吴恩达:以价值观驱动科技分类新范式
|
吴恩达近年反复强调:技术本身没有善恶,但技术的开发、部署与应用方式,深刻反映并塑造着人类的价值取向。他主张摒弃传统以算力、算法或应用场景为单一坐标的科技分类法,转而构建一种“以价值观驱动”的新范式——将技术按其核心价值承诺(如公平性、可解释性、人类福祉、环境可持续性)进行归类与评估。
2026AI生成的视觉方案,仅供参考 这一范式不把大模型、自动驾驶或医疗AI简单归入“人工智能”大类,而是追问:该系统是否在设计之初就嵌入了对边缘群体的包容性考量?其决策逻辑能否被非技术人员理解与质疑?它是否主动降低能源消耗,而非仅追求参数规模?例如,一款用于信贷审批的AI,若采用黑箱模型却未配备申诉与人工复核通道,即便准确率高,也会被归入“效率优先型”技术;而另一款虽精度略低,但提供清晰归因、支持用户异议反馈且定期审计偏见,则属于“公正可问责型”技术。吴恩达指出,当前许多技术伦理讨论仍停留在原则宣示层面,缺乏可操作的分类工具。价值观驱动范式试图弥合这一断层:它要求工程师在项目启动阶段即明确声明三项核心价值承诺,并通过具体指标(如不同收入群体的误拒率差异、模型推理延迟对医生响应时间的影响、单次推理碳当量)来验证落实程度。这种分类不是静态标签,而是动态光谱——同一技术在不同部署场景中可能归属不同类别,比如人脸识别系统用于失踪儿童搜救属“生命救助型”,用于无差别公共场所情绪监测则划入“自主侵蚀型”。 该范式也重新定义了“技术成熟度”。传统标准关注性能提升曲线,而新范式将“价值实现度”设为同等关键维度:一项技术只有在真实环境中持续达成其承诺的价值目标(如使基层医院诊断误差率下降的同时,未加剧城乡医生能力鸿沟),才被视为真正成熟。吴恩达团队已在多个教育AI项目中实践此框架,要求每个功能模块必须对应至少一项可测量的人本指标,而非仅优化点击率或完成时长。 有人担忧价值观分类会阻碍创新,吴恩达回应:恰恰相反,它让创新方向更清晰。当“减少算法偏见”成为与“提升吞吐量”同等重要的工程目标,就会催生新型数据清洗协议、轻量化可解释架构和跨文化校准方法。技术分类的变革,本质是责任边界的显性化——把隐含在代码、数据与产品决策中的价值选择,转化为开发者、投资者与监管者共同理解的语言。唯有如此,科技才能从“能做什么”的能力清单,转向“应促成什么”的文明契约。 (编辑:百科站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |


3000亿的制造业数字化蛋糕怎么吃?吴恩达的新公司打了个样
Coursera申请美股上市,吴恩达参与创办