Neil Fergusons datamaskinmodell er dratt til strimler

Professor Neil Ferguson ved Imperial College i London startet Great Panic i 2020 med en grundig mangelfull datamodell som var grundig uegnet for vitenskapelig bruk. Ble han i stedet dydssignalering til sin radikale venstre gift gift? ⁃ TN Editor

Mye oppmerksomhet er blitt viet til professor Neil Fergusons tvilsomme merittliste om epidemier og hans like tvilsomme dom når han møtte kjæresten sin ved minst to anledninger i løpet av lockdownen som ble introdusert på eget råd.

Ved nærmere undersøkelse er det to spesielt viktige elementer som roper for uavhengig etterforskning: kvaliteten og påliteligheten til Fergusons datamodell, og hans elskendes politiske tilknytning.

For det første datamodellen. Kildekoden bak Ferguson-modellen er endelig blitt gjort tilgjengelig for publikum via GitHub nettside. Mark E Jeftovic, i sitt Axis of Easy nettsted, sier: 'A kode anmeldelse har blitt utført av en anonym ex-Google programvareingeniør her, som forteller oss at GitHub-depotkoden er blitt massert massivt av Microsoft-ingeniører, og andre, i et forsøk på å piske koden i form for å trygt eksponere den for publikum. Akk, de ser ut til å ha mislyktes, og mange feil og feil fra den opprinnelige programvaren vedvarer i den utgitte versjonen. Forespørsler om den uredigerte versjonen av den opprinnelige koden bak modellen har gått ubesvart. '

Jeftovic mener det mest bekymringsfulle resultatet av modellgjennomgangen er at koden gir "ikke-deterministiske output". Dette betyr at på grunn av feil kan koden gi svært forskjellige resultater gitt identiske innganger, noe som gjør koden uegnet for vitenskapelige formål. Jeftovic sier at dokumentasjonen som er gitt ønsker at leseren skal godta at gitt et 'startfrø', vil modellen alltid gi de samme resultatene. 'Undersøkelse avslører sannheten: koden gir kritisk forskjellige resultater, selv for identiske startfrø og parametere.'

Han forteller at et team til og med fant ut at produksjonen varierte avhengig av hvilken type datamaskin den ble kjørt på.

Jeftovic kan ikke forstå hvorfor Imperial-teamet ikke klarte å innse at programvaren deres var så mangelfull. Han siterer det vanlige beregningsordet "Garbage In / Garbage Out" som den utrente leseren kan tro er det som blir hevdet i kodevurderingen. Faktisk, sier han, 'det er det ikke. Det som blir hevdet er at output er søppel, uavhengig av input. I dette tilfellet er produksjonen vi opplever som et resultat av verdensomspennende nedstengning og nedstenging av verdensøkonomien, og vi vet ikke helt om dette var nødvendig eller ikke, fordi vi ikke har noen faktiske data (bortsett fra Sverige) og alvorlig feilmodeller. '

En annen ekspert, Martin Armstrong (som har en kontroversiell rekord) også gjennomgår Ferguson-modellkoden og kommer til veldig lignende konklusjoner. Han sier at det er en slik vits at det enten er en direkte svindel, eller at det er det mest udugelige stykke programmering jeg noen gang har sett i livet mitt. . . Dette er den mest uprofesjonelle operasjonen kanskje innen informatikk. Hele teamet skal oppløses og et uavhengig team settes på plass for å gjennomgå arbeidet til Neil Ferguson. . . Den eneste rimelige konklusjonen jeg kan komme, er at dette med vilje er blitt brukt for å rettferdiggjøre falske prognoser som er ment for politisk aktivisme. . . Det ser ut til at det ikke har vært noen uavhengig anmeldelse av Fergusons arbeid, noe som er utenkelig! '

Noe som fører oss pent til den andre fasiten av affæren - selve 'affæren' og den politisk radikale elskeren. Professor Ferguson, 51, sies å være fremmedgjort fra sin kone Kim, som han har en 17 år gammel sønn med. Det rapporteres at han har brukt fyrstikknettstedet OkCupid for et år siden for å møte Antonia Staats, 38, for tiden gift og bor sammen med sin mann og to barn. Staats Staats er en venstresidens kampanje som jobber for det USA-baserte online nettverket Avaaz, en organisasjon som fremmer global aktivisme på blant annet klimaendringer. De Guardian har kalt Avaaz kloden største og kraftigste online aktivistnettverk, og den har en verdensomspennende følge av rundt 10 millioner mennesker. Det er løst forbundet med Bill Gates, gjennom World Economic Forum, som også viser Al Gore og Christine Lagarde i styret. Staats jobber som seniorkampanje for klimaendringer for gruppen, og sies å være sympati for målene for utryddelsesopprøret. Indirekte, i det minste på overflaten, binder dette Ferguson til klimaendringer, en årsak til at nedstengningen har tjent veldig godt ved å klare å stenge verdensøkonomien.

Les hele historien her ...




Ansiktsgjenkjenning AI forutsier kriminelle basert på ansikt?

Frenologiens rasistiske pseudovitenskap ble debunked på begynnelsen av 1900-tallet, men programvareutviklere fra Technocrat har gitt det nytt liv med AI-baserte ansiktsgjenkjenningsalgoritmer, og sier at de kan oppdage en sannsynlig kriminell med 80% nøyaktighet og uten rasisk skjevhet. ⁃ TN Editor

Et team fra University of Harrisburg, PA, har utviklet automatisert programvare for ansiktsgjenkjenning av datamaskiner som de hevder kan forutsi med 80 prosent nøyaktighet og "ingen rasemessige skjevheter" om en person sannsynligvis kommer til å bli en kriminell, rent ved å se på et bilde av dem. "Ved å automatisere identifiseringen av potensielle trusler uten skjevhet, er målet vårt å produsere verktøy for kriminalitetsforebygging, rettshåndhevelse og militære applikasjoner," sa de og erklærte at de lette etter "strategiske partnere" for å jobbe med å implementere produktet sitt.

