机器行为学完整版本.pptVIP

**机器行为学目录CONTENTS研究背景ResearchBackground01研究动机ResearchMotivaion02展望Expectation06跨学科研究InterdisciplinaryStudy04研究范围ResearchRange05研究对象与问题Researchobjectsandproblems03研究背景*研究背景第一方面研究背景第二方面研究动机*机器行为学的研究动机有三：首先，很多在我们的生活中被运行的算法正起到越来越重要的角色；其次，因为不光是这些算法，还有算法运行的环境的复杂特质，光依靠分析手段是很难了解它们的行为的；另外，智能算法的广泛存在和复杂性给预测算法对人类潜在的或正或负的影响带来了挑战？①算法的普遍性。目前，我们社会上的各种算法流行是前所未有的。社交媒体新闻排名算法影响着人们所能阅读到的信息；算法交易软件使金融市场交易速度迅速；信用评分算法决定着贷款决策；在线定价算法在不同消费者之间形成产品成本差异；自动驾驶汽车横穿我们的城市，改变了传统交通模式。机器很可能越来越取代人类，算法已经逐步在控制着人们的家务活动、出行、消费行为、约会方式、抚养小孩和照顾老人等方方面面的行为。研究动机*②算法的复杂性和不透明度。即便个别算法是相对简单的，研究像人工智能系统这样多样且广泛的对象的行为是件难以想象的困难事情，其主要表现在两方面：1.输出难以解释2.数据集的收集与版权限制。研究动机*③无处不在的，日益复杂的算法，它们放大了人类估计和预测它们对个人和社会影响的难度。人工智能体正以意料之中和之外的方式塑造人类的行为和社会结果。其主要包含两个问题：1.造福还是“造乱”？这是个问题如一些人工智能体被设计用来帮助孩子们，或是帮助老年人安全移动来造福人类。然而，如果这种用来造福人类的力量在”意料之外的情况下“偏离了初衷，就会出现类似孩子们被植入广告买特定产品，老年人被固定只能选择特定的电视节目等类似的情况。此类算法对个体的正负面影响可以扩大到社会层面。2.在不断复杂化的人-机混合系统的背景下，人类只能自负盈亏为了应对这些问题，从业者有时候被迫做出各种偏见之间的取舍。更多关于算法效果的问题仍然存在，如网恋算法如何影响婚姻制度，或者人类和智能算法之间的相互作用是否会系统性的影响人类发展的进程。这些问题在不断复杂化的人类-机器混合系统的背景下变得越发难解。跨学科研究*有关机器行为的问题跨越了各种传统科学学科和主题，为了研究其黑盒算法在现实环境中的行为，我们必须整合来自不同科学学科的知识。机器行为研究提供了定量证据，有助于向研究技术对社会和技术系统潜在影响的领域提供信息。反过来，这些领域可以为研究机器行为的领域提供有用的工程实践和科学问题。最后，对行为的科学研究有助于人工智能学者对人工智能系统能做什么和不能做什么做出更精确的陈述。研究对象和问题*计算机科学学者已经在理解人工智能系统的机制和发展方面取得了实质性的进展，但相对而言，人们对人工智能系统的功能和演变的重视较少。与研究动物和人类的行为类似，机器行为所研究的问题和对象包括产生机器行为的机制、功能、行为发展和演化。具体来说，包括是什么与为什么两种类型的问题，以及动态与静态两种模式。每种问题又可以在单个机器、机器集合和混合人机系统三个层面上开展研究。研究对象和问题*机制既依赖于算法，也依赖于其环境。机器行为的直接原因与在特定环境中观察到的触发和生成行为的方式有关行为产生机制机器行为发展可以直接归因于人类工程学或设计选择，我们可以研究机器是如何获得一个特定的个体或集体行为的。例如，程序员所做的体系结构设计选择决定或影响算法显示的行为类型。行为发展与动物进化模式类似，机器行为的进化史也可以产生路径依赖性，从而解释其他令人费解的行为。有些机器行为可能会传播，因为它是“可进化的”，易于修改，促进了多样性和稳定性，并对常见干扰具有鲁棒性。进化功能在很大程度上取决于行为是否适合环境，对行为的功能的关注有助于我们理解为什么一些行为机制会扩散和持续，而其他机制则会衰退和消失。功能研究范围*人工智能系统代表了人类、数据和算法的融合，相互作用，相互影响。人类创建的算法过滤的数据影响个人和集体机器行为。人工智能系统接受数据训练，进而影响人类如何生成数据。根据这一框架，机器行为学的研究范围包括：1.单个机器行为，强调对算法本身的研究；2.集体机器行为，强调对机器之间相互作用的研究；3.混合人-机器行为，强调对机器和人之间相互作用的研究。机器行为和