AI на SXSW 2018: из ульев, этики, морали и сингулярности
AUSTIN. На SXSW 2018 искусственный интеллект (AI) был повсюду, даже на сессиях, которые не были конкретно касались предмета. ИИ привлек внимание людей, которые находятся за пределами технологического пространства, а последствия этой технологии - далеко идущие, изменяющиеся отрасли, устраняющие многие человеческие рабочие места и меняющие характер работы для большинства из нас в будущем. Я ожидаю, что бот ИИ может написать эту статью в течение 10 лет - и, скорее всего, намного раньше - просто глотая всю информацию из сессий, которые я посещал, в сочетании с возможностью исследования соответствующей информации в Интернете намного лучше, чем я мог.
Интересно, что, как отметил Рэй Курцвейл в своем выступлении здесь, термин «искусственный интеллект» был придуман на летней мастерской в Дартмуте в 1956 году, в которой участвовали компьютерные пионеры, такие как Марвин Мински и Клод Шеннон, в то время, когда компьютеры все еще бежали по вакууму труб и компьютеров в мире, насчитывающих сотни.
Будет ли AI Outsmart People?
Хотя мы имеем дело с тем, что сегодня представляет собой искусственный интеллект в компьютерах, то, что составляет интеллект у людей, до сих пор не полностью согласовано. У нас есть 100 миллиардов нейронов в нашем мозгу, и эти нейроны могут составлять 100 триллионов соединений, которые, безусловно, опережают любой компьютер сегодня. Эти соединения позволяют нам идентифицировать вещи, принимать решения, использовать и понимать язык, а также многое другое, что компьютер нелегко делает - пока.
На панели по инновациям в искусстве Адам Шейер (основатель Сири) Дафна Коллер (профессор Стэнфорда и соучредитель Coursera) и Нелл Уотсон (Singularity University) отметили, как современные алгоритмы машинного обучения нуждаются в миллионах изображений кошек правильно и последовательно идентифицировать кошку - в то время как малыша можно обучить правильно идентифицировать кошку, возможно, с пятью фотографиями. Алгоритмы и вычислительная мощность должны улучшаться, чтобы учиться на небольших наборах данных. Они также указали, что понимание или тиражирование человеческого интеллекта не обязательно является целью ИИ. Ранние попытки имитировать естественный полет, подобно птицам, потерпели неудачу. Самолеты летают быстрее, выше и лучше, чем что-либо в природе.
Точно так же машины могут учиться быстрее друг от друга, чем люди. Google Deepmind AlphaGo впервые победил одного из лучших игроков в мире в 2016 году. В 2017 году Google объявил, что AlphaGo Zero, версия алгоритмов, обученных игре без человеческих данных, избивает игры AlphaGo 100 до нуля. Сингулярность может быть ближе, чем мы думаем.
Социальные последствия
Быстрые достижения в области ИИ побуждают людей думать о социальном воздействии и о том, какие машины учатся из данных, которые они потребляют. Что касается инклюзивности, некоторые примеры того, что ИИ может представить нам, создают проблемы. Например, поиск изображений для руководителей в Google представляет в основном белых мужчин. Это точно? Да, большинство генеральных директоров сегодня - белые мужчины, а Google портные ищут в соответствии с вашей историей. Усиливает ли он человеческий уклон? Да, в том, что основной следствием является то, что если вы хотите стать генеральным директором, вы, скорее всего, попадете туда как белый мужчина.
Другим примером, который вызвал интернет-шум в 2015 году, была ранняя версия Google Фото, по ошибке маркировавшая некоторых людей цвета. Понятно, что это была ранняя проблема обучения наборов данных. Когда Apple внедряет распознавание лиц для разблокировки телефонов и платежей, и эти функции быстро становятся более популярными на других устройствах, гарантируя, что учебные наборы данных распознают людей с цветом и расами, становится критическим. Более конкретно, некоторые опасаются, что алгоритмы, используемые в системе уголовного правосудия, - которые расследуют и как приговаривают - непропорционально неблагоприятны для людей цвета. Причиной этого является то, что учебные наборы данных отражают историю культурных уклонений в нашем обществе.
Для многих становится очевидным, что авансы в ИИ благоприятствуют некоторым крупным компаниям. Платформенные компании, такие как Amazon, Google, Apple, Microsoft и Facebook, обладают ресурсами и инфраструктурой, чтобы конкурировать за лучших инженеров, а также иметь массивные наборы данных, которые могут обучать их алгоритмы машинного обучения. Некоторые из них требуют открытых стандартов данных и доступа к наборам данных для небольших компаний для выравнивания игрового поля.
В частности, правительства об этом много думают. Некоторые инициативы «умного города» требуют партнерских отношений с частными компаниями, которые используют данные государственного сектора, чтобы помочь городам модернизировать и предоставлять услуги. Должна ли только одна компания получить доступ к этим данным или, возможно, иметь временную монополию на ее использование для предоставления услуги? С неизбежным движением на самолете, какими должны быть модели для обмена информацией о трафике или информацией, которую автомобили собирают по маршрутам дорожных условий, трафика и погоды? В частности, для автономных транспортных средств, с государственными органами, имеющими юрисдикцию в отношении их автомобильного движения, как вы создаете правила и стандарты для обмена этими данными по городским, городским и государственным линиям?