I en bekymringsfull bruk av ord, teamet i seg selv pressemelding, gå fra å henvise til dem programvaren anerkjenner som ”sannsynlige kriminelle” til “kriminelle” i løpet av bare én setning, noe som antyder at de er sikre på den diskrediterte rasistiske pseudovitenskapen til frenologi de ser ut til å ha oppdatert i det 21. århundre.

Dommerreaksjon på prosjektet var mindre enn entusiastisk kommentarer til venstre på Facebook, som inkluderer "Samfunn har prøvd å presse ideen om" fødte kriminelle "i århundrer," "og dette er ikke profilering fordi ……?” og “20 prosent blir konstant haltet av politiet fordi de har det” krimframsiden. ”Responsen var faktisk så negativ at universitetet trakk pressemeldingen fra internett. Imidlertid er det fremdeles synlig ved å bruke Internet Wayback Machine.

Mens forskerteamet påstår å fjerne partiskhet og rasisme fra å ta beslutninger og overlate det til en ansiktsløs algoritme, har de som skriver koden, og de som får bestemme hvem som utgjør en kriminell i utgangspunktet, absolutt sine egne skjevheter . Hvorfor blir de hjemløse eller fargerike mennesker som "loiter" på fortauet kriminalisert, men senatorer og kongresspersoner som stemmer for kriger og regime endrer ikke operasjoner? Og hvem er mer sannsynlig å bli arrestert? Ledere på Wall Street som driver med kokain på kontorene sine eller arbeiderklassen som røyker marihuana eller sprekker? Jo høyere nivået til en person i samfunnet er, jo mer alvorlig og skadelig blir forbrytelsene deres, men sannsynligheten for en arrestasjon og forvaringsstraff avtar. Det er mer sannsynlig at svarte mennesker blir arrestert for den samme forbrytelsen som hvite mennesker og er dømt til lengre opphold i fengselet også. Videre er ansiktsgjenkjenningsprogramvare notorisk for å ikke være i stand til å fortelle folk om farger fra hverandre, vekke ytterligere bekymringer.

Les hele historien her ...




Harvard: Bruke AI for personlig prediktiv karantene

Hvis din prediktive AI ikke fungerer med forebygging av kriminalitet, hvorfor ikke prøve det på prediktive karantene i stedet? Harvard sier at alt det trenger er mer data, der myndighetene "kan utvide nasjonale helsedatainnsamlinger ved å opprette eller rulle ut mer omfattende elektroniske medisinske poster." ⁃ TN Editor

I løpet av de siste månedene har verden opplevd en serie utbrudd av Covid-19 som generelt har fulgt den samme veien: en innledende fase med få infeksjoner og begrenset respons, fulgt av en start av den berømte epidemikurve ledsaget av et landsdekkende lockdown til flate kurven. Da kurven når toppen, må regjeringer ta opp det president Trump har kalt "den største avgjørelsenAv hans liv: når og hvordan man skal håndtere avgrensning.

Gjennom hele pandemien har det blitt lagt stor vekt på deling (eller mangel på den) av kritisk informasjon på tvers av land - spesielt fra Kina - om spredning av sykdommen. Derimot er det relativt lite sagt om hvordan Covid-19 kunne vært bedre styrt ved å utnytte avanserte datateknologier som har forvandlet virksomheter de siste 20 årene. I denne artikkelen diskuterer vi en måte som myndighetene kan utnytte disse teknologiene for å håndtere en fremtidig pandemi - og kanskje til og med avslutningsfasene for den nåværende.

Kraften til personlig prediksjon

En alternativ tilnærming for beslutningstakere å vurdere å legge til i sin blanding for å kjempe mot Covid-19 er basert på teknologien til personlig prediksjon, som har forvandlet mange bransjer de siste 20 årene. Ved hjelp av maskinlæring og kunstig intelligens (AI) -teknologi, datadrevne firmaer (fra "Big Tech" til finansielle tjenester, reise, forsikring, detaljhandel og media) lager personlige anbefalinger for hva de skal kjøpe, og øver på personlig prising, risiko, kreditt , og lignende ved å bruke dataene de har samlet om kundene sine.

I en fersk artikkel fra HBRMing Zeng, Alibabas tidligere strategidirektør, beskrev for eksempel hvordan Ant Financial, selskapets utlånsvirksomhet for småbedrifter, kan vurdere lånesøkere i sanntid ved å analysere transaksjons- og kommunikasjonsdata på Alibabas e-handelsplattformer. I mellomtiden vurderer selskaper som Netflix forbrukernes tidligere valg og egenskaper for å komme med spådommer om hva de vil se på videre.

Den samme tilnærmingen kan fungere for pandemier - og til og med fremtiden til Covid-19. Ved å bruke flere datakilder vil maskinlæringsmodeller bli opplært til å måle et individs klinisk risiko for å lide alvorlige utfall (hvis infisert med Covid): hva er sannsynligheten for at de vil trenge intensiv behandling, som det er begrensede ressurser for? Hvor sannsynlig er det at de vil dø? Dataene kan inkludere enkeltpersoners grunnleggende medisinske historie (for Covid-19 ser ut til at alvorlighetsgraden av symptomene øker med alderen og med tilstedeværelse av komorbiditeter slik som diabetes or hypertensjon) så vel som andre data, for eksempel husholdningssammensetning. For eksempel kan et ungt, sunt individ (som ellers kan klassifiseres som "lav risiko") klassifiseres som "høy risiko" hvis han eller hun bor sammen med gamle eller uføre ​​som sannsynligvis vil trenge intensiv behandling hvis de skulle bli smittet.

