--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能时代：破解人机共存密码（套装共10册）" author: null edition: null publisher: null year: null isbn: "9787521719512" library_document_id: "396e1bee-219e-4bee-9884-3214c17ff8f5" source_sha256: "e5d429a1fedfac2a13b0bd25057c39d818c33927767948a9bb41411f01413ced" pdf_physical_page_count: 3314 pdf_physical_page_index_base: 0 range_start: 2460 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5?start=2460&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2460&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2450&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2470&limit=10" --- # 人工智能时代：破解人机共存密码（套装共10册） > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=2460 | PRINTED_PAGE=NOT_DETECTED 大规模的数据治理起源于20世纪以来的政府信息化管理。比如1929年由胡佛倡导，在美国建立的非电子化犯罪信息记录系统。20世纪60年代，美国开始建立全国统一的犯罪信息系统，这些数据的用途超出了犯罪记录查询，对劳动力市场甄选工作、福利计划执行都有巨大帮助，从而成为政府治理手段的基石。 而在未来，随着人工智能技术的发展，政府治理模式和法治结构都可能发生重大改变。上海交通大学法学教授郑戈认为：“（目前）法律总体上还是假定责任源自过错，过错损害了法律确定要保护的权利和利益，导致了损害结果，有损害就要有法律救济。基于这种原理，法律总是滞后于损害的，只有当主观过错促生了具体行为，行为造成了实际损害之后，法律才能介入，介入的目的也是恢复此前的状态。互联网的出现和普及改变了人们之间的交流方式和互动方式，而大数据技术的发展则使互联网的潜能发挥到了一个新的量级。大数据科技与认知科学和人工智能的结合使行为主义很可能变为明日黄花。预测性和引导性数据分析可以通过个人化的识别、分析和干预‘植入’意向和行为动机，从而改变法律的作用场域。”[3] 形象一点说，这就是美国电影《少数派报告》中展现的未来景象：政府机构有可能通过数据预测犯罪并提前制止，而非事后追凶。我们可以想到，未来政府的很多管理方式都有必要从追逐式管理变成预测性管理。 英美两国关于人工智能发展的报告都已经提到人工智能对政府治理带来的这类帮助或者挑战。 英国政府报告提出：政府已经在使用机器学习等数据科学技术，这些技术提供了对一系列数据的洞察，从提供数字服务反馈到分析卫星图像。例如，政府可以做到以下几个方面： ## PDF_PHYSICAL_PAGE_INDEX=2461 | PRINTED_PAGE=NOT_DETECTED 通过预测需求和更准确的定制服务，使现有服务（如健康、社保、紧急服务）更有效率，使资源得到最大限度的分配。 使政府官员更容易使用更多数据进行决策，并减少欺诈和出错的概率。 使决策更加透明（可以通过采集过程背后的数字记录，或通过数据可视化支持决策）。 帮助政府各部门更好地了解他们所服务的人群，确保向每个人提供适当的支持和机会。 美国白宫的报告则提出人工智能可以被用于改善刑事司法系统，政府应该推动执法数据和公众数据的充分应用，以便算法系统更好地帮助人类在犯罪报告、治安、保释、量刑和假释决定等各方面减少偏见，做出高效、公正的决策。 美国的科学研究机构正在尝试利用人工智能来解决经济和社会问题，比如利用数据挖掘和人工智能改善失业问题、辍学问题，帮助无家可归者。斯坦福大学的研究人员正通过人工智能技术分析卫星图像，以此为援助贫困地区提供指南。 