人工智能伦理学的一知半解

人工智能的伦理问题 随着人工智能技术的发展,关于AI伦理问题的讨论越来越热。在某些领域,AI机器人正在取代许多人的工作,在自动驾驶汽车和某些医疗项目中,AI正在代替人类进行生死抉择。AI未来将给人类带来什么影响?人类又将如何处理AI的伦理问题呢?越来越多人对此深感忧虑。   首先,按照人工智能的定义,我们可以得出该机器人获得了人类完全的思维能力,他(暂且用“他”)拥有我们相同的思维、情感、创造力乃至不可预测性。 阅读详情

读MBA时候的授业导师是周教授,周教授有一门颇受学生们欢迎的课程是“企业伦理学”。时隔多年,课本的内容已经还给了学校,但周老师课上的一些话还隐约记得。

伦理学是关于道德问题的科学,是将道德思想观点的系统化和理论化。解决的基本问题只有一个,就是道德和利益的关系问题。对这一基本问题的答案决定着各种道德体系的原则,也决定着各种道德活动的评判标准。

由人组成的组织在进行经营活动时,在本质上始终存在着伦理问题。所以,企业伦理是企业经营本身的伦理。

AI伦理的提出

在国内,明确提出AI伦理原则的人可能是百度的创始人李彦宏。2018年5月26日,他在贵阳大数据博览会上指出,所有的AI产品、技术都要有大家共同遵循的理念和规则:

  1. AI 的最高原则是安全可控;

  2. AI 的创新愿景是促进人类更加平等地获得技术能力;

  3. AI 存在的价值是教人学习,让人成长,而不是取代人、超越人;

AI的终极理想是为人类带来更多的自由和可能。

同样是2018年,微软发表了《未来计算》(The Future Computed)一书,其中提出了开发人工智能的六大原则:公平、可靠和安全、隐私和保障、包容、透明、责任。

首先是公平性,是指不同区域的人、不同等级的人在AI面前是平等的,不应该有人被歧视。

第二是可靠性和安全性,指的是人工智能使用起来是安全、可靠、不作恶的。

第三是隐私和保障,因为涉及到数据,所以总是会引起个人隐私和数据安全方面的问题。

第四是必须考虑到包容性的道德原则,要考虑到世界上各种功能障碍的人群。

第五是透明度。在过去,人工智能领域突飞猛进最重要的一个技术就是深度学习,深度学习模型的准确度是几乎所有机器学习模型中最高的,但在这里存在一个是否透明的问题。透明度和准确度无法兼得,只能在二者权衡取舍,如果准确度更高,可能要牺牲一定的透明度。

第六是问责。问责制是一个非常有争议的话题,涉及到一个法律或者立法的问题。如果是机器代替人来进行决策、采取行动出现了不好的结果,到底是谁来负责?不能让机器或者人工智能系统当替罪羊,人必须是承担责任的。

实际上,大约在1950年,科幻作家阿西莫夫就提出了 “机器人三定律”:

第一,不伤害定律:机器人不得伤害人类,也不得见人受到伤害而袖手旁观。

第二,服从定律:机器人必须服从人的命令,但不得违反第一定律。

第三,自保定律:机器人必须保护自己,但不得违反一、二定律。

这三条定律在制造机器人的伊始便被嵌入其大脑,永远无法消除。

这些都涉及了一定的伦理问题, 都还都是些概要性原则,较完善地提出AI 伦理与价值的可能是阿西洛马人工智能原则了。

阿西洛马人工智能原则

2017年1月初举行的“Beneficial AI”会议,在此基础上建立起来的“阿西洛马人工智能原则”,名称来自此次会议的地点——美国加州的阿西洛马(Asilomar)市,旨在确保AI为人类利益服务。

西洛马人工智能原则的第6至18条,指出了人工智能的伦理和价值: 

