Ang mga autonomous na sasakyan ay hindi mas matalinong ito. X posid

Ang bawat araw ng hindi mabilang na mga headline ay lumabas mula sa napakaraming mga mapagkukunan sa buong mundo, pareho babala ng katakut-takot na kahihinatnan at promising futures - lahat salamat sa artificial intelligence. AI "ay nagbabago sa lugar ng trabaho," ang isinulat ng Wall Street Journal, Habang Mabuting kapalaran Sinasabi sa amin ng magasin na kami ay nakaharap sa isang "AI rebolusyon" na "magbabago ng aming mga buhay." Ngunit hindi namin talaga nauunawaan kung ano ang nakikipag-ugnay sa AI ay magiging tulad ng - o kung ano ang dapat maging katulad nito.

Gayunman, lumilitaw na mayroon tayong konsepto na magagamit natin kapag iniisip natin ang tungkol sa AI: Ganito ang iniisip natin tungkol sa mga hayop. Bilang isang dating tagapagsanay ng hayop (kahit na maikli) na ngayon ay nag-aaral kung paano ginagamit ng mga tao ang AI, alam ko na ang pagsasanay sa mga hayop at hayop ay maaaring magturo sa amin ng lubos tungkol sa kung paano namin dapat isipin ang tungkol, diskarte at makipag-ugnay sa artipisyal na katalinuhan, parehong ngayon at sa hinaharap.

Paggamit ng analogies hayop ay maaaring makatulong sa mga regular na tao na maunawaan ang marami sa mga komplikadong aspeto ng artificial intelligence. Makakatulong din sa amin na isipin kung paano pinakamahusay na magturo sa mga sistemang ito ng mga bagong kasanayan at, marahil ang pinaka-mahalaga, kung paano namin maayos na maisip ang kanilang mga limitasyon, kahit na ipagdiwang namin ang mga bagong posibilidad ng AI.

Naghahanap sa mga hadlang

Bilang isang eksperto sa AI Maggie Boden nagpapaliwanag, "Ang artificial intelligence ay naglalayong gumawa ng mga computer na gumagawa ng mga uri ng mga bagay na maaaring gawin ng mga isip." Ang mga mananaliksik ng AI ay nagtatrabaho sa pagtuturo ng mga computer upang mangatwiran, makaintindi, magplano, maglipat at gumawa ng mga asosasyon. Maaaring makita ng AI ang mga pattern sa malalaking hanay ng data, mahuhulaan ang posibilidad ng isang kaganapan na nagaganap, magplano ng isang ruta, pamahalaan ang iskedyul ng pagkikita ng isang tao at kahit na maglaro ng mga pangyayari sa laro ng digmaan.

Marami sa mga kakayahan na ito, sa kanilang sarili, ay hindi kanais-nais: Siyempre isang robot ay maaaring gumulong sa paligid ng isang puwang at hindi sumalungat sa anumang bagay. Ngunit sa paanuman ay mukhang mas nakakatawa ang AI kapag sinimulan ng computer na magkasama ang mga kasanayang ito upang magawa ang mga gawain.

Kunin, halimbawa, mga autonomous na mga kotse. Ang pinanggalingan ng driverless car ay nasa isang 1980s-era Defense Advanced Research Project Project Agency na tinatawag na Autonomous Land Vehicle. Ang mga layunin ng proyekto ay upang hikayatin ang pananaliksik sa computer vision, pang-unawa, pagpaplano at robotic control. Sa 2004, ang naging pagsisikap ng ALV Grand Challenge para sa mga self-driving na sasakyan. Ngayon, higit sa 30 taon mula nang magsimula ang pagsisikap, kami ay nasa precipice ng mga autonomous o self-driving na mga kotse sa sibilyan na merkado. Noong unang mga taon, ilang mga tao ang nag-isip na ang isang gawaing imposible ay hindi maaaring magmaneho ng mga computer!

Itinulak ng DARPA Grand Challenge ang pagpapaunlad ng mga autonomous na sasakyan.

{youtube}M2AcMnfzpNg{/youtube}

Gayunman, tulad ng nakita natin, kaya nila. Ang mga kakayahan ng mga autonomous na mga kotse ay relatibong madali para maintindihan natin. Ngunit nagpupumilit kaming maunawaan ang kanilang mga limitasyon. Pagkatapos ng 2015 nakamamatay Tesla crash, kung saan ang autopilot function ng kotse ay nabigong maunawaan ang traktor-trailer na tumatawid sa daanan nito, kakaunti pa ang tila upang maunawaan ang grabidad kung gaano limitado ang autopilot ni Tesla. Habang ang kumpanya at ang software nito ay na-clear ng kapabayaan sa pamamagitan ng National Highway Traffic Safety Administration, ito ay nananatiling hindi maliwanag kung ang mga customer ay talagang maintindihan kung ano ang maaari at hindi maaaring gawin ng kotse.

Paano kung sinabi ng mga may-ari ng Tesla na hindi sila pagmamaneho ng isang "beta" na bersyon ng isang autopilot ngunit sa halip ay isang semi-autonomous na kotse na may mental na pagkapareho ng isang uod? Ang tinatawag na "katalinuhan" na nagbibigay ng "buong kakayahan sa pagmamaneho sa sarili"Ay talagang isang higanteng kompyuter na maganda sa pag-iisip ng mga bagay at pag-iwas sa mga ito, pagkilala ng mga item sa mga larawan at limitadong pagpaplano. Maaaring magbago ang mga pananaw ng mga may-ari tungkol sa kung magkano ang maaaring gawin ng kotse nang walang input ng tao o pangangasiwa.

Ano ito?

