Страхът от роботизиран апокалипсис крие реалните проблеми, с които се сблъскваме, позволявайки на алгоритмите да управляват живота ни. Според експертите в областта на изкуствения интелект ние непрекъснато се придвижваме към определена точка, след което вече не трябва да измисляме нищо: изкуственият интелект ще направи всичко сам, а машините ще се подобрят експоненциално. Ако това се случи, какво ще стане с нас?
През последните няколко години много видни учени, от Стивън Хокинг до Илон Мъск, ни предупредиха, че трябва да бъдем изключително загрижени за възможните опасни резултати от свръхинтелигентния изкуствен интелект. И те подкрепят думите си с действие: Мъск покровителства OpenAI, организация, която развива AI, която ще бъде от полза за човечеството.
Мнозина обаче смятат страховете си за пресилени. Както отбелязва Андрю Нг от Станфордския университет, който е и главен учен на китайския интернет гигант Baidu, притеснението от машинно въстание е все едно да се притесняваш от пренаселеността на Марс.
Но това, разбира се, не означава, че нарастващата ни зависимост от ИИ не носи реални рискове. Всъщност тези рискове вече са тук. Тъй като интелигентните системи стават по-ангажирани във всичко - от здравеопазването до наказателното правосъдие, съществува опасност важните части от живота ни да бъдат пренебрегнати.
Нещо повече, ИИ може да доведе до неприятни последици, ако не сме готови за тях, например, променим отношението си към лекарите към рязко враждебно настроение.
Промоционално видео:
Няколко думи за изкуствения интелект
С прости думи, това са машини, които правят неща, които обикновено изискват умствени усилия от страна на човек: разбиране на естествения език, разпознаване на лица на снимки, шофиране на автомобили и т.н.
Има разлика между механичен манипулатор на производствена линия, който е програмиран да изпълнява една и съща задача, и манипулатор, който самостоятелно се научава да изпълнява различни задачи чрез проби и грешки.
Как AI ни помага?
Водещият подход в AI в момента е машинното обучение, при което програмите се обучават да идентифицират определени модели в големи количества данни, като например идентифициране на лице в изображение или извършване на печеливш ход в играта на дъска. Този метод може да се приложи при голямо разнообразие от проблеми. Например, обучете компютрите да идентифицират специфичен модел в медицински изображения. DeepMind, компания за изкуствен интелект, собственост на Google, разработва софтуер, който се научава да диагностицира рак и очни заболявания от сканиране на пациенти. Други използват машинно обучение за откриване на ранни признаци на сърдечни заболявания и болестта на Алцхаймер.
Изкуственият интелект също вече се използва за анализ на големи количества молекулна информация в търсене на потенциални нови възможности за наркотици - процес, който отнема изключително много време за хората. Много скоро машинното обучение може да стане необходимо за медицината.
Изкуственият интелект също ни помага да управляваме изключително сложни системи като глобалната верига за доставки. Системата в сърцето на контейнерния терминал Port Botany в Сидни управлява десетки хиляди транспортни контейнери, флот от автоматизирани превозни средства и така нататък, напълно без хора. В минната индустрия системите за оптимизация все повече се използват за планиране и координиране на движението на ресурси като желязна руда.
AI работи навсякъде, откъдето погледнете, от финанси до транспорт, да летите със самолети и да наблюдавате борсата. И те предпазват вашата поща от спам. Но това е само началото. С развитието на ИИ той ще става все по-сложен и интересен.
Какъв е проблема?
Вместо да се тревожим за бъдеща AI революция, най-големият риск е, че може да се доверим твърде много на интелигентните системи, които изграждаме. Достатъчно е да си припомним, че машинното обучение обучава софтуер за идентифициране на модели в данните. След обучението се пристъпва към анализ на свежи, все още непроучени данни. Но когато компютър изплюе отговор, обикновено нямаме представа как се стигна до него.
Тук има очевидни проблеми. Една система е толкова добра, колкото данните, от които се учи. Вземете система, обучена да определи кои пациенти с пневмония е най-вероятно да умрат, за да бъдат приети първо в болницата. Да кажем, че тя неволно класифицира пациентите с бронхиална астма като пациенти с нисък риск. Тъй като обикновено хората с астма и пневмония отиват директно в интензивно лечение, така че получават лечение, което намалява риска от смърт. Машинното обучение разглежда това като „астма + пневмония = по-нисък риск от смърт“.
Тъй като ИИ получава достъп до всички области на живота ви, рискът нещо да се обърка - ако не е предвидено, се увеличава. И тъй като повечето данни, които подаваме към ИИ, са несъвършени, в повечето случаи не бива да очакваме перфектни отговори. Изграждаме изкуствен интелект по наш собствен образ и подобие; най-вероятно той ще бъде "не много", като нас.
ИЛЯ ХЕЛ