6) 安全性:人工智能系统在它们整个运行过程中应该是安全和可靠的,而且其可应用性的和可行性应当接受验证。

7) 故障透明性:如果一个人工智能系统造成了损害,那么造成损害的原因要能被确定。

8)司法透明性:任何自动系统参与的司法判决都应提供令人满意的司法解释以被相关领域的专家接受。

9)责任:高级人工智能系统的设计者和建造者,是人工智能使用、误用和行为所产生的道德影响的参与者,有责任和机会去塑造那些道德影响。

10)价值归属:高度自主的人工智能系统的设计,应该确保它们的目标和行为在整个运行中与人类的价值观相一致。

11)人类价值观:人工智能系统应该被设计和操作,以使其和人类尊严、权力、自由和文化多样性的理想相一致。

12)个人隐私:在给予人工智能系统以分析和使用数据的能力时,人们应该拥有权力去访问、管理和控制他们产生的数据。

13)自由和隐私:人工智能在个人数据上的应用不能充许无理由地剥夺人们真实的或人们能感受到的自由。

14)分享利益:人工智能科技应该惠及和服务尽可能多的人。

15) 共同繁荣:由人工智能创造的经济繁荣应该被广泛地分享,惠及全人类。

16)人类控制:人类应该来选择如何和决定是否让人工智能系统去完成人类选择的目标。

17)非颠覆:高级人工智能被授予的权力应该尊重和改进健康的社会所依赖的社会和公民秩序,而不是颠覆。

18)人工智能军备竞赛:致命的自动化武器的装备竞赛应该被避免。

共有23条准则,旨在确保人类在新技术出现时能顺利规避其潜在的风险,其突出核心成员有Stephen Hawking和Elon Musk。这个组织专注于由新技术和问题构成的潜在威胁,如人工智能、生物技术、核武器和气候变化等。

AI 伦理学?

实际上,很多伦理问题连人类自身都没有解决,由人类定义的伦理逻辑是否存在漏洞呢?微不足道的漏洞,在人工智能发展到一定程度后却可能成为压倒整个伦理系统的稻草。

对于功利主义者而言,“以人类为中心”将是发展人工智能的重要伦理依据:必要的领域应该限制机器的智能超过人类的智能,即使将来某一天超过了,掌握权还要在人类的手中。但是这种“物我两分”的价值观,本质上是一种“主奴思想”。在人工智能可能超过人类的语境下,可能并不是最好的解决方案。倘若人类真的要在人工智能这条路上走下去,将伦理的判断完全掌握在人类手中或是全权交给“更智慧”的人工智能都是不可行的;将人类自身与人工智能放到统一的维度去审视,方能产生一个相较而言最为完善的人工智能伦理关系。

另外,妥善处理人工智能与人类之间可能产生的情感与羁绊,也是人工智能伦理研究的重要一环。

在国外,MIT媒体实验室(MIT Media Lab)和哈佛大学伯克曼克莱恩互联网及社会研究中心(Berkman Klein Center)共同成为了“人工智能伦理和监管基金”的管理机构,用于解决人工智能所带来的人文及道德问题。

现在,人工智能技术在我们生活的各个方面都变得越来越有用。它们存在于我们的智能手机、社交网络、家庭智能音箱、私人交通工具ーー只要你能想到的,就有人工智能在某处工作。就像任何新兴的技术一样,需要充分利用这些AI技术; 同时确保人工智能在道德和收益上有益于所有人。

人工智能伦理学可能会发展成一门学科,可能要解决以下的一些问题:

  • 人性: 机器如何影响人们的行为和互动?

  • 不平等: 人们如何分配机器创造的财富?

  • 失业: 人们在没有工作后会发生什么?

  • 安全: 人们如何保护AI不受敌人侵扰?

  • ......

在建立AI体系时需要考虑的一些伦理要点

现在,可能需要企业和政府介入并帮助解决这些问题,确定指导行业内的AI伦理原则,最终帮助确保AI技术的安全性和可持续性,能够发挥AI 的潜力。

在建立AI伦理和AI经济时需要考虑的五个要点——

1: 引入人工智能的公司治理和道德框架

对于支持AI伦理的人工智能经济而言,第一步是制定关键原则,以维护该技术的道德使用。企业应起草或修订企业政策,纳入新技术的道德使用立场,概述其业务模式所特有的问责措施。公司还需在组织的各个层面建立明确的期望,使AI伦理成为整个公司讨论中的一部分,从董事会会议和员工绩效评估,到非正式管理和员工签到。

在政府层面,官员应该注意监管机构在指导实施AI伦理方面的作用。决策者应直接与行业专家合作,熟悉人工智能的技术构成、潜在的安全风险和现实世界的应用程序,然后再启动正式的调研方案。

