科技前沿信息机器学习和人工智能为社会福利来自NIPS 2017的观点

大家好，今日小经来聊聊一篇关于科技前沿信息：机器学习和人工智能为社会福利来自NIPS 2017的观点的文章，现在让我们往下看看吧！

2月初，8000名机器学习研究人员聚集在长滩参加2017年的神经信息处理系统会议。在会议期间，皇家学会和外交和英联邦办公室科学与创新网络汇合了该社区的一些主要人物，探讨如何利用会议中展示的机器学习和人工智能的进步。一种支持广泛社会效益的方式。这突出了会议和更广泛会议上关于人工智能用于社会福利的一些新兴主题。

问题不在于“人工智能是好还是坏?” 但'我们将如何使用它?'

在宣传人工智能将解救世界或破坏我们的工作的头条新闻背后(或超越)，存在关于社会如何，在何处以及为何使用人工智能技术的重大问题。这些问题不是关于技术本身是否具有生产力或破坏性，而是关于社会如何选择使用它，以及如何在整个社会中分享其使用的好处。

在医疗保健领域，机器学习提供了改进诊断工具，医疗保健 服务的新方法以及基于个性化医疗的新治疗方法的前景。在运输中，机器学习可以支持自动驾驶系统的开辟，以及实现智能交通治理，并提高道路安全性。正在开辟社交辅助机器人技术，以提供可以改善用户生活质量的帮助。AI Xprize 竞赛中的团队正在开辟这些领域的应用程序，包括教育，药物发现和科学研究。

除了这些新的应用和机会之外，还有关于个人，社区和社会如何与人工智能技术互动的问题。我们如何支持对社会感兴趣领域的研究?我们能否创建能够解决社会偏见问题的包容性系统?研究界如何以包容的方式进展机器学习?

制造支持AI应用于社会利益的条件

将AI应用于公共政策挑战通常需要访问有关人员和公共服务的复杂的多模式数据。虽然许多国家或地方政府治理部门或非政府行为者持有大量可能对人工智能应用有价值的数据，但这些数据很难投入使用。制度，文化，行政或财务障碍可能使得首先访问数据变得困难。如果原则上可以访问，这种类型的数据在实践中通常也很难使用：它可能存在于过时的系统中，按不同的标准组织，遇到与其他数据集的兼容性问题，或受到不同程度的保护。机器学习，而我们的数据管理报告 提出了支持公众对数据治理和使用的信心的高级原则。

除了要求猎取数据之外，在社会公益领域的成功研究通常需要跨机构团队将机器学习专业知识与领域专业知识相结合。创建这些团队可能具有挑战性，特殊是在资金结构或公布某些类型的研究的压力可能有助于建立有利于“清洁”解决方案问题的激励结构的环境中。

因此，支持人工智能应用于社会福利需要一个政策环境，能够访问适当的数据，支持机器学习社区和潜在应用领域的技能开辟，并认识到跨学科研究在解决社会重要领域中的作用。

皇家学会的机器学习报告评论了创建机器学习的精心治理环境所需的步骤，该环境支持机器学习的应用，同时帮助在整个社会中分享其益处。报告中确定的关键行动领域 - 创建合理的数据环境，建立各级技能，支持企业，促进公众参与和推进研究 - 旨在制造条件，支持人工智能应用于社会福利。

研究社会利益领域

除了这些以应用为中心的问题之外，机器学习研究还面临着更广泛的挑战，需要解决环绕机器学习使用的一些道德问题。

其中许多领域都是在会议上通过研讨会和会谈进行探讨的。例如， 关于公平性的教程探究了研究人员可用的工具，以研究不平等问题可能影响其工作的方式。关于可解释性的研讨会 探讨了研究可以通过不同方式洞察机器学习系统有时复杂的操作。同时，一个谈 上“有偏见的麻烦”考虑新的战略，以解决偏差。

英国皇家学会已经阐述了关键领域的新一轮研究 - 包括隐私，公平，可解释性和人机交互 - 如何能够以一种解决社会利益领域的方式支持机器学习的进展。随着关于机器学习和人工智能发展的研究和政策讨论，该协会将继续在促进有关这些挑战的讨论中发挥积极作用。

这篇好文章是转载于：知行礼动