《中国人工智能学会通讯》——1.35 关于禁止杀人机器的话题

1.35 关于禁止杀人机器的话题

2015 年 4 月,来自全球 90 多个国家的众多政治家和军事专家们齐聚日内瓦,就“致命性自主武器系统”议题开展第二次会议讨论。致命性自主武器系统又名全自主武器,人们更习惯通俗的称它为杀人机器。作为与会代表,知名人工智能领域专家斯图尔特·罗素强调,人工智能研究团体已经开始意识到针对自主武器的忧虑正在逐渐蚕食其自身的声誉,同时他提到目前有数个专业性质的组织正在发起投票,从而了解人们针对这个话题的总体态度。

同年 7 月 28 日,超过一千位人工智能和机器人专家联合发布了一封公开信
1 ,提议针对那些超越“有意义的人类控制”的进攻性自动武器进行全面禁止。因而在此背景下,本刊也适时地将关注点放在全自主武器上,特别是倡导对于其研发、生产以及使用进行超前禁止,这也和大多数人工智能研究团体、超过 20 位诺贝尔和平奖得主及其他方面所发起的“反杀人机器运动”不谋而合。

毋庸置疑,人工智能和更大程度的自动化能为军事及人道主义事务带来益处。多数反对者其实仍然是人工智能和机器人研究的支持者。但是,将全自主机
器人武器化却被大多数人视作一种激进的行为。

时间: 2024-08-02 15:33:52

《中国人工智能学会通讯》——1.35 关于禁止杀人机器的话题的相关文章

《中国人工智能学会通讯》——1.36 禁止全自主武器的诸多原因

1.36 禁止全自主武器的诸多原因 这里的核心考量在于这种武器一旦被激活,便拥有无需人工干预的目标选择和锁定能力.也就是说,我们不再需要一个有情感和思想的人来告诉系统攻击什么或者是什么时候发起攻击,因为这些工作都将被武器系统自身取代.这种改变所带来的影响已远远超越武器装备形式本身,从而上升到战争形态层面的剧烈改变,很容易使交战各方忽略人道主义的基本要义. 很多人工智能研究人士将特别关注全自主武器数量的快速增长及其可能给全球带来的安全威胁.即使是只有一个国家拥有的这样的武器,那么其他国家也会纷纷跟

《中国人工智能学会通讯》——7.8 什么是机器阅读理解

7.8 什么是机器阅读理解 阅读理解对大部分人来说都不陌生.我们大都参加过高考,在大学里可能也都参加过四 / 六级英语考试,在语文.历史.地理等考试中阅读理解的题型经常出现.维基百科对于阅读理解的定义是:阅读理解是一种阅读一段文本并且对其进行分析,并能理解其中的意思的能力.而机器阅读理解顾名思义就是让机器具备文本阅读的能力,准确理解文本的语义,并正确回答给定的问题. 阅读理解任务中有三个核心的组成部分,一个是文档:还有一个是问题:最后一个是选项.其中文档通常为给定的一篇文档或者几段文本.而问题根

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智

中国人工智能学会通讯——2016机器智能前沿论坛召开

2016 年 12 月 17 日,由中国人工智能学会.中国工程院战略咨询中心主办,今日头条.IEEE<计算科学评论>协办的"2016机器智能前沿论坛"暨"2016 BYTE CUP国际机器学习竞赛颁奖仪式"在中国工程院举办.论坛嘉宾包括中外顶尖的数据挖掘.机器学习,以及自然语言处理方向的专家学者. 与以往不同,本次论坛除介绍机器学习的重大进展和应用外,还着重讨论了机器学习技术在媒体数据上的应用,并为2016 BYTE CUP 国际机器学习竞赛的获奖选手进