人工智能是如何胜过超级细菌的

有兴趣的人的技术和社会的开创性文本的NE是梅尔文·克兰萨贝格的技术六法全书，其中第一个说，“技术是既不好也不坏;也不是中立的”。通过这种方式，克兰斯堡(Kranzberg)表示技术与社会的互动是“技术发展经常带来环境，社会和人类后果，这些后果远远超出了技术设备和实践本身的直接目的，而同一技术在引入时可能会产生完全不同的结果。在不同的背景下或在不同的情况下”。

轿车酒吧的说法是“技术既有好有坏;“这一切都取决于它的使用方式”。这是技术传播者定期部署的一种策略，可以用来阻止对话。因此，使用克朗斯堡定律的一种更好的方法是问一个简单的拉丁语问题：Cuibono?–谁从任何提议或大肆宣传的技术中受益?而且，暗示地，谁输了?

借助任何通用技术(互联网已成为这种技术)，答案将变得复杂：各行各业，社会，部门，甚至大洲—都输了，所以最终的问题归结为：谁受益?最?对于整个互联网而言，现在说还为时过早。但是，当我们专注于特定的数字技术时，事情就会变得更加清晰。

一个典型的例子是被称为“机器学习”，人工智能的一个表现是高科技的痴迷技术的德号JOURS。它实际上是对“大数据”(即庞大的数据集)进行“训练”的算法的组合。原则上，任何具有计算能力并可以使用TensorFlow等免费软件工具的人都可以进行机器学习。但是实际上，它们之所以不能，是因为他们无法访问训练算法所需的海量数据。

这意味着正在进行大多数领先的机器学习研究的机构都是少数技术巨头，尤其是Google，Facebook和Amazon，它们在过去二十年中积累了巨大的行为数据孤岛。既然他们已经成为技术的主导者，那么Kranzberg问题–谁受益?–很容易回答：他们愿意。如今，机器学习驱动着这些业务中的一切-服务，推荐，精确针对性的广告，行为预测的“个性化”……对他们而言，人工智能(通常指机器学习)无处不在。这使它们成为资本主义历史上最赚钱的企业。

因此，目前主要为了私有化收益而部署具有强大潜力的强大技术。在此过程中，它的特点是不受管制的过早部署，算法偏见，加剧的不平等，破坏民主进程以及将秘密监视提高到有毒水平。上周在领先的生物学杂志《细胞》(Cell)上的一篇报道生动地证明了不必如此一个非凡项目的成果，它利用了公共(相对于私人)利益的机器学习。研究人员使用该技术解决了细菌对常规抗生素的抗药性问题-这一问题在全球范围内急剧上升，并预测，如果不采取解决方案，到2050年，抗药性感染每年可能导致1000万人死亡。

麻省理工学院和哈佛大学的研究人员团队建立了一个神经网络(一种受大脑结构启发的算法)，并对其进行了训练，使用已知的2335个分子的数据集来发现抑制大肠埃希氏菌生长的分子，包括一个包含300种现有批准的抗生素和800种来自植物，动物和微生物来源的天然产物的图书馆。然后，他们要求网络预测哪种抗大肠杆菌有效，但看上去与传统抗生素不同。这产生了一百个物理测试候选人，并导致了一个(他们以2001年的HAL 9000计算机“太空漫游”命名为“ halicin”)对多种病原体均具有活性-尤其是其中两种对目前的抗生素具有完全抗性，因此是全球医院迫在眉睫的噩梦。