关于人工智能和机器学习的10个TED演讲

简介: 人工智能一直是一个既有魅力又有幻想的话题,通常出现在计算机科学和好莱坞电影的领域。随着人工智能和机器学习等相关的子学科在人们的日常生活中成为现实,这种吸引力也在增长。

人工智能将如何重塑人们的职业生涯?会让人们更健康?如何提高分辨真假视频的能力?最近的TED演讲探讨了一些有趣的人工智能问题。


人工智能一直是一个既有魅力又有幻想的话题,通常出现在计算机科学和好莱坞电影的领域。随着人工智能和机器学习等相关的子学科在人们的日常生活中成为现实,这种吸引力也在增长。


但是现在,人们越来越关注人工智能带来的实际影响,从企业IT应用到对工作就业、全球经济、医疗保健、政府运营等更广泛的影响。


最近的一系列TED演讲表明了人工智能从投机到实际应用的转变:人类和无所不在的人工智能将如何共存?人工智能在现在和以后会带来什么好处?人工智能将如何改造行业?


以下汇总了10个TED演讲,将以发人深省的方式探讨这些和类似的问题,将讨论人们现在和将来真正面临的人工智能问题。


1.机器学习如何教会人们建立更有效的团队


演讲者:Drew Humphreys


前美国海军陆战队军官和现任经理Drew Humphreys根据他在战场和企业环境中的经验,分享了企业高管和管理人员如何更好地准备在日益自动化、机器驱动的未来中保持领先的想法。他表示,现在的领导力不是控制,而是赋予其他人权力。“当我摆脱困境时,释放了自己并不知道存在的人类潜能。”他指出,具有讽刺意味的是,从机器学习中可以学到一些最好的领导经验:例如,机器学习算法只能和人们提供的数据一样好。类似的原则适用于领导者如何与他们的团队共享信息。


2.如何在数字化未来成为“团队人”


演讲者:Douglas Rushkoff


媒体理论家道格拉斯•拉什科夫在一次演讲中警告说,在这个世界上,人们的价值仅仅是因为他们的数据而不是他们的创造力,教育被视为一种工作培训,而不是对一份工作做得很好的奖励。这是对数字景观的一些关键特征的价值的反向观察,例如社交媒体和其他无处不在的应用。“我们不得不停止使用技术为市场来优化人类的价值,并开始为人类的未来优化技术。”Rushkoff说,“但这是一个非常困难的论点,因为人类可能成为不受欢迎的人。”


3.人工智能如何拯救人性


演讲者:李开复


中国风险资本家和技术专家李开复探讨了人工智能具有的一个令人恐惧的因素,那就是人工智能会让许多人失去工作。如果利用人工智能的力量来帮助人们重新接受核心人类价值观,那么它实际上应该是人工智能最强大的方面之一。人们不应该把日以继夜地工作(或他所说的“996”工作制)当成一种美德,而应该考虑人工智能如何让有更多的时间与家人和重要的人在一起,而不是主要通过工作来定义自己。他说:“工业时代让我们意识到,工作是我们存在的原因,工作定义了生活的意义。而我是那种工作狂思维的主要的受害者。”


4.一种监测生命体征的新方法


演讲者:Dina Katabi


人工智能将越来越多地从过度投机的事物转变为日常现实的方式之一,人们更好地理解人工智能(以及机器学习和深度学习等)如何在特定环境中产生巨大影响,例如医疗保健和健康监控。麻省理工学院的研究人员Dina Katabi展示了无线技术和机器学习的进步如何能够很快彻底改变医疗保健监控,当今通常需要侵入性程序或笨重的可穿戴设备,并且通常需要亲自访问。


5.人们能否保护人工智能免受偏见?


演讲者:Robin Hauser


关于未来的许多重要的社会,经济和道德问题越来越依赖于生活这么多方面的算法。这是紧急事件之一:当这些算法带入人类偏见时会发生什么?纪录片制片人Robin Hauser探讨了这个问题,并指出如果人工智能系统带入了人为偏见,将很难消除。在此推荐麻省理工学院研究员JoyBuolamwini发表的一个名为“我如何克服算法中的偏见”TED演讲,对于人们必须关注的人工智能偏见的关键问题进行了阐述。


6.区块链和人工智能如何帮助人们破译医学的大数据


演讲者:Gunjan Bhardwaj


大数据的一个问题是,它很大,而且越来越大,大到以至于人类无法真正解决相关问题。在医疗保健等环境中,这是一个特别紧迫的问题,数据可以挽救生命(如果使用不当,可能会危及生命)。复杂性处理专家Gunjan Bhardwaj分析了区块链和人工智能的结合如何帮助人们理解大量的医疗信息,并在必要时明智地采取行动。


7. 人工智能如何获得授权,而不是控制权


演讲者:Max Tegmark


“生命3.0:人工智能时代的人类”一文的作者Max Tegmark对人工智能将带来的重大和不可避免的变化提出了更为乐观的看法。他表示,人类并不是自满,而只是对这些变化做出反应,而不是主动塑造它们。他说,“我乐观地认为,我们可以创造一个真正鼓舞人心的高科技未来。如果人们希望赢得智慧的竞赛,这将是一个很大的挑战。不断增长的技术力量与不断增长的智慧需要进行竞赛。但这需要改变战略,因为人们的原有战略是一直在从错误中吸取教训。”


8.虚假的真人视频 - 以及如何发现它们


演讲者:Supasorn Suwajanakorn


计算机科学家Supasorn Suwajanakorn揭示了人工智能和3D建模令人难以置信的能力,可以从真实的人们的角度创建令人难以置信的逼真视频(甚至是交互式全息图),即使它们不是真实的。这是人工智能a创新的一个有力例子,它有潜在的益处(Suwajanakorn的项目最初是记录和保存个人账户),如果使用不道德也是有害的。它还说明了对数字扫盲技能日益增长的基本需求,以便人类可以分辨真实和机器制造之间的区别。


