给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识与大家分享。希望大家看完之后会喜欢。
感兴趣的人的技术与社会的开创性文本的NE是梅尔文克兰萨伯格的技术六定律，其中第一条说：“技术没有好坏之分；不是中立的。”。这样，Kranzberg说，技术与社会的互动是“技术发展往往会带来环境、社会和人的后果，这些后果远远超出了技术设备和实践本身的直接目的，而同样的技术引入后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”。
车吧的说法是“技术有好有坏；这完全取决于如何使用它。这是技术传播者经常采用的策略，可以用来阻止对话。因此，使用克兰斯定律更好的方法是问一个简单的拉丁语问题：Cuibono？谁从任何提议或宣传的技术中受益？含蓄地说，谁输了？
在任何一般技术的帮助下(互联网已经成为这样的技术)，答案都会变得复杂：所有的行业、社会、部门甚至大洲都失去了，所以最后的问题归结为：谁受益？最多？对于整个互联网来说，现在说还为时过早。然而，当我们专注于特定的数字技术时，事情会变得更加清晰。
一个典型的例子叫做“机器学习”，人工智能的一个表现就是痴迷于高科技的德国JOURS。它实际上是“训练”大数据(即庞大数据集)的算法组合。原则上，任何有计算能力并能使用TensorFlow等自由软件工具的人都可以进行机器学习。但事实上，他们不能，因为他们不能访问训练算法所需的海量数据。
这意味着大多数领先的机器学习研究机构都是少数科技巨头，尤其是谷歌、脸书和亚马逊，它们在过去二十年中积累了巨大的行为数据孤岛。既然它们已经成为主导技术，克兰兹伯格提出了一个问题——谁受益？很容易回答：他们会的。如今，机器学习驱动着这些业务的一切——服务、推荐、精准有针对性的广告、行为预测的“个性化”……对他们来说，人工智能(通常称为机器学习)无处不在。这使他们成为资本主义历史上最赚钱的企业。
因此，目前部署具有巨大潜力的强大技术主要是为了私有化的利益。在这一过程中，它的特点是不受控制的过早部署、算法偏差、日益加剧的不平等、破坏民主进程以及将秘密监控提升到有毒水平。上周，领先的生物学期刊《细胞》 (Cell)的一篇报道生动地证明，没有必要进行这样一个非凡的项目，它利用了具有公共(相对于私人)兴趣的机器学习。研究人员利用这项技术解决了细菌对常规抗生素的耐药性问题——这个问题在全球范围内急剧上升，并预测到2050年，耐药感染每年可能导致1000万人死亡。
来自麻省理工学院和哈佛大学的一组研究人员构建了一个神经网络(一种受大脑结构启发的算法)并对其进行了训练，利用2335个分子的已知数据集来发现抑制大肠杆菌生长的分子，包括一个包含300种现有批准抗生素和800种来自植物、动物和微生物的天然产物的库。然后，他们要求网络预测哪种抗大肠杆菌有效，但它看起来与传统抗生素不同。这产生了100名物理测试候选人，并导致了一种(2001年被HAL 9000计算机“太空漫游”命名为“halicin”)对多种病原体具有活性——尤其是其中两种对目前的抗生素完全耐药，因此对全世界的医院来说，这是一个迫在眉睫的噩梦。
本文就为大家讲解到这里了。标签：