Собственность и использование данных с автомобилей и устройств также будет существенно влиять на качество и скорость развертывания решений на базе ИИ. Было высказано мнение о том, что любое регулирование вокруг AI или прозрачности данных должно быть специфичным для приложения. Вопросы, связанные с автономными транспортными средствами, сильно отличаются от вопросов, связанных с включением или цифровым разрывом (доступ к услугам для всех экономических уровней). Правила одеяла вокруг прозрачности данных или некоторых стандартных стандартов, которые не подходят для конкретных случаев использования, приведут только к замедлению инноваций.
крапивница
Для другого подхода к искусственному интеллекту Unanimous A.I., основанный в Сан-Франциско стартап, берет вызов от природы в использовании алгоритмов для усиления человеческого мозга. Луис Розенберг, его генеральный директор, является кандидатом в Стэнфордский университет, названный более чем 350 патентами, и построил первую систему погружения, дополненную реальностью для лаборатории Армстронга ВВС в начале 1990-х годов. Розенберг объясняет концепцию улья, отмечая, как пчелы собираются строить новые дома. У медоносных пчел есть менее миллиона нейронов умственной силы по сравнению с 100 миллиардами человек. Вместе с тем они коллективно формируют разведку рой, соглашаясь на сложную задачу строительства нового дома, который защищает от погодных условий, хищников и других вопросов. Они общаются друг с другом, жужжа их тела, и заканчивают тем, что «рой» достигает коллективного разума о правильном месте, чтобы построить улей, который ни одна отдельная пчела не могла собрать.
Подобным же образом алгоритмы Unanimous A.I. используют человеческий интеллект для принятия более разумных решений и прогнозов. Группа (рой) из 40 поклонников фильмов была более точной, чем Разнообразие и другие эксперты в прогнозировании победителей Оскара в этом году, а в 2016 году еще один рой поклонников выбрал четырех лучших лошадей в Кентукки Дерби. Посылка заключается в мудрости толпы, но это не голос. Рой по существу измеряет уверенность индивида в их взглядах, уровень их гибкости в их изменении, а также динамику (толчок и тягу внутри групп) к принятию решений.
Тест Тьюринга
Вычислительный пионер Алан Тьюринг предложил тест Тьюринга в 1950 году, когда компьютер будет заниматься разговором на естественном языке с человеком, а другой человек будет судить, не являются ли ответы компьютера неотличимыми от человека. Этот тест широко называют испытанием способности компьютера думать. Никакой компьютер или алгоритм еще не прошли этот тест. Адам Чейер (Adam Cheyer), соучредитель компании Siri (приобретенный Apple в 2010 году), отметил, что для всех умений в области голоса и распознавания речи в таких помощниках, как Apple Siri и Alexa Амазонки, мы все еще обычно просим помощника относительно простых команд выполнить некоторые действие с помощью приложения, которое распознает определенный набор глаголов («выключить все огни») или искать информацию о чем-то конкретном («показать мне все близлежащие Starbucks»).
Рей Курцвейл теперь прогнозирует, что ИИ сможет пройти тест Тьюринга к 2029 году. Учитывая экспоненциальные достижения, которые мы наблюдали в ИИ за последние несколько лет, и 3 миллиарда смартфонов в мире с приложениями, в которых хранятся огромные объемы данных, правдоподобно. Кроме того, Курцвейл предсказывает 2045 год как год Сингулярности, где компьютеры фактически превосходят возможности человеческого интеллекта. Он сравнивает его с эволюцией, подобной развитию неокортекса у млекопитающих, что привело к тому, что млекопитающие стали доминирующим видом в эпоху после динозавров.
Что это принесет? Многие вещи, и некоторые из них могут быть ключом к увеличению продолжительности жизни человека. Медицинские нанороботы, питаемые искусственным интеллектом, будут проходить через нашу кровь, обнаруживать и бороться с патогенами и прекращать раковые заболевания. Другие нанороботы будут контролировать функцию жизненно важных органов и доставлять лекарства для поддержания своей функции и борьбы с болезнями. ДНК может быть перепрограммирована для удаления маркеров заболевания. Определенные долгосрочные тенденции, такие как увеличение урбанизации, могут быть отменены или смягчены. Курцвейл утверждает, что технология позволила жить в городах как способ работать, играть и взаимодействовать с другими людьми. Завтрашние дополнения и решения виртуальной реальности могут позволить людям жить далеко от других, но сохранить физическую и эмоциональную связь, в которой они нуждаются. Землепользование может быть дополнительно затронуто вертикальным сельским хозяйством, основанным на альтернативной энергии и искусственным интеллектом, которые могут помочь накормить растущее население мира.
Должны ли мы бояться ИИ? Большинство людей, которые действительно понимают, что он может сделать, говорят, что хорошие достижения в медицине, автоматизации, производстве продуктов питания и производительности в повседневной жизни - перевешивают потенциальные плохие части. Другие, такие как Элон Муск и Билл Гейтс, озвучивали тревогу по поводу недостатков - огромные экономические последствия перемещения работы, контроль над информацией, способность манипулировать, а потенциально катастрофические последствия ИИ были плохими. Конечно, будущее по-прежнему неписано, но человечеству удалось пережить предыдущие технологические революции. Возможно, машины сделают нас умнее, сделав нас на один шаг вперед.