无人机整机
无人机配件
无人机服务
设备与工具
运输
交通代表着AI和机器学习正在产生重大创新的领域。布鲁金斯学会的卡梅伦·凯里（Cameron Kerry）和杰克·卡斯滕（Jack Karsten）的研究发现，在2014年8月至2017年6月之间，对自动驾驶技术的投资超过800亿美元。这些投资包括自动驾驶应用和对该领域至关重要的核心技术。
无人驾驶汽车-汽车、卡车、公共汽车和无人机运输系统-使用先进的技术能力。这些功能包括自动车辆导航和制动、换道系统，使用摄像头和传感器来避免碰撞，使用AI实时分析信息以及使用高性能计算和深度学习系统来适应通过详细地图了解新情况。
光检测和激光测距系统（LIDAR）和AI是导航和避免碰撞的关键。LIDAR系统将光和雷达仪器结合在一起。它们安装在车辆的顶部，这些车辆在360度环境中使用雷达和光束成像，以测量周围物体的速度和距离。这些仪器连同放置在车辆前，侧面和后部的传感器一起提供信息，使快速行驶的汽车和卡车保持在自己的车道上，帮助他们避开其他车辆，在需要时施加制动和转向，并立即执行操作以免发生意外。
先进的软件使汽车能够从道路上其他车辆的经验中吸取经验，并随着天气，驾驶或路况的变化而调整其引导系统。这意味着软件是关键，而不是汽车或卡车本身。
由于这些摄像机和传感器会收集大量信息，并且需要立即对其进行处理，以避免汽车驶入下一车道，因此自动驾驶汽车需要高性能的计算，先进的算法和深度学习系统，才能适应新的场景。这意味着软件是关键，而不是物理的汽车或卡车本身。先进的软件使汽车可以从道路上其他车辆的经验中学习，并根据天气，驾驶或道路状况的变化调整其引导系统。
拼车公司对自动驾驶汽车非常感兴趣。他们看到了客户服务和劳动生产率方面的优势。所有主要的乘车共享公司都在探索无人驾驶汽车。汽车共享和出租车服务的激增，例如美国的Uber和Lyft，英国的戴姆勒Mytaxi和Hailo服务以及中国的滴滴出行，都证明了这种交通方式的机遇。优步最近签署了一项协议，从沃尔沃购买24,000辆自动驾驶汽车，用于其乘车共享服务。
然而，这家拼车公司在2018年3月遭受挫折，当时其在亚利桑那州的一辆自动驾驶汽车撞死一名行人。Uber和几家汽车制造商立即暂停测试，并开始调查出了什么问题以及可能发生的致命事故。工业界和消费者都希望保证该技术是安全的，并且能够兑现其既定的承诺。除非有有说服力的答案，否则这起事故可能会减慢AI在运输领域的进步。
智慧城市
大城市政府正在使用AI改善城市服务的提供。例如，根据Kevin Desouza，Rashmi Krishnamurthy和Gregory Dawson的说法：
美国辛辛那提消防局正在使用数据分析来优化医疗应急响应。新的分析系统通过考虑多个因素（例如呼叫的类型，位置），向调度员建议对医疗紧急呼叫的适当响应（无论是可以在现场治疗患者还是需要将患者送往医院） ，天气和类似通话。
由于每年要处理80,000个请求，因此辛辛那提（Cincinnati）官员正在部署这项技术，以优先处理响应并确定处理紧急情况的最佳方法。他们将AI视为处理大量数据的一种方法，并找出了响应公共请求的有效方法。当局没有以临时方式解决服务问题，而是试图主动提供城市服务。
辛辛那提并不孤单。许多大都市地区正在采用智慧城市应用程序，这些应用程序使用AI来改善服务交付，环境规划、资源管理、能源利用和犯罪预防等。对于《智慧城市》指数，《快速公司》杂志对美国地区进行排名，并发现西雅图，波士顿，旧金山，华盛顿特区和纽约市是采用率最高的地区。例如，西雅图已经拥抱可持续性，并正在使用人工智能来管理能源使用和资源管理。波士顿启动了“城市呼叫系统”，以确保服务不足的社区获得所需的公共服务。它还部署了“摄像机和感应回路来管理交通和声学传感器以识别枪击。”旧金山已认证203座建筑物符合LEED可持续性标准。
