Blog - EasyFootings

Sztuczna inteligencja (AI) osiągnęła punkt krytyczny, wykorzystując ogromne zbiory danych gromadzone przez każdą aplikację, stronę internetową i urządzenie w naszym życiu, aby podejmować coraz bardziej wyrafinowane decyzje w naszym imieniu. AI działa w naszych skrzynkach odbiorczych, sortując i blokując wiadomości e-mail. Przyjmuje i przetwarza nasze coraz bardziej złożone żądania za pośrednictwem asystentów głosowych. Uzupełnia obsługę klienta za pośrednictwem chatbotów i silnie automatyzuje złożone procesy w celu zmniejszenia obciążenia pracą pracowników wiedzy. Oczywiste jest, że urządzenia mogą w locie dostosowywać się do ludzkich zachowań.

Przyszłość już jest, ale to nie znaczy, że jesteśmy na nią gotowi. Ostatnie dwa lata obfitowały w historie, które zmuszają przeciętnego konsumenta do dwukrotnego zastanowienia się nad rolą AI w ich życiu. W końcu, aby sztuczna inteligencja była skuteczna, potrzebuje danych. Aby firmy mogły pozyskiwać dane, muszą je zbierać od użytkowników, którzy świadomi lub nie, stali się najcenniejszym towarem na świecie. A jeśli jest skuteczny, co to oznacza dla milionów miejsc pracy, które mogą być teraz obsługiwane przez maszyny?

Niezliczone naruszenia bezpieczeństwa danych, strach przed utratą miejsc pracy w systemach sztucznej inteligencji oraz skandal Cambridge Analytica nadają temu wszystko otrzeźwiającą perspektywę. Czy naprawdę chcemy, aby każdy aspekt naszego życia był rejestrowany i analizowany z korzyścią dla inteligentniejszych systemów komputerowych?

A jeśli tak, to w jaki sposób zrównoważymy te zyski z tyloma zrozumiałymi obawami? Zaczyna się od dogłębnego zrozumienia roli ludzkiej inteligencji w naszym wdrażaniu sztucznej inteligencji oraz tego, jak bez niej druga jest skazana na porażkę.

Ewolucja samoświadomych maszyn i co dalej

Ostrożność jest zrozumiała, ale przez chwilę zastanów się, co potrafi AI. Nigdy wcześniej nie znaleźliśmy niczego we wszechświecie tak plastycznego i pełnego potencjału jak ludzki mózg. Z wyjątkiem teraz widzimy komputery bijące ludzi w niektórych najbardziej skomplikowanych grach, jakie kiedykolwiek wymyśliliśmy, prowadzące samochody bezpieczniejsze i bardziej wydajne niż jakikolwiek inny kierowca oraz usprawniające system opieki zdrowotnej w celu wykrywania chorób i dokładniejszego leczenia ludzi.

Ostatecznym celem tego wszystkiego jest stworzenie samoświadomej maszyny. Tematem tytułowego testu Alana Turinga jest ustalenie skuteczności komputera w replikacji człowieka.

Na tym koncentrują się agresywne, ale coraz bardziej prawdopodobne prognozy Raya Kurzweilera dotyczące osobliwości człowieka-AI za niecałe trzydzieści lat. To także temat tysięcy filmów, powieści i zapierających dech w piersiach esejów na temat ryzyka, jakie samoświadoma AI stwarza dla ludzkości.

W rzeczywistości tym, co czyni ludzi naprawdę wyjątkowymi, jest sposób, w jaki nasz mózg opowiada historie o swoich obserwacjach, interpretując otaczający nas świat - często niepoprawnie.

Maszyny nie potrzebują tego, aby być naprawdę świadomym. Ale ta moc obserwowania i oceny wpływu decyzji nie tylko nas samych, ale także naszego otoczenia jest z natury ludzka. Jest to coś, co prawdopodobnie nigdy nie powiela się w maszynach i dlatego ludzka inteligencja jest tak ważna dla równania AI.

Jak faktycznie myślą maszyny?

Jeśli więc maszyny nie będą obserwować świata tak jak my, to jak dokładnie „myślą” i co możemy zrobić, aby wpłynąć na te procesy?

