Kunstig intelligens har allerede blitt et faktum i noen økonomiske og transportsegmenter, og når det sprer seg på andre områder, ønsker vi i økende grad å sørge for at vi kontrollerer det, og ikke omvendt. Fra 2001 A Space Odyssey til Blade Runner, RoboCop til The Matrix, når folk håndterer kunstig intelligens, møter de uunngåelig filmskapernes mørke fantasi.
Spike Jones 'siste film "She" og den kommende "Out of the Machine" av Alex Garland er allerede dedikert til kreasjonene av kunstig intelligens som bor blant oss. Turing-testen kommer til syne, og vi kan fremdeles ikke bestemme hovedforskjellen mellom chips og kode fra kjøtt og blod.
Denne frykten uttrykkes også av noen av Silicon Valley kjente personer: I forrige måned beskrev Elon Musk (administrerende direktør i Tesla og SpaceX) kunstig intelligens som "den største eksistensielle trusselen" mot menneskeheten. Det mange av oss ikke forstår, og kanskje også Elon Musk selv, er at kunstig intelligens ikke er noen utrolig teknologi som bare eksisterer i fantasier fra filmskapere og datalagelaboratorier.
Mange av smarttelefonene våre bruker rudimentær teknisk intelligens for å oversette fra ett språk til et annet eller svare på spørsmålene våre; i spillindustrien brukes AI til å generere komplekse og stadig skiftende spillscenarier. Og ettersom Silicon Valley-selskaper som Google og Facebook fortsetter å kjøpe opp AI-selskaper og ansette eksperter, vil AI fortsette å vokse.
Så kunstig intelligens er ikke Spielbergs film?
Det er ingen klager på filmen, men begrepet som betyr "kunstig intelligens" har en mye lengre historie enn den som Spielberg og Kubrick viste i filmene sine. Kunstig intelligens går tilbake til fødselen av databehandling på 1950-tallet, da 14 år etter å ha definert en generell datamaskin, lurte Alan Turing på om en maskin kunne tenke.
Salgsfremmende video:
64 år har gått, og denne ideen opptar fortsatt tankene våre, er nedfelt i filmer og bøker og diskuteres på symposier. Det var ikke langt fra det regelverket som ble satt av Turing i hans Computing Machines and the Mind fra 1950, der han foreslo "imitasjonsspillet" vi nå kjenner som Turing-testen.
Koble en datamaskin til en tekstterminal og la den kommunisere med operatøren sammen med en ekte person. Essensen av testen er at når du ber operatøren bestemme hvilken av samtalepartnerne hans som var et menneske, "vil operatøren gjøre feil så mange ganger i løpet av dette spillet som han kunne gjøre feil ved å prøve å skille en mann fra en kvinne."
Turing mente at å finne ut om en maskin kunne bestå en test ville være mer nyttig enn å svare på det vage og filosofiske spørsmålet om den tenkte eller ikke tenkte. "Angående dette problemet … Jeg tror det er meningsløst å diskutere det." Riktig nok trodde Turing at innen 2000 "ville språk og utdanning ha endret seg så mye at hvem som helst kan kommunisere med en tenkemaskin uten problemer."
Bokstavelig talt tok han ikke for feil. I dag kan du ofte høre folk si at datamaskinene deres er "stumme" eller "gjennomtenkte". Men selv om vi ser mer alvorlig på definisjonen av en tenkemaskin, vil denne ideen være nærmere virkeligheten enn mange kanskje tror.
AI eksisterer allerede?
Relativt. Vi er fremdeles langt fra å gå gjennom Turing-simuleringsspillet til tross for rapporter om det motsatte. I juni lurte chatbot Evgeny Gustman en tredjedel av dommerne med suksess ved å ta Turing-testen i London, og overbeviste dem om at han var menneske.
Men i stedet for å tenke, stolte Eugene på triks og triks. Posisjonen som en 13 år gammel gutt som engelsk ikke er morsmålet for, forklarte maskinen av disse mange ulogiske aspektene ved dens oppførsel, inkludert en dårlig sans for humor og krenkende uttalelser, og omdirigerer ofte samtalen i en annen retning.
De fleste AI-utviklere prøver å lære det å behandle naturlig språk slik at vi kan utstede en kommando på et språk vi er kjent med. Dette er hva barn begynner å gjøre allerede før de tar sitt første skritt, og dette er en ekstremt vanskelig oppgave for en maskin.
Tenk på en favorittfrase fra AI-forskere: "tiden flyr som en pil, frukt flyr som en banan." [spill på ord:”tiden flyr som en pil, fruktene flyr av banan”; den andre delen av setningen, analogt med den første, kan oversettes som "fruktene flyr som en banan"]. Nedbrytningen av en setning i dets bestanddeler forbløffer noen ganger også engelskspråklige, for ikke å snakke om algoritmen.
Har AI taleproblemer?
Ikke sikkert på den måten. Faktisk brukes AI for det meste ikke til samtaler. Noen av dere burde vite om kunstig intelligens, ikke fra science fiction eller fra Alan Turing, men fra videospill, der AI brukes til å referere til datastyrte motstandere.
I en første person skytter, for eksempel, kontrollerer AI bevegelsene til fiender, slik at de kan unngå, sikte og skyte mot deg på de mest uforståelige måter. I racingspill kan AI kontrollere konkurrerende biler. Som en paragon av AI, forlater videospill absolutt mye å være ønsket. Men diamanter er laget av diamanter, og de forenklede reglene i systemet kombineres for å gjøre noe komplekst.
