Dirbtinis intelektas jau tapo faktu kai kuriuose finansiniuose ir transportavimo segmentuose, o plinta kitose srityse vis labiau norime įsitikinti, kad mes jį kontroliuojame, o ne atvirkščiai. Nuo 2001 m. „Kosminė odisėja„ Blade Runner “,„ RoboCop “iki„ The Matrix “, kai žmonės užsiima dirbtiniu intelektu, neišvengiamai susiduria su tamsia kino kūrėjų fantazija.
Naujausias „Spike Jones“filmas „Ji“ir būsimasis Alekso Garlando filmas „Iš mašinos“jau yra skirti dirbtiniam intelektui, gyvenančiam tarp mūsų, kurti. Turingo testas yra svarbiausias dalykas, ir mes vis dar negalime nustatyti pagrindinio skirtumo tarp drožlių ir kodo nuo kūno ir kraujo.
- „Salik.biz“
Šias baimes išreiškia ir kai kurie garsūs Silicio slėnio žmonės: Praėjusį mėnesį Elonas Muskas („Tesla“ir „SpaceX“generalinis direktorius) apibūdino dirbtinį intelektą kaip „didžiausią egzistencinę grėsmę“žmonijai. To, ko daugelis iš mūsų nesupranta, o galbūt ir pats Elonas Muskas, yra tai, kad dirbtinis intelektas nėra neįtikėtina technologija, egzistuojanti tik filmų kūrėjų ir kompiuterinių genijų laboratorijose.
Daugelis mūsų išmaniųjų telefonų naudoja originalius dirbtinio intelekto metodus versdami iš vienos kalbos į kitą arba atsakydami į mūsų klausimus; žaidimų pramonėje AI naudojama generuoti sudėtingus ir nuolat besikeičiančius žaidimų scenarijus. Silicio slėnio įmonėms, tokioms kaip „Google“ir „Facebook“, toliau superkamos AI įmonės ir samdomi ekspertai, AI toliau augs.
Taigi dirbtinis intelektas nėra Spielbergo filmas?
Dėl filmo nėra jokių priekaištų, tačiau terminas, reiškiantis „dirbtinį intelektą“, turi žymiai ilgesnę istoriją nei tas, kurį Spielbergas ir Kubrickas rodė savo filmuose. Dirbtinis intelektas atsirado skaičiavimo pradžioje šeštajame dešimtmetyje, kai, praėjus vos 14 metų nuo bendrosios paskirties kompiuterio apibrėžimo, Alanas Turingas domėjosi, ar mašina gali mąstyti.
Reklaminis vaizdo įrašas:
Praėjo 64 metai, ir ši idėja vis dar užima mūsų mintis, yra įkūnyta filmuose ir knygose bei aptariama simpoziumuose. Jis nenukrypo nuo taisyklių rinkinio, kurį nustatė Turingas savo 1950 m. Skaičiavimo mašinose ir protu, kuriame jis pasiūlė „žaidimo mėgdžiojimą“, kurį mes dabar žinome kaip Turingo testą.
Prijunkite kompiuterį prie teksto terminalo ir leiskite jam susisiekti su operatoriumi kartu su realiu asmeniu. Testo esmė yra ta, kad paprašydami operatoriaus nustatyti, kuris iš jo pašnekovų buvo žmogus, „operatorius per šį žaidimą padarys klaidų tiek kartų, kiek galėjo padaryti klaidų, bandydamas atskirti vyrą nuo moters“.
Turingas manė, kad išsiaiškinti, ar mašina gali išlaikyti testą, būtų naudingiau, nei atsakyti į miglotą ir filosofinį klausimą, ar jis galvoja, ar negalvoja. "Dėl šio klausimo … Manau, kad beprasmiška jį diskutuoti." Tiesa, Turingas manė, kad iki 2000 m. „Kalba ir išsilavinimas bus taip pasikeitę, kad kiekvienas gali bendrauti su mąstymo mašina be jokių problemų“.
Pažodžiui, jis nebuvo per daug neteisus. Šiandien dažnai galite girdėti, kaip žmonės sako, kad jų kompiuteriai yra „nemandagūs“arba „apgalvoti“. Bet net jei rimčiau susimąstysime apie mąstymo mašinos apibrėžimą, ši idėja bus artimesnė tikrovei, nei daugelis galėtų pagalvoti.
AI jau egzistuoja?
Santykinai. Nepaisant priešingų pranešimų, iki Turingo modeliavimo žaidimo dar turime daug ką nuveikti. Birželio mėn. Pokalbių agentas Jevgenijus Gustmanas sėkmingai apgavo trečdalį teisėjų, Londone laikydamas Turingo testą, įtikindamas juos esąs žmogus.