Disse kliniske risikospådommene kan deretter brukes til å tilpasse policyer og ressursallokering på individ / husholdningsnivå, og på passende måte gjøre rede for standard medisinske forpliktelser og risikoer. Det kan for eksempel gjøre det mulig for oss å målrette sosial distanse og beskyttelse for personer med høy klinisk risikoscore, samtidig som de med lave score kan leve mer eller mindre normalt. Kriteriene for å tilordne individer til grupper med høy eller lav risiko vil selvfølgelig måtte bestemmes, også hensyntatt tilgjengelige ressurser, medisinsk ansvarsrisiko og andre risikoforskyvninger, men datavitenskapens tilnærminger for dette er standard og brukes i mange applikasjoner.

En personlig tilnærming har flere fordeler. Det kan hjelpe med å bygge hjordimmunitet med lavere dødelighet - og raskt. Det vil også tillate bedre - og mer rettferdig - ressursallokering, for eksempel av lite medisinsk utstyr (for eksempel prøvesett, beskyttelsesmasker og sykehussenger) eller andre ressurser.

Avgrensningsstrategier i senere stadier av en pandemi - et neste nøkkeltrinn for Covid-19 i de fleste land - kan dra nytte av på samme måte. Å avgjøre hvilke personer som skal starte avgrensningsprosessen med, er i sin natur et klassifiseringsproblem som ligner klassifiseringsproblemene som er kjent for de fleste datadrevne firmaer. Noen myndigheter nærmer seg allerede innesperring ved å bruke alder som fullmakt for risiko, en relativt rå klassifisering som potensielt savner andre personer med høy risiko (som eksempelet ovenfor for sunne unge mennesker som lever med eldre).

Å utføre klassifisering basert på data og AI-prediksjonsmodeller kan føre til avgjørelser om avgrensning som er trygge på samfunnsnivå og langt rimeligere for den enkelte og økonomien. Vi vet at et sentralt trekk ved Covid-19 er at den har eksepsjonell høy overføringshastighet, men også relativt lav alvorlige symptomer eller dødelighetsrate. Data indikerer at muligens mer enn 90% av smittede mennesker er enten asymptomatiske eller opplever milde symptomer når de smittes.

I teorien, med en pålitelig prediksjon av hvem disse 90% er, kan vi avgrense alle disse individene. Selv om de skulle smitte hverandre, ville de ikke ha alvorlige symptomer og ville ikke overvelde det medisinske systemet eller dø. Disse 90% avgrensede kliniske risiko-menneskene ville også bidra til rask oppbygging av høy besetningsimmunitet, på hvilket tidspunkt de resterende 10% også kunne avgrenses.

Les hele historien her ...




FOIA Docs: Feds Excited to Create Mass Surveillance Network

Technocrats som opererer i den amerikanske regjeringen stempler for å innføre totale overvåkningsnettverk i Amerika, likt de som er sett i Kina, men med en vri: Løpet til dominans krever at vi hopper over Kinas AI og gjør det enda bedre.

Eric Schmidt er styreleder for National Security Commission on Artificial Intelligence. Schmidt er tidligere styreleder for Google og Alphabet, og er medlem av den elitistiske trilaterale kommisjonen. ⁃ TN Editor

En FOIA-forespørsel fra Electronic Privacy Information Center avslørte hvor begeistret National Security Commission on Artificial Intelligence (NSCAI) handler om å bruke CCTV-kameraer for å lage et nasjonalt overvåkingsnettverk.

En presentasjon fra NSCAI med tittelen “Oversikt over kinesisk teknisk landskap” diskuterer Kinas ansiktsgjenkjenning CCTV-kameranettverk i glødende termer.

"Når vi snakker om dataressurser, er egentlig den største datakilden regjeringen."

Presentasjonen diskuterer hvordan den kinesiske regjeringen tjener på å oppmuntre selskaper til å bruke ansiktsgjenkjenning for besøkende og ansatte.

"Nå som disse selskapene opererer i stor skala, bygger de en rekke andre tjenester (f.eks. Ansiktsgjenkjenning for kontorbygg, augmented reality)"

I Amerika er ikke ting så forskjellige.

I USA oppfordrer Feds private selskaper som Clearview AI, Amazon Ring og Flock Safety til å bruke ansiktsgjenkjenning og automatiske lisensskiltlesere for å identifisere alle.

Under avsnittet "State Datasets: Surveillance = Smart Cities" utvider presentasjonen Kinas smarte byovervåkning og sier: "Det viser seg at det å ha gater pyntet med kameraer også er god infrastruktur for smarte byer."

Amerikanere trenger ikke mer myndighetsovervåking, og vi trenger absolutt ikke våre smarte byer teppebelagte med myndighetsovervåkingsenheter.

NSCAI sier, “masseovervåking er en drapssøknad for dyp læring.

Ettersom regjeringen bruker dyp læring av AI på ting som CCTV-kameraer, mobiltelefonplasseringer og lisensskiltlesere, kan en persons hele livet bli forutsagt.