英国报告提出政府部门可以借助人工智能来预警城市中可能发生的火险。这一点在美国已经实现： 纽约市大约有100万栋建筑物，过去平均每年有3000栋会发生严重火灾。既然每年都会发生，那么与其事后救火，能否事先预测呢？ 华裔数据科学家Jeff Chen（杰夫·陈）曾是纽约市消防局的数据分析师。他认为每栋建筑物拥有独特的属性，通过分析就能得知哪些建筑物容易着火。比如低收入家庭的房子更容易发生火灾，而且因为人群居住密度较高，火灾的危害性更大。其他易火因素有：建筑物新旧程度、电路老化程度、消防设施配套情况（消防栓的数量和位置）、有无电梯等。Chen说空置的或者没有安保的建筑着火的概率是其他建筑的两倍。这些听起来都显而易见，但要作为数据因素全部消化也不容易。 ## PDF_PHYSICAL_PAGE_INDEX=2462 | PRINTED_PAGE=NOT_DETECTED 他牵头开发了预测火警风险引擎，利用数理统计方法把建筑物和住户的各种数据加以分析，辅以机器学习技术，用市政数据来驱动引擎，预测不同建筑的火灾风险。这套系统在2013年部署，整合了当地近7500个实时风险因素。纽约消防局利用该系统给出了33万栋可审查建筑的火警危险系数（消防局不检查独栋或者双拼别墅）。 在此之前，消防检查都是随机的。现在，当消防员进行每周例行检查时，系统会生成一份按危险系数排序的建筑清单，指引消防员优先检查容易着火的建筑，大大节省了人力并提高了效率。此外，数据智能分析系统还参与垃圾处理、解决社会治安问题等。 在美国国家层面，智能治理项目比较突出地用于安全工作。除了已成众矢之的的棱镜系统，美国中央情报局亲自投资了很多数据领域的独角兽企业，包括彼得·蒂尔参与投资的Palantir Technologies，另外还有Dataminr、TransVoyant、Geo- feedia、Pathar等。 这些公司产品的原理大同小异，通过社交媒体、地图、传感器和其他各类渠道自动采集社会数据，并整合各类交通、金融公开信息，打通分离的数据库，提供各种数据透视方案而无须用户编写代码。 Palantir Technologies旗下的Palantir Gotham主要用于反恐，这缘于PayPal对欺诈的对抗。它们开发大数据工具，通过匹配用户过去的交易记录和现在的资金转移情况等数据来查找可疑账户并进行冻结。随后它们想到这一技术可以为政府提供服务。CIA、FBI（美国联邦调查局）、DIA（国际情报局）、海陆空三军以及警局等情报机构掌握着成千上万个数据库，包括财务数据、DNA样本、语音资料、录像片段以及世界各地的地图，但要在这些数据之间建立联系并发掘有价值的情报，却相当麻烦。Palantir的创始团队认为，如果由它们建立一个数据分析库，整合相互分离的数据来进行搜索和分析，以提升数据分析效率，就可以向政府“推销”这项技术。Palantir的主要客户也正是美国情报机构。 ## PDF_PHYSICAL_PAGE_INDEX=2463 | PRINTED_PAGE=NOT_DETECTED Geofeedia可以迅速挖掘新闻发生地点的各类信息。Trans Voyant服务于物流和政府业务，通过各类交通传感器和地图技术收集数据情报，同时整合各地新闻、社交媒体信息、天气报告、卫星云图、旅行警告、犯罪活动信息等，为政府人员提供预测，帮助管理人员运营资产，实时完成数据决策。 科技公司的数据智能服务理念延续了商业逻辑，比如甄选目标客户、抢时间、抢收益、抢在公众前面获得情报并对未来做出预判，这跟用于金融投机、战斗决策和股票市场上的高频交易是一个道理。这是自由市场的丛林模式，而非统筹社会全局的治理主义模式。后者是政府层面必须考虑的事情。 中国具有相对有利的条件。陆奇认为，“中国越来越成为新兴工业的创新大国，有很多创新的地方，而美国保守力量比较强。大变革时代中国反而创新空间大，提供了更好的创新环境。”中国由于政府部门强有力的带头作用，智能地图、安防摄像头、数据管理系统覆盖城乡，中国的智慧城市将成为社会智能治理的先锋。 [1] 诺贝尔经济学奖得主、发展经济学领军人物阿瑟·刘易斯分析发展中国家的二元经济，认为当农村剩余劳动力转移殆尽，城乡形成统一的劳动力市场，工资水平将开始持续上升。 [2] 铁锈地带（Rust Belt）最初是指美国中西部—五大湖附近传统工业衰退的地区，现可泛指工业衰退的地区。 [3] 郑戈。