Uczenie maszynowe stanowiło centrum działalności przemysłu sztucznej inteligencji w ostatnim półwieczu, co stanowi ogromny boom w produkcji i wartości we wszystkich branżach. Uczenie maszynowe (ML) polega na zapewnieniu algorytmu narzędzi potrzebnych do poprawy wydajności bez wyraźnego wkładu człowieka.

Oparte na Artificial Neural Networks (ANNs), uczenie maszynowe ewoluowało gwałtownie w ciągu ostatnich pół dekady, aby naśladować sposób, w jaki ludzie szukają i oceniają wzorce w otaczającym nas świecie. Umożliwiło to komputerom rozpoznawanie ludzkich twarzy, reagowanie na sygnały głosowe i konkurowanie z ludźmi w bardzo złożonych czynnościach.

Cztery lata później głębokie uczenie się jest wykorzystywane do poprawy procesów w milionach firm i systemów komputerowych. Jednak badacze w tej dziedzinie obawiają się, czy głębokie uczenie się może naprawdę osiągnąć poziom ludzkiej inteligencji.

Brakuje im przejrzystości procesu decyzyjnego i pozostaje niejasne, jak przenośny będzie indywidualny system w obserwowaniu i uczeniu się nowych zadań (choć wiele rzeczy robi się, aby na to wpłynąć).

Inną ważną kwestią są programiści i twórcy każdego systemu AI. Nawet w przypadku systemów głębokiego uczenia się (często szczególnie) istnieje nieodłączna tendencja. Amazon zrezygnował z algorytmu zatrudniania, w którym priorytetem były wyrażenia i język, które są częściej używane w życiorysach mężczyzn.

Badacze z MIT odkryli, że algorytmy rozpoznawania twarzy były często bardzo niedostatecznie rozpoznawane w celu rozpoznawania mniejszości, a w szczególności kobiet mniejszości. Ponieważ operatorzy i programiści dostarczają informacje do zaprojektowanych przez siebie algorytmów, może istnieć nieodłączne odchylenie.

Badanie przeprowadzone w 2018 r. Przez firmy z Doliny Krzemowej wykazało, że dziesięć dużych firm w okolicy nie zatrudniało żadnej czarnej kobiety w 2016 r., A trzy nie miały żadnych czarnych pracowników. Ten brak różnorodności może mieć bezpośredni wpływ na dane wprowadzane do tych systemów.

Ludzie i maszyny muszą współpracować

AI jest stałą częścią społeczeństwa. Jest zbyt wydajny i miał już na to zbyt duży wpływ, aby go zmienić. Zrozumiałe jest, że nadal istnieją obawy dotyczące sposobu gromadzenia danych i stronniczości tych systemów. Ale prawdopodobnie największą troską ludzi jest to, co dzieje się z zadaniami, które algorytmy sprawiają, że są bardziej wydajne, skutecznie zmniejszając popyt na pracowników.

I chociaż AI zastąpi niektóre zadania, które można w pełni zastąpić zautomatyzowanymi systemami - na przykład wprowadzanie danych, śledzenie i wiele zadań obsługi klienta - tworzy tyle samo zadań i wzmacnia miliony innych. Aby sztuczna inteligencja działała, potrzebuje ludzkiej inteligencji. Zamiast pracy zawodowej przekierowuje się pracowników na bardziej produktywne role, często wspierające lub pracujące w tandemie ze sztuczną inteligencją.

Im bardziej zaawansowana staje się technologia, tym więcej ludzi jest potrzebnych do jej produkcji i zarządzania. Podobnie jak rewolucja przemysłowa, która wyparła niektóre rodzaje zadań, ale stworzyła znacznie więcej, AI jest silnikiem zadań, który będzie działał tylko w połączeniu z ludzkim wkładem w celu przechwytywania danych, zarządzania tymi danymi, zasilania algorytmów obsługujących nasze systemy i nie tylko.

Żyjemy w czasach zmian. Systemy AI są rozwijane w szybkim tempie, a zespoły ludzi nad nimi pracujące stają się wykładniczo większe. Chociaż potrzebne są zmiany, aby zapewnić, że technologia pozostanie etyczna w aplikacji, możliwości, jakie stwarza, są ogromne, a my osiągniemy to tylko dzięki zastosowaniu określonej marki ludzkiej inteligencji.