19、机器伦理与基于价值的 IT 设计

机器伦理与基于价值的 IT 设计

1. 机器伦理的两种思考方式

机器伦理大致有两种思考方式。其一,在设计机器时融入精心制定的伦理原则,由信息技术(IT)设计师使机器符合伦理准则。其二,赋予机器进行伦理问题推理的能力,让机器运用伦理原则或学习程序提炼伦理理论并指导自身行为,此方向重点关注如何将伦理理论转化为算法。

二者的区别至关重要,因为它们在机器设计中对伦理理论的应用侧重点截然不同。这里更倾向于第一种方式,即探讨如何运用各种道德哲学流派,助力 IT 设计师构建“优质”的 IT 系统,重点关注 IT 经理、项目团队和工程师如何确保所构建和投资的 IT 系统对环境以及使用这些系统的人有益。

2. 基于价值的设计中的伦理理论

基于价值的设计涉及多个伦理理论领域。首先,“价值伦理”是理解 IT 系统设计核心目标的基础,它源于 20 世纪的哲学和心理学。然而,价值伦理并非万能,正如查尔斯·埃斯指出,价值易受相对主义影响而被滥用,因此将价值伦理与针对高管和工程师的道德指导相结合不可或缺。基于规则的道德指导和亚里士多德的美德伦理是“基于价值的设计”的重要组成部分。

伦理理论 作用
价值伦理 理解 IT 系统设计核心目标
基于规则的道德指导 提供行为准则
亚里士多德的美德伦理
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值