--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能伦理" author: null edition: null publisher: null year: null isbn: "9787302596622" library_document_id: "4f33a8d5-185f-4dd7-8093-04a4119470cb" source_sha256: "fcd3c9683d64b90a0f86208e72b703029dcf8f67d635958e09e34a63875b4472" pdf_physical_page_count: 1800 pdf_physical_page_index_base: 0 range_start: 640 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb?start=640&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=640&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=630&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=650&limit=10" --- # 人工智能伦理 > 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=640 | PRINTED_PAGE=NOT_DETECTED 图2.70 为解决例2.21的问题，个体委托代理机构G来实现身份证明，大数据公司并不掌握用户的隐私信息，它得到的只是脱敏后的个人信息，无法锁定到具体的自然人。机构G受委托管理个人信息，按用户要求控制敏感信息的透明度 1993年7月，漫画家彼得·施泰纳（Peter Steiner）在《纽约客》杂志上的一幅漫画，引起了人们对互联网隐私的担忧和思考。 ## PDF_PHYSICAL_PAGE_INDEX=641 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=642 | PRINTED_PAGE=NOT_DETECTED 图2.71 在互联网上，没人知道你是一条狗 不幸的是，施泰纳的戏言竟然一语成谶。如今的网络系统，大大降低了话语的门槛，已变成碎片知识、劣质信息的集散地和“键盘侠”肆意散播戾气的险恶江湖。一个无法无天的环境，最终结局一定是没有赢家只有输家。人们的许多恶行都是在缺乏监管的情况下发生的，虚拟世界和真实世界都是如此。 数字身份在充分地保护个人隐私的同时，有助于减少网络霸凌和虚假信息，霸凌者和造谣者要为他们的作恶付出代价。在现实世界里，有违道德规范的事情不被允许，在虚拟世界里它们也应无处遁形。 ## PDF_PHYSICAL_PAGE_INDEX=643 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=644 | PRINTED_PAGE=NOT_DETECTED 图2.72 除了监管，还应该利用AI技术阻止网络霸凌和谣言传播 例2.29 谷歌公司提供一种认证服务——身份验证器（Google authenticator），每隔一个单位时间（30秒）产生一次性密码，用于登录使用两步验证的网站时完成第二步验证，即“附加验证”。通常，用户在智能手机上安装身份验证器，在网站上正确地输入用户名和密码之后，必须再输入带有时效性的一次性密码（一般为六位数字）才算完成两步验证。 大数据的价值在于关联性（association），无论是宏观上的还是微观上的，关联性可以直接应用于精准广告推送。事实上，用户并不反感这类服务，但不希望提供它的大数据公司知道“我是谁”。在任何国家，对身份信息的管理都属于国家的职责。在大数据时代，这份职责需担起更艰巨的任务——保护公民的个人隐私。如图2.2所示，读者您认为谁应该充当这把令人信赖的锁？ 在技术未成熟的阶段，即便有好的策略也不能成行。当技术做好了准备，将它们充分利用起来的组合创新(9)就事在人为了。例如，区块链技术、零知识证明有助于形成一个良性循环的生态：在保证个人隐私的前提下，令基于大数据和个人画像的推荐服务畅行无阻，同时也让国家机构因保护公民信息而从市场获利。 (1) 社会保障号是美国联邦政府发给本国公民、永久居民、临时劳工的一组九位数字号码，主要目的是纳税和身份鉴定，用于工作雇佣、医疗、教育、信用记录等。 ## PDF_PHYSICAL_PAGE_INDEX=645 | PRINTED_PAGE=NOT_DETECTED (2) 机器数据的产生机制原则上是明确可知的（在实践中，有时它也是黑箱），而自然数据的则不然，要通过统计方法来弄清楚。这两类数据的分析方法有相同之处，也有不同之处。譬如，我们常常通过日志文件来预测或分析机器的故障，在已知数据产生机制的情况下，可利用正则表达式来做条件的模式匹配，进而由结果找到事件发生的原因。可是，用这个方法来分析本质上更为复杂的自然数据往往是行不通的。 (3) 美国民众一直对情报机构无差别地监控平民电话、网络的做法颇有异议。2013年6月，前美国中央情报局（CIA）职员爱德华·斯诺登（EdwardSnowden, 1983— ）在香港揭露了“棱镜计划”（美国于2007年开始实施的绝密级网络监控计划，甚至连欧洲盟友也不放过）的监听项目的一些秘密，引起了国际社会的巨大震动。《华盛顿邮报》和《卫报》及时公开披露了“棱镜计划”，据报道，美国的数家知名科技公司参与了该计划，但它们都予以否认。 (4) 我们把所有基于数据对系统、产品、服务的破坏、扰乱等统称为“数据攻击”，它是大数据和以数据驱动的AI带来的新式攻击模式。 (5) 也称作“散列函数”，是一种将任何数据变换成一个较短的（由数字和字母组成的）字符串的方法。该字符串可视为原数据的“指纹”或“摘要”——不同的数据拥有相同“指纹”的概率很小。 (6) 虽然二维码本身不携带病毒，但坏人常利用二维码引诱手机用户下载病毒程序，从而造成隐私泄露、财产损失等。所以，扫码需谨慎，莫贪小便宜，只有提高隐私保护的意识才不会上当受骗。 (7) 例如，美国Intuit公司开发了报税软件TurboTax，非常受大众的欢迎。税表中包含大量的个人隐私数据，Intuit公司有能力、有资质提供个人身份认证服务。 (8) 拒绝服务（Denial of Service, DoS）攻击，就是迫使目标机器的资源消耗殆尽而停止某些服务。例如，服务器因系统崩溃、带宽耗尽、缓冲区满等而不能提供正常的服务。 (9) 我们需要大力提倡这种形式的创新，它们较为常见和低风险，而不是一味地强调十分罕见的颠覆式创新或突破型创新——这类创新固然重要，但带有一定的门槛和高风险，投入产出比难以把控。 ## PDF_PHYSICAL_PAGE_INDEX=646 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=647 | PRINTED_PAGE=NOT_DETECTED 第3章 知识积累 知之为知之，不知为不知，是知也。 ——孔子《论语·为政》 人 类的学习过程非常漫长而且低效，每个个体都要从零开始，一点一滴地建立知识体系。一个人离开这个世界，也带走了头脑中的一切。周而复始，人类一代代把知识传递下去是多么地不易，很多知识被历史尘封或遗忘，实在令人惋惜。人工智能如果能让机器学习美梦成真，知识的积累和传播将变得更为高效。什么是知识？怎样表示知识？知识版权是否应该得到保护？很多和知识有关的伦理问题在信息爆炸的今天值得人们深思。 ## PDF_PHYSICAL_PAGE_INDEX=648 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=649 | PRINTED_PAGE=NOT_DETECTED 图3.1 人类的知识多以文字的方式记载传承，目前机器还无法真正读懂它们 伟大的英国哲学家、科学家、法学家、散文家弗兰西斯·培根（Francis Bacon, 1561—1626）说过“知识就是力量”（Scientia est potentia）之类的话，他的科学认识论的基础是观察和实验。培根是经验主义之父、科学方法之父，他主张通过归纳推理和观察学习来获取科学知识。培根的思想影响了17世纪之后实验科学的发展，这又为他赢得了“实验哲学之父”的尊号。 现在人们知道，演绎推理（从一般到个别）、归纳推理（从个别到一般）和类比推理（从个别到个别，或者从一般到一般）是人类推理的三种基本形式。统计学侧重归纳推理，人工智能和机器学习涉足演绎推理和归纳推理，然而遗憾的是，类比推理至今仍缺乏形式化方法。 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=650&limit=10)