2: 揭开人工智能的神秘面纱和关于其责任的问题

为了揭开人工智能的神秘面纱和围绕问责制,企业应该首先承认实施该技术的任何潜在风险,并制定在部署之前和使用之后进行AI测试的战略。在制定这些策略时,公司应该与外部专家一起探讨人工智能的问责制如何适用于特定的企业目标和客户需求。

政府官员应该认识到在采取措施促进问责制和允许人工智能创新之间的动态平衡。找到这种平衡将有助于保持技术及其用户的诚实和透明度,因为新政策仍然在制定之中。

3: 建立人们对企业人工智能的信任

作为一个企业,在使用人工智能时,必须尽可能保持透明。在向利益相关者介绍这一想法时,企业必须分享技术的预期目的以及认为在他们的组织中采用这一想法的重要原因。商业领袖需要通过制定培训和认证方案,明确界定使用人工智能的标准,并应公开说明为界定这些最佳实践而采取的措施,特别是为检验技术缺陷而采取的任何步骤。

政府可以通过寻找机会,让公众参与正在进行的讨论,解决民众关注的问题,并介绍今后的考虑因素,从而建立对企业AI的信任。此外,通过政府来提高民众的认识,政府可以努力减少公众对于在工作和日常生活中使用AI的某些抑制。

4: 将人工智能引入劳动力队伍

为了鼓励将人工智能纳入劳动力队伍,企业应投资于对自动化技术相互作用的工作人员进行再培训。为了最大限度地利用这种培训,公司可以给人力资源部门提供未来技能需求所需的数据,这样他们就能准确地知道什么样的工具可以武装当前和未来的员工队伍,从而取得成功。

5: 需要为年轻学生制定数字教育方案

最后,企业和政府都应该支持针对年轻学生的AI教育项目,帮助确保下一代人能够运用人工智能,理解更广泛的伦理问题。在一个理想的世界里,学生完成教育后,预测围绕人工智能技术的使用的道德框架和原则,他们将理解问责制,并反过来期望公司具有透明度。只要企业、政府和行业参与者共同努力,为AI伦理奠定适当的基础,这一切就可以实现。

AI伦理学,可能还处于一知半解的状态里,都在路上。

参考资料:

  • 周卫中. 企业社会责任的五大认识误区[J]. 企业管理(5):102-104.

  • 王景峰, 周卫中, WANGJing-feng, et al. 伪社会责任的界定与形式转化研究[J]. 技术经济与管理研究, 2015(7):57-61.

  • How Enterprises Can Help Build Ethical AI Strategies By: Chris Preimesberger, eWEEK | October 08, 2018

  • Michael Irving, 陈亮. 阿西洛马23原则使AI更安全和道德[J]. 机器人产业, 13(2):14-17.

  • 阿西洛马人工智能原则——马斯克、戴米斯·哈萨比斯等确认的23个原则,将使AI更安全和道德[J]. 智能机器人(1):28-29.

  • 张雪娇. 阿西莫夫对机器人世界的伦理凝视[D]. 华中师范大学, 2015.

  • 杜静, 黄荣怀, 李政璇, et al. 智能教育时代下人工智能伦理的内涵与建构原则[J]. 电化教育研究, 2019(7).

人工智能伦理:人类计算的道德与责任 人工智能伦理:人类计算的道德与责任 关键词 人工智能伦理、道德哲学、算法道德属性、责任归属、隐私保护、就业影响、军事应用、伦理风险、伦理教育、政策制定 摘要 本文深入探讨了人工智能伦理的各个方面,从理论基础到实际应用,再到伦理教育与规范,全面解析 阅读详情

相关推荐

后人类伦理学symposium:人工智能时代的道德重构

伦理审查:在开发人工智能系统时,应进行伦理审查,确保系统的行为符合道德标准。透明度和可解释性:提高人工智能系统的透明度和可解释性,使其决策过程更加符合人类的道德理解。跨学科合作:促进伦理学、计算机科学、心理学等学科的跨学科合作,共同探讨人工智能时代的伦理问题。持续学习:随着人工智能技术的发展,持续更新和调整伦理框架,以适应新的挑战。

