{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"8caa5f1d-993f-4d27-a751-4209eb70de9c","title":"新黑暗时代：科技与未来的终结","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787218135007","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"8caa5f1d-993f-4d27-a751-4209eb70de9c","id":"8caa5f1d-993f-4d27-a751-4209eb70de9c","uuid":"8caa5f1d-993f-4d27-a751-4209eb70de9c","title":"新黑暗时代：科技与未来的终结","normalized_title":"新黑暗时代科技与未来的终结","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787218135007","isbns":["9787218135007"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":319,"navigation_url":"https://workshop.closeclaw.top/ai/book/8caa5f1d-993f-4d27-a751-4209eb70de9c","title_url":"https://workshop.closeclaw.top/ai/title/%E6%96%B0%E9%BB%91%E6%9A%97%E6%97%B6%E4%BB%A3%EF%BC%9A%E7%A7%91%E6%8A%80%E4%B8%8E%E6%9C%AA%E6%9D%A5%E7%9A%84%E7%BB%88%E7%BB%93","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/8caa5f1d-993f-4d27-a751-4209eb70de9c/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/8caa5f1d-993f-4d27-a751-4209eb70de9c/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/8caa5f1d-993f-4d27-a751-4209eb70de9c","page_url":"https://workshop.closeclaw.top/api/ai/books/8caa5f1d-993f-4d27-a751-4209eb70de9c/page","search_url":"https://workshop.closeclaw.top/api/ai/books/8caa5f1d-993f-4d27-a751-4209eb70de9c/search"},"page":{"printed_page":155,"pdf_page":162,"physical_index":162,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"cedd0ce47758649f8cebe40026db47d7d2743797d7bca8223a60eb77b2531086"},"chapter":"第十章阴云261","content":"新技术会囫囵吞下昨天的错误，想要理解不假思索便实施新技术所带来的危险，就要对历史上的不公平情形保持警醒。我们无法使用过去的工具来解决今天的问题，就像艺术家、地理学家特雷弗·帕格林（TrevorPaglen）所指出的，人工智能的兴起反而放大了这些问题，因为它极度依赖于历史信息来作为自己的训练数据：“过去是个种族主义横行的时代，而我们只能用过去的数据来训练人工智能。”17\n\n瓦尔特·本雅明（WalterBenjamin）对这个问题的措辞则更加尖锐，他在1940年写道：“没有一项文明的记录同时不是野蛮的记录。”18用过往知识的残余来训练初生的人工智能，就等于把这种野蛮编码进我们的未来。\n\n而这些智能系统不只存在于学术论文和消费级相机里—它们已经在人们大量的日常生活中起着决定性作用。特别是在警察与司法体系中，人们已经广泛建立起对智能系统的信任。美国的在岗警察中，有一半已经使用了“预测性警务”（predictivepolicing）系统，比如PredPol，这款软件运用“高等数学、机器学习和已被证实的犯罪行为理论”来预测最可能出现新犯罪行为的时间地点，相当于针对违法行为的天气预报。19\n\n那么，要如何通过日常生活中的随机事件生成对真实事件的预期呢?对行为的计算是如何承载起自然法则的力量？尽管已有各种尝试，但大地的一个念头要如何才能被人知晓？\n\n浓尾大地震(Great Nōbi Earthquake）发生在1891年，位置在今天的日本爱知县境内，据估算，其震级达里氏8级。地震造成的断层长达50英里，落差达到8米，造成多个城市的数千间房屋倒塌，超过7000人死亡。直至今日，这仍是日本群岛已知的最大级别的地震。震后，早期地震学家大森房吉（FusakichiOmori）描述了余震的分布模式，被人们称为“大森定律”的频数衰减公式。值得注意的是，大森定律及其衍生理论都属于经验法则，也就是说，它们符合已知的震后数据，而这一数据在每次地震中均有不同。它们就像是余震，是已发生事件的隆隆回声。地震学家和统计学家经过几十年艰苦努力，也没能研究出类似算法来从相应的前震中预测出地震的发生。\n\n第六章 认知\n\n145\n\n155","previous_page":154,"next_page":156}