Kunstig intelligens er allerede blevet et faktum i nogle finansielle og transportsegmenter, og når det spreder sig på andre områder, ønsker vi i stigende grad at sikre os, at vi kontrollerer det, og ikke omvendt. Fra 2001 A Space Odyssey til Blade Runner, Robocop til The Matrix, når folk beskæftiger sig med kunstig intelligens, står de uundgåeligt over for filmskabernes mørke fantasi.
Spike Jones 'seneste film "Hun" og den kommende "Out of the Machine" af Alex Garland er allerede dedikeret til kreationer af kunstig intelligens, der lever blandt os. Turing-testen kommer frem, og vi kan stadig ikke bestemme den største forskel mellem chips og kode fra kød og blod.
Denne frygt udtrykkes også af nogle af Silicon Valley's berømte mennesker: Sidste måned beskrev Elon Musk (administrerende direktør for Tesla og SpaceX) kunstig intelligens som "den største eksistentielle trussel" mod menneskeheden. Hvad mange af os ikke forstår, og måske også Elon Musk selv, er, at kunstig intelligens ikke er nogen utrolig teknologi, der kun findes i fantasier fra filmskabere og computergeni laboratorier.
Mange af vores smartphones bruger rudimentær teknisk intelligens til at oversætte fra et sprog til et andet eller besvare vores spørgsmål; i gamingindustrien bruges AI til at generere komplekse og stadigt skiftende spilscenarier. Og da Silicon Valley-virksomheder som Google og Facebook fortsat køber AI-virksomheder og ansætter eksperter, vil AI fortsat vokse.
Så kunstig intelligens er ikke Spielbergs film?
Der er ingen klager over filmen, men udtrykket, der betyder "kunstig intelligens", har en meget længere historie end den, Spielberg og Kubrick viste i deres film. Kunstig intelligens stammer fra datafødslen i 1950'erne, hvor Alan Turing, bare 14 år efter at have defineret en generel computer, spekulerede på, om en maskine kunne tænke.
Salgsfremmende video:
64 år er gået, og denne idé besætter stadig vores sind, er legemliggjort i film og bøger og diskuteres ved symposier. Det kom ikke langt fra det sæt regler, som Turing udarbejdede i sit arbejde fra 1950 Computing Machines and the Mind, hvor han foreslog”imiteringsspil”, som vi nu kender som Turing-testen.
Tilslut en computer til en tekstterminal, og lad den kommunikere med operatøren sammen med en rigtig person. Essensen af testen er, at når du beder operatøren om at afgøre, hvilken af hans samtalepartnere der var et menneske, "vil operatøren begå fejl lige så mange gange i dette spil, som han kunne begå fejl ved at prøve at skelne en mand fra en kvinde."
Turing mente, at det ville være mere nyttigt at finde ud af, om en maskine kunne bestå en test, end at besvare det vage og filosofiske spørgsmål om, hvorvidt det tænkte eller ikke tænkte. "Med hensyn til dette spørgsmål … Jeg synes, det er meningsløst at diskutere det." Sandt nok troede Turing, at i år 2000 "ville sprog og uddannelse have ændret sig så meget, at enhver kan kommunikere med en tænkemaskine uden problemer."
Bogstaveligt talt var han ikke for forkert. I dag kan du ofte høre folk sige, at deres computere er "stumme" eller "tankevækkende". Men selv hvis vi ser mere alvorligt på definitionen af en tænkemaskine, vil denne idé være tættere på virkeligheden, end mange måske tror.
AI eksisterer allerede?
Forholdsvis. Vi er stadig langt fra at gennemgå Turing-simuleringsspelet på trods af rapporter om det modsatte. I juni narrede chatbot Evgeny Gustman med succes en tredjedel af dommerne ved at tage Turing-testen i London og overbeviste dem om, at han var menneskelig.
