谈到人工智能和任务，猜测是残暴的。传统的不雅点以为，AI能够很快就会让数百万人掉去任务， 这是将来二十年中，关于打字员和白领工人而言，一如曩昔两年机械化对工人的影响一样。也就是说，当途径上布满了主动驾驶汽车时，卡车司机和出租车司机将发明本身曾经掉业或半掉业。
但如今我们应当开端斟酌AI对社会的潜伏利益和它的弊病。年夜数据和AI反动也有助于清除贫苦，增进经济稳固。
贫困固然是一个多方面的景象。然则贫困的状态经常包括以下一个或多个实际：缺少支出（掉业）；缺少预备（教导）；并依附当局办事（福利）。AI可以处理一切三个。
起首，虽然人工智能能够会令人们掉去任务，但它同时也能够用来将人们与正在掉业的优良中产阶层的任务相婚配。明天在美国稀有百万如许的任务。这恰是人工智能所善于的婚配成绩。异样地，人工智能可以猜测今天的任务空白将在哪里，和他们须要哪些技巧和培训。
从汗青下去看，我们偏向于躲避这类社会计划和任务婚配，这也许是由于它对我们的批示经济有必定的感化。但是，没有人以为当局应当强制工人接收特别的任务，或许确切以为这些任务和技巧的缺口须要成为当局的任务。症结是，我们如今有了对象来猜想哪些任务是可用的，哪些技巧是工人须要弥补的。
其次，我们可以将所谓的差别化教导——基于先生以分歧的方法和分歧的速度控制技巧的理念——带给全国的每个先生。2013年，美国国立卫生研讨院的一项研讨发明，近40％的医学院先生对一种进修形式有激烈的偏好：有些是聆听者；其别人都是视觉型进修者；还有一些人经由过程现实做获得了最好的进修。
我们的黉舍体系有用地假定了相反的情形。我们把先生们绑缚在一个房间里，用异样的教授教养办法和愿望取得最好的成果。人工智能可以改良这类状态。即便在尺度化课程的配景下，人工智能“导师”也能找到每一个先生的弱点并改正他们的缺陷，使他们顺应本身的进修方法，并坚持先生的介入。
明天占主导位置的人工智能，也被称为机械进修，许可盘算机法式变得加倍准确——假如你情愿的话，可以进修——由于它们接收数据，并将其与其他数据集的已知示例相干联。经由过程这类方法，人工智能“家庭教员”在知足先生的需求时变得愈来愈有用，由于它花更多的时光来不雅察甚么可以进步先生的表示。
第三，将教导、失业培训和婚配归入21世纪的配合尽力，应当清除年夜量生齿对当局筹划的依附，这些筹划旨在赞助堕入窘境的美国人。有了21世纪的技巧，我们可以公道地削减当局支援办事的应用，使其办事于本来筹划的功效。
如今可以应用年夜数据集来更好地猜测哪些法式可以在特定的时光赞助特定的人，并疾速评价法式能否具有预期的后果。用告白打个比喻，这将是在黄金时段电视上投放告白和经由过程微目的剖析停止告白的差别。猜猜哪一个更廉价，能更好地达到目的人群？
至于认识形状对"支援争辩的无害影响：年夜数据许诺更接近于对这些社会项目无成见的、没无意识形状的有用评价。我们可以更接近一个精英式的技巧专家型社会的愿景，即来自州和处所各级当局的政客们——那些与他们的选平易近所面对的现实成绩最接近的——曾经开端接收。
就连国会偶然也会从党派之争中醒来，以推动公共政策决议计划的科技事业：2016年，美国国会投票赞同，巴拉克·奥巴马总统受权树立以证据为基本的政策制订委员会。创立委员会的法案是由平易近主党参议员帕帕蒂·穆雷（Patty Murray）和众议院议长保罗·瑞安（Paul Ryan）提议的。在该委员会于2017年9月到期之前，它应用当局数据评价当局政策的有用性，并依据查询拜访成果提出建议。
这进一步注解了人工智能和年夜数据在积极、有目标的公共好处办事方面的许诺。在我们将这些新技巧视为凌乱和推翻的代名词之前，我们应当斟酌它们的潜力，以造福社会。
