談到人工智能和工作，預(yù)測是殘酷的。傳統(tǒng)的觀點認為，AI可能很快就會讓數(shù)百萬人失去工作， 這是未來二十年中，對于打字員和白領(lǐng)工人而言，一如過去兩年機械化對工人的影響一樣。也就是說，當?shù)缆飞喜紳M了自動駕駛汽車時，卡車司機和出租車司機將發(fā)現(xiàn)自己已經(jīng)失業(yè)或半失業(yè)。
但現(xiàn)在我們應(yīng)該開始考慮AI對社會的潛在好處以及它的弊端。大數(shù)據(jù)和AI革命也有助于消除貧困，促進經(jīng)濟穩(wěn)定。
貧窮當然是一個多方面的現(xiàn)象。但是貧窮的狀況常常包含以下一個或多個現(xiàn)實：缺乏收入（失業(yè)）；缺乏準備（教育）；并依賴政府服務(wù)（福利）。AI可以解決所有三個。
首先，盡管人工智能可能會使人們失去工作，但它同時也可以用來將人們與正在失業(yè)的優(yōu)秀中產(chǎn)階級的工作相匹配。今天在美國有數(shù)百萬這樣的工作。這正是人工智能所擅長的匹配問題。同樣地，人工智能可以預(yù)測明天的工作空缺將在哪里，以及他們需要哪些技能和培訓(xùn)。
從歷史上來看，我們傾向于回避這種社會規(guī)劃和工作匹配，這或許是因為它對我們的指揮經(jīng)濟有一定的作用。然而，沒有人認為政府應(yīng)該強迫工人接受特殊的工作，或者確實認為這些工作和技能的缺口需要成為政府的工作。關(guān)鍵是，我們現(xiàn)在有了工具來猜測哪些工作是可用的，哪些技能是工人需要填補的。
其次，我們可以將所謂的差異化教育——基于學生以不同的方式和不同的速度掌握技能的理念——帶給全國的每一個學生。2013年，美國國立衛(wèi)生研究院的一項研究發(fā)現(xiàn)，近40％的醫(yī)學院學生對一種學習模式有強烈的偏好：有些是傾聽者；其他人都是視覺型學習者；還有一些人通過實際做得到了最好的學習。
我們的學校系統(tǒng)有效地假設(shè)了相反的情況。我們把學生們捆綁在一個房間里，用同樣的教學方法和希望獲得最好的結(jié)果。人工智能可以改善這種狀況。即使在標準化課程的背景下，人工智能“導(dǎo)師”也能找到每個學生的弱點并糾正他們的缺點，使他們適應(yīng)自己的學習方式，并保持學生的參與。
今天占主導(dǎo)地位的人工智能，也被稱為機器學習，允許計算機程序變得更加精確——如果你愿意的話，可以學習——因為它們吸收數(shù)據(jù)，并將其與其他數(shù)據(jù)集的已知示例相關(guān)聯(lián)。通過這種方式，人工智能“家庭教師”在滿足學生的需求時變得越來越有效，因為它花更多的時間來觀察什么可以提高學生的表現(xiàn)。
第三，將教育、就業(yè)培訓(xùn)和匹配納入21世紀的共同努力，應(yīng)該消除大量人口對政府計劃的依賴，這些計劃旨在幫助陷入困境的美國人。有了21世紀的技術(shù)，我們可以合理地減少政府援助服務(wù)的使用，使其服務(wù)于原本計劃的功能。
現(xiàn)在可以利用大數(shù)據(jù)集來更好地預(yù)測哪些程序可以在特定的時間幫助特定的人，并快速評估程序是否具有預(yù)期的效果。用廣告打個比方，這將是在黃金時段電視上投放廣告和通過微目標分析進行廣告的區(qū)別。猜猜哪個更便宜，能更好地到達目標人群？
至于意識形態(tài)對公眾援助辯論的有害影響：大數(shù)據(jù)承諾更接近于對這些社會項目無偏見的、沒有意識形態(tài)的有效評估。我們可以更接近一個精英式的技術(shù)專家型社會的愿景，即來自州和地方各級政府的政客們——那些與他們的選民所面臨的實際問題最接近的——已經(jīng)開始接受。
就連國會偶爾也會從黨派之爭中醒來，以推進公共政策決策的科技事業(yè)：2016年，美國國會投票贊成，巴拉克·奧巴馬總統(tǒng)授權(quán)建立以證據(jù)為基礎(chǔ)的政策制定委員會。創(chuàng)建委員會的法案是由民主黨參議員帕帕蒂·穆雷（Patty Murray）和眾議院議長保羅·瑞安（Paul Ryan）發(fā)起的。在該委員會于2017年9月到期之前，它利用政府數(shù)據(jù)評估政府政策的有效性，并根據(jù)調(diào)查結(jié)果提出建議。
這進一步表明了人工智能和大數(shù)據(jù)在積極、有目的的公共利益服務(wù)方面的承諾。在我們將這些新技術(shù)視為混亂和顛覆的代名詞之前，我們應(yīng)該考慮它們的潛力，以造福社會。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