AI-er vil bruke dyp læring for å gjette nøyaktig hvor du jobber, spiser, handler, sover, tilber og ferierer. I utgangspunktet er masseovervåkning en drapssøknad for å vite alt det er å vite om alle.
Forrige uke MLlive, avslørt at et oppstart AI-selskap som er grunnlagt av University of Michigan, hjelper regjeringer med å bruke CCTV-kameraer for å overvåke mennesker for sosial distanse som indikert av en professor i elektroteknikk og datateknikk ved University of Michigan (UM):

"For to uker siden sa Corso at han og teamet hans begynte å spore fysisk distanse på steder som Times Square i New York, Miami Beach, Abbey Road i London og Ruthven Museums Building på UM."

Politiet i New York City bruker CCTV-kameraer for å fine mennesker opp til 1,000 dollar for ikke sosial distansering. Mens politiet i Florida stilte opp sjekkpunkter på motorveiene og politiet i Storbritannia bruker CCTV-kameraer for å håndheve ordre om opphold-hjemme.

Voxel51 bruker sine “Fysisk distanseindeks” å spore sosial distanse i større byer rundt om i verden.

“Voxel51 sporer virkningen av den globale pandemien i coronavirus på sosial atferd, ved å bruke en beregning vi utviklet kalt Voxel51 Physical Distancing Index (PDI). PDI hjelper folk å forstå hvordan koronaviruset endrer menneskelig aktivitet i sanntid rundt om i verden. Ved å bruke våre nyskapende datamaskinvisjonsmodeller og live-videostrømmer fra noen av de mest besøkte gatene i verden, fanger PDI den gjennomsnittlige mengden menneskelig aktivitet og sosial distanserende atferd i større byer over tid.

Det som bekymrer meg er hvordan lovhåndhevelse kan bruke Voxel51 for å bøtelegge eller arrestere folk for ikke å overholde myndighetsmandatert sosial distanse.

Til tross for hva Voxel51 hevder om anonymisering av identifiserbare data, samler de fortsatt inn dataene sine fra offentlige / myndighetskameraer.

En 2019 Artikkel i Michigan News University of Michigan avslørte at Voxel51 bruker kunstig intelligens for å identifisere og følge mennesker og gjenstander.

“Voxel51 har forsøkt å overvinne disse hindringene med videoanalyseplattformen og programvarebibliotek med åpen kildekode som sammen muliggjør avansert videogjenkjenning. Den identifiserer og følger objekter og handlinger i hvert klipp. Som medgründer Brian Moore sier: Vi forvandler video til verdi. ”

Jeg synes det er vanskelig å tro at byer og myndigheter vil betale penger for å bare se på anonymiserte data. Spesielt når Voxel51s forretningsmodell er bygd rundt å identifisere mennesker og gjenstander i masseskala.
Et perfekt eksempel på hvordan Feds ser på masseovervåkning best kan oppsummeres i NSCAI presentasjon"Amerikanske selskaper har mye å tjene på å ta i bruk ideer fra kinesiske selskaper."

Hver dag ser det ut til at amerikanere blir fortalt at vi trenger flere nasjonale overvåkningsprogrammer for å holde alle i sikkerhet.

Regjeringenes besettelse med å overvåke alle vil bare vokse etter hvert som coronavirus griper landet. Det er vår jobb å forhindre at disse overvåkningsprogrammene blir implementert eller risikerer å bli en autoritær stat som Kina.

Les hele historien her ...




Mind-Reading AI bruker hjerneimplantat til tanker-til-ord

Mens medisinsk oppmuntrende for mennesker som er lammet, har muligheten til å oversette tanker til ord alvorlige konsekvenser for tidsalderen for Technocracy hvor ingenting er skjult for det vitenskapelige diktaturet. ⁃ TN Editor

En kunstig intelligens kan oversett tankene nøyaktig til setninger, i det minste for et begrenset ordforråd på 250 ord. Systemet kan bringe oss et skritt nærmere å gjenopprette tale til mennesker som har mistet evnen på grunn av lammelse.

Joseph Makin ved University of California, San Francisco, og kollegene hans brukte dype læringsalgoritmer for å studere hjernesignalene til fire kvinner mens de snakket. Kvinnene, som alle har epilepsi, hadde allerede elektroder festet til hjernen for å overvåke anfall.

Hver kvinne ble bedt om å lese høyt fra et sett med setninger da teamet målte hjerneaktivitet. Den største setningsgruppen inneholdt 250 unike ord.

Teamet matet denne hjerneaktiviteten til en neural nettverksalgoritme, og trente den for å identifisere regelmessig forekommende mønstre som kan knyttes til gjentatte aspekter ved tale, for eksempel vokaler eller konsonanter. Disse mønstrene ble deretter matet til et annet nevralt nettverk, som prøvde å snu dem til ord for å danne en setning.

Hver kvinne gjentok setningene minst to ganger, og den endelige repetisjonen utgjorde ikke en del av treningsdataene, noe som gjorde at forskerne kunne teste systemet.

Hver gang en person snakker den samme setningen, vil hjerneaktiviteten assosiert være lik, men ikke identisk. "Å memorere hjerneaktiviteten til disse setningene ville ikke hjelpe, så nettverket må i stedet lære hva som ligner dem, slik at det kan generalisere til dette endelige eksemplet," sier Makin. For de fire kvinnene var AIs beste ytelse en gjennomsnittlig oversettelsesfeilrate på 3 prosent.

Makin sier at bruk av et lite antall setninger gjorde det lettere for AI å lære hvilke ord som har en tendens til å følge andre.

For eksempel kunne AI avkode at ordet “Turner” alltid var sannsynlig å følge ordet “Tina” i dette settet med setninger, fra hjerneaktivitet alene.

Les hele historien her ...




