余杰:人工智能时代的意识形态风险及其化解

意识形态工作是党与国家的一项极端重要的工作,它“关乎旗帜、关乎道路、关乎国家政治安全”。[1]人工智能在给意识形态工作带来诸多机遇的同时,也造成了严峻的挑战,并使意识形态风险呈现出更为错综复杂的样貌。防范和化解人工智能时代的意识形态风险,成为意识形态工作的当务之急。基于此,深入揭示人工智能时代意识形态风险的表征与样态,探究人工智能时代意识形态风险的因应之道,对于抵御人工智能时代的意识形态风险,维护我国意识形态安全,具有重要的意义。

一、人工智能时代意识形态风险的表征

风险作为一种不确定的因素,具有潜在损益的可能,其“本质并不在于它正在发生,而在于它可能会发生”。[2]人工智能技术犹如一把“双刃剑”,既打开了生活的无限可能空间,又增大了应对意识形态风险的难度,使意识形态风险更趋隐蔽化、全域化、复杂化和动态化。

1.政治与技术的深度互嵌:意识形态风险隐蔽化

人工智能技术“政治无涉”的假象背后,政治与技术实则紧密勾连。一方面,政治镶嵌于人工智能技术研发过程中。人工智能技术是政治价值的承载,技术研发者为人工智能技术所选择的数据、所编写的代码,都是技术研发者的政治观念与价值取向的反映。这种观念源头式地自觉或不自觉植入与算法黑箱式的不透明运行,使技术研发者政治观念的渗透更加难以为人们所觉察。另一方面,政治镌刻于人工智能技术运行的赋权与推荐之中。人工智能时代,一些西方媒体利用人工智能技术查封发布支持中国言论的社交账号,限制发布支持中国言论账号的社交流量,提升反华言论推荐权重,将明面上的“言论自由”绘制成暗地里的“民主谎言”。这种基于人工智能技术的有针对性地信息推送,能够于潜移默化中形塑人们的政治认知,改变人们的政治倾向,让人们在难以觉察的同时疏于应对,对我国意识形态安全造成严重威胁。

2.意识与万物的泛在互联:意识形态风险全域化

人工智能时代,意识形态风险的发生地与发酵池从互联网延伸至物联网,人与物都可能成为意识形态风险的传播源与扩散器,这使意识形态风险由人扩展到物,呈现出全域化的特征。随着移动通信技术的飞速发展,基于泛在网络的万物互联即将成为现实。通过泛在网络,人与人、人与物、物与物都被连接起来。“在未来信息生产系统的各个环节,参与主体将不仅是人,机器及万物都可能成为信息的采集者,而机器也可以完成信息的智能化加工。”[3]由“万众皆媒”到“万物皆媒”的演进,将有效提高信息采集与加工的效率,使信息变得更为易得与易传。但当越来越多的现实物品接入互联网,被现实物品包围的人类也易将自身置于越来越多的不可控的风险之中。当前,物联网网络安全防护仍处于起步阶段,安全防护能力较弱,许多智能家居设备尚不具备防火墙等安全防护功能。这使物联网相较于传统无线网而言,更易受到黑客的威胁与攻击。一旦物联网被入侵者破坏,人们身边的物品就将成为入侵者的工具,就存在发生信息泄漏、信息篡改与被价值渗透的可能,构成个人信息安全与国家意识形态安全的隐患。

3.真实与虚假的杂糅互构:意识形态风险复杂化

4.人类与机器的双向互驯:意识形态风险动态化

人工智能时代,是人类驯化机器,还是机器驯化人类?这是一个需要人类以一种高度警醒的态度来面对的问题。辩证而言,人类与机器的驯化关系从来都并非是单向的,而是双向交互作用的。尤其是人工智能技术赋予了机器以自主性与成长性,使人类与机器的互驯成为一个循环交替作用与即时交互作用共在的动态过程。人类对人工智能的驯化体现为人类将观念融入数据并植入算法。而人工智能则以其算法反过来影响人类观念,实现了人工智能对人类的驯化。深度学习方法的出现,使人工智能拥有了随着自主学习而不断改进自身的能力。人类与人工智能的每一次互动,都会使人工智能习得人类的观念和行为,亦使人类的观念与行为受到人工智能的影响。当人类意识到喂食人工智能的数据与编写的人工智能的算法将对人类观念与行为造成影响时,人类便以其观念与行为试图修正数据与算法,而修正后的数据与算法将再次影响人类的观念与行为,周而复始,使意识形态风险在不断的交互作用中呈现出演进发展的动态化特征。

二、人工智能时代意识形态风险的样态

面对社会智能化的阵痛,技术向善是当前所有有识之士的共同追求。但技术有时成为社会的“负催化剂”,意识形态的排斥、撕裂、操纵与解构成为人工智能时代意识形态风险的可能样态。