Karaniwang sinusubukan ng mga technologist na ipaliwanag ang AI sa mga tuntunin kung paano ito binuo. Kunin, halimbawa, ang mga pagsulong na ginawa sa malalim na pag-aaral. Ito ay isang pamamaraan na gumagamit multi-layered network upang malaman kung paano gumawa ng isang gawain. Ang mga network ay kailangang magproseso ng napakaraming impormasyon. Ngunit dahil sa dami ng data na kinakailangan nila, ang pagiging kumplikado ng mga asosasyon at mga algorithm sa mga network, kadalasan ay hindi malinaw sa mga tao kung paano nila natututunan kung ano ang ginagawa nila. Ang mga sistemang ito ay maaaring maging napakabuti sa isang partikular na gawain, ngunit hindi namin talaga nauunawaan ang mga ito.

Sa halip na pag-iisip tungkol sa AI bilang isang bagay na higit na tao o dayuhan, mas madaling maihambing ang mga ito sa mga hayop, mga intelligent nonhumans na mayroon kaming pagsasanay na karanasan.

Halimbawa, kung gagamitin ko reinforcement learning upang sanayin ang isang aso upang umupo, pinupuri ko ang aso at binigyan siya ng mga itinuturing kapag nakaupo siya sa utos. Sa paglipas ng panahon, matututuhan niya na iugnay ang utos sa pag-uugali sa itinuturing.

Ang pagtuturo ng isang aso upang umupo ay tulad ng pagsasanay ng isang artipisyal na katalinuhan.

{youtube}5-MA-rGbt9k{/youtube}

Ang pagsasanay sa isang sistema ng AI ay maaaring magkatulad. Sa pagpapalakas ng malalim na pag-aaral, nililikha ng mga taga-disenyo ng tao ang isang sistema, nag-iisip kung ano ang nais nilang matutunan, bigyan ito ng impormasyon, panoorin ang mga pagkilos nito at bigyan ito ng feedback (tulad ng papuri) kapag nakita nila kung ano ang nais nila. Sa esensya, maaari nating gamutin ang sistema ng AI tulad ng paggamot namin sa mga hayop na sinasanay namin.

Ang pagkakatulad ay gumagana sa mas malalim na antas. Hindi ko inaasahan ang sitting dog na maunawaan ang mga kumplikadong konsepto tulad ng "love" o "good." Inaasahan ko siya na matuto ng pag-uugali. Tulad ng maaari naming makakuha ng mga aso upang umupo, manatili at roll, maaari naming makakuha ng mga sistema ng AI upang ilipat ang mga kotse sa paligid ng mga pampublikong daan. Ngunit ito ay masyadong maraming upang asahan ang kotse sa "malutas"Ang etikal na mga problema na maaaring lumabas sa pagmamaneho ng mga emerhensiya.

Tinutulungan din ang mga mananaliksik

Ang pag-iisip ng AI bilang isang sundin na hayop ay hindi lamang kapaki-pakinabang para ipaliwanag ito sa pangkalahatang publiko. Nakatutulong din ang mga mananaliksik at mga inhinyero sa pagbuo ng teknolohiya. Kung sinusubukan ng isang iskolar ng AI na magturo ng isang sistema ng isang bagong kasanayan, ang pag-iisip ng proseso mula sa pananaw ng isang tagapagsanay ng hayop ay maaaring makatulong na makilala ang mga potensyal na problema o komplikasyon.

Halimbawa, kung sinisikap kong sanayin ang aking aso upang umupo, at sa tuwing sasabihin ko "umupo" ang buzzer sa oven napupunta, pagkatapos ay ang aking aso ay magsisimula na iugnay ang nakaupo hindi lamang sa aking utos, kundi pati na rin sa tunog ng oven's buzzer. Sa kakanyahan, ang buzzer ay nagiging isa pang senyas na nagsasabi na ang aso ay umupo, na tinatawag na isang "di-sinasadyang pampalakas." Kung hinahanap natin ang mga di-sinasadyang mga reinforcement o signal sa mga sistemang AI na hindi gumagana nang maayos, pagkatapos ay malalaman natin ng mas mahusay na hindi lamang kung ano ang nangyayari mali, kundi pati na rin kung anong partikular na pagpapasanay ay magiging pinaka-epektibo.

Hinihiling nito sa atin na maunawaan kung anong mga mensahe ang aming ibinibigay sa panahon ng pagsasanay ng AI, pati na rin kung ano ang maaaring maobserbahan ng AI sa nakapaligid na kapaligiran. Ang oven buzzer ay isang simpleng halimbawa; sa tunay na mundo ito ay magiging mas kumplikado.

Bago natin malugod ang ating mga AI overlord at ibibigay ang ating buhay at trabaho sa mga robot, dapat nating i-pause at isipin ang uri ng mga katalinuhan na ating nililikha. Mahusay sila sa paggawa ng mga partikular na pagkilos o mga gawain, ngunit hindi nila maunawaan ang mga konsepto, at hindi alam ang anumang bagay. Kaya kapag nag-iisip ka pagbubuga ng libu-libo Para sa isang bagong Tesla kotse, tandaan ang autopilot function ay talagang isang napaka-mabilis at sexy worm. Gusto mo ba talagang magbigay ng kontrol sa iyong buhay at buhay ng iyong mga mahal sa buhay sa isang uod? Marahil hindi, kaya panatilihin ang iyong mga kamay sa wheel at huwag matulog.

Tungkol sa Ang May-akda

Heather Roff, Senior Fellow ng Pananaliksik, Kagawaran ng Pulitika at Relasyong Internasyonal, Unibersidad ng Oxford; Research Scientist, Global Security Initiative, Arizona State University

Ang artikulong ito ay orihinal na na-publish sa Ang pag-uusap. Basahin ang ang orihinal na artikulo.

Mga Kaugnay Books

at InnerSelf Market at Amazon