这几年，“人工智能”这个词已经成了日常用语的一部分。

坦帕湾一些最优秀的应届毕业生对AI可能带来的影响有自己的想法。

自1959年以来，希尔斯伯勒县毕业班排名前3%的学生都会被授予“R.F.‘雷德’·皮特曼论坛学者”称号。这个称号以原《坦帕论坛报》一位发行人的名字命名，现在由《坦帕湾时报》赞助。

今年，459名平均绩点最高的获奖学者受邀参加一场300字征文比赛，争夺三个1750美元奖学金的名额之一。

有一百六十人回答了下面的问题：人工智能指的是能完成一些通常由人做的复杂任务的计算机系统：推理、做决定和创造。人工智能工具能做的事情很多，既有好的，也有坏的。人工智能的实际应用会给我们的社区带来好处还是坏处？

今年的评委有：斯蒂芬·兰伯特，他是希尔斯伯勒社区学院质量提升计划主任；尤利·雷斯特雷波，坦帕大学英语助理教授；还有凯特琳·费拉尔，《坦帕湾时报》的政治记者。

获奖者周二会在坦帕湾社区基金会接受表彰。

下面就是获奖文章。

阿肯诺·道（Akeno Dao），布莱克高中

道打算在佛罗里达大学主修英语，辅修哲学、政治学、经济学和法律，之后想去读法学院。

我读的是艺术特色项目，亲眼见识了AI带来的那种摧枯拉朽般的冲击。AI的爪子已经伸进了我生活里的各个角落。不过，我并不想一味贬低它，而是想弄明白AI的好处到底妙在哪儿，以及它带来的伦理问题。我觉得AI特别能帮人干那些琐碎的杂事，把人解放出来，去做那些让我们成为人的事——去创造、去爱。从小我看着妈妈为了我和弟弟妹妹拼命，也曾经努力想融入周围那些顺性别男生的圈子。从这些经历里，我慢慢觉得，那种拼尽全力的样子，本身就是一种爱。你愿意花几个小时写作、练琴，甚至去刮煎锅上的油，是因为你在意某件事，不管是你的音乐天赋，还是你家的盘子干不干净。我不想让我的艺术变得太轻松。

再说，我也不能为了所谓的进步，就压下自己心里对AI环境问题的担心。我承认AI在高等教育里确实很厉害。但如果无视AI对艺术的巨大威胁，无视数据中心耗尽那些穷一点的有色人种社区的水源，那就对不起我的出身。在一个真心想变好的社会里，人的经验、思想和计算机之间必须找到一种平衡。我打算参与到社区和教育事务中去，这样既能保持这种平衡，也能推动我身边的社区和全球社会的进步。

伊莎·文卡泰什（Eesha Venkatesh），草莓岭高中

文卡泰什打算在佛罗里达大学读健康科学，之后去上医学院。

我第一次真正接触到痴呆症，是在当地一家医院做志愿者的那几个月。我看着病床上一位老人，眼神空空地望着自己的女儿。这双臂膀以前还抱过她，现在却无力地垂在身边。阿尔茨海默病把他的记忆都吃掉了，连站在眼前的亲人，他都想不起一丁点。那一刻我印象特别深——不只是因为这种病本身的医学原理，更因为它给人留下的那种情感上的空洞。看着一个人整个人的样子慢慢被时间抹掉，我就特别想弄明白，我们该怎么保护那些让我们成为人的东西——能记住、能跟人亲近、能认出自己爱的人。

人工智能很有可能彻底改变我们理解和治疗阿尔茨海默病这类病的方式。AI能看出大脑扫描里的细微变化，还能分析遗传标记来预测风险，这些规律人眼根本看不出来。这样就能更早诊断、更有针对性地治疗，最后还能让社区变得更强大，让家庭不会因为本来可以避免的失去而破碎。

不过，AI就算能增强我们的能力，也代替不了人和人之间那种真正的联系。如果我们开始不光靠AI做分析，还靠它来给同理心、创造力，甚至替我们做需要道德判断的决定，那就出问题了。机器也许能准确查出病，但它没法安慰一个眼睁睁看着爸爸慢慢离开的女儿。它不明白记忆有多重，也不明白爱到底意味着什么。

AI用在实践上确实前景很厉害，但前提是咱们得明白，它没法完全模仿那些让人之所以为人的东西。AI也许能塑造未来的创新，但同理心、创造力和人与人之间的联系，才永远是咱们社会的根本。

罗汉·摩根，普兰特高中

摩根计划在耶鲁大学主修经济学与应用数学。

人工智能不会通过机器人接管这种夸张的方式来改变我们的社区，而是通过一种更悄无声息的方式：判断的自动化。如今，AI越来越不只是在计算了，它还在做决定。它会标记哪些学生可能“有风险”，哪些简历值得关注，甚至哪些社区需要加强警力。这些系统标榜效率，但它们也暗含了对成功、风险或价值长什么样的预设。

用好了，这作用会很大。AI能比手头学生案例多得忙不过来的辅导员更早识别出有困难的学生，优化交通模式以减少排放，或者帮助小企业预测需求、减少浪费，比如像我家的本地面包店这种小企业。它还能让专业知识更容易获取，让普通人也能用到过去只有专家才有的工具。

但一旦我们把模式识别当成理解，问题就出现了。AI基于历史数据进行预测，而历史数据往往并不公平。我们常说“历史有重演的倾向”，这在很多领域确实有用，但用来预测未来就不太行。一个用过去的招聘决策训练出来的系统，可能表面上中立，暗地里却在强化偏见。预测性警务工具会让那些已经被过度监管的社区受到更多密切关注，从而造成数据自我验证的恶性循环。即使在校园里，给学生贴上“有风险”的标签也可能变成自我实现的预言，潜移默化地影响老师怎么看待和帮助他们。

更微妙的是，人工智能可能削弱人类的责任感。当决策被外包给算法时，责任归属变得模糊。谁该负责：程序员、用户，还是模型本身？

人工智能最重要的方面是保持人在环路中，确保AI不会取代我们的批判性思维，而是增强它，以免我们在这一过程中失去人性。如果我们把AI当作提供信息而非替代判断的工具，它可以拓展机遇。如果我们不加批判地服从它，它就有可能妨碍我们对现实的理解。