9.关于工作未来的3个误区(以及它们为什么不真实)


演讲者:Daniel Susskind


Daniel Susskind的演讲主题是“自动化焦虑” 的蔓延,也就是说,有一天几乎所有人都可能会因为人工智能而失去工作。在人工智能时代,人们对未来的工作有着非常真实的担忧。这在最近的一些TED演讲中是一个明显的主题,但是,这些担忧的焦虑也会导致一些误区,这些误区无法帮助人们为未来做好准备。


10. 人工智能治疗疗法


演讲者:Mother London


创意机构Mother London公司的一个有趣的短片让人们想象出人工智能未来的更光明的一面:如果未来的人工智能机器人变得有点过于娇宠,也就是太过人性化,那么为了它们自己的利益将会发生什么?

相关文章
|
5月前
|
机器学习/深度学习 人工智能 供应链
从概念到商业价值:AI、机器学习与深度学习全景指南
在这个科技飞速发展的时代🚀,人工智能正以惊人的速度渗透到我们的生活和工作中👀。但面对铺天盖地的AI术语和概念,很多人感到困惑不已😣。"AI"、"机器学习"、"深度学习"和"神经网络"到底有什么区别?它们如何相互关联?如何利用这些技术提升工作效率和创造价值?
|
3月前
|
机器学习/深度学习 人工智能 运维
阿里云PAI人工智能平台介绍、优势及收费标准,手动整理
阿里云人工智能平台PAI是面向开发者和企业的机器学习与深度学习工程平台,提供数据标注、模型构建、训练、部署及推理优化等全链路服务。内置140+优化算法,支持PyTorch、TensorFlow等多种框架,具备高性能训练与推理能力,适用于自动驾驶、金融风控、智能推荐、智慧医疗等多个行业场景。PAI提供零代码开发、可视化建模、大模型一键部署等功能,助力企业快速构建AI应用。支持多种购买方式,如按量付费、预付费等,满足不同业务需求。
|
4月前
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL消息传递接口的PyG替换
DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库,昇腾NPU对PyG图机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。
|
4月前
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL图构建接口的PyG替换
本文探讨了在图神经网络中将DGL接口替换为PyG实现的方法,重点以RFdiffusion蛋白质设计模型中的SE3Transformer为例。SE3Transformer通过SE(3)等变性提取三维几何特征,其图构建部分依赖DGL接口。文章详细介绍了两个关键函数的替换:`make_full_graph` 和 `make_topk_graph`。前者构建完全连接图,后者生成k近邻图。通过PyG的高效实现(如`knn_graph`),我们简化了图结构创建过程,并调整边特征处理逻辑以兼容不同框架,从而更好地支持昇腾NPU等硬件环境。此方法为跨库迁移提供了实用参考。
|
5月前
|
数据可视化 Rust 机器学习/深度学习
mlop.ai 无脑使用教程 (机器学习工具 WandB/ClearML 的首个国区开源平替)
mlop.ai 是首个为国区用户优化的机器学习工具,全栈免费开源,是主流付费解决方案 ClearML/WandB 的开源平替。常规实验追踪的工具经常大幅人为降速,mlop因为底层为Rust代码,能轻松支持高频数据写入。如需更多开发者帮助或企业支持,敬请联系cn@mlop.ai
274 12
mlop.ai 无脑使用教程 (机器学习工具 WandB/ClearML 的首个国区开源平替)
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
AI训练师入行指南(三):机器学习算法和模型架构选择
从淘金到雕琢,将原始数据炼成智能珠宝!本文带您走进数字珠宝工坊,用算法工具打磨数据金砂。从基础的经典算法到精密的深度学习模型,结合电商、医疗、金融等场景实战,手把手教您选择合适工具,打造价值连城的智能应用。掌握AutoML改装套件与模型蒸馏术,让复杂问题迎刃而解。握紧算法刻刀,为数字世界雕刻文明!
229 6
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
Java+机器学习基础:打造AI学习基础
随着人工智能(AI)技术的飞速发展,越来越多的开发者开始探索如何将AI技术应用到实际业务场景中。Java作为一种强大的编程语言,不仅在企业级应用开发中占据重要地位,在AI领域也展现出了巨大的潜力。本文将通过模拟一个AI应用,从背景历史、业务场景、优缺点、底层原理等方面,介绍如何使用Java结合机器学习技术来打造一个AI学习的基础Demo。
366 18
|
8月前
|
机器学习/深度学习 数据采集 人工智能
容器化机器学习流水线:构建可复用的AI工作流
本文介绍了如何构建容器化的机器学习流水线,以提高AI模型开发和部署的效率与可重复性。首先,我们探讨了机器学习流水线的概念及其优势,包括自动化任务、确保一致性、简化协作和实现CI/CD。接着,详细说明了使用Kubeflow Pipelines在Kubernetes上构建流水线的步骤,涵盖安装、定义流水线、构建组件镜像及上传运行。容器化流水线不仅提升了环境一致性和可移植性,还通过资源隔离和扩展性支持更大规模的数据处理。
|
10月前
|
机器学习/深度学习 传感器 人工智能
人工智能与机器学习:改变未来的力量####
【10月更文挑战第21天】 在本文中,我们将深入探讨人工智能(AI)和机器学习(ML)的基本概念、发展历程及其在未来可能带来的革命性变化。通过分析当前最前沿的技术和应用案例,揭示AI和ML如何正在重塑各行各业,并展望它们在未来十年的潜在影响。 ####
240 27

热门文章

最新文章