這帶來了許多倫理問題。「隱形」設備的問題在於，我們可能錯過其運行的一些細節。尤其是如果它與一個智能設備有類似功能的話，我們可以假設它們以完全相同的方式工作。比如，我們已經討論了智能設備能夠實現微觀和宏觀目標的方式。然而，這並不一定是僅對你這個使用者有利的目標，哪怕你已經擁有了討論中的智能設備。打個比方，保險公司已經流露出將聯網智能設備作為優化安全保費手段的渴望。簡而言之，如果你生活得比較健康和安全，你的保費就會下降。當前保險費率是基於年同比進行計算，為你的實際情況變化留下餘地。使用智能設備，費率可以不斷調整，保費會根據你最新的讀數像股票價格一樣上下波動。
大公司正在大力採用可穿戴設備，使之作為一種追蹤員工的方式。英國石油公司（BP）已經為14 000名僱員免費配備了Fitbit公司的Zip活動記錄儀，條件是他們同意公司查看他們所行的步數。英國石油公司員工稱之為「百萬步大挑戰」。如果他們步行超過100萬步，就可以獲得降低保費的獎勵。根據Fitbit統計，在類似的公司健康計劃中，使用Fitbit設備的僱員比普通人多行走60%—80%。從某種程度而言，這對參與各方都有利。公司降低了僱員的保險成本，僱員變得更加健康，國家醫療保健費用也相應減少。醫療保健研究公司CDW的報告稱，5年間，可穿戴技術可以使醫院成本下降16%。
「泰勒主義」（Taylorism）是20世紀初工程師弗雷德裡克·泰勒（Frederick Taylor）所倡導的一項運動。在泰勒1911年出版的極具影響力的著作《科學管理原理》（The Principles of Scientific Management）中，他提出了自己的信仰，即人類工作與思考的目的應該是提高效率。泰勒實施了各種研究，旨在教育僱員如何測量先前無法測量的工作，以提升他們的工作效率。比如，在他的「鏟投科學」實驗中，泰勒將一個工人一鏟提取的最佳重量精確到21磅[2]。通過這麼做，有效的鏟投速度可以保持得更加持久。這恰恰就是當前智能設備可以輕易測量並反饋給老闆的情況。亞馬遜當前在自己的工廠裡使用類似的技術，將手持式電腦配發給「成品合作者」（也稱產品採集器），以記錄他們完成單個訂單的速度。泰勒的科學管理設想不只是支持僱主。他堅信，測量工作的能力也將與激勵報酬齊頭並進，因此生產力不足的低業績員工不會獲得和高業績員工一樣多的收入。儘管所有這些在理論上幾近完美，但批評人士仍指出一個事實：科學管理同樣降低了自主性，而且人工智能這個概念頗具諷刺意味，它對待人如同對待機器一樣。
另外，如果我們設備的某些方面旨在完全為我們造福，我們可能比較幸運。2014年，《福布斯》雜誌的兩位作者披露，智能設備製造商Nest已經與電力公司達成交易，會為它們提供顯示其用戶習慣的數據。儘管這些數據是匿名的，而且只是匯總數據，但電力公司仍然能用這些數據控制我們家裡的智能設備。為了減輕電網的荷載，電力公司可以要求Nest在炎熱天氣裡關閉用戶的空調。Nest與電力公司分享節約的成本，而用戶什麼也沒有得到。隨著時間的流逝，Nest與電力公司交易產生的收益將使其銷售恆溫器的收入額「相形見絀」。Nest的智能設備依然為其主人服務，但對於我們一直期待的智能設備而言，這只是不同的主人而已。
由於用戶數據由智能設備採集並用於城市規劃，因此可能面臨諸多相關挑戰。根據人工智能的採用方式，智慧城市不是變得越來越緊密，而是變得越來越分散。麻省理工學院計算機科學與人工智能實驗室（CSAIL）創立的一項深度學習項目發現，通過查看圖像，某一地區的犯罪率是可以預測的。除了整合如舊金山犯罪定位地圖（San Francisco CrimeSpotting）等應用上的犯罪數據，深度神經網絡還對400萬張谷歌街景圖片進行了訓練。深度神經網絡很少專注於具體圖像所呈現的內容，而是主要專注於推理。項目創建者之一的阿迪亞·科斯拉（Aditya Khosla）對我說：「我們努力在做的是，使展示出的圖片研究不只限於分析看到的景象。如果人工智能的目標是建造可以模仿人類智能的機器，那麼擁有抽像思維能力明顯就是第二步了。」就像上一章所提到的大多數應用軟件一樣，計算機科學與人工智能實驗室的項目是深度學習運轉中一個令人印象深刻的案例。但是人們對它的使用方式有著不同的詮釋。比如，城市規劃者可以利用神經網絡查明城市各個部分的需求詳情，如哪裡需要投資，哪裡需要建立醫院或學校但不是現在建立（神經網絡的另一個用途）。與此同時，汽車公司可以利用同樣的技術自動控制車門來鎖定你的汽車，或當你需要時為你提供一條備選路線。
如果考慮到了這麼多，你就不會因為想把一些工作轉交給一個你可以信任的數字實體或者智能助手而受到責備。
幸運的是，人工智能在提高這種能力上也有所幫助。
[1] 1英吋=2.54厘米。——編者注
[2] 1磅= 0.453 592 4公斤。——編者注