Snowden: AI Plus Coronavirus er 'nøkkelferdige til tyranni'

Technocrat-tenkede overvåkingsselskaper er 'i sonen' med regjeringer som er mer villige enn noen gang til å kjøpe sine AI- og overvåkningsteknologier. Når de er innebygd i samfunnet, vil de bli brukt mot innbyggere lenge etter at coronavirus har avtatt. ⁃ TN Editor

Regjeringer rundt om i verden bruker høyteknologiske overvåkningstiltak for å bekjempe koronavirusutbruddet. Men er de verdt det?

Edward Snowden tror ikke det.

Den tidligere CIA-entreprenøren, hvis lekkasjer utsetter omfanget av spioneringsprogrammer i USA, advarer om at når denne teknologien er tatt ut av esken, vil det være vanskelig å få den tilbake.

"Når vi ser nødtiltak vedtatt, spesielt i dag, pleier de å være klissete," sa Snowden i en intervju med Copenhagen International Documentary Film Festival.

Nødsituasjonen har en tendens til å bli utvidet. Da blir myndighetene komfortable med litt ny makt. De begynner å like det.

Tilhengerne av de drakoniske tiltakene hevder at normale regler ikke er nok under en pandemi, og at langsiktige risikoer kan løses når utbruddet er inneholdt. Men en kort suspensjon av borgerrettigheter kan raskt utvides.

Sikkerhetstjenester vil snart finne nye bruksområder for teknologien. Og når krisen går, kan regjeringer innføre nye lover som gjøre nødreglene permanente og utnytte dem til å slå ned på dissens og politisk opposisjon.

Ta forslagene for å overvåke utbruddet ved å spore posisjonsdata for mobiltelefoner.

Dette kan bevise en kraftig metode for å spore spredning av viruset og bevegelsene til mennesker som har det. Men det vil også være et fristende verktøy å spore terrorister - eller andre potensielle fiender fra statene.

AI blir "nøkkelferdige til tyranni"

Kunstig intelligens har blitt en spesielt populær måte å overvåke livet under pandemien. I Kina, termiske skannere installert på togstasjoner identifisere pasienter med febermens du er i Russland, ansiktsgjenkjenningssystemer oppdager mennesker som bryter karanteneregler.

Coronavirus har til og med gitt Clearview AI en sjanse til å reparere omdømmet. Den kontroversielle oppstarten av sosiale medier er i samtaler med myndighetene om å bruke teknologien til å spore infiserte pasienter, ifølge Wall Street Journal.

En stor attraksjon ved AI er dens effektivitet ved å tilordne sannsynligheter til forskjellige grupper mennesker. Men for mye effektivitet kan være en trussel mot friheten, og det er grunnen til at vi begrenser politimakten gjennom tiltak som warrants og sannsynlig årsak til arrestasjon.

Alternativet er algoritmisk politiarbeid som rettferdiggjør overdreven styrke og foreviger raseprofilering.

Snowden er spesielt bekymret for at sikkerhetstjenester legger AI til all den andre overvåkningsteknikken de har.

"De vet allerede hva du ser på på internett," sa han. “De vet allerede hvor telefonen din beveger seg. Nå vet de hva pulsen er, hva pulsen er. Hva skjer når de begynner å blande disse og anvende kunstig intelligens på det?

Les hele historien her ...




Robert Epstein

Har Big Tech virkelig kraften til å usete Donald Trump?

Dr. Robert Epstein, en demokrat, har skrevet at Big Tech vil gjøre det umulig for Trump å bli gjenvalgt i 2020. Han savner poenget at Big Tech er teknokrater som har til hensikt å dominere samfunnet, overalt. ⁃ TN Editor

Når det gjelder valgmanipulering, får venstrestyrte amerikanske teknologiselskaper russerne til å se ut som rang-amatører.

Uansett hvilken svak kandidat Demokratene til slutt nominere, og til og med med Russlands hjelp, President Donald Trump kan ikke vinne valget i 2020. For den saks skyld, i løp landsdekkende der de anslåtte vinnermarginalene er små - si under 5 prosent eller så -Republikanernegenerelt vil sannsynligvis tape.

Det er på grunn av nye innflytelseskrefter som internett har muliggjort de siste tiårene, og det Big Tech CompaniesGoogle mer aggressivt enn noen annen - har vært fast bestemt på å perfeksjonere siden Armageddon-dagen - oh, sorry, valgdagen - i 2016.

For rekorden er jeg verken en konservativ eller en Trump-tilhenger. Men jeg elsker demokrati og Amerika mer enn jeg elsker noe bestemt parti eller kandidat, og streng forskning som jeg har dirigert siden 2013 viser at Big Tech-selskaper nå har enestående makt til å svinge valg.

Mens jeg heier på at 95 prosent av donasjonene fra teknologiselskaper og deres ansatte går til demokrater, kan jeg ikke stå ved og se på at disse selskapene undergraver demokratiet. Så lenge jeg fremdeles puster, vil jeg gjøre alt jeg kan for å forhindre at det skjer - og for rekorden er jeg IKKE selvmord.

Trusselen disse selskapene utgjør er langt fra triviell. For en ting kan de skifte meninger og stemmer inn mange måter som folk ikke kan oppdage.

Husker du ryktene om den kinoen i New Jersey som fikk folk til å kjøpe mer cola og popcorn ved hjelp av subliminale meldinger innebygd i en film? Vel, disse ryktene var litt overdrevne - disse meldingene hadde faktisk en minimal effekt - men Google-og-Gjengen kontrollerer nå en lang rekke subliminale overtalelsesmetoder som på få minutter kan endre valgpreferansen på 20 prosent eller flere av usikre velgere uten at noen har den minste anelse om at de har blitt manipulert.