1.“智能鸿沟—数据偏见—算法歧视”的意识形态排斥风险

2.“认知窄化—价值分化—群体极化”的意识形态撕裂风险

3.“全景监狱—计算宣传—数字霸权”的意识形态操纵风险

4.“调控失位—公共失序—人本失落”的意识形态解构风险

三、人工智能时代意识形态风险的化解

面对人工智能时代意识形态的风险,推进智能平权、强化共识凝聚、注重群己共律与重塑核心价值,是人工智能时代意识形态风险可能的化解路径。

THE END
1.算法原理与代码实例讲解:自主学习自主学习算法随着人工智能技术的不断发展,自主学习成为了人工智能领域的一个重要研究方向。自主学习是指机器能够自主地从数据中学习知识和技能,而不需要人类的干预。这种学习方式可以让机器更加智能化,能够更好地适应不同的环境和任务。 在自主学习中,深度学习是一种非常重要的技术。深度学习是一种基于神经网络的机器学习方法,它可https://blog.csdn.net/m0_62554628/article/details/139816417
2.OpenAI发布人工智能新算法,糅合VR技术“教”会机器人自主学习首先,收集真实世界中的图像不仅费时费力,而且花费的成本也将是天文数字。反观模拟数据,可以更快、更有效率的达到相同的学习效果。也正因此,OpenAI为最新的人工智能算法提供的都是有着不同风格背景和纹理的虚拟图像。 另外很重要的一点,相较于真实世界的图像,人工智能算法在对虚拟图像进行分析的时候可以不用考虑现实场https://m.sohu.com/a/676462821_121687414
3.人工智能的自主学习技术人工智能的自主学习技术 人工智能(Artificial Intelligence,简称AI)的自主学习技术是指通过算法和模型,使机器能够从大量的数据中自动学习和提取知识,从而能够在面对新的任务和问题时做出准确的判断和决策。自主学习技术是AI领域的一项核心技术,已经在许多领域取得了重大的突破和应用。 自主学习技术的核心在于机器的自动学习https://wenku.baidu.com/view/f2f868986ddb6f1aff00bed5b9f3f90f77c64d05.html
4.人工智能A算法:引领智能化发展的未来之路随着科技的发展,人工智能已经成为了当今社会的热门话题。而人工智能A算法的出现无疑将推动智能化发展的未来之路。人工智能A算法是一种基于大数据和深度学习的算法,通过对复杂问题进行模拟和推理,实现了人工智能的自主学习和智能决策。 人工智能A算法在各个领域都有着广泛的应用。在医疗领域,它可以通过分析病例和医学数据http://chatgpt.kuyin.cn/article/3534398.html
5.从算法到硬件平台,人工智能大潮下的Intel做了什么极客公园目前英特尔的人工智能芯片产品分为四个种类,分别为至强可扩展处理器系列、Nervana 神经计算处理器、Movidius、以及 FPGA。 在英特尔中国研究院院长宋继强看来,人工智能的演进,将由机器学习逐渐过渡到自然智能,人工智能芯片需要逐渐具备处理歧义、场景推理以及自主学习的能力。 https://www.geekpark.net/news/224501
6.通过算法的治理——人工智能语境下的法律转型而对于这种弱人工智能的界定,去除了简单的拟人式想象,只将其看作一种基于算法设计通过数据自主学习以优化数据处理的计算机制,本质在于算法和数据。 效率导向推动下人工智能在法律活动中的应用 从将人工智能作为优化数据处理的计算机制出发,对于人工智能与法律的关联,很容易将其作为一种法律活动的辅助工具加以理解。事实https://www.cdstm.cn/theme/khsj/khzx/khcb/201902/t20190221_909208.html
7.李书恒算法共谋的反垄断规制研究在人工智能学习达到一定成熟度后,尽管双方的算法系统各不相同,也可能在机器的自主学习下达成共谋,实现垄断的结果。可以预见,在未来人工智能之间共谋的实现不需要算法间交流或与经营者保持一致的意图便可能达成,这将放大算法作为执行合意的工具的效果,从而使得不受干涉的自由经营与竞争走向垄断。https://www.jfdaily.com/sgh/detail?id=1054994
8.孙保学:人工智能的伦理风险及其治理当前,我们正身处以人工智能技术为核心的第三次信息技术浪潮之中。它的突破性变革表现在:一方面,从技术(软件和硬件)的演进和发展的角度看,不仅计算机的运算能力较几十年前取得了飞速提升,而且以深度学习为代表的人工智能算法使人工智能的自主学习能力大大增强。学习算法具备了更强的自主能力,能够自行学习和编程,处理https://aiethics.hunnu.edu.cn/content.jsp?urltype=news.NewsContentUrl&wbtreeid=1147&wbnewsid=2002
9.人工智能六大领域拓展阅读 人工智能新观察:中国需要怎样的人工智能创新生态? 打破人工智能算法黑箱 人工智能需要自主学习https://36kr.com/p/1480310728667913