AI天才研究院 1099

浅谈人工智能时代下的工程伦理问题

浅谈人工智能时代下的工程伦理问题 一、引言 近年来,随着大数据基础设施建设以及人工智能技术的发展,社会中涌现出许多新技术,给人们带来更便捷的生活。但与其共生的道德风险问题也日益显著。人工智能道德风险即人工智能技术带来的伦理结果的不确定性,其既有主观因素也有客观因素,具体表现有道德算法风险、道德决策风险、隐私数据泄露风险等。风险主要成因有技术主体、政治、经济、文化等社会因素。结合当下大数据驱动的人工智能算法特点,如何运用风险治理思想分析其背后的工程伦理问题对人工智能领域发展具有重要意义。 二、人工智能时代的当

Alian_W的博客 8万+

后人类伦理学:人工智能时代的道德重构

我们假设一个智能城市交通管理系统,该系统需要根据实时交通数据和城市规划目标,做出交通调控和优化决策。然而,这些决策不仅需要考虑交通效率,还需兼顾公平性、安全性和环境保护等多重目标。这就引入了伦理决策的需求,确保系统决策符合社会伦理标准和法律法规。

AI天才研究院 1531

人工智能的伦理:道德与社会影响

1.背景介绍 人工智能(Artificial Intelligence, AI)是一种使用计算机程序模拟人类智能的技术。随着人工智能技术的不断发展和进步,它已经被广泛应用于各个领域,包括机器学习、深度学习、自然语言处理、计算机视觉等。然而,随着人工智能技术的发展,也引发了一系列道德和社会问题。这篇文章将探讨人工智能的伦理问题,包括道德和社会影响等方面。 人工智能的伦理问题主要体现在以下几个方面...

AI天才研究院 4079

AI伦理学:LLM发展中的道德考量

《AI伦理学:LLM发展中的道德考量》 关键词 AI伦理学 语言生成模型 透明度 公平性 隐私保护 误导性回复 偏见与歧视 个人隐私泄露

AI天才研究院 886

后人类伦理学研讨会:科技发展的道德边界

本文围绕后人类伦理学研讨会,探讨了科技发展带来的道德边界问题。通过对后人类伦理学的基本概念、科技伦理的原理与原则、典型案例的分析,以及未来面临的伦理挑战进行深入探讨,文章旨在为读者提供一个清晰、系统的理解框架,以促进对科技发展道德边界的深入思考和讨论。《后人类伦理学研讨会:科技发展的道德边界》旨在探讨科技发展对人类社会伦理的影响及其道德边界问题。随着人工智能、生物技术等领域的飞速发展,人类正朝着“后人类”时代迈进。

AI天才研究院 1191

人工智能与伦理问题浅谈

第一章 绪论 一,提出问题 人工智能(Artificial Intelligence,缩写为AI)一词,是在1956年的达特茅斯会议上被首次提出来的。作为一门新兴的交叉学科,人工智能在当今脑科学、认知科学飞速发展的基础下,被称为本世纪三大科技成就之一。目前来说,人工智能主要涉及计算机领域,它试图了解人类智能的实质,进而能够生产出一种媲美人类智能的软件系统、机器人、仿生人或者生化人,最后乃至...

不积跬步无以至千里 8万+

32、医疗人工智能生命周期中值得信赖的生物伦理学家

本文探讨了生物伦理学家在医疗人工智能生命周期中的关键作用,分析了人工智能在医疗领域的潜力与伦理风险。文章指出传统生物伦理学的局限性,提出转化生物伦理学作为桥梁连接理论与实践,并强调通过多学科合作与共享伦理能力来应对AI带来的复杂挑战。生物伦理学家不仅需具备伦理专业知识,还需与技术、医疗等领域的专家协作,共同构建值得信赖的医疗AI系统。

5b6n7m8的博客 61

人工智能伦理:如何平衡技术与道德

1.背景介绍 人工智能(AI)已经成为我们现代社会的一个重要驱动力,它在各个领域都取得了显著的进展。然而,随着人工智能技术的不断发展,我们也面临着一系列道德和伦理问题。这些问题需要我们深入思考,以确保人工智能技术的发展能够为人类带来更多的好处,而不是带来更多的困扰。 在本文中,我们将探讨人工智能伦理的核心概念,以及如何在实际应用中平衡技术与道德。我们将讨论人工智能算法的原理和数学模型,以及如何...

