科技向善对新技术带来的一切变化保持觉察,让社会各方真正意识到科技给社会带来的诸多问题,寻求最大范围内的共识与解决方案,并引导技术和产品放大人性之善,实现良性发展,用科技来缓解数字化社会的阵痛。——百度百科《科技向善》词条
笔者已经不记得是谁家最先提出“科技向善”,不过在2019年诸多事件从侧面印证了“科技向善”并不是口头说说,需要我们从行动上进行落实。
近日,笔者参加了在中国国家博物馆举行的《你好 AI》纪录片展映活动,不同于以往的人工智能纪录片,纪录片《你好 AI》从人文视角解读与展示AI这一创新大趋势,让大家能够更好地认知和理解AI,让社会更深、更近地感受科技的力量。
比如探索宇宙,寻找地外文明;敦煌研究院利用AI为文物打造“数字档案”,与侵蚀洞窟的风沙和生物“拼速度”,让文明更好地传承;还有拯救濒危动物,亦是拯救地球。此外,纪录片还展现了攻克医疗难题、提升农业水平、变革交通出行等诸多具有切实意义的AI应用实例。
如果说《你好 AI》展现的是AI积极的一面,那么近期一款名为ZAO的AI换脸软件引发广泛关注,但因涉嫌过度收集用户个人信息也遭到广泛质疑。由此引发的隐私安全争议却仍在继续,人们对人工智能未来走向的探讨更趋激烈。
有专家就指出,这款应用的出现意味着AI深度换脸技术使用门槛大幅度降低,相关伪造影音视频被不法分子利用时,将对国家安全、新闻舆论、公众安全、刑事审判、政府通信等领域带来众多难以预测的风险。
其实在ZAO之前,国外的DeepNude和DeepFakes已经在AI的“非主流”应用上开了先例。特别是DeepNude的应用,只要给DeepNude一张女性照片,借助神经网络技术,软件可以自动“脱掉”女性身上的衣服,显示出LUO体照片。该软件基于加州大学伯克利分校研究者开发的开源算法pix2pix创建,并使用1万张女性LUO图加以训练。
技术从来都是一把双刃剑,如何让技术的进步服务好人类社会经济的发展,这是全社会需要思考的重要问题。我想这也是科技向善的重要现实意义。在上面谈到的《你好 AI》观影活动上,笔者采访了英特尔中国研究院院长宋继强。
宋院长表示,人工智能给我们带来的影响不仅是在信息产业,而是已经到了生活的方方面面。每个科技最后大量被使用,真正惠及百姓,科技应该为社会、为人文服务。“AI和以前的一些重要科技一样,它本身是中性的。整个科技圈包括大企业都在进行AI的道德伦理规范,业界形成一个共识。当然,这避免不了一少部分人会用新的科技做坏事,但是大家不要过度担心,自然有主流的舆论、主流监管机构管他。科技向善的态度就是要把新科技用好,更符合人文社会价值观这方面。”
至顶网总经理兼总编辑高飞也表示,任何技术都有两面性,好的一面与坏的一面。技术是否向善,主要取决于背后的人。技术是一个中性的,只要是拥有爱的人和社会大众接受它越早,用的人越多,越会向善。越是集中在小圈子,恶的一面才会体现出来。
毋庸置疑,我们被不断涌现的新技术包围。在当下发生的一切事物当中,技术成为其中最大的变量,带来个人生活与社会发展的各种新景观。腾讯董事会主席兼首席执行官马化腾就公开表示,科技能够造福人类;人类应该善用科技,避免滥用,杜绝恶用;科技应该努力去解决自身发展带来的社会问题。
正如北京大学中国社会与发展研究中心主任邱泽奇所说,技术始终是一个工具,背后一定有其他的东西支撑;技术带来的问题,最后一定要由技术来解决,因为技术本身就是规则体系;把技术规则体系纳入到由法律、伦理所构建的社会规则体系中,就是科技向善的过程。“一个好的产品、好的技术,一定会受到法律、人类伦理等社会规则的约束。当科技突破这一切的时候,即便在技术标准上有再好的表现,跑分再高,也不是一个好的产品,因为产品最终是为人类服务的。”
总之,科技向善在如今的语境下更具现实意义,这需要整个社会、监管机构、企业,甚至我们个人努力践行“向善”,从法律规范到个人行为,让科技造福生活和社会。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。