Det er et morsomt psykologisk fenomen: gjenta ethvert ord mange ganger, og til slutt vil det miste all mening, bli til en våt fille, til fonetisk ingenting. For mange av oss har uttrykket "kunstig intelligens" for lengst mistet betydningen. AI er overalt innen teknologi akkurat nå, og driver alt fra TV til tannbørste, men det betyr ikke hva det skal. Det trenger ikke være slik.
Kunstig intelligens: godt eller ondt
Mens uttrykket "kunstig intelligens" unektelig misbrukes, gjør denne teknologien mer enn noen gang, både på godt og vondt. Det brukes i helsetjenester og bekjempelse; hjelper folk med å skrive musikk og bøker; evaluerer kredittverdigheten din og forbedrer bildene som er tatt med telefonen. Kort sagt tar hun beslutninger som påvirker livet ditt, enten du liker det eller ikke.
Det kan være vanskelig å være enig i hypen og hypen som teknologiselskaper og annonsører diskuterer med AI. Ta Oral-Bs Genius X-tannbørste, for eksempel en av mange apparater som ble avduket på årets CES som spionerer påståtte AI-evner. Men ved nærmere undersøkelse blir det tydelig at børsten ganske enkelt gir deg tilbakemelding på om du pusser tennene i riktig tid og på de riktige stedene. Det er noen smarte sensorer der ute som kan fortelle hvor børsten din er i munnen, men å kalle det kunstig intelligens er tull, ingenting mer.
Hypen avler misforståelse. Pressen kan blåse opp og overdrive all forskning ved å stikke Terminator på en hvilken som helst vag AI-historie. Dette fører ofte til forvirring om hva kunstig intelligens er. Dette kan være et vanskelig tema for ikke-spesialister, og folk forbinder ofte feilaktig moderne AI med den versjonen de er mest kjent med: sci-fi-representasjonen av en bevisst datamaskin mange ganger smartere enn mennesker. Eksperter kaller dette bildet av generell kunstig intelligens av AI, og hvis vi noen gang kan lage noe slikt, vil det være veldig langt unna. Inntil da vil overdriving av funksjonene, intelligensen eller egenskapene til AI-systemet ikke hjelpe prosessen på noen måte.
Det er mye bedre å snakke om "maskinlæring" fremfor kunstig intelligens. Det er et underfelt av kunstig intelligens som omfatter nesten alle teknikkene som har størst innvirkning på verden i dag (inkludert det som kalles dyp læring). Det er ingen "AI" mystikk i denne frasen, men den er mer nyttig når du skal forklare hva denne teknologien gjør.
Hvordan fungerer maskinlæring? I løpet av de siste årene har du og jeg hatt muligheten til å lese dusinvis av forklaringer, og den viktigste forskjellen jeg fant for meg selv ligger rett i navnet: maskinlæring er alt som gjør at datamaskiner kan lære på egenhånd. Men hva det egentlig betyr er et mye større spørsmål.
Salgsfremmende video:
La oss starte med problemet. La oss si at du vil lage et program som kan gjenkjenne katter. Du kan skrive det på gammeldags måte ved å programmere åpenbare regler som "katter har spisse ører" og "katter er fluffy". Men hva gjør programmet når du viser det et bilde av en tiger? Hver regel vil være tidkrevende å programmere, og du må forklare mange forskjellige konsepter som fluffiness og flekking. Bedre å la maskinen lære seg selv. Så du gir henne en enorm samling av kattebilder, og hun går gjennom dem for å finne sine egne mønstre i det hun ser. Den forbinder prikkene med det første, for det meste ved et uhell, men du tester det om og om igjen for å beholde de beste versjonene. Og over tid begynner hun å ganske godt definere hva en katt er og hva ikke.
Så langt er alt forutsigbart. Faktisk har du sannsynligvis lest en lignende forklaring før - beklager det. En annen ting er viktig. Hva er bivirkningene av å trene et beslutningssystem som dette?
Den største fordelen med denne metoden er den mest åpenbare: du trenger aldri å programmere dette systemet. Selvfølgelig vil du jobbe hardt for å forbedre systemets databehandlingsprinsipper mens det finner smartere måter å hente ut informasjon, men du vil ikke fortelle systemet hva de skal se etter. Dette betyr at hun vil kunne finne mønstre som folk til og med kan savne eller ikke engang tenke på. Og siden alt programmet trenger er data - 1 og 0 - kan det trenes til å utføre alle slags oppgaver fordi verden bokstavelig talt vrimler av data. Med hammeren til maskinlæring i hånden, vil den digitale verdenen være full av negler klare til å gå i gang.
Men la oss nå tenke på ulempene. Hvis du ikke lærer en datamaskin, hvordan vet du hvordan den tar beslutninger? Maskinlæringssystemer kan ikke forklare tanken deres, noe som betyr at algoritmen din kan fungere bra av gale grunner. På samme måte, siden all datamaskinen vet at dataene du gir dem, kan den utvikle en skjevhet mot ting, eller det kan bare være bra for smale oppgaver som ligner på dataene den har sett før. Det har ikke sunn fornuft du forventer av en person. Du kan lage verdens beste programvare for kattgjenkjenning, men den vil aldri fortelle deg at kattunger ikke kan sykle på motorsykler eller at katten mest sannsynlig vil bli kalt "Koschey the Immortal" eller "Alexei Tolstoy".
Å lære datamaskiner å lære på egen hånd er et strålende triks. Og som alle triks, inkluderer denne triks. AI-systemer har intelligens, hvis du vil kalle det det. Men dette er ikke et organisk sinn, og det spiller ikke etter de samme reglene som mennesker. Du kan like gjerne spørre: Hvor smart er boka? Hvilken erfaring er kodet i stekepannen?
Hvor er vi nå, med vår kunstige intelligens? Etter mange års overskrifter som ringer om nok et stort gjennombrudd (som ikke har skjedd ennå, og overskriftene fortsatt er på), konkluderer noen eksperter med at vi har nådd et eller annet platå. Men dette er ikke til hinder for fremgang. Når det gjelder forskning er det enorme muligheter for å utforske med kunnskapen som allerede er tilgjengelig for oss, og når det gjelder produktet så vi bare spissen til det algoritmiske isfjellet.
Kai-fu Lee, en risikokapitalist og tidligere kunstig intelligensforsker, beskriver det nåværende øyeblikket som "adopsjonens æra" - når teknologien begynner å "søle ut av laboratoriet til verden." Benedict Evans sammenligner maskinlæring med relasjonsdatabaser, som ga en formue på 90-tallet og forandret hele bransjer, men det vil være så dagligdags at du blir lei hvis øynene dine blir skyet av storheten til filmisk AI. Vi er nå på det stadiet da AI skulle bli normal, vant. Snart vil maskinlæring være i hver av oss, og vi slutter å ta hensyn til det.
Men så langt har ikke dette skjedd.
For øyeblikket er kunstig intelligens - maskinlæring - fortsatt noe nytt, som ofte forblir uforklarlig eller utilstrekkelig studert. Men i fremtiden vil det bli så kjent og dagligdags at du slutter å legge merke til det.
Ilya Khel