Verre er det at de kan bruke disse teknikkene uten å legge igjen papirspor for myndighetene å spore. I en lekkasje av Google-e-postmeldinger til Wall Street Journal i 2018, spør en Googler kollegene om hvordan selskapet kan bruke "flyktige opplevelser" for å endre folks syn på Trumps reiseforbud.

Flyktige opplevelser er de flyktige som vi har hver dag når vi ser online-innhold som er generert mens du ikke er lagret noe sted: nyhetsfeeds, søkeforslag, søkeresultater og så videre. Ingen myndigheter kan gå tilbake i tid for å se hvilke søkeforslag eller søkeresultater du ble vist, men dusinvis av randomiserte, kontrollerte, dobbeltblinde eksperimenter Jeg har vist at slikt innhold dramatisk kan endre meninger og valgstemmer. Ser du problemet?

Når jeg snakker om innhold, blir jeg lei av å se overskrifter om russisk innblanding i valget. Med mindre russerne plutselig finner ut hvordan vi massivt kan hacke stemmeautomatene våre - og skamme oss hvis vi er inhabil nok til å la det skje - er det ingen bevis for at dårlige skuespillere som Russland eller den nå nedlagte Cambridge Analytica kan skifte mer enn en noen få tusen stemmer her og der. Generelt sett, alt de kan gjøre er å kaste noe partisk innhold på internett. Men innhold er ikke problemet lenger.

Alt som betyr noe nå er hvem som har makten til å bestemme hvilket innhold folk vil se eller ikke vil se (sensur), og hvilken rekkefølge innholdet blir presentert i. Den makten er nesten utelukkende i hendene på de arrogante ledere ved to amerikanske selskaper. Deres algoritmer bestemmer hvilket innhold som blir undertrykt, rekkefølgen innholdet skal vises, og hvilket innhold som blir viralt. Du kan motvirke en TV-annonse med en annen TV-annonse, men hvis teknisk eksekutører støtter en kandidat eller et parti, du kan ikke motvirke manipulasjonene deres.

Glem russerne. Som jeg sa da jeg vitnet før kongressen i fjor sommer, hvis våre egne teknologiselskaper alle favoriserer den samme presidentkandidaten i år - og det virker sannsynlig - beregner jeg at de lett kan skifte 15 millioner stemmer til den kandidaten uten at folk vet og uten å legge igjen papirspor.

Forresten, jo mer du vet om noen, jo lettere er det å manipulere ham eller henne. Google og Facebook ha millioner med informasjon om hver amerikanske velger, og de vil målrette manipulasjonene sine på individnivå for hver eneste velger i hver svingstat. Ingen i verden bortsett fra Google og Facebook kan gjøre det.

I president Eisenhowers berømte avskjedsadresse fra 1961 advarte han ikke bare om fremveksten av et militærindustrielt kompleks; han advarte også om fremveksten av en "teknologisk elite" som en dag kunne kontrollere landet vårt uten at vi visste.

Den dagen har kommet, vennene mine, og det er for sent for noen lov eller forskrift å gjøre en forskjell - i det minste i det kommende valget. Det er bare en måte på dette tidspunktet å få disse selskapene til å ta sifrene fra skalaen, og det er å gjøre for dem det de gjør mot oss og våre barn hver dag: overvåke dem aggressivt.

Les hele historien her ...




Den skumle linjen

Google, The "Ceple Line" og valgene i 2020

Google har makt til å svinge valg, men bruker den allerede i valgsyklusen i 2020? Naturen til den "skumle linjen" kan sammenlignes med "Twilight Zone", der virkeligheten og illusjonen er uklare til det punktet at det er umulig å vite det med sikkerhet. ⁃ TN Editor

The Creepy Line er et spesielt uhyggelig begrep som ble brukt i en ubevoktet kommentar av tidligere Google-administrerende direktør Eric Schmidt i 2010. I ettertid er det som er mest urovekkende med kommentaren, hvordan tilfeldig forklarte han Googles policy for å invadere personvern til kundene og kundene.

"Googles policy for mange av disse tingene," sier Schmidt omtrent 45 sekunder etter introduksjonen, "er å komme helt opp til den skumle linjen og ikke krysse den." Tidspeker nødvendig.

The Creepy Line er en 80-minutters dokumentar tilgjengelig gjennom flere alternativer tilgjengelig på lenken nedenfor. Foreløpig er den tilgjengelig gratis hos Amazon Prime, men jeg er ikke sikker på hvor lenge det vil bli tilbudt der med tanke på mange aktuelle bekymringer angående sensur av anti-etableringstemaer på forskjellige sosiale medier-plattformer. Denne filmen gir et helt ærlig blikk på den viktigste kilden til nyheter i landet vårt: Facebook og Google.

Tidlig i filmen vil du oppdage hvordan Google skaffet seg en enorm og permanent cache med data om brukere. Opprinnelig ble dataene brukt til å avgrense søkealgoritmer som ble brukt til å indeksere nettstedene og informasjonen som ble lastet opp til internett. Nå brukes det imidlertid til å finjustere annonser og innhold som passer best for dine interesser, og lagre informasjonen for å gi bedre forslag til innhold for deg. Men denne filmen vil gi deg en virkelig urovekkende idé (i det minste skal det) om hva annet de kan gjøre med disse dataene.

