Forskning

Kunstig intelligens i 2019: Terminator allerede eller ej?

Der er et sjovt psykologisk fænomen: gentag et hvilket som helst ord mange gange, og i sidste ende vil det miste al mening, blive til en våd klud, til fonetisk ingenting. For mange af os har udtrykket "kunstig intelligens" længe mistet sin betydning. AI er nu overalt i teknologi, det føder alt fra tv til tandbørste, men det betyder ikke, at det skal. Så det burde ikke være.

Kunstig intelligens: God eller ond

Mens udtrykket "kunstig intelligens"Utvivlsomt bruges den forkert, denne teknologi gør mere end nogensinde - både godt og dårligt. Det bruges til sundhedspleje og bekæmpelse; hjælper folk med at skrive musik og bøger; evaluerer din kreditvurdering og forbedrer billeder taget med din telefon. Kort sagt træffer hun beslutninger, der påvirker dit liv, uanset om du kan lide det eller ej.

Det kan være svært at være enig med den hyip ogden hype, som AI diskuterer tech virksomheder og annoncører. Tage for eksempel Oral-B Genius X tandbørste, en af ​​de mange enheder, der blev præsenteret på CES i år, der fremhævede AI's påståede evner. Men ved nærmere inspektion bliver det klart, at penslen simpelthen giver dig feedback om, hvorvidt du børster tænder i den ønskede tid og på de rigtige steder. Der er flere smarte sensorer, der giver dig mulighed for at bestemme, hvor du har en pensel i munden, men for at kalde det, er kunstig intelligens nonsens, intet mere.

Hype skaber misforståelse. Pressen kan puste op og overdrive enhver undersøgelse, der klæber Terminatorens billede på enhver vag historie hos AI. Dette fører ofte til forvirring om, hvad kunstig intelligens er. Dette kan være et vanskeligt emne for ikke-specialister, og folk ofte fejlagtigt forbinder moderne AI med den version, som de er mest bekendt med: en sci-fi repræsentation af en bevidst computer, der er mange gange bedre end mennesket. Eksperter kalder dette særlige billede af AI en generel kunstig intelligens, og hvis vi nogensinde kan skabe noget som dette, vil det være meget snart. Indtil da ville overdrivelsen af ​​AI-systemets evner, intelligens eller evner ikke hjælpe processen.

Det er meget bedre at tale om maskinindlæring ogikke om kunstig intelligens. Dette er et underfelt af kunstig intelligens, som omfatter næsten alle de metoder, der har den største indvirkning på verden på nuværende tidspunkt (herunder hvad der kaldes dyb læring). Der er ingen "AI" -mysterisme i denne sætning, men det er mere nyttigt at forklare, hvad denne teknologi gør.

Hvordan virker maskine læring? I løbet af de sidste par år har vi haft mulighed for at læse snesevis af forklaringer, og den vigtigste forskel, jeg fandt for mig selv, er lige i titlen: Maskinindlæring er alt, der gør det muligt for computere at lære på egen hånd. Men hvad det virkelig betyder er et meget større spørgsmål.

Lad os starte med problemet. Lad os sige, at du vil oprette et program, der kan genkende katte. Du kan skrive det på gammeldags måde ved at programmere de oplagte regler, som "katte har skarpe ører" og "katte fluffy". Men hvad vil programmet gøre, når du viser hende billedet af en tiger? Programmering af hver regel vil tage meget tid, og du bliver nødt til at forklare mange forskellige begreber som "fluffy" og "spotting". Bedre at lade bilen lære dig selv. Så du giver hende en kæmpe samling af kattefotografier, og hun scanner dem for at finde sine egne mønstre i det hun ser. Først forbinder det prikkerne, for det meste tilfældigt, men du tjekker det igen og igen, idet du holder de bedste versioner. Og med tiden begynder hun at bestemme, hvad en kat er, og hvad en kat ikke er.

Hidtil er alt forudsigeligt. Faktisk læste du sikkert en lignende forklaring før - undskyld for det. En anden ting er vigtig. Hvad vil der være bivirkninger ved at lære et beslutningstagningssystem som dette?

Den største fordel ved denne metode er mestdet indlysende: du behøver aldrig at programmere dette system. Selvfølgelig vil du arbejde hårdt og forbedre principperne for databehandling af systemet, mens det vil finde mere rimelige måder at udvinde informationer på, men du vil ikke fortælle systemet, hvad du skal kigge efter. Det betyder, at hun vil kunne finde mønstre, som folk generelt kan springe over eller endda ikke tænke på. Og da alt, hvad programmet har brug for, er data - 1 og 0 - kan det trænes til at udføre forskellige opgaver, fordi verden bogstaveligt talt strækker sig over data. Med en maskine lære hammer i din hånd, vil den digitale verden være fuld af negle, klar til at blive aktiveret.

Men tænk nu på manglerne. Hvis du ikke træner computeren, hvordan kan du vide, hvordan det træffer beslutninger? Maskinindlæringssystemer kan ikke forklare deres tænkning, hvilket betyder, at din algoritme kan fungere godt af de forkerte grunde. På samme måde, da alt, hvad computeren ved, er de data, du giver det, kan det udvikle en bias mod ting, eller det kan kun være godt i smalle opgaver, der ligner de data, som den har set før. Det har ikke den sund fornuft, som du ville forvente af en person. Du kan skabe den bedste kat anerkendelse software i verden, men det vil aldrig fortælle dig, at killinger ikke kan køre motorcykler eller at katten sandsynligvis vil blive kaldt Koschey Immortal eller Alexey Tolstoy.

At lære computere at lære på egen hånd erstrålende trick. Og ligesom alle de tricks, inkluderer denne et tricks. Der er en grund i AI-systemer, hvis du vil kalde det sådan. Men dette er ikke et organisk sind, og det spiller ikke efter de samme regler som mennesker. Du kan lige så godt spørge: hvor smart er en bog? Hvilken erfaring er kodet i panden?

Hvor er vi nu, med vores kunstigeintellekt? Efter mange års overskrifter, der fortæller om det næste store gennembrud (som ikke er sket endnu, og overskrifterne ikke aftager), kommer nogle eksperter til den konklusion, at vi har nået et bestemt plateau. Men dette forstyrrer ikke fremskridt. Hvad angår forskning, er der en stor mulighed for at studere med den viden, der allerede er tilgængelig for os, og for produktet så vi kun toppen af ​​det algoritmiske isbjerge.

Kai-fu Lee, venturekapitalist og tidligereForskeren af ​​kunstig intelligens beskriver det nuværende øjeblik som "introduktionstiden" - når teknologien begynder at "sprænge ud af laboratoriet ind i verden." Benedict Evans sammenligner maskinindlæring med relationelle databaser, som i 90'erne gjorde en formue og ændrede hele brancher, men det vil være så almindeligt, at du vil kede sig, hvis dit syn er overskyet med storheden af ​​biograflignende kunstig intelligens. Nu er vi på scenen, når AI skal blive normalt, velkendt. Meget snart vil maskinindlæring være i hver af os, og vi vil holde op med at være opmærksom på det.

Men hidtil er det ikke sket.

I øjeblikket er kunstig intelligensMaskinindlæring er stadig noget nyt, der ofte er uforklarligt eller ikke godt forstået. Men i fremtiden vil det blive så fortroligt og almindeligt at du holder op med at bemærke det.

I mellemtiden foreslår vi at bemærke vores kanal med nyheder og abonnere på den.