Men i stedet for at tænke, stole Eugene på tricks og tricks. Poserer som en 13-årig dreng, som engelsk ikke er hans modersmål, forklarede maskinen af disse mange ulogiske aspekter af dens opførsel, herunder en dårlig sans for humor og stødende udsagn, der ofte omdirigerer samtalen til en anden retning.
De fleste AI-udviklere prøver at lære det at behandle naturligt sprog, så vi kan udstede en kommando på et sprog, vi er bekendt med. Dette er, hvad børn begynder at gøre, før de tager deres første skridt, og dette er en ekstremt vanskelig opgave for en maskine.
Overvej en favorit sætning af AI-forskere: "tiden flyver som en pil, frugt flyver som en banan." [spille på ord:”tiden flyver som en pil, frugt flyver elsker banan”; sætningens anden del, analogt med den første, kan oversættes som "frugten flyver som en banan"]. Nedbrydningen af en sætning i dets bestanddele forbløffer undertiden endda engelsktalende, for ikke at nævne algoritmen.
Har AI taleproblemer?
Ikke bestemt på den måde. Faktisk bruges det meste af tiden ikke AI til samtaler. Nogle af jer skulle vide om kunstig intelligens ikke fra science fiction eller fra Alan Turing, men fra videospil, hvor AI bruges til at henvise til computerstyrede modstandere.
I en første-person shooter, for eksempel, styrer AI bevægelser af fjender, så de kan undvige, sigte og skyde mod dig på de mest uforståelige måder. I racerspil kan AI kontrollere konkurrerende køretøjer. Som en paragon af AI forlader videospil helt sikkert meget at ønske. Men diamanter er lavet af diamanter, og de forenklede regler i systemet kombineres for at gøre noget komplekst.
Tag for eksempel GTA V, hvor du skaber byer med et eget liv, du kan dreje et hjørne og finde en brandmand, der kæmper mod en chauffør, der løber ind i en slange; eller Dværgfæstning, hvor nisser lever i huler med deres eget liv, struktureret og algoritmisk detaljerede. Disse nye gameplay-systemer viser en helt ny måde, som AI kan udvikle sig på, ikke forsøge at efterligne et menneske, men udvikle en "god nok" heuristik, der gør algoritmer til noget helt andet, når de skaleres nok.
Så alle investerer i AI for at lave bedre spil?
Ikke. Virksomheder som Apple og Google investerer en masse penge i AI og forsøger at skabe virtuelle personlige assistenter som Siri og Google Now.
Dette er måske lidt langt fra Turing's fantastiske vision, men taletjenester yder stort set det samme hårde arbejde som et menneske. De er nødt til at lytte og forstå det talte sprog, bestemme, hvilke data det indeholder, og derefter returnere resultatet, også i form af en samtale. De prøver ikke at narre os til at tro, at de er mennesker, men det sker af sig selv. Da al databehandling foregår i skyen, jo mere de hører, jo bedre forstår de.
Ledende AI-forskning er imidlertid ikke fokuseret på at gentage menneskelig forståelse af verden, men at overgå den. IBM's Watson, for eksempel, er kendt som computeren, der vandt Jeopardy! i 2011 ved hjælp af naturlig sprogforståelse til at finde svar på facilitatorens spørgsmål. Men sammen med at forstå det naturlige sprog, kan Watson også læse og forstå enorme mængder ustrukturerede data og meget hurtigt.
For Jeopardy! Arbejdede han med 200 millioner sider med data, inklusive teksten på hele Wikipedia. Watsons virkelige mål er at udvide til hele Internettet og give sundhedspersonalet en praktisk mekanisme at arbejde med. Når alt kommer til alt er der forskere, der bare vil redde menneskeheden.
Vi vil alle dø?
Måske. Der er frygt for, at når en tilstrækkelig alsidig AI som Watson er oprettet, vil dens styrke øges sammen med den behandlingskraft, den har til rådighed. Moore's Law forudsiger, at computerkraft fordobles hver 24. måned, så det er kun et spørgsmål om tid, før AI bliver smartere end dets skabere og kan skabe en endnu mere magtfuld AI, der fører til eksponentiel vækst i dens kapaciteter.