AI天才研究院 1275

AI伦理学:大模型决策的透明度与公平性

AI伦理学:大模型决策的透明度与公平性 关键词:AI伦理学、大模型决策、透明度、公平性、AI应用案例 摘要:本文深入探讨了AI伦理学中两个至关重要的概念——透明度和公平性,特别是在大模型决策中的应用。文章首先介

AI天才研究院 1034

33、医疗人工智能中的可信生物伦理学家:角色与路径

本文探讨了医疗人工智能中可信生物伦理学家的角色与实现路径。生物伦理学家通过理论转化、原则解读、实证研究、决策支持和公众参与等方式,在人工智能生命周期中发挥关键作用。文章分析了多学科方法与共享伦理能力方法的优劣,强调建立交互专业知识的重要性,并提出通过教育与培训、制度建设和公众参与等路径,推动可信医疗人工智能的发展。最终指出,可信AI的实现需要开发者、医疗人员、伦理学家与公众的协同努力。

5b6n7m8的博客 64

AI伦理学教授:机器人也要讲道德 人类有意识是偶然 | AI英雄

▼点击上方蓝字 关注网易智能为你解读AI领域大公司大事件,新观点新应用本期对话嘉宾为艾伦·温菲尔德(Alan Winfield),他是西英格兰大学机器人伦理学教授、世界经济论坛理事会Future of Technology Values and Policy部门的成员、人类大脑项目伦理咨询委员会的成员、Frontiers in Evolutionary Robotics的副主编。世上不存在普遍的道

网易智能 1650

33、医疗人工智能中的可信生物伦理学家角色探讨

本文探讨了生物伦理学家在医疗人工智能发展中的关键角色,强调信任建立依赖于透明、包容和公平的伦理实践。通过分析生物伦理学家在AI生命周期各阶段的能力体现,比较多学科与共享伦理能力两种方法的优劣,提出制度化共享伦理能力是提升医疗AI可信度的关键路径。生物伦理学家应具备医学、人工智能和社会科学等领域的交互专业知识,发挥调解作用,同时推动开发者和医疗人员提升伦理素养。未来需进一步研究伦理培训内容与教育整合方式,该方法亦可拓展至教育、司法等其他AI应用领域。

loss4bartender的博客 80

智能哲学:在AI前沿上人类伦理学的挑战与应战

一、AI的伦理学问题成为了时代的焦点 今天的AI已经把过去一些认为是耸人听闻的话题变成了无法回避的严肃研究,不仅传统的科学理论与技术实践以及两者的关系正在重构,而且在“科学”与“人文”两大分别的领域之间产生了挑战性的融合问题,面对AI的咄咄逼人的发展,一线科学家们不得不做出权宜的回答,由“生命的未来研究所”(Future of Life...

weixin_34034670的博客 1023

PIVlab软件入门:从GUI操作到2D2C粒子测速实战

本文详细介绍了PIVlab软件在2D2C粒子测速中的入门与实战应用。从GUI操作到环境搭建,再到图像预处理和核心参数设置,帮助用户快速掌握这一基于MATLAB的开源工具。通过实际案例和技巧分享,展示了PIVlab在流体力学实验中的高效性和实用性。

weixin_42547431的博客 227

STC8G1K08A的10位PWM避坑指南:为什么你的占空比调节总失效?(附寄存器操作时序图)

本文深入剖析了STC8G1K08A单片机10位PWM功能中占空比调节失效的核心原因,揭示了数据手册未明确指出的寄存器操作时序陷阱。通过对比错误与正确配置的波形,文章指出关键在于更新占空比高2位前需临时关闭PWM输出,并提供了经过验证的安全操作宏与函数库,帮助开发者彻底解决此问题,实现0%-100%的平滑控制。

yyy34的博客 747

什么是人工智能AI

  什么是人工智能(AI)?   人工智能(AI)指的是在被编程为像人类一样思考并模仿其行为的机器中对人类智能的模拟。该术语还可以应用于任何表现出与人类思维相关的特征(例如学习和解决问题)的机器。   人工智能的理想特征是其合理化并采取最有可能实现特定目标的行动的能力。      了解人工智能   当大多数人听到人工智能一词时,他们通常想到的第一件事就是机器人。那是因为大型的电影和小说都编造了关于类似人类的机器的故事,这些机器在地球上造成了严重破坏。但是事实离真相还很远。   人工智能.

