Blog - EasyFootings

Najbardziej innowacyjna firma w Polsce - 2018'
Jedna z trzech najbardziej innowacyjnych firm na świecie
w branży materiałów budowlanych - 2020'
(Design protected - Patent applied)
Przejdź do treści

Ludzka inteligencja czy sztuczna inteligencja? Potrzebujemy obu.

EasyFootings
31 Marzec 2020
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.
Pod względem komercyjnym dogłębne uczenie się oparte na ANNs znalazło się w głównym nurcie w 2016 roku, gdy AlphaGo pokonało mistrza człowieka w Go - coś, co według ekspertów AI było jeszcze za wiele lat.
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.


ul. Kamieńska 11 b
72-420 Dziwnówek - PL
kom. 507 088 161
easyfootings@gmail.com
EASYFOOTINGS
Prawa autorskie EasyFootings®. Wszelkie prawa zastrzeżone. Wszystkie obrazy i informacje zawarte w niniejszym dokumencie są własnością EasyFootings®
i nie można ich kopiować ani powielać bez wyraźnej pisemnej naszej zgody.
Godziny dostępności:
Od poniedziałku do piątku
w godzinach 8.00 -18.00
Skontaktuj się z nami,
po pomoc lub radę.
Dział sprzedaży:
kom. 507 088 161

Dział techniczny:
kom. 507 088161
Wróć do spisu treści