Opprinnelig var Google ganske enkelt den mest populære søkemotoren, i utgangspunktet den største tilgjengelige "indekserings" -algoritmen på nettet. Deretter kom Google på Google Chrome, en nettleser, for å spore og logge ikke bare det du ser etter, men også hvor du skal og hvert tastetrykk du lager mens du er der. Faktisk innså Google at de kunne tjene deg best hvis de vet hva du gjør selv når du er frakoblet, og det er grunnen til at Android-systemet kan spore deg overalt du tar telefonen. Med alle de gratis appene som er tilgjengelige og brukes globalt, har Google et veldig nøyaktig bilde av hvordan alles hverdag ser ut hvor som helst i verden.

Med intervaller under presentasjonen tilbyr professor Jordan Peterson innsikt fra sin egen erfaring med sosiale medier og dagsorden. For de som ikke kjenner Peterson, ble han drevet til berømmelse da han veldig offentlig nektet å bruke de nye kjønnspronomenene som ble godkjent av Canadas politiske korrekte politikk. Petersons frittalende nektet å gi etter for tanken politiet førte til at han ble intervjuet som en talsmann for Millennial Mindset, særlig deres vilje til å ta imot ny teknologi uten å stille spørsmål ved den.

“Dette er alt sammen gratis tjenester, men det er tydeligvis ikke det, bemerker Peterson under sin kommentar, mens han diskuterer innvirkningen på livet hans plutselige beryktethet og den negative omtale Google og You Tube forårsaket for ham. Han diskuterer sin egen kamp med depresjon samt innsikt i datterens opplevelser med sosiale medier, noe som gir ham spesiell psykiatrisk innsikt i tenårings (tusenårs) angst, kanskje. Noen vil kanskje finne hans åpenhjertige åpenhet rundt problemene som er forvirrende, men han kommer til meg som en mann som har gått gjennom helvete og ikke ønsker å snakke om det, men har bestemt seg for han vil gjøre det, hvis du er interessert. Jeg synes Petersons synspunkt er ekstremt relevant, spesielt i lys av nyhetene om Peak Prosperitys deformasjon i dag og implikasjonene for våre egne informasjonskilder fremover.

Han er ikke hovedforedragsholder under filmen, men Peterson gjør en utmerket jobb med å forklare hvordan overvåkingsmodellen fungerer. Dette fører til en diskusjon om hvordan Google Maps, Google Docs og bruken av Gmail (til og med utkast til e-postmeldinger du ikke sender!) kombiner sammen for å forme og forme tankene og oppførselen din, som ligner på en gjeng mennesker i et kontrollrom med skiver som overvåker og kontrollerer alle interaksjoner med verden. (15:28)

Mindre enn ti minutter inn i filmen har du kanskje allerede bestemt deg for å henvende deg til søkemotorer som ikke er fra Google, men det er ikke noe håp om at du vil hente informasjon de allerede har om deg. Det hører til dem, et juridisk punkt diskutert flere ganger under presentasjonen.

Les hele historien her ...




Oren Etzioni

Super-AI kan dukke opp som Coronavirus for å ødelegge sivilisasjonen

De samme Technocrats som brakte oss AI i utgangspunktet, funderer nå på om en "super-AI" plutselig kunne dukke opp som ville ødelegge sivilisasjonen. For et mer pålitelig svar, kanskje de bør spørre Alexa. ⁃ TN Editor

Administrerende direktør i Allen Institute for AI, professor Oren Etzioni, utstedte en serie potensielle advarselsskilt som ville varsle oss om at ”super-intelligens” er rundt hjørnet.

Mennesker må være klare for tegn på robot superintelligens, men bør ha nok tid til å adressere dem, har en topp dataforsker advart.

Oren Etzioni, administrerende direktør i Allen Institute for AI, skrev et fersk papir med tittelen: “Hvordan vet jeg om kunstig intelligens er i ferd med å ødelegge sivilisasjonen. ”

Han skrev: “Kunne vi våkne opp en dumbstruck en morgen som en superkraftig AI har oppstått, med katastrofale konsekvenser?

Bøker som Superintelligence av Nick Bostrom og Life 3.0 av Max Tegmark, samt nyere artikler, hevder at ondskapsfull superintelligens er en eksistensiell risiko for menneskeheten.

”Men man kan spekulere i det uendelige. Det er bedre å stille et mer konkret, empirisk spørsmål: Hva vil varsle oss om at superintelligens faktisk er rundt hjørnet? ”

Han liknet advarselsskilt mot kanarifugler i kullgruver, som ble brukt til å oppdage karbonmonoksid fordi de ville kollapse.

Prof Etzioni hevdet at disse advarselsskiltene kommer når AI-programmer utvikler en ny evne.

Han fortsatte for MIT Review: “Kunne den berømte Turing-testen fungere som kanari? Testen, oppfunnet av Alan Turing i 1950, antyder at AI på menneskelig nivå vil bli oppnådd når en person ikke kan skille samtale med et menneske fra å snakke med en datamaskin.

“Det er en viktig test, men det er ikke en kanari. det er snarere tegnet på at AI på menneskelig nivå allerede har kommet.

- Mange dataforskere tror at hvis det øyeblikket kommer, vil superintelligens raskt følge. Vi trenger flere mellomliggende milepæler. ”

Men han advarte om at den "automatiske formuleringen av læringsproblemer" ville være den første kanarifuglen, etterfulgt av selvkjørende biler.

Les hele historien her ...




Brookings Institution

Brookings: Den som vinner AI-løpet vil regjere verden

Det vil ikke være intelligensen til menn som vil lede fremtidens verden, men snarere en kunstig intelligens som er programmert for å skape et globalt vitenskapelig diktatur. Dette er teknokratiets art og fremtid.

