15项引起行业领导者关注的技术伦理危机

人工智能等不断发展的技术具有不可思议的潜力。但是，它们也可能带有道德上的顾虑，例如侵犯隐私和数据安全。在人们可以安全地在日常生活中实施新兴技术之前，必须解决这些问题。

作为行业领导者，福布斯技术委员会成员密切关注影响该领域的问题。在下面，他们分享了他们所关注的15个道德危机，并且可以采取哪些措施加以补救。

1.缺乏金融科技进入的障碍

金融科技中API即服务的泛滥使任何初创企业都能迅速进入曾经困难的领域。在交易和制定退休计划以及提供消费者教育和合理的财务建议之间存在很大的差异。拥有不止“工具”对于金融科技的未来成功至关重要。没有目的的技术是没有意义的。- 利贝尔Sternbach，融合资本管理

2.关于个人数据使用的披露不充分

我认为组织在使用个人数据方面需要完全透明。需要就数据如何移动或传输以及数据如何路由的现实意义进行更多的教育。技术公司应详细说明客户使用服务时所获得的收益。当数据用于其他目的时，他们应以简明的英语披露。- 马克·霍布斯（Mark Hobbs），Fundmetric Incorporated

3.单个基因组的存储

基因组学平台化和个性化医学正在打开Pandora的盒子。保存基因组的道德危机是一种可怕的情况，但同时存在生命危险和触发内部生存需求这一事实并存。个性化医学具有惊人的潜力，可以延长寿命并消除个人易患的未来疾病，但要付出什么代价？- 达米安Ehrlicher，保护IT

4.药物发现中受损的患者数据

AI被用于药物发现，结果可能会损害患者数据。在如此众多的国家竞相寻找解决Covid-19的方法时，这是一个真正的挑战。许多国家没有像美国的HIPAA这样严格的隐私法。- 马蒂·普拉尼克（Atlantic.Net，Inc.）

5.继承的人类偏见

人工智能是值得关注的新兴技术。最后，它是由人类训练的，并继承了我们的偏见。这已经导致虚拟AI法官监禁无辜者。此外，人工智能通常可以通过网络访问，并且可以像人一样被欺骗，从而影响人工智能的偏见和决策，从而产生欺骗者的预期结果。- 詹姆斯·卡德尔，LogRhythm

6.公众面部识别软件的合法性

面部识别过程中最热门的问题之一是数据收集和存储的合法性。在公共场所安装面部识别技术或跟踪我们的在线活动是否合法？制定既保护我们的隐私又使我们的生活环境安全的法律和法规，可能会消除很多法律和道德问题。- 达里娅Leshchenko，SupportYourApp公司

7.“数字双胞胎”操纵

随着我们朝着超个性化的方向发展，正在开发更新，更智能的技术来收集和存储有关我们的所有知识。随着AI的飞速发展，我们的“数字双胞胎”很容易导致我们对不仅限于购物的决策受到操纵。唯一的解决方案是划清界限并引入更严格的规范。- Mayank米什拉，Contentstack

8.突破道德界限的“临时”危机措施

各国政府在危机时期采取“临时”措施的历史由来已久。这些措施总是将原本无法接受的界限向前推进了一步。目前的情况没有什么不同。在对抗流行病的伪装下，联系跟踪应用程序将继续存在。多亏了Google和Apple的“曝光通知”协议，跟踪才是分散的，并且仅应要求提供。- 帕维尔Rzeszucinski，Codewise

9.重视金钱高于人权

技术中所有道德危机的根源在于金钱的价值高于一切。除非有成本，否则如果要通过将您视为不如人的事来赚钱，高科技公司将不会将您视为一个人。从长远来看，人们在重视人，隐私和人权方面享有声誉，这将使组织脱颖而出，甚至赚到更多钱。- 肯德尔·米勒，费尔温茨行动，公司

10.自动驾驶系统做出的决定

自动驾驶系统进行的计算是人类在相同时间内无法完成的。万一发生不可避免的碰撞，汽车会撞到附近的电单车司机还是撞上四人的汽车？该特定系统的激励机制，以及来自不同制造商的系统网络与不同的激励机制共同发展，需要谨慎管理。- 瑞安皮勒，VOXX分析

11.虚假视频和虚假信息

人工智能正在支持各种新应用，包括深度视频。尽管社交媒体传播的虚假信息困扰着世界，但假冒的视频将虚假信息带到了一个全新的高度。在实现深造假的同时，AI最终将使有用的副产品的出现：反深造假工具。- 艾哈迈德（Al）的票价，CeliTech公司

12.人工智能接管工作

自动化，机器人技术和人工智能将在未来接管大多数职业，从卡车驾驶和建筑到教学和医疗保健。今天，我们所有人都应共同努力，以确保有一个适当的教育系统，使所有儿童（从学龄前学校到贸易学校再到领导力培训）都可以接受更好的教育。- 罗素P里德，Infrascale

13.脆弱数据隐私法规

我担心我们在全球范围内规范数据隐私的零散方式。当数据在基于云的全球网络中移动时，公司如何应对国家立法数据隐私的不同方式？我们需要在此方面更加有效地团结起来，以保持客户的信任。- 托马斯·格里芬，OptinMonster

14.用于训练AI的数据的系统区分

当前的AI系统中存在大量的歧视，因为它们所训练的数据包含了多年的系统歧视。例如，审查简历的系统仅与接受过培训的简历一样好。系统歧视是指那些用于培训的简历将排除并惩罚少数群体。- 肖恩·伯恩斯，离群

15.在线数据商品化

当前最大的担忧是在线上有多少数据以及如何将其用作其他公司的商品。为了纠正这种情况，政府可以强制要求对数据隐私进行监管。举一个例子，欧盟通过《通用数据保护条例》来做到这一点，以确保网站在有cookie时收集用户信息。- 阿尼戈登，Arlyn秤