ai（人工智慧）經歷了幾次嚴重的資金削減和缺乏興趣，如20世紀70年代和80年代。它們被稱為「人工智慧冬季」，是核冬天概念的參考，太陽被一層煙霧和灰塵阻擋！
但是，當然，現在情況有很大不同。人工智慧是最熱門的技術類別之一，也是facebook，谷歌，微軟等公司的戰略重點。
我們還能面對另乙個冬天嗎？可能事情已經走得太遠了？好吧，這真的很難說。請記住，之前的ai冬季是對許多巨集偉承諾沒有實現的事實的反應。
但截至目前，我們正在看到許多影響不同行業的創新和突破。風險投資公司也正在為創業公司提供大額支票，而大型科技公司則一直在加大併購力度。
簡而言之，幾乎沒有放緩的跡象。
一種新的ai冬天？
馬克吐溫說，歷史不會重演，但往往會押韻。ai可能就是這種情況 - 也就是說，我們可能會看到一種新的冬季。這是社會在很長一段時間內以微妙的方式受到負面影響的地方。
根據darwinai的首席科學家和聯合創始人alex wong的 說法，模型中的偏見問題是其中的主要部分。例如，人工智慧在招聘中被利用，其中包括根據大量簡歷篩選候選人。
「雖然這種方法似乎是資料驅動的，因而是客觀的，但在過去的這些招聘實踐中存在重大的性別和文化偏見，然後由人工智慧學習，就像兒童可以從他們所教授的內容中獲取歷史偏見一樣，」亞歷克斯。「如果不進行更深入的調查，該系統將開始制定有偏見和歧視性的決策，這些決策可能會產生負面的社會影響，並在被釋放到公司時產生更大的不平等。」
但這不是一次性的。偏見確實是乙個普遍存在的問題，具有腐蝕性，經常不被發現。事實上，乙個重要的原因是人工智慧社群的文化，它更注重爭取準確率 - 不一定對更廣泛的影響感興趣。
另乙個因素是ai工具變得越來越普遍並且通常可以自由使用。因此，由於沒有經驗的人建立模型，我們更有可能在結果中看到更多的偏見。
該怎麼辦？
可解釋性是關於理解ai模型。確實，這很難，因為深度學習系統可能是黑盒子。但是有創造性的方法可以解決這個問題。
請考慮以下來自christian beedgen，他是sumo logic的聯合創始人兼首席技術官 ：
「在我們開發sumo logic的早期，我們構建了乙個通用且無監督的異常檢測系統，以跟蹤不同分類日誌的出現頻率，並認為這有助於我們發現有趣的趨勢和異常值。然而，一旦實施，我們發現 - 儘管採用了多種方法 - 我們的高階異常檢測演算法生成的結果對我們的使用者來說根本無法解釋。我們意識到，如果人類無法弄清楚它們的含義，那麼複雜演算法的結果並不重要。從那時起，我們專注於較窄的問題狀態，以建立從根本上更簡單 - 因此更有用 - 的**機制。「
這是乙個艱難的教訓，但它最終對公司至關重要，因為產品變得更加強大和有用。sumo logic已經籌集了2.3億美元，是該領域的頂級公司之一。
接下來是什麼？
展望未來，人工智慧行業需要更加積極主動，迫切需要公平，問責和透明。一種幫助實現這一目標的方法是在平台中構建功能，提供可解釋性和偏見的見解。即使擁有老派道德委員會也是乙個不錯的選擇。畢竟，這在大學研究中很常見。
「受人工智慧影響的導致歧視和不平等的決策，如果不加以控制，可能會導致人工智慧失去信任，這反過來會阻礙其廣泛採用，特別是在真正受益的行業，」亞歷克斯說。「我們不僅要努力提高部署的人工智慧系統的透明度和可解釋性，還要教育那些構建這些系統的人，讓他們了解公平性，資料洩漏，建立者責任和固有的偏見問題。目標不僅是高效的人工智慧系統，還包括社會可以信任的系統。「
智慧型合約內部呼叫另乙個智慧型合約
最近在看以太坊，順便記錄一下，這篇文章的目的是乙個智慧型合約呼叫另乙個智慧型合約的方法，寫個demo記錄一下 pragma solidity 0.4.18 contract datacontract contract controlcontract function set uint256 valu...
判斷乙個物件是否是另乙個的字首
題目 給出兩個int型的vector物件，編寫程式判斷乙個物件是否是另乙個物件的字首。如果兩個vector物件的長度不相同，假設較短的vector物件長度為n，則只對這兩個物件的前面n個元素做比較。例如，對於 0，1，1，2 和 0，1，1，2，3，5，8 這兩個vector，你的程式應該返回tru...
oracle中判斷乙個串中是否包含另乙個串
select decode instr corporateaaaa floor aaaa 0,0,1 from dualinstr方法的格式為 instr 源字串,目標字串,起始位置,匹配序號 例如 instr corporate floor or 3,2 中，源字串為 corporate floo...