在线客服
扫描二维码
下载博学谷APP
扫描二维码
关注博学谷微信公众号
十几年前,纽约时报的记者Monica Redwood第一次采访时任谷歌CEO的埃里克·施密特(Eric Schmidt)时,问了一个简单的问题——谷歌的人工智能技术已经能够监视人类所有的运动、观点、关系和品味,那它是朋友还是敌人?
施密特回答:“我们声称是朋友。”
十几年后,这位记者问了他关于人工智能的同一个问题:“是敌是友?”

人工智能是敌是友?
未来人工智能将无处不在。尤其是对孩子来说,如何成为人工智能的好朋友?如果人工智能发动战争将会是什么样?人工智能可以感知到我们感知不到的现实吗?人工智能有可能明白人类无法理解的东西吗?
施密特认为,人工智能是动态的,它一直在变化。它是新奇的,会做人类意想不到的事情。最重要的是,它有学习的能力。他同意埃隆·马斯克(Elon Musk)的观点,即当我们建造没有自毁开关的人工智能时,我们等于在“召唤恶魔”,而人类可能会像史蒂夫·沃兹尼亚克(Steve Wozniak)所说的那样,最终成为人工智能的家庭宠物,这还是幸运的情况下。
在谈到马斯克和斯蒂芬·霍金(Stephen Hawking)等人提出的警告时,施密特表示,霍金这些人认为,通过释放人工智能,最终会出现一个比人类聪明10倍、100倍或1000倍的机器人霸主。但是,“我的答案不同,我认为所有的证据都表明,这些人工智能将会非常聪明,但它们无法像人类一样思考。我们将不得不共存。”
他不觉得Siri和Alexa会在某个晚上杀了人类,相反他认为这些东西可能会成为孩子最好的朋友。
人们对人工智能的看法大相径庭。虚拟现实之父杰伦•拉尼尔(Jaron Lanier)对硅谷痴迷于人工智能“科技幻想”的数字精英们就嗤之以鼻。
关于Facebook改名Meta
施密特说,一名牛津大学的学生曾告诉他关于社交媒体的毒害,“无聊和匿名的结合,上瘾和仇恨的交汇,将带来巨大危险。”
“我想说,10年前,当我非常努力地在这些社交网络上工作时,也许还是很单纯的,但我们从没想过政府会像2016年那样利用它们来对付公民。”
当问到他是否认为Facebook可以通过改名为Meta而摆脱麻烦时,他说:“谷歌更名为Alphabet,但谷歌还是那个谷歌。Facebook也是如此。”
关于元宇宙
至于扎克伯格想要引诱我们进入的元宇宙到底是怎么回事,施密特认为:“所有谈论超能力的人都是在吹嘘一个比当前世界更令人满足的幻境——你将更富有,更英俊,更美丽,更强大。所以,在未来的几年里,人们会选择花更多的时间成本,戴着VR眼镜进入元宇宙。但是,谁来制定规则?这个世界变得更加数字化而非实体化之后,对人类社会来说未必是好事情。”
— 申请免费试学名额 —
在职想转行提升,担心学不会?根据个人情况规划学习路线,闯关式自适应学习模式保证学习效果
讲师一对一辅导,在线答疑解惑,指导就业!
相关推荐 更多
人工智能培训有用吗?学完可以做什么工作?
随着人工智能在全球掀起的新风暴,国内的AI技术更是迎来了新一轮的突破。在人工智能高速发展的新时期,中高端的AI技术人才缺口经进一步扩大。为了满足企业公司的人才需求,不少IT培训机构都开设了人工智能培训课程。但是不少人还是会有这样的怀疑:人工智能培训有用吗?学完可以做什么工作?
10506
2019-10-10 11:31:35
入门数据科学必读书单推荐
随着技术的迅猛发展和数据的快速增长,数据科学已经开始渗透各行各业。数据科学作为一门跨学科的领域,想要入门可以说并不轻松,需要学习的内容包括了SQL、Python编程语言、网络爬虫、数据分析、机器学习、数据挖掘以及数据结构算法等等内容。下面是小编整理的入门数据科学必读书单推荐,感兴趣的朋友可以看看,相信对你的学习一定会有帮助。
7059
2019-11-20 16:37:50
人工智能要学习哪些数学知识?
近些年,随着人工智能的又一次崛起,越来越多的人选择加入人工智能的学习行列。在学习人工智能的时候,我们首先需要学习和掌握一定的数学知识。可能会有人问了,人工智能要学习哪些数学知识呢?大致来讲就是三大核心知识,即高等数学基础、线性代数以及概率与统计。下面我们一起来看看具体的学习内容~
14299
2020-06-04 14:43:10
人工智能投资领域应用效果显著人才缺口大
现阶段人工智能技术正在进入落地应用、创造价值的新阶段,得益于“新基建”政策的推动,人工智能或迎来最佳发展时期。人工智能技术无论是在核心技术,还是典型应用上都已出现爆发式的进展。高校在人工智能人才的培养上刚刚起步,从长远来看,人工智能产业的发展和人才的培养,迫切地需要高校积极发力,广泛开设人工智能专业。
7076
2020-07-20 15:17:57
机器学习和深度学习的区别是什么?
机器学习和深度学习的区别是什么?随着业内对数据科学和机器学习使用的日益增长的趋势,对于每个想要生存下来的公司来说,重视机器学习将变得非常重要。今天小编从应用场景、所需数据量、数据依赖性、硬件依赖、特征处理、执行时间、解决问题的方法这几个方面的对比他们之前的区别。
12737
2020-08-28 15:11:47