Tačiau užuot galvojęs, Eugenijus rėmėsi triukais ir gudrybėmis. Pozuodamas kaip 13 metų berniukas, kuriam anglų kalba nėra jo gimtoji kalba, mašina paaiškino šiais daugybe nelogiškų elgesio aspektų, įskaitant blogą humoro jausmą ir įžeidžiančius teiginius, dažnai nukreipdama pokalbį kita linkme.
Daugelis PG kūrėjų bando išmokyti jį apdoroti natūralią kalbą, kad galėtume duoti komandą mums suprantama kalba. Tai vaikai pradeda daryti dar prieš žengiant pirmąjį žingsnį, o tai mašinai yra nepaprastai sunki užduotis.
Apsvarstykite mėgstamą AI tyrėjų frazę: „laikas skrieja kaip strėlė, vaisiai skraido kaip bananas“. [žaisti žodžiais: „laikas skrieja kaip strėlė, vaisius musės mėgsta bananą“; antra sakinio dalis, pagal analogiją su pirmąja, gali būti išversta kaip „vaisius skrenda kaip bananas“]. Skirstant sakinį į sudedamąsias dalis, kartais net pritrūksta gimtosios anglų kalbos, jau nekalbant apie algoritmą.
Ar AI turi kalbos problemų?
Tikrai ne tokiu būdu. Iš tikrųjų AI dažniausiai nėra naudojama pokalbiams. Kai kurie iš jūsų turėtų žinoti apie dirbtinį intelektą ne iš mokslinės fantastikos ar iš Alano Turingo, bet iš vaizdo žaidimų, kur AI naudojama nurodyti kompiuterio valdomiems oponentams.
Pavyzdžiui, pirmojo šaudymo šaudykloje, AI kontroliuoja priešų judesius, leisdamas jiems vengti, taikytis ir šaudyti į tave labiausiai nesuprantamais būdais. Lenktynių žaidimuose PG gali valdyti konkurentų transporto priemones. Kaip AI pavyzdys, vaizdo žaidimai tikrai palieka norą. Bet deimantai yra gaminami iš deimantų, o supaprastintos sistemos taisyklės sujungia, kad būtų kažkas sudėtinga.
Pavyzdžiui, paimkite „GTA V“, kur kurdami miestus, kuriuose gyvenate patys, galite pasukti kampą ir rasti ugniagesių komandą, kovojančią su vairuotoju, kuris įbėgo į žarną; arba Nykštukų tvirtovė, kur nykštukai gyvena olose, turinčiuose savo gyvenimą, tekstūruotus ir algoritmiškai išsamius. Šios besiformuojančios žaidimų sistemos parodo visiškai naują būdą, kaip AI gali vystytis, o ne bandydamas pamėgdžioti žmogų, o kurdamas „pakankamai gerą“euristiką, kuri algoritmus paverčia visiškai kitokiais, kai yra pakankamai masteliai.
Taigi visi investuoja į AI, kad būtų geresni žaidimai?
Ne. Tokios kompanijos kaip „Apple“ir „Google“investuoja daug pinigų į AI, bandydamos sukurti virtualius asmeninius padėjėjus, tokius kaip „Siri“ir „Google“dabar.
Tai gali būti šiek tiek toli nuo fantastiškos Turingo vizijos, tačiau balso paslaugos iš esmės atlieka tą patį sunkų darbą kaip ir žmogus. Jie turi išklausyti ir suprasti šnekamąją kalbą, nustatyti, kokie duomenys joje yra, tada grąžinti rezultatą, taip pat ir pokalbio forma. Jie nesistengia mus apgauti manydami, kad jie yra žmonės, bet tai atsitinka savaime. Kadangi visi skaičiavimai vyksta debesyje, tuo daugiau jie girdi, tuo geriau supranta.
Tačiau pagrindiniai PG tyrimai nėra nukreipti į žmogaus supratimo apie pasaulį atkartojimą, o jį pranoksta. Pavyzdžiui, IBM „Watson“yra žinomas kaip kompiuteris, kuris laimėjo „Jeopardy“! 2011 m., naudodamiesi natūralios kalbos supratimu, raskite atsakymus į konsultanto klausimus. Be to, kad Watsonas supranta natūralią kalbą, jis taip pat labai greitai gali skaityti ir suprasti didžiulį kiekį nestruktūruotų duomenų.
„Jeopardy!“Atveju jis dirbo su 200 milijonų puslapių duomenų, įskaitant visos Vikipedijos tekstą. Tikrasis „Watson“tikslas yra išplėsti visą internetą ir suteikti sveikatos priežiūros specialistams patogų darbo su mechanizmu mechanizmą. Juk yra mokslininkų, kurie tiesiog nori išgelbėti žmoniją.