Ta for eksempel GTA V, når du skaper byer med et eget liv, kan du vri et hjørne og finne et brannmannskap som kjemper mot en sjåfør som kjører inn i en slange; eller Dwarf Fortress, der nisser lever i huler med sitt eget liv, strukturert og algoritmisk detaljert. Disse nye spillsystemene viser en helt ny måte som AI kan utvikle seg på, ikke prøve å etterligne et menneske, men utvikle en "god nok" heuristikk som gjør algoritmer til noe helt annet når det skaleres nok.
Så alle investerer i AI for å lage bedre spill?
Ikke. Selskaper som Apple og Google investerer mye penger i AI, og prøver å skape virtuelle personlige assistenter som Siri og Google Now.
Dette er kanskje litt langt fra Turings fantastiske visjon, men taletjenester gjør i hovedsak det samme harde arbeidet som et menneske. De må lytte og forstå talespråk, bestemme hvilke data den inneholder og deretter returnere resultatet, også i form av en samtale. De prøver ikke å lure oss til å tro at de er mennesker, men det skjer av seg selv. Siden all databehandling foregår i skyen, jo mer de hører, jo bedre forstår de.
Ledende AI-forskning er imidlertid ikke fokusert på å gjenskape menneskets forståelse av verden, men å overgå den. IBMs Watson, for eksempel, er kjent som datamaskinen som vant Jeopardy! i 2011, ved å bruke naturlig språkforståelse for å finne svar på tilretteleggerens spørsmål. Men sammen med å forstå det naturlige språket, kan Watson også lese og forstå enorme mengder ustrukturerte data, og veldig raskt.
Når det gjelder Jeopardy! Jobbet han med 200 millioner sider med data, inkludert teksten på hele Wikipedia. Watsons virkelige mål er å utvide til hele Internett og gi helsepersonell en praktisk mekanisme å jobbe med. Det er tross alt forskere som bare vil redde menneskeheten.
Vi vil alle dø?
Kan være. Det er frykt for at når en tilstrekkelig allsidig AI som Watson er opprettet, vil kraften øke sammen med den prosessorkraften som er tilgjengelig for den. Moore's Law spår at datakraft fordobles hver 24. måned, så det er bare et spørsmål om tid før AI blir smartere enn skaperne og kan skape en enda kraftigere AI, noe som fører til eksponentiell vekst i kapasitetene.
Men hva vil superintelligent kunstig intelligens gjøre med disse mulighetene? Det kommer an på hvordan det er programmert. Problemet er at det er veldig vanskelig å programmere en svært intelligent datamaskin, slik at den ikke ødelegger menneskeheten ved et uhell.
La oss si at du gir AI-en din som oppgave å lage papirklipp og gjøre dem så gode som mulig. Snart nok vil han innse at forbedringer i stiftproduksjon kan oppnås ved forbedringer i produksjonslinjen. Hva vil han gjøre videre?
"For eksempel vil han være opptatt av at folk ikke slår ham av, for da vil det ikke bli produsert noen klipp," forklarer Nick Bostrom. Paperclip AI, sier Bostrom, “kan bli kvitt en person med en gang fordi de er en trussel. I tillegg vil han trenge så mange ressurser som mulig fordi de kan brukes til å lage papirklipp. For eksempel atomer i menneskekropper."
Hvordan takle slik AI?
Den eneste måten som vil fungere, er ifølge noen teoretikere som Ray Kurzweil, Googles CTO, å legge ned AI. Mennesker bør tenke ikke bare på hvordan man lager intelligent AI, men også om den etiske siden av dette problemet - og programmere i henhold til det.
Til slutt er det å skrive kode bare på jakt etter problemer. En maskin med instruksjoner for å "gjøre folk glade" kan løse dette problemet ganske enkelt ved å implantere elektroder i folks hjerner. Derfor, når vi ber kunstig intelligens om å løse store filosofiske problemer, må vi sørge for at maskinen forstår hva som er "bra" og hva som er "dårlig".
Så vi trenger et etikkprogram og alt blir bra?
Ikke egentlig. Selv om vi klarer å forhindre at ondsinnet AI dukker opp, gjenstår spørsmålet hvordan samfunnet tilpasser seg de voksende evnene til kunstig intelligens.
Den industrielle revolusjonen er preget av automatisering av en rekke jobber som tidligere stolte på manuell arbeidskraft. Det er ingen tvil om at den industrielle revolusjonen var perioden med den viktigste veksten i menneskelig velvære. Men datidens kupp var unikt i saken, og det er usannsynlig at vi klarer å se dette igjen.
Hva dampkraft gjorde for fysisk arbeid, kan AI gjøre for mental arbeid. De første ofrene for denne sfæren dukker allerede opp: det er ikke noe sted for taxisending i verden med Hailo og Uber; arbeidet til en aksjemegler har endret seg nettopp på grunn av innføringen av høyfrekvent handel; sport og nyheter vil snart bli laget av biler.
De virkelige endringene er bare begynnelsen. I november ledet Goldman Sachs en finansieringsrunde på 15 millioner dollar for Kensho, en finansiell dataanalytikatjeneste som bruker kunstig intelligenssteknikker utenfor rekkevidden for de beste menneskelige analytikere. Den kan håndtere så enorme datamengder at folk rett og slett er maktesløse foran den.
Kensho analytics kan brukes av et høyfrekvent handelsselskap som Athena, som bruker det for å få et millisekundkant i markedet - nok til å tjene penger hvis du handler milliarder av dollar.
Etter at slik handel påvirker det generelle markedet, kan Kensho gi algoritmer til Forbes, og hun vil erstatte sine finansielle analytikere. De fleste forretningsoppsummeringer er en til en, og hvis dataene er tilgjengelige i et strukturert format, hvorfor kaste bort tid med folk?
Generelt er slike endringer gode. Hvis arbeidet til millioner av mennesker erstatter algoritmer, kan de gjøre noe bedre, antall arbeidstimer vil avta, og vi kommer ett skritt nærmere utopi.