通过这些和其他方式，大都市区在AI解决方案的部署方面处于领先地位。确实，根据全国城市联盟的报告，美国66％的城市都在投资智慧城市技术。报告中提到的最主要的应用是“用于公用事业，智能交通信号，电子政务应用，Wi-Fi信息亭和人行道上的射频识别传感器的智能仪表。”
三、政策、法规和道德问题
来自各个领域的这些例子证明了AI如何改变人类生活的方方面面。人工智能和自主设备在生活的许多方面的日益普及正在改变组织内部的基本操作和决策，并提高效率和响应时间。
但是，与此同时，这些事态发展引发了重要的政策，法规和道德问题。例如，我们应该如何促进数据访问？我们如何防范算法中使用的有偏见或不公平的数据？通过软件编程引入了哪些类型的道德原则，设计人员应该如何选择？在算法造成损害的情况下的法律责任问题呢？
人工智能在生活的许多方面的渗透日益增加，正在改变组织内部的决策并提高效率。但是，与此同时，这些事态发展引发了重要的政策，法规和道德问题。
资料存取问题
充分利用AI的关键是建立一个“具有统一标准和跨平台共享的数据友好型生态系统。” AI依赖于可以实时分析并处理具体问题的数据。在研究界拥有“可用于探索的数据”是成功开发AI的前提。
根据麦肯锡全球研究所的一项研究，促进开放数据源和数据共享的国家最有可能看到AI的发展。在这方面，美国比中国具有实质优势。对数据开放性的全球评级显示，美国在全球总体排名第8，而中国为93。
但是目前，美国还没有统一的国家数据策略。很少有协议可以促进研究访问或平台的发展，从而可以从专有数据中获得新的见解。谁拥有数据或在公共领域拥有多少数据并不总是很清楚。这些不确定性限制了创新经济，并拖累了学术研究。在以下部分中，我们概述了改善研究人员数据访问的方法。
数据和算法偏差
在某些情况下，某些AI系统被认为启用了歧视性或偏见性做法。例如，Airbnb被指控在其平台上歧视种族少数群体的房主。哈佛商学院进行的一项研究项目发现，“使用具有明显非洲裔美国人名字的Airbnb用户被接待的可能性要比具有明显白色人名的用户低大约16％。”
面部识别软件也会出现种族问题。大多数此类系统通过将人的脸部与大型数据库中的一系列脸部进行比较来进行操作。正如算法正义联盟的Joy Buolamwini所指出的那样：“如果您的面部识别数据主要包含白种人的面孔，那么您的程序将学会识别这些内容。”除非数据库可以访问各种数据，否则这些程序在试图识别非裔美国人或亚裔美国人的特征。
许多历史数据集反映了传统值，这些值可能代表也可能不代表当前系统所需的首选项。正如布拉姆维尼（Buolamwini）所指出的，这种方法可能会重复出现过去的不平等现象：
自动化的兴起和对高风险决策的算法的依赖越来越大，例如是否有人获得保险，您拖欠贷款的可能性或某人的累犯风险，这是需要解决的问题。甚至入学决定也越来越自动化-我们的孩子去哪所学校上学以及他们有什么机会。我们不必将过去的结构性不平等带入我们创造的未来。
2024-04-03 16:45
2024-04-03 14:34
2024-04-03 09:50
2024-04-03 09:46
2024-04-03 09:45
2024-04-02 09:48
2024-04-02 09:46
2024-04-02 09:42
2024-04-02 09:42
2024-04-01 10:42