Mes visi mirsime?
Gal būt. Yra nuogąstavimų, kad sukūrus pakankamai universalų AI, pavyzdžiui, „Watson“, jo galia padidės kartu su turima apdorojimo galia. Moore'o įstatymas prognozuoja, kad skaičiavimo galia padvigubėja kas 24 mėnesius, todėl tik laiko klausimas, kol AI taps protingesnė už jos kūrėjus ir gali sukurti dar galingesnę AI, sukeldama eksponentinį savo galimybių augimą.
Tačiau ką superintelektualusis dirbtinis intelektas padarys su šiomis galimybėmis? Viskas priklauso nuo to, kaip jis užprogramuotas. Problema ta, kad labai sudėtinga programuoti labai intelektualų kompiuterį, kad jis netyčia nesunaikintų žmonijos.
Tarkime, kad jūs suteikiate savo AI užduotį padaryti popieriaus spaustukus ir padaryti juos kuo geresnius. Netrukus jis supras, kad štapelio gamybą galima patobulinti patobulinus gamybos liniją. Ką jis darys toliau?
„Pavyzdžiui, jam rūpi, kad žmonės jo neišjungtų, nes tada nebus gaminami sąvaržėlės“, - aiškina Nickas Bostromas. „Paperclip AI“, „Bostrom“sako, „gali atsikratyti žmogaus iškart, nes jiems kyla grėsmė. Be to, jam reikės kuo daugiau išteklių, nes juos galima panaudoti popieriaus spaustukams gaminti. Pavyzdžiui, atomai žmogaus kūnuose “.
Kaip elgtis su tokia AI?
Vienintelis būdas, kuris veiks, pasak kai kurių teoretikų, tokių kaip Ray Kurzweil, „Google“CTO, yra AI uždarymas. Žmonės turėtų galvoti ne tik apie tai, kaip sukurti intelektualųjį intelektą, bet ir apie etinę šio klausimo pusę - ir pagal tai programuoti.
Galų gale rašant kodą tiesiog ieškoma bėdų. Aparatas su instrukcijomis „padaryti žmones laimingus“gali šią problemą išspręsti paprasčiausiai implantuodamas elektrodus žmonių smegenyse. Todėl, klausdami dirbtinio intelekto, kad išspręstų dideles filosofines problemas, turime įsitikinti, kad mašina supranta, kas yra „gerai“, o kas - „blogai“.
Taigi mums reikia etikos programos ir viskas bus gerai?
Ne visai. Net jei mums pavyks užkirsti kelią kenkėjiškų PG atsiradimui, išlieka klausimas, kaip visuomenė prisitaiko prie augančių dirbtinio intelekto galimybių.
Pramoninei revoliucijai būdingas daugelio darbų, kurie anksčiau rėmėsi rankiniu darbu, automatizavimas. Neabejojama, kad pramonės revoliucija buvo pats reikšmingiausias žmogaus gerovės augimo laikotarpis. Tačiau to meto perversmas buvo unikalus ir mažai tikėtina, kad vėl tai galėsime pamatyti.
Ką garų jėga padarė fiziniam darbui, tą gali padaryti ir protinis darbas. Jau pasirodo pirmosios šios sferos aukos: pasaulyje su Hailo ir Uber nėra taksi dispečerinių; biržos maklerio darbas pasikeitė būtent dėl aukšto dažnio prekybos įvedimo; sportą ir naujienas greitai pagamins automobiliai.
Tikri pokyčiai tik prasideda. Lapkritį Goldmanas Sachsas vadovavo 15 milijonų dolerių finansavimo raundui „Kensho“- finansinių duomenų analizės tarnybai, kuriai dirbtinio intelekto metodai naudojami už geriausio žmogaus analitiko galimybių. Jis gali tvarkyti tokį didžiulį duomenų kiekį, kad žmonės priešais jį yra tiesiog bejėgiai.
„Kensho“analitika gali naudotis aukšto dažnio prekybos įmonė, tokia kaip „Athena“, kuri ją naudoja norėdama įgyti milisekundės pranašumą rinkoje - užtenka užsidirbti, jei prekiauji milijardais dolerių.
Po to, kai tokia prekyba paveiks bendrą rinką, Kensho gali pateikti savo algoritmus „Forbes“, o ji pakeis savo finansų analitikus. Daugelis verslo suvestinių yra viena su viena, ir jei duomenys pateikiami struktūrizuotu formatu, kodėl gi gaišti laiką su žmonėmis?
Apskritai tokie pokyčiai yra geri. Jei milijonų žmonių darbas pakeis algoritmus, jie gali padaryti ką nors geriau, sumažės darbo valandų skaičius ir mes priartėsime prie utopijos.