Bailes no robotizētas apokalipses slēpj reālās problēmas, ar kurām mēs saskaramies, ļaujot algoritmiem vadīt mūsu dzīvi. Pēc ekspertu domām mākslīgā intelekta jomā, mēs nepārtraukti virzāmies uz noteiktu punktu, pēc kura mums vairs nekas nav jāizgudro: mākslīgais intelekts visu izdarīs pats, un mašīnas uzlabosies eksponenciāli. Ja tas notiks, kas no mums notiks?
Pēdējo gadu laikā daudzi prominenti zinātnieki, sākot no Stīvena Hokinga un beidzot ar Elonu Musku, ir mūs brīdinājuši, ka mums vajadzētu būt ārkārtīgi satrauktiem par superinteligent mākslīgā intelekta iespējamajiem bīstamajiem rezultātiem. Un viņi savus vārdus atbalsta ar rīcību: Musks patronē OpenAI, organizāciju, kas izstrādā AI, kas nāks par labu cilvēcei.
Tomēr daudzi viņu bailes uzskata par pārspīlētām. Kā atzīmē Endrjū Ngs no Stenfordas universitātes, kurš ir arī Ķīnas interneta giganta Baidu galvenais zinātnieks, uztraukšanās par mašīnu sacelšanos ir tāpat kā raizes par Marsa pārapdzīvotību.
Bet tas, protams, nenozīmē, ka mūsu pieaugošā atkarība no AI nerada reālus riskus. Patiesībā šie riski jau ir šeit. Tā kā inteliģentās sistēmas arvien vairāk iesaistās visā, sākot no veselības aprūpes līdz krimināltiesībām, pastāv risks, ka svarīgas mūsu dzīves daļas tiks ignorētas.
Turklāt AI var izraisīt nepatīkamas sekas, ja mēs neesam tām gatavi, piemēram, mainīsim attieksmi pret ārstiem uz krasi naidīgu attieksmi.
Reklāmas video:
Divi vārdi par mākslīgo intelektu
Vienkārši sakot, tās ir mašīnas, kas dara lietas, kas parasti prasa cilvēka garīgu piepūli: saprot dabisko valodu, atpazīst sejas fotogrāfijās, vada automašīnas utt.
Ir atšķirība starp mehānisko manipulatoru ražošanas līnijā, kas ieprogrammēts tā paša uzdevuma veikšanai, un manipulatoru, kurš patstāvīgi iemācās veikt dažādus uzdevumus izmēģinājumu un kļūdu ceļā.
Kā AI palīdz mums?
Mūsdienās AI vadošā pieeja ir mašīnmācīšanās, kurā programmas tiek apmācītas noteikt noteiktus modeļus lielos datu apjomos, piemēram, noteikt seju attēlā vai izdarīt laimīgu gājienu galda spēlē. Šo metodi var piemērot visdažādākajām problēmām. Piemēram, apmāciet datorus, lai identificētu noteiktu attēlu medicīnas attēlos. Uzņēmumam Google piederošā mākslīgā intelekta uzņēmums DeepMind izstrādā programmatūru, kas iemācās diagnosticēt vēzi un acu slimības, izmantojot pacientu skenēšanu. Citi izmanto mašīnmācīšanos, lai atklātu agrīnas sirds slimības un Alcheimera slimības pazīmes.
Mākslīgais intelekts jau tiek izmantots, lai analizētu lielu daudzumu molekulārās informācijas, meklējot potenciālas jaunas zāļu iespējas - šis process cilvēkiem prasa ļoti daudz laika. Ļoti drīz mašīnmācīšanās var kļūt par neaizstājamu medicīnai.
Mākslīgais intelekts arī palīdz mums pārvaldīt tādas ārkārtīgi sarežģītas sistēmas kā globālā piegādes ķēde. Sistēma, kas atrodas Sidnejas ostas botānikas konteineru termināla centrā, pilnīgi bez cilvēkiem pārvalda desmitiem tūkstošu kuģu konteineru, automatizētu transportlīdzekļu parku un tā tālāk. Kalnrūpniecības nozarē arvien vairāk tiek izmantotas optimizācijas sistēmas, lai plānotu un koordinētu tādu resursu kā dzelzsrūdas kustību.
Mākslīgais intelekts darbojas visur, sākot no finansēm līdz transportam, lai lidotu ar lidmašīnām un uzraudzītu akciju tirgu. Un tie aizsargā jūsu pastu no surogātpasta. Bet tas ir tikai sākums. Attīstoties AI, tas kļūs arvien sarežģītāks un interesantāks.
Kāda ir problēma?
Tā vietā, lai uztrauktos par nākotnes AI revolūciju, lielākais risks ir tas, ka mēs varētu pārāk uzticēties mūsu izveidotajām inteliģentajām sistēmām. Atcerieties, ka mašīnmācīšanās apmāca programmatūru, lai identificētu datu modeļus. Pēc apmācības tiek analizēti svaigi, vēl nepētīti dati. Bet, kad dators izsaka atbildi, mums parasti nav ne jausmas, kā tas pie tā nonāca.
Šeit ir acīmredzamas problēmas. Sistēma ir tikpat laba kā dati, no kuriem tā mācās. Paņemiet sistēmu, kas apmācīta, lai noteiktu, kuri pacienti ar pneimoniju visdrīzāk mirst, lai viņi vispirms tiktu ievietoti slimnīcā. Pieņemsim, ka viņa neviļus klasificē pacientus ar bronhiālo astmu kā zema riska pacientus. Tā kā parasti cilvēki ar astmu un pneimoniju nonāk tieši intensīvajā terapijā, tāpēc viņi saņem ārstēšanu, kas samazina nāves risku. Mašīnmācīšanās to uztver kā "astma + pneimonija = mazāks nāves risks".
Tā kā AI iegūst piekļuvi visām jūsu dzīves jomām, palielinās arī risks, ka kaut kas noiet greizi - ja tas nav paredzēts. Tā kā lielākā daļa datu, ko mēs piegādājam AI, ir nepilnīgi, vairumā gadījumu mums nevajadzētu gaidīt ideālas atbildes. Mēs veidojam mākslīgo intelektu pēc sava tēla un līdzības; visticamāk, viņš būs "ne pārāk", tāpat kā mēs.
ILYA KHEL
