A robot apokalipszistól való félelem elrejti azokat a valós problémákat, amelyekkel szembesülünk, lehetővé téve az algoritmusok életünk irányítását. A mesterséges intelligencia szakterületének szakértői szerint folyamatosan haladunk egy bizonyos pont felé, amely után már nem kell semmit kitalálnunk: a mesterséges intelligencia mindent meg fog tenni önmagában, és a gépek ugrásszerűen fejlődni fognak. Ha ez megtörténik, mi lesz velünk?
Az elmúlt néhány évben számos prominens tudós figyelmeztetett minket Stephen Hawkingtól Elon Muskig, hogy rendkívül aggódnunk kell a szuperintelligens mesterséges intelligencia lehetséges veszélyes eredményei miatt. És tetteikkel támogatják szavaikat: Musk pártfogolja az OpenAI-t, az AI-t fejlesztő szervezetet, amely az emberiség javát szolgálja.
Sokan azonban túlzónak tartják félelmüket. Amint Andrew Ng, a Stanfordi Egyetem munkatársa, aki egyúttal a kínai Baidu internetes óriás kutatója is, a gépfelkelés miatt aggódni ugyanolyan, mint a Mars túlzsúfoltságától.
De ez természetesen nem azt jelenti, hogy az AI-tól való növekvő függőségünk nem hordoz valós kockázatokat. Valójában ezek a kockázatok már itt vannak. Amint az intelligens rendszerek egyre jobban részt vesznek az egészségügytől a büntető igazságszolgáltatásig, fennáll annak a veszélye, hogy életünk fontos részeit figyelmen kívül hagyják.
Sőt, az AI kellemetlen következményekhez vezethet, ha nem vagyunk felkészülve rájuk, például élesen ellenségesre változtatjuk az orvosok iránti hozzáállásunkat.
Promóciós videó:
Két szó a mesterséges intelligenciáról
Leegyszerűsítve: olyan gépekről van szó, amelyek olyan dolgokat végeznek, amelyek általában mentális erőfeszítéseket igényelnek az ember részéről: a természetes nyelv megértése, az arcok felismerése a fényképeken, az autók vezetése stb.
Különbség van a gyártósoron mechanikus manipulátor, amely ugyanarra a feladatra van programozva, és egy manipulátor, amely önállóan megtanul különböző feladatokat végrehajtani próbákon keresztül.
Hogyan segít nekünk az AI?
Az AI-ben jelenleg a gépi tanulás a vezető megközelítés, amelyben a programokat arra tanítják, hogy bizonyos mintákat nagy mennyiségű adatban azonosítsanak, például arcot azonosítsanak a képen, vagy nyerő mozdulatot tegyenek a társasjátékban. Ez a módszer sokféle problémára alkalmazható. Például képezzen számítógépeket az orvosi képek meghatározott mintájának azonosítására. A DeepMind, a Google tulajdonában lévő mesterséges intelligenciával foglalkozó vállalat olyan szoftvert fejleszt, amely betegvizsgálatok alapján tanul meg rák és szembetegségek diagnosztizálására. Mások a gépi tanulást használják a szívbetegségek és az Alzheimer-kór korai jeleinek felderítésére.
A mesterséges intelligenciát már most is használják nagy mennyiségű molekuláris információ elemzésére a lehetséges új gyógyszeres lehetőségek keresése céljából - ez a folyamat rendkívül időigényes az ember számára. Nagyon hamar a gépi tanulás nélkülözhetetlenné válhat az orvostudományban.
A mesterséges intelligencia olyan rendkívül összetett rendszerek kezelésében is segít, mint a globális ellátási lánc. A Sydney-i Port Botany konténerterminál szívében található rendszer több tízezer szállítótartályt, automatizált járműparkot és így tovább kezel, teljesen emberek nélkül. A bányaiparban egyre inkább optimalizáló rendszereket alkalmaznak az erőforrások, például a vasérc mozgásának megtervezésére és koordinálására.
Az AI mindenhol működik, a pénzügyektől a szállításig, repülni és figyelni a tőzsdét. És megvédik a leveleit a spamektől. De ez még csak a kezdet. Az AI fejlődésével egyre összetettebbé és érdekesebbé válik.
Mi a baj?
Ahelyett, hogy egy jövőbeni AI forradalom miatt aggódnánk, a legnagyobb kockázat az, hogy túlságosan bízhatunk az épített intelligens rendszerekben. Ne feledje, hogy a gépi tanulás szoftvereket képez az adatok mintáinak azonosítására. Edzés után folytatja a friss, még nem vizsgált adatok elemzését. De amikor a számítógép kiköpi a választ, általában fogalmunk sincs, hogyan jött rá.
Itt nyilvánvaló problémák vannak. Egy rendszer csak annyira jó, mint az az adat, amelyből tanul. Vegyünk egy olyan rendszert, amely kiképzett annak meghatározására, hogy melyik tüdőgyulladásos beteg hajlamosabb meghalni, hogy először kórházba kerüljenek. Tegyük fel, hogy akaratlanul is besorolja a bronchiális asztmában szenvedő betegeket az alacsony kockázatú betegek közé. Mivel általában az asztmában és tüdőgyulladásban szenvedők közvetlenül intenzív terápiába kerülnek, ezért olyan kezelést kapnak, amely csökkenti a halál kockázatát. A gépi tanulás szerint ez "asztma + tüdőgyulladás = alacsonyabb a halál kockázata".
Amint az AI hozzáférést kap az életed minden területéhez, növekszik annak a kockázata, hogy valami elromlik - ha nem látják előre. És mivel az AI-hez továbbított adatok többsége tökéletlen, a legtöbb esetben nem kell tökéletes válaszokra számítanunk. A mesterséges intelligenciát a saját képünkre és hasonlatosságunkra építjük; valószínűleg "nem túl" lesz, mint mi.
KHEL ILYA