算法和人工智能需要法律关注

munia

英国议会科学技术委员会已启动一项调查[ 1 ]，以审查算法（和人工智能）在公共和私人决策中日益增加的使用，旨在评估算法的制定方式、错误和可能的纠正——如以及它们对个人的影响，以及他们理解或挑战基于人工智能的决策的能力。


首先，了解哪些算法应用于计算和远程信息处理、人工智能、机器学习、深度学习、神经网络、物联网等领域非常重要——由于最近令人难以置信的进步和日益重要的应用，这些算法令人印象深刻。它们在我们的生活中已经（并将继续）发挥着重要作用。

广义上的算法是一组指令，例如蛋糕食谱、玩游戏的指令等。它是一系列规则或操作，应用于许多数据，可以解决类似类别的问题。在计算和远程信息处理中，一组完美定义的逻辑规则和程序，可通过多个步骤解决问题。换句话说，更清楚的是：它们是机器遵循的指南。本质上，算法只是一种以数学方式表示执行任务的结构化过程的方法。或多或少类似于规则和工作流程，例如我们在公司决策过程中发现的逐步过程。

人工智能（Artificial Intelligence – 或简称AI），简单来说，是指机器（计算机、机器人和其他使用电子、计算、远程信息处理和先进技术的设备和系统）执行具有以下特征的任务的可能性：人类智能，例如计划、理解语言、识别物体和声音、学习、推理、解决问题等。换句话说，它是计算机系统的理论和发展，能够执行通常需要人类智能的任务，例如 BTC用户数数据 视觉感知、语音识别、决策和语言之间的翻译。

机器学习是实现人工智能的一种方式。它是人工智能的一个分支，涉及创建可以自动从数据中学习的算法。软件开发人员不是用特定的指令创建大量的代码和例程，以便机器可以执行某些任务并取得结果（从而极大地限制其行动和结果的领域），而是在机器学习中对算法进行训练，以便它可以学习其自身的能力。甚至达到了算法开发者无法想象的结果。在这种训练中，需要将大量数据输入到算法（或涉及的算法）中，使其（算法）能够调整并不断改进其结果。

深度学习是机器学习的几种方法之一。其他方法包括决策树学习、归纳逻辑编程、聚类、强化学习、贝叶斯网络等。深度学习的灵感来自于人脑的结构和功能以及神经元的互连。人工神经网络（Artificial Neural Networks – ANN）是模仿人脑生物结构的算法。在人工神经网络中，有一些“神经元”（用引号引起来），它们具有多个层并与其他“神经元”有联系。每一层都会选择一个特定的特征来学习，例如识别图像时的曲线和边缘。深度学习因这些多层而得名。深度是通过利用多层而不是算法的单层学习来创建的。这些深度学习算法形成“神经网络”，它们很快就会超越我们理解其所有功能的能力。



人工智能和物联网[ 2 ]本质上是相互交织的。这就像大脑和人体之间的关系。我们的身体收集视觉、声音和触觉等感官输入。我们的大脑接收这些数据并理解它，例如，将光转化为可识别的物体，将声音转化为可理解的语音，等等。然后我们的大脑做出决定，将信号发送回身体以命令动作，例如拿起物体或说话。

构成物联网的所有连接传感器就像我们的身体一样，它们提供世界上正在发生的事情的原始数据。人工智能就像我们的大脑，理解这些数据并决定采取什么行动。物联网的连接设备再次像我们的身体一样，执行身体动作或与他人交流。[ 3 ]

目前构建的无数设备，例如医疗设备、智能手表、车辆、家用电器，简而言之，所有由电子元件、软件、传感器构建的、能够收集数据并将数据传输到互联网、能够被识别的物品以一种独特的形式，即所谓的物联网。