Men hvad vil superintelligent kunstig intelligens gøre med disse evner? Det hele afhænger af, hvordan det er programmeret. Problemet er, at det er meget vanskeligt at programmere en meget intelligent computer, så den ikke ved et uheld ødelægger menneskeheden.
Lad os sige, at du giver din AI den opgave at fremstille papirclips og gøre dem så gode som muligt. Snart nok vil han indse, at forbedringer i hæfteproduktion kan opnås ved forbedringer i produktionslinjen. Hvad gør han derefter?
”For eksempel vil han være bekymret for, at folk ikke slukker ham, for da produceres der ingen papirclips,” forklarer Nick Bostrom. Paperclip AI, siger Bostrom,”kan slippe af med en person med det samme, fordi de er en trussel. Derudover har han brug for så mange ressourcer som muligt, fordi de kan bruges til at lave papirklip. For eksempel atomer i menneskelige kroppe."
Hvordan skal man håndtere sådan AI?
Den eneste måde, der fungerer, ifølge nogle teoretikere som Ray Kurzweil, Googles CTO, er at lukke AI ned. Folk skal ikke kun tænke på, hvordan man opretter intelligent AI, men også om den etiske side af dette emne - og programmere i henhold til det.
I sidste ende er det at skrive kode bare på udkig efter problemer. En maskine med instruktioner til "at gøre folk glade" kan løse dette problem ganske enkelt ved at implantere elektroder i folks hjerner. Derfor, når vi beder kunstig intelligens om at løse store filosofiske problemer, er vi nødt til at sørge for, at maskinen forstår, hvad der er "godt", og hvad der er "dårligt".
Så vi har brug for et etikprogram, og alt bliver fint?
Ikke rigtig. Selv hvis vi formår at forhindre ondsindet AI i at dukke op, forbliver spørgsmålet, hvordan samfundet tilpasser sig de voksende evner inden for kunstig intelligens.
Den industrielle revolution er kendetegnet ved automatisering af et antal job, der tidligere var afhængige af manuelt arbejde. Der er ingen tvivl om, at den industrielle revolution var perioden med den mest markante vækst i menneskers velvære. Men datidens kupp var unikt i dets tilfælde, og det er usandsynligt, at vi kan se dette igen.
Hvad dampkraft gjorde for fysisk arbejde, AI kan gøre for mental arbejde. De første ofre for denne sfære dukker allerede op: der er ikke noget sted at sende taxa i verden med Hailo og Uber; aktiemæglers arbejde har ændret sig netop på grund af indførelsen af højfrekvent handel; sport og nyhedshistorier vil snart blive lavet af biler.
De virkelige ændringer er lige begyndt. I november stod Goldman Sachs i spidsen for en finansieringsrunde på $ 15 millioner til Kensho, en finansiel dataanalysetjeneste, der bruger kunstig intelligens teknikker uden for rækkevidde for den bedste menneskelige analytiker. Det kan håndtere en så enorm mængde data, at folk simpelthen er magtesløse foran dem.
Kensho analytics kan bruges af et højfrekvent handelsfirma som Athena, der bruger det til at få et millisekundkant på markedet - nok til at tjene penge, hvis du handler milliarder af dollars.
Efter en sådan handel påvirker det generelle marked, kan Kensho levere sine algoritmer til Forbes, og hun vil erstatte sine finansielle analytikere. De fleste forretningsoversigter er en til en, og hvis dataene er tilgængelige i et struktureret format, hvorfor spilder tid med mennesker?
Generelt er sådanne ændringer gode. Hvis millioner af menneskers arbejde erstatter algoritmer, kan de gøre noget bedre, antallet af arbejdstider falder, og vi kommer et skridt nærmere utopi.