从 FOMO 到 AI：罗杰·瓦拉德关于人工智能的回报和风险

12岁时，ProQuest CTO开始阅读每本书。今天，他讨论了技术的好处和责任，可以帮助人们实现如此崇高的目标。

编者按：这篇社论最初发表在ACRL的政策、政治和国际关系部分2019年春季通讯中。

由罗杰·瓦拉德，首席技术官，ProQuest

当我12岁的时候，我是一个狂热的读者，我可能从祖母那里捡到这个特质，祖母在失眠的块中吞食书籍。我花了晚上，周末和节假日扫描尽可能多的页面 - 斯蒂芬·金，托尔金，阿西莫夫 - 进入我的大脑，因为意识会负担得起。百事可乐刺激了我咖啡前的咖啡需求。昏昏欲睡，我会休息一下，洗脸在冷水，希望我能享受尽可能多的时间密歇根州的黑暗，阅读友好的冬夜。而且， 在我晚上 9 .m宵禁之后， 我会把管袜子塞到门下， 防止灯的光线远离父母的监视。

我的目标之一是阅读每一本曾经写过的书，我很遗憾地很快意识到我的阅读速度跟不上我的阅读清单的增长。好的，太好了，我必须更有选择性。如何阅读最好的书？我应该广泛阅读许多作者和许多流派， 还是专注于一个作者或地区？FOMO，或"害怕错过"，不是20世纪80年代的广告活动，但我真的，真的很害怕错过。

快进几十年了，我读的书比例直线下降。我要求我们的鲍克团队对过去五年在美国出版的新书进行报告。自 2014 年以来，已出版超过 200 万本新书。2018年，这一数字跃升至近340万。看我的阅读日志，我只读过 15 本。

我沉溺于这个故事，因为它与现代研究者的困境相同，尽管在研究中这个问题自然要糟糕得多。试图与正在出版的材料量保持最新状态是不可能为人而准备的。仅ProQuest平台，我们就托管了超过10亿份文件，从今天上午的报纸到十五世纪写的书籍。自尤金·鲍尔于1938年创立大学缩微胶片以来，我们一直在研究这个问题，梦想拍摄和缩微电影世界的知识，以催化其传播和传播。

帮助研究人员找到他们寻求的内容——无论是照亮一种预感，指向一个新的方向，还是提供令人沮丧的反点——是我们的基本使命，我们通常主要关注的内容、搜索工具和工作流。然而，今天，你不能看棒球比赛或黄金时段的节目（我认为他们仍然存在），没有也听到机器学习或人工智能，以及如何燃料你的锻炼，改善你的通勤/饮食/播放列表，或电源您的业务。

我12岁的孩子现在问我在每场密歇根金刚狼篮球赛之前，ESPN应用程序预测谁将赢得比赛——我们在电视上实时观看胜利概率更新。将这些新技术用于分析文本、图像、视频和原始数据、程序和算法等新资产是一个令人兴奋的现实。在 ProQuest，我们与大学生合作，使用开源工具分析报纸内容，将页面分成他们的组成文章，消除巴黎，TX， 从巴黎 ，评估临床试验报告的报告性。

当我在学习文学时，这些选择都没有。我不必要地嫉妒今天的学生，因为他们可以回答一个问题，需要一个星期的时间用纸和笔操作在几分钟内与笔记本电脑和Jupyter互动笔记本。你不必阅读所有存在的书籍 - 你可以构建一个模型来阅读它们，抽象它们，也许还可以使用实体提取、情绪分析和主题建模来回答一些关于它们的有趣问题。太耀眼了。但是，让这些新技术承担也是一个外科手术微妙的手术。

例如，我们的一些药物安全服务启用的工作流与政府监管的流程有关。缺少临床试验报告的不利影响不是一种选择。我们如何构建模型，以透明、无偏见、安全地指导研究人员？人工智能人员基于虚假内容发展不良特征的例子比比皆是，显然这些还很早。然而，这些新方法的希望是强烈的。

在2019年2 月的《纽约时报》 的一篇文章中，药物发现研究员德里克·洛说，"机器不是要取代化学家。这是化学家谁使用机器将取代那些不使用。我们使用这些机器只会变得更加复杂。

微软首席执行官萨 塔亚·纳德拉在他的著作《点击刷新》中写道："AI必须透明。我们所有人，而不仅仅是技术专家，都应该了解技术的工作原理及其规则。我们不仅想要智能机器，而且想要可理解的机器;不仅仅是人工智能，而是共生智能。

人工智能几十年来一直是一个梦想，但如今云计算和大数据的现实终于实现了其中一些梦想。但是，我们是否应该害怕人工智能未来学家经常预测的负面结果呢？你会被一个具有 HAL 9000 特性的 AI 锁在家庭、汽车或电脑外面吗？斯坦福大学的"人工智能百年研究"2016年报告指出，"与大众媒体对人工智能的更奇妙的预测相反，研究小组发现没有理由担心人工智能对人类构成迫在眉睫的威胁。

为了确认， 我问亚历克萨是否喜欢 Siri 。亚历克萨的回答？"我偏袒所有的 Ais 。这是一个良好的开端。