Brookings Institution er en gammel linje tenkningstank som er tett på linje med den trilaterale kommisjonen som opprinnelig unnfanget den nye internasjonale økonomiske orden; i dag er dette kjent som bærekraftig utvikling, også kjent som teknokrati.

Den underliggende implikasjonen er at det vil være en vinner i AI som vil regjere verden. Det spiller ingen rolle hvem som kontrollerer det, for hele verden vil bukke under. ⁃ TN Editor

For et par år siden, Vladimir Putin advarte russere at landet som ledet teknologier som bruker kunstig intelligens, vil dominere kloden. Han hadde rett til å være bekymret. Russland er nå en mindre aktør, og løpet ser ut til å hovedsakelig være mellom USA og Kina. Men ikke tell ut EU ennå; EU er fremdeles en femtedel av verdensøkonomien, og det har undervurdert styrker. Teknologisk ledelse vil kreve stort digitale investeringer, rask forretningsprosessinnovasjon, og effektiv skatte- og overføringssystemer. Kina ser ut til å ha kanten i den første, USA i den andre, og Vest-Europa i den tredje. En av tre vil ikke gjøre det, og selv to av tre vil ikke være nok; den som gjør alle tre best, vil dominere resten.

Vi er på spissen av kolossale endringer. Men du trenger ikke ta Mr. Putins ord for det, og heller ikke mitt. Dette er hva Erik Brynjolfsson, direktør for MIT Initiative on the Digital Economy og en seriøs student om effekten av digitale teknologier, sier:

“Dette er et øyeblikks valg og mulighet. Det kan være de beste 10 årene foran oss som vi noen gang har hatt i menneskets historie eller en av de verste, fordi vi har mer makt enn vi noen gang har hatt før. ”

For å forstå hvorfor dette er en spesiell tid, må vi vite hvordan denne bølgen av teknologier er forskjellig fra de som kom før og hvordan den er den samme. Vi må vite hva disse teknologiene betyr for mennesker og bedrifter. Og vi må vite hva regjeringer kan gjøre og hva de har gjort. Med mine kolleger Wolfgang Fengler, Kenan Karakülah og Ravtosh Bal, har jeg prøvd å forske på forskningen til lærere som David Autor, Erik Brynjolfsson og Diego Comin. Denne bloggen bruker arbeidet med å forutsi trender i løpet av det neste tiåret.

4 Bølger, 3 fakta

Det er nyttig å tenke på teknisk endring som å ha kommet i fire bølger siden 1800-tallet, forårsaket av en sekvens av "generelle formålsteknologier" (GPT). GPT-er er best beskrevet av økonomer som "endringer som forandrer både husholdningenes liv og hvordan bedriftene driver virksomhet." De fire viktigste GPT-ene de siste to århundrene var dampmaskin, elektrisk kraft, informasjonsteknologi (IT) og kunstig intelligens (AI).

Alle disse GPT-ene inspirerte komplementære innovasjoner og endringer i forretningsprosesser. De robuste og mest relevante fakta om teknologisk fremgang har å gjøre med tempoet, forutsetningene og problemene:

  • Teknologisk endring har blitt raskere. Selv om oppfinnelsens tempo kanskje ikke har akselerert, har tiden mellom oppfinnelsen og implementeringen krympet. Selv om det er vanskelig å måle gjennomsnittlige etterslep, er det ikke en grov overforenkling å si at de er blitt halvert med hver GPT-bølge. Basert på bevisene ble tiden mellom oppfinnelsen og utbredt bruk kuttet fra omtrent 80 år for dampmotoren til 40 år for strøm, og deretter til omtrent 20 år for IT (figur 1). Det er grunner til å tro at implementeringsforsinkelsen for AI-relaterte teknologier vil være omtrent 10 år. Med den teknologiske endringen som gir fart og førstegangsfordeler så store som de alltid har vært, øker behovet for store og koordinerte investeringer.
  • Sprangfrosting er praktisk talt umulig. Mens en spesiell teknologi som fasttelefoner kan hoppes over til fordel for en ny teknologi som gjør det samme som for eksempel mobiltelefoner, er det vanskelig for land å hoppe over generelle teknologier. For at et land skal overhale et annet, må det først ta igjen. Teknologisk utvikling er en kumulativ prosess. Fornyelser i forretningsprosessene som var nødvendige for å bruke dampmaskinen var nødvendige for at bedrifter kunne dra nytte av elektrisk kraft. Mer åpenbart var strøm en forutsetning for informasjonsteknologi. Forskrifter som letter eller hindrer teknisk fremgang, utdanning og infrastruktur og holdninger til den sosiale endringen som følger med ny teknologi, betyr like mye som teknologiene, og peker på behovet for utfyllende politikk som former økonomien og samfunnet.
  • Automatisering reduserer arbeidskraftsandeler, ikke fordriver arbeidskraft. Selv om den mest uttrykte bekymringen i dag er at spredningen av kunstig intelligens vil erstatte arbeidstakere med smarte maskiner, blir effektene av tidligere GPT-er bedre oppsummert som å redusere andelen av arbeidsinntekt i verdiøkning. Men bevis tyder også på at automatisering i relativt avanserte økonomier siden 1970-tallet har lagt press på arbeidsinntektene. Sagt på en annen måte, bekymringen skal ikke være en utbredt arbeidsledighet, men det faktum at inntektene blir stadig mer skjevt til fordel for kapital fremfor arbeidskraft. Dette betyr at land som har effektive ordninger for å håndtere distribusjonshensyn, har en fordel i forhold til de som ikke gjør det.

Les hele historien her ...