Dec, 2017

人工智能的系统挑战：伯克利视角

PDF
TL;DR该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。
artificial intelligencemachine learningsystems softwaresecuritydata privacy
发现论文，激发创造
  • 美国人工智能研究的 20 年社区路线图

    这篇近期的论文讨论了人工智能的发展、应用现状及未来所需的研究方向与挑战，特别是人工智能公平、可信、安全的需求。

    Aug, 2019

  • 构建可靠的深度学习系统

    介绍了人工智能技术的广泛应用和存在的问题，并提出了对 “AI 工程” 学科的需求，探讨了相关概念和需要解决的关键挑战。

    Oct, 2019

  • 人感知 AI 系统的挑战

    讨论了设计人类感知人工智能系统面临的挑战，包括建模人类的心理状态、识别其愿望和意图、提供主动支持、展示可解释性行为、并引发信任等，并强调这种系统引出的伦理困境和推广真正跨学科合作的必要性。

    Oct, 2019

  • 探讨高水平人工智能的差异化风险和控制问题

    本文使用分层复杂系统框架对人工智能（AI）风险进行建模，并从公共和私营领域的领域专家收集调查数据以分类 AI 影响和可能性，结果显示强大的 AI 代理情景有更多不确定性，对 AI 对齐失败和影响寻求行为的关注增加以及对多智能体环境的信心增强。

    Nov, 2022

  • 社交人工智能及人工智能生态系统挑战

    本研究论文旨在借助复杂系统、网络科学和人工智能的交叉领域构建社交人工智能的基础，并探讨了社交人工智能领域中的主要问题、可能出现的技术和科学挑战，以及未来的研究方向。

    Jun, 2023

  • 科学面对互操作性作为成功与恶的必要条件

    在人工智能系统实现互操作性的过程中，新的伦理问题凸显出来，它们连接了我们生活中的不同领域，而这些领域之间的不同的社会奖励因此会发生改变，同时也会影响到不同领域的正义。然而，将看似相互独立的领域进行联系是知识和科学进步的必要步骤。

    Feb, 2022

  • 跨学科方法探讨人工智能对社会影响的理解

    人工智能创新主要关注 “what” 和 “how” 问题，忽视可能的危害与社会背景，导致了潜在的社会技术问题，因此我们需要计算机科学和社会学科之间更紧密的联系。

    Dec, 2020

  • 打造可理解的人工智能的挑战

    本文旨在探讨人工智能在关键任务中的应用，提出了增强人工智能可解释性的重要性，并总结了当前构建可解释模型及说明方法的研究进展和关键方向。

    Mar, 2018

  • 人工智能的挑战 —— 从机器学习和计算机视觉到情感智能

    本书旨在提供人工智能发展的历史、潜力和局限性的现实图景，并介绍 AI 的各种应用领域及方法，其中重点覆盖了深度学习等当前人工智能的主流方法及技术，以及 AI 在人类情感智能等领域的应用，最后总结了当前 AI 的现状与未来发展趋势。

    Jan, 2022

  • 可持续的人工智能：环境影响、挑战和机遇

    本篇研究从数据、算法和硬件系统综合视角探讨了 AI 的超线性增长趋势对环境的影响，着重分析了 AI 计算的碳足迹和硬件系统的全生命周期，并提出了硬件 - 软件设计和优化对减少 AI 总体碳足迹的重要性，讨论了 AI 领域的挑战和发展方向。

    Oct, 2021