How Humanity Has Always Feared Change: Are You Afraid of Artificial Intelligence?
Notice bibliographique
Résumé
This article explores the relationship between fear, technological progress, and human adaptation, focusing on the rise of artificial intelligence (AI). Throughout history, significant technological advancements have provoked excitement and apprehension, from the invention of writing to the Industrial Revolution. AI is the latest episode in this constant evolution, raising fears about job automation, ethical dilemmas, loss of creativity, and existential risks. However, like past innovations, AI also presents opportunities to revolutionize healthcare, productivity, and innovation. The question guiding this analysis is How can societal fear of AI be understood not only as a reaction to disruption but also as a stimulus for ethical engagement and inclusive technological governance? The article argues that fear is not inherently negative but instead a catalyst for reflection on the ethical implications of change. Drawing on historical examples and contemporary discourse, it highlights the importance of equity, ethics, and active engagement in technological development, encouraging society to influence the trajectory of AI. The article contributes to reframing fear as a constructive force that can guide critical inquiry, promote responsible technology innovation, and foster democratic participation in determining AI futures. Finally, it suggests that how we navigate AI’s rise will assess its role in society and its potential to redefine human progress. To move forward, the article advocates for proactive strategies that center equity, interdisciplinary dialogue, and ethical foresight in designing and deploying AI systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,011 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,020 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».