top of page

科技倫理須兼顧

Updated: Apr 28

從古至今,隨着人類文明進步,訊息量快速增加。近年大數據讓我們對世界事物產生新的認知,當資訊達到一定規模,再配合現時發展出來的強大算力及機器學習,推算出來的邏輯及思想模型跟從前的不同。 世界充斥着海量的數據分析、神經網絡算法、自主化智能等科技產品,人類迫不得已須跟機器互動或博弈,倫理問題亦逐漸浮現。例如當知道自己的DNA排列會更容易患血癌,你會為此多買保險嗎?相反,如果保險公司知道後有權拒絕你嗎? 我再分享一個更典型的例子:2018年3月18日晚上大約10時,一名市民在美國亞利桑那州坦佩市被一輛自動駕駛汽車撞倒,不幸身亡。雖然車上有駕駛員,但當時汽車完全由自動駕駛系統(人工智能)控制。跟其他同類事件一樣,這宗交通意外引發了一系列的道德和責任問題,包括開發該系統的公司在防止該系統出問題方面有怎樣的責任?坐在駕駛位置上的「司機」有責任嗎?自動駕駛的安全測試足夠嗎?現今的道路設計已經足夠應付自動駕駛嗎?更有人提出,如果在發生意外一剎那,自動駕駛系統要做決定,在駕駛員與橫過馬路的受害者之間選擇把傷害減至最低,抉擇權應該在誰手上呢? 在發展與倫理之間,一下子好像難以找到最好的答案,無獨有偶,我知道國內很多有心人一直為科技安全落地而努力。 北京大學出版社最近發行的新書來得合時,暫名為《人工智能時代不能不說的事》,一班有志者為科技倫理這個空白題,填入更多國內外相關的案例,當中包括: 一、數據黑色產業如何猖獗及打擊普羅大眾的正常生活。 二、牽涉到百度的中國cookie隱私第一案,二次審例引起爭議。 三、2014年,歐洲法院最終確認用戶的「被遺忘權」而有責任刪除相關個人資料。 這些內容可以讓大家對未來的科技有更深的認知,在下有幸作為大數據圈的數據先行者之一,為這本新書作序是我的榮幸及為社會作少許補償。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page