yuuEva的博客 5万+

JLINK/SWD/STLINK下载选项区别

摘要: 本文对比了JLINK/SWD/STLINK的6种下载模式:Normal(硬件复位)、Hot plug(无复位)、Under reset(持续复位后连接)、Software reset(软件复位)、Hardware reset(全复位)和Core reset(内核复位)。重点分析了各模式的操作逻辑、适用场景及注意事项,其中Under reset模式是解决SWD禁用/程序异常的首选方案。通过对比表归纳了复位范围、NRST操作等核心差异,并给出场景选择建议:排查连接问题优先选Under reset,常规调

亚洲程序员盟主得博客 395

人机融合智能 | 以人为中心的人工智能伦理体系

在人类历史上,近300年以来发展出了多种科学技术。这些科学技术在不断推动人类文明进步的同时,由于应用过度或者滥用,对人类、社会、自然都造成了各种危害或损失,由此产生科技伦理问题,人工智能技术也存在类似问题,它的发展也必须遵守人类的伦理规范。人工智能伦理是在近十年随着人工智能技术的飞速发展才逐渐受到重视的,因此,在概念内涵,存在的问题、应用规范以及具体理论方面还不够完善。

不断学习,不断进步,提高自己 3712

Java开发者终极抉择:IntelliJ IDEA vs VS Code —— 4大维度深度对比评测

🔥关注墨瑾轩,带你探索Java的奥秘!🚀🔥超萌技术攻略,轻松晋级编程高手!🚀🔥技术宝库已备好,就等你来挖掘!🚀🔥订阅墨瑾轩,智趣学习不孤单!🚀🔥即刻启航,编程之旅更有趣!🚀在Java开发领域,选择合适的集成开发环境(IDE)对于提高开发效率和代码质量至关重要。和(简称VS Code)是两个广受好评的开发工具,各自拥有独特的特性和庞大的用户群。本篇将从多个维度深入探讨这两款IDE对Java开发者来说的优劣,包括但不限于性能、用户体验、生态系统、调试能力、以及特定Java功能的支持等方面。

java专栏 8590

11、系统稳定性分析与李雅普诺夫函数的应用

本文深入探讨了李雅普诺夫函数在系统稳定性分析中的核心作用,重点介绍了时变与时不变系统的稳定性判据差异,以及巴尔巴拉特引理在处理非自治系统中的应用。文章还阐述了正线性系统与严格正实传递函数的性质及其在非线性控制系统中的重要性,并展示了李雅普诺夫函数在评估主导时间常数和设计快速干扰抑制控制策略方面的实际应用。通过具体示例和流程图,系统地总结了李雅普诺夫方法在稳定性分析、性能评估与控制器设计中的多维度价值,同时指出了当前挑战与未来发展方向。

Jerry的专栏 93

智能时代的程序伦理:应用伦理学与AI元人文构想的双向互构及实践架构

智能时代的程序伦理:应用伦理学与AI元人文构想的双向互构及实践架构 摘要 本文旨在论证,面对人工智能引发的复杂伦理挑战,传统规范伦理学的自上而下应用范式已显不足。文章以甘绍平教授对应用伦理学的系统性阐发——特别是其作为程序伦理、原则主义、融贯主义方法论及个体/集体双重聚焦的全新形态——为理论基础与批判镜鉴,与旨在构建人机协作价值协商框架的“AI元人文构想”进行深度对话与融合。本文核心论点是:应用伦理学的现代性智慧为AI伦理提供了不可或缺的“伦理合法性基底”与问题诊断工具;而AI元人文构想则以其“叙事舞台”、

m0_46223801的博客 1100

R语言中的混淆矩阵(Confusion Matrix)是一种常用的评估多分类模型性能的工具

除了准确率,混淆矩阵还提供了其他有用的指标,如灵敏度(Sensitivity)、特异度(Specificity)、精确度(Precision)和召回率(Recall)。混淆矩阵通过比较模型预测结果与实际标签的一致性,帮助我们了解模型的分类准确性和错误类型。此外,混淆矩阵还提供了各种错误类型的统计信息,如假阳性(False Positive)和假阴性(False Negative)等。通过混淆矩阵,我们可以了解模型的整体性能和错误类型,从而对模型进行评估和改进。最后,为了更好地理解混淆矩阵的结果,可以使用。

HackSquad的博客 972
上一篇: 浅谈面向客户端的性能优化
下一篇: 分布式系统的时间问题
半吊子全栈工匠
半吊子全栈工匠 领域专家: 嵌入式与硬件开发技术领域 领域专家: 嵌入式与硬件开发技术领域
博客等级 码龄18年 4632粉丝 897原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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