在鼓励创新与保护人权之间——法律如何回应大数据技术革新的挑战［J］.探索与争鸣，2016（7）. ## PDF_PHYSICAL_PAGE_INDEX=2464 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=2465 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=2466 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=2467 | PRINTED_PAGE=NOT_DETECTED 人工智能只有同人类命运紧密相连，直面复杂形势，才能体现出技术的革命性意义。昆德拉说：“负担越重，我们的生命越贴近大地，它就越真切实在。”无人车是紧贴大地的顶级人工智能工程，“艰难”和“颠覆”是它无法逃避的两个命题。它比人工智能诞生更早，却要翻过更多观念和技术的大山才能走到今天，车辙所及，是自交通工具诞生以来的社会秩序。 无人车也叫自动驾驶汽车，是指在没有人工参与的情况下，能够感知环境并进行导航的汽车。1925年第一辆无人车在美国上路时，发明者对它是否需要“智能”还未达成共识。但从此以后，无人车的形象出现在不同种类的科幻小说和电影里。这个梦想如此具体，可是历经几代人的实践仍然没有成真。不过值得庆幸的是，每一个逐梦者的挫折都让无人车的前进之路日渐清晰——这是一条智能进化之路，也是人类社会的变革之路。 在吸引人们踏上征程的未来世界，无人车不再只是通行工具，而是家和办公室之外的第三空间，移动、安全且舒适。人类以最低的成本穿梭在空间之中，以往由低效带来的堵车、污染、停车问题都将大为缓解，酒驾、闯红灯、超速等危及他人人身安全的驾驶行为将不复存在。无人车体系更有望成为全球物联网体系的血脉，甚至汽车作为一种交通工具的社会地位和符号意义也将发生彻底改变。 2015年世界卫生组织表示，中国每年有超过26万人死于交通事故，居世界第一，其中90%的事故是人为失误导致。无人车有望将车祸数量降低到现在的1%。 此外还有巨大的收益。摩根士丹利在一份报告中指出，无人车发展起来以后，仅美国就能够获得1.3万亿美元的收入，相当于美国GDP的8%。这其中有1000多亿美元来自节省下的燃料、2000多亿美元来自减少的堵车成本、5000多亿美元来自交通事故锐减而节省的医疗和保险成本、4000多亿美元来自工作效率的提高。 ## PDF_PHYSICAL_PAGE_INDEX=2468 | PRINTED_PAGE=NOT_DETECTED 这些都还只是一个侧面。无人车改变的不单是人与车的关系。一旦车与车、人与人、人与社会都被智能工具连接，带来的将是对现有物质世界规则的重塑。 在崎岖的道路上前行 时间回到1925年8月，人类历史上第一辆无人驾驶汽车正式亮相。这辆名为American Wonder（美国奇迹）的汽车驾驶座上确实没有人，方向盘、离合器、制动器等部件也是“随机应变”的。而在车后，工程师Francis P. Houdina（弗朗西斯· P.霍迪尼）坐在另一辆车上靠发射无线电波操控前车。他们穿过纽约拥挤的交通，从百老汇一直开到第五大道。这场几乎可以被看作是“超大型遥控”的实验，带着对无人车机械化的理解，今天依旧不被业界普遍承认。 1939年，摩天大楼开始在美国的土地上不断出现。“大萧条”后逐渐恢复信心的人们怀揣着对未来的美好愿景。在这一年的纽约世界博览会上，通用汽车搭建的Futurama（未来世界）展馆前排起了长龙，人群争相涌入，希望一探“未来”的模样。设计师Norman BelGeddes（诺曼·贝尔·格迪斯）向当时的人们展示了他想象中的交通：汽车采用无线电控制，电力驱动，由嵌在道路中的电磁场提供能量。 他在自己1940年出版的《Magic Motorways》（神奇的高速公路）一书中进一步解释：人类应该从驾驶中脱离出来。美国高速公路都会配有类似火车轨的东西，为汽车提供自动驾驶系统。汽车开上高速后就会按照一定的轨迹和程序行进，驶出高速后再恢复到人类驾驶。对这一设想，他给出的时间表是1960年。 ## PDF_PHYSICAL_PAGE_INDEX=2469 | PRINTED_PAGE=NOT_DETECTED 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2470&limit=10)