
так сказать прямо сейчас
что мы находим средства для их компенсации,
думая, что это поможет предотвратить чрезвычайную ситуацию. «
Это также способ вознаграждения работой, говоря себе:
«Работа ушла, но это не имеет значения, есть еще работа. «
Вот и все, разные решения.
Они иногда противоречат друг другу.
Нельзя обязательно идти с другим.
У некоторых есть политическая линза, а у некоторых нет.
Но в любом случае остается возможным думать об этом преобразовании.
Что нельзя сделать,
это как если бы все было хорошо
и мы продолжим работу с драйверами доставки
потому что это неправда.
За 50 лет работы с драйверами доставки не будет.
Все кончено, все кончено.
Итак, вот, подумайте о следующем мире.
Поэтому я не хочу сказать, что это чрезвычайно ново.
Решение — это мы, все мы коллективно,
что мы решаем делать с этими ИИ?
В принципе, это не первый раз
в истории человечества мы задаем себе вопросы
о последствиях технологических новшеств.
«Наука без совести — это только гибель души» не нова.
Я просто хотел рассказать тебе сегодня вечером
что ИИ ставили эту старую дискуссию на стол,
и только потому, что будут противоречивые дебаты
и общественный выбор, который будет сделан таким
это будет хорошо
Если мы оставим предмет в единственных руках
такие ученые, как я,
это может пойти не так.
Однако вы можете позвонить мне, чтобы найти решения.
(Смех)
Вот и все, спасибо вам большое.
(Перевод)
Please follow and like us:
Be First to Comment