技术畅想 美国硅谷正在成为永生梦的新传播者

1999年,未来学家雷•库兹韦尔(Ray Kurzweil)撰写的一本叫做《机器之心》(The Age of Spiritual Machines)的书出版了。在他所期待的未来,“人类及其创造的计算技术将能够解决古老的问题……并将能够改变死亡的本质。”

技术畅想 美国硅谷正在成为永生梦的新传播者

库兹韦尔现在是谷歌(Google)的一名高管。2013年,谷歌创始人之一拉里•佩奇(Larry page)创办了一家初创企业Calico,其宗旨是利用先进技术,让人们能够“更长寿、更健康”。

有一些人的目标更为远大。研究机构Strategies for Engineered Negligible Senescence的联合创始人奥布里•德格雷(Aubrey de Grey)认为,衰老只是一个工程问题。他认为,科技进步最终将让人类得以达到他所说的“寿命延长的逃逸速度”。

至于库兹韦尔,今年早些时候,他宣布他“把2045年确定为达到‘奇点’的时间,到那时我们将通过与我们创造的智能相结合,让我们的实际智慧增强10亿倍”。在这种“超人类主义”的远景中,一旦我们变成了“有灵魂的机器”(spiritual machines),我们就能永远活下去。

尽管在硅谷,“否认死亡”(mortality denial)现在是个时髦词汇,但它并不新鲜。相反,它是有史以来设计过的最成功的产品之一,已经出现在市场几千年了。

因为人类是唯一一种已经对自身局限性形成了明确的、自觉的认识的动物,所以人类对这种特殊的心理把戏有着强大且持久的需求。不幸的是,死亡并非只是中国人发明出来让美国降低竞争力的东西。经验证据和理性辩论都指向一个简单、发人深省的事实:我们所有人最终都将永久性消失,或早或晚,或比较潇洒或不那么潇洒,或比较痛苦或不那么受苦。

我们很难坦诚地面对这个事实。人类面对的问题是在人类之前任何生物都没有遇到过的:人类认知的自我模型明确告诉它的使用者,所有人都会死,从而创造了一种有害的自我认知形式,一个深深的关乎生死的伤口。我内心的情感告诉我,有些事情永远不会发生,而理性思维告诉我,最终的意外是不可避免的。宗教是对这种神经计算缺陷的早期适应。

因此,用独创且复杂的方式来帮助和煽动人类自我欺骗是一门有利可图的生意。

有着最原始的形式,以许多世纪以来的有组织宗教为代表,否认死亡的要点在于简单、彻底的否认。从宗教的角度来说,好消息是一切都不是真的,死去的人将复活。有一位无处不在的神在爱着你并接受你。如果你接受被神所接受的自己,你最终将能够在一个陌生且敌对的世界中应付自如,重新体验儿时那种安全感。

这种替代事实的教义多种多样。在有组织的自我欺骗中,复杂程度各有不同。例如,佛教徒可能认为,她甚至不想重生,她的最高目标是让自己摆脱死亡与重生的循环。如果此生未能如愿进入极乐世界,那么不幸的是,你身体中的一些东西将不会死亡。

其他否认死亡的版本包括把你的自尊与你所属的部落或国家联系在一起。你可以通过成为一个优秀的共产主义者、一个虔诚的天主教徒或成为一个洋洋得意的俗世人文主义者获得自我价值感。你需要的是一套你能遵守的价值观以及一个互相促进的信徒群体。

还有一些人通过寻求为科学、哲学或文化做出真正持久的贡献,努力获得具有象征意义的永生。例如,写一部在你死后几百年仍被阅读的著作,或者创作一首音乐或一件艺术品,在你的躯体灰飞烟灭很久之后仍将被数千人称颂。

硅谷的科技传道和超人类主义只是在文化上有所进化的自我欺骗的最新形式。他们为关乎人类存在的姑息疗法带来新的超自然的安慰剂。我们是否会把我们自己带入虚拟现实?或许,一种善意的超级智能可以帮助我们摆脱所有痛苦?技术奇点学说宣称永生比我们想象的更近,这是否正确?

我们很容易将受到科学启发的永生预感斥为胡说八道,但我们不应低估超人类主义之类的想法有力的证明了我们潜意识中是需要幻觉的。这不仅是一种没有上帝和教堂的新宗教,也是一种推广新科技的营销战略。科技传道是一种新型的交叉推广和品牌联合,真正的目的是通过提出同样包装的否定死亡之说,更深入、更有效地渗透到数字市场。来源:FT中文网

【SCI复现】含可再能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 适合人群:具备一定电力系统、优化理论Matlab编程基础的研究、科研人员及从事微电网、能源管理相关工作的工程技术人员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课题研究提供代码参考技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解。
个人防护装备实例分割数据集 一、基础信息 数据集名称:个人防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作人员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作人员个人防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值