{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"addbcbca-2f35-4d20-b661-aef770dd9ec7","title":"人工智能和资本主义的未来_1-200的全文翻译","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9780745338613","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"addbcbca-2f35-4d20-b661-aef770dd9ec7","id":"addbcbca-2f35-4d20-b661-aef770dd9ec7","uuid":"addbcbca-2f35-4d20-b661-aef770dd9ec7","title":"人工智能和资本主义的未来_1-200的全文翻译","normalized_title":"人工智能和资本主义的未来1200的全文翻译","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9780745338613","isbns":["9780745338613","9780745338606","9781786803955","9781786803979","9781786803962"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":200,"navigation_url":"https://workshop.closeclaw.top/ai/book/addbcbca-2f35-4d20-b661-aef770dd9ec7","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%92%8C%E8%B5%84%E6%9C%AC%E4%B8%BB%E4%B9%89%E7%9A%84%E6%9C%AA%E6%9D%A5_1-200%E7%9A%84%E5%85%A8%E6%96%87%E7%BF%BB%E8%AF%91","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/addbcbca-2f35-4d20-b661-aef770dd9ec7/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/addbcbca-2f35-4d20-b661-aef770dd9ec7/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7","page_url":"https://workshop.closeclaw.top/api/ai/books/addbcbca-2f35-4d20-b661-aef770dd9ec7/page","search_url":"https://workshop.closeclaw.top/api/ai/books/addbcbca-2f35-4d20-b661-aef770dd9ec7/search"},"page":{"printed_page":76,"pdf_page":84,"physical_index":84,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"9163924fa59136306d3901cc192907b9ee726cb42055a33bd0ba16c389fdef39"},"chapter":"非人的力量","content":"对训练有素的软件工程师和程序员的依赖)都有其特殊性。在这里，我们关注ML，它是21世纪第二个十年AI的主要形式。Catherine Dong(2017)解释说，“机器学习工程分为三个阶段:数据处理、模型构建、部署和监控。她说，这个“三明治”中的“肉”是模型的构建。软件工程师就是在这里开发算法来识别给定的输入数据，无论是猫的数字图像，还是过马路的行人，还是搜索词的配置，或者购买记录，或者社交媒体话题。这个学习过程在数千或数百万个训练样本上进行测试、调整和改进，然后在原始数据上进一步测试，其中模式信号与噪声混合(猫的图像与狗、羚羊和大象的图像;独轮车、邮筒和独轮车旁的行人，等等)。在这一过程的最后，AI应该能够以可接受的置信度识别其目标对象，并在不同模式之间建立统计相关性(白天过马路的行人比晚上多;女性比男性更频繁地发布猫的图像等)。正是这些能力赋予了ML不可思议的、非人的预测关联和结果的能力。\n\n有许多技术可以构建算法模型一一“线性/逻辑回归、随机森林和增强决策树”——计算机科学家已经熟悉了一段时间(Dong2017)。这些技术被用来创建朋友建议、广告定位、推荐和搜索排名，这些都是日常互联网使用的一部分。然而，最复杂的机器学习建模涉及“深度神经网络”，“很难训练………需要更多的时间和计算能力”，以及“直觉和试错的结合”(Dong2017)。虽然ML方面的课程和diy指导正在激增，开源工具库也广泛可用，但神经网络方面的深度专业知识却很少见;全球有能力的计算机科学家可能只有几千人(《经济学人》2017b)。这就解释了为什么企业会为这些人才展开激烈的竞购战，以及他们可以获得的高薪和福利。因此，机器学习强化了基本的软件开发劳动过程，在这个过程中，核心活动是由一小群高技能的技术科学工作者进行的。\n\n虽然机器学习的“肉”是算法模型的制作，但它是“三明治过程的面包”——在训练算法之前和之后发生的事情——“将一切结合在一起”(Dong2017)。这两种\n\n76\n\n. inhuman power","previous_page":75,"next_page":77}