Robotinės apokalipsės baimė slepia tikras problemas, su kuriomis susiduriame, leidžiant algoritmams valdyti mūsų gyvenimą. Pasak dirbtinio intelekto ekspertų, mes nuolat einame link tam tikro taško, po kurio mums nebereikia nieko sugalvoti: dirbtinis intelektas viską padarys pats, o mašinos tobulės eksponentiškai. Jei taip nutiks, kas iš mūsų bus?
Per pastaruosius kelerius metus daugelis žymių mokslininkų, nuo Stepheno Hawkingo iki Elono Musko, perspėjo mus, kad turėtume būti ypač susirūpinę dėl galimų pavojingų superinteliginio dirbtinio intelekto rezultatų. Ir jie remia savo žodžius veiksmu: Muskas globoja OpenAI - organizaciją, kuri kuria dirbtinį intelektą, kuris bus naudingas žmonijai.
Tačiau daugelis mano, kad jų baimė yra perdėta. Kaip pažymi Andrew Ngas iš Stanfordo universiteto, kuris taip pat yra Kinijos interneto milžinės „Baidu“vyriausiasis mokslininkas, nerimas dėl mašinų sukilimo yra tarsi susirūpinimas dėl Marso perpildymo.
Bet tai, žinoma, nereiškia, kad didėjanti mūsų priklausomybė nuo AI nesukelia jokios realios rizikos. Tiesą sakant, ši rizika jau yra čia. Kai intelektualinės sistemos labiau įsitraukia į viską, pradedant sveikatos priežiūra ir baigiant baudžiamuoju teisingumu, kyla pavojus, kad svarbios mūsų gyvenimo dalys bus nepastebėtos.
Be to, dirbtinis intelektas gali sukelti nemalonių pasekmių, jei nesame tam pasirengę, pavyzdžiui, požiūrį į gydytojus pakeisime į smarkiai priešišką.
Reklaminis vaizdo įrašas:
Du žodžiai apie dirbtinį intelektą
Paprasčiau tariant, tai mašinos, kurios daro tai, kas paprastai reikalauja protinių žmogaus pastangų: supranta natūralią kalbą, atpažįsta veidus nuotraukose, vairuoja automobilius ir pan.
Yra skirtumas tarp mechaninio manipuliatoriaus gamybos linijoje, kuris yra užprogramuotas atlikti tą pačią užduotį, ir manipuliatoriaus, kuris savarankiškai išmoksta atlikti įvairias užduotis bandymų ir klaidų būdu.
Kaip dirbtinis intelektas mums padeda?
Šiandieninis AI požiūris yra mašininis mokymasis, kurio metu programos yra mokomos nustatyti tam tikrus modelius dideliais duomenų kiekiais, pavyzdžiui, atpažinti atvaizdo veidą ar laimėti stalo žaidimą. Šis metodas gali būti taikomas sprendžiant įvairiausias problemas. Pavyzdžiui, mokykite kompiuterius atpažinti konkretų medicininių vaizdų modelį. „DeepMind“, dirbtinio intelekto įmonė, priklausanti „Google“, kuria programinę įrangą, kuri išmoksta diagnozuoti vėžį ir akių ligas iš pacientų nuskaitymų. Kiti naudoja mašininį mokymąsi, kad nustatytų ankstyvus širdies ligų ir Alzheimerio ligos požymius.
Dirbtinis intelektas taip pat jau naudojamas analizuojant didelį kiekį molekulinės informacijos ieškant galimų naujų vaistų variantų - šis procesas užima daug laiko žmonėms. Labai greitai medicinos mokymasis gali tapti nepakeičiamas.
Dirbtinis intelektas taip pat padeda mums valdyti itin sudėtingas sistemas, tokias kaip pasaulinė tiekimo grandinė. Sidnėjaus uosto botanikos konteinerių terminalo centre esanti sistema valdo dešimtis tūkstančių laivybos konteinerių, automatinių transporto priemonių parką ir pan., Visiškai be žmonių. Kasybos pramonėje optimizavimo sistemos vis dažniau naudojamos planuojant ir koordinuojant tokių išteklių, kaip geležies rūdos, judėjimą.
Dirbtinis intelektas veikia visur, pradedant finansais ir baigiant transportu, skraidyti lėktuvais ir stebėti akcijų rinką. Jie apsaugo jūsų paštą nuo šlamšto. Bet tai tik pradžia. Kai AI vystysis, jis taps vis sudėtingesnis ir įdomesnis.
Kokia problema?
Užuot nerimavę dėl būsimos dirbtinio intelekto revoliucijos, didžiausia rizika yra ta, kad galime per daug pasitikėti savo sukurtomis išmaniosiomis sistemomis. Pakanka prisiminti, kad mašininis mokymasis moko programinę įrangą duomenų šablonams nustatyti. Po treniruotės toliau analizuojami nauji, dar netirti duomenys. Bet kai kompiuteris išspjauna atsakymą, mes paprastai neįsivaizduojame, kaip jis tai padarė.
Čia yra akivaizdžių problemų. Sistema yra tokia pat gera, kaip duomenys, iš kurių ji mokosi. Paimkite sistemą, išmokytą nustatyti, kurie pacientai, sergantys plaučių uždegimu, greičiausiai mirs, kad jie pirmiausia būtų paguldyti į ligoninę. Tarkime, ji netyčia priskiria pacientus, sergančius bronchine astma, kaip mažos rizikos pacientus. Kadangi paprastai astma ir plaučių uždegimu sergantys žmonės eina tiesiai į intensyvią terapiją, todėl jie gydosi taip, kad sumažintų mirties riziką. Mašininis mokymasis tai vertina kaip „astma + pneumonija = mažesnė mirties rizika“.
Kai dirbtinis intelektas gauna prieigą prie visų jūsų gyvenimo sričių, padidėja rizika, kad kažkas bus blogai - jei to nenumatoma. Kadangi dauguma duomenų, kuriuos teikiame dirbtiniam intelektui, yra netobuli, daugeliu atvejų neturėtume tikėtis tobulų atsakymų. Dirbtinį intelektą kuriame pagal savo atvaizdą ir panašumą; greičiausiai jis bus „nelabai“, kaip mes.
ILYA KHEL