Podsumowanie artykułu: Prawdziwa AI’jeszcze nie istnieje… to’S rozszerzona inteligencja

W tym artykule autor omawia koncepcję sztucznej inteligencji (AI) i uczenia maszynowego. Twierdzą, że chociaż sztuczna inteligencja stała się gorącym tematem i znaczącym osiągnięciem technologicznym, prawdziwa sztuczna inteligencja jeszcze nie istnieje. Autor wyjaśnia podstawy sztucznej inteligencji i uczenia maszynowego, podkreślając znaczenie perceptronów w tych systemach. Opisują perceptony jako podobne do neuronów w ludzkim mózgu, podkreślając rolę, jaką odgrywają w przetwarzaniu i przekazywaniu informacji. Ponadto autor wyjaśnia proces szkolenia modeli AI i znaczenie propagacji wstecznej w poprawie ich dokładności. Zauważają również, że AI pozostaje wysoce wyspecjalizowana i brakuje wszechstronności ludzkiej inteligencji.

1. Czym różnią się sztuczna inteligencja AI i uczenie maszynowe?

Prawdziwa sztuczna inteligencja jeszcze nie istnieje. AI i uczenie maszynowe to podzbiory sztucznej inteligencji, koncentrując się na wyspecjalizowanych zadaniach i określonych algorytmach. Brakuje im ogólnej inteligencji i wszechstronności ludzkiej inteligencji.

2. Co to są perceptony i jak odnoszą się do AI?

Perceptrons są podobne do neuronów w ludzkim mózgu i służą jako elementy składowe systemów AI. Otrzymują sygnały wejściowe, przetwarzają je i przesyłają wyjście do innych posterbronów lub systemów. Perceptrons tworzą sieć w systemach AI, ułatwiając przetwarzanie informacji i podejmowanie decyzji.

3. Jak szkolono AI?

AI jest szkolona poprzez przekazując dane do systemu i ocenę jego prognoz. Początkowo prognozy modelu mogą być niedokładne. Poprzez proces zwany propagacją wsteczną system dostosowuje swoje parametry, tworząc nowe połączenia między perceptronami i poprawa jego dokładności w czasie.

4. Dlaczego AI jest wysoce wyspecjalizowane?

AI jest wysoce wyspecjalizowane, ponieważ jest przeszkolony do określonych zadań. Brakuje wszechstronności i ogólnej inteligencji ludzi. Podczas gdy AI wyróżnia się niektórymi zadaniami, ma ona ograniczoną możliwości poza specjalistyczną domeną.

5. Jakie jest znaczenie zaangażowania człowieka w sztuczną inteligencję?

Pomimo jego postępów AI nadal wymaga wkładu i interwencji ludzkiej. Ludzka inteligencja uzupełnia sztuczną inteligencję, zapewniając niezbędny kontekst, zrozumienie i zdolności decyzyjne, których brakuje maszynom. Ludzie odgrywają kluczową rolę w korzystaniu z systemów AI.

6. Jak AI stała się znaczącą częścią współczesnej kultury?

AI stała się znaczącą częścią współczesnej kultury poprzez różne przedstawienia w rozrywce i mediach. Od filmów zawierających maszyny do podróżowania w czasie po sympatyczne roboty, AI uchwyciła wyobraźnię społeczeństwa i wspierała zainteresowanie potencjalnym wpływem na społeczeństwo.

7. Dlaczego uczenie maszynowe jest uważane za szeroką i złożoną dziedzinę?

Uczenie maszynowe obejmuje szeroki zakres technik i aplikacji, co czyni go szerokim i złożonym dziedziną. Ponieważ uczenie maszynowe nadal się rozwija i integruje się z innymi dziedzinami, jego głębokość i złożoność wzrasta, wymaga specjalistycznej wiedzy na temat dogłębnego zrozumienia.

8. Jaką rolę odgrywają perceptony w systemach AI?

Perceptrons służą jako podstawowe jednostki w systemach AI. Otrzymują i przetwarzają sygnały wejściowe, co prowadzi do podejmowania decyzji i transmisji informacji w systemie. Perceptrons tworzą połączone sieci, które umożliwiają funkcjonowanie modeli AI.

9. Jak AI i uczenie maszynowe wpływają na społeczeństwo?

AI i uczenie maszynowe mają znaczący wpływ na społeczeństwo, wpływając na różne sektory i branże. Mają potencjał poprawy automatyzacji, poprawy procesów decyzyjnych i zrewolucjonizowania branż takich jak opieka zdrowotna, finanse i transport.

10. Jaki jest związek między perceptronami a neuronami?

Perceptrony są modelowane po neuronach w ludzkim mózgu. Struktura i funkcja perceptronów zawiera podobieństwa do procesów biologicznych występujących w neuronach. To połączenie pozwala na rozwój systemów AI, które odzwierciedlają niektóre aspekty ludzkiej inteligencji.

Prawdziwa AI nie’jeszcze nie istnieje… to’S rozszerzona inteligencja

Kilka lat temu sztuczna inteligencja (AI) ograniczała się tylko do rozrywki. Ludzie dziwiali moc tej technologii, ale dziś sztuczna inteligencja i uczenie maszynowe są gorącym tematem. W rzeczywistości większość ludzi w jakiś sposób w interakcji z tą technologią w życiu.

Robi “PRAWDA” AI już istnieje?

Sztuczna inteligencja jest prawdopodobnie największym osiągnięciem technologicznym w historii. To’Oczywiście subiektywne, ale ja’Miałem obsesję na punkcie technologii, odkąd byłem dzieckiem. Podczas gdy ja’Jestem pewien, że istnieje wiele postępów technicznych, których nie jestem świadomy, AI lub uczenie maszynowe, przewyższa je wszystkie. Być może wyjątek może zostać wykonany dla wynalezienia języka lub koła, jednak wątpię, czy niewiele innych rzeczy będzie miało tak głęboki wpływ na gatunki ludzkie. AI była stabilnym elementem współczesnej kultury od wielu pokoleń. Od czasu podróżowania w czasie, piekielnie niszczenia ludzkości do przyjaznych i sympatycznych robotów przytulnych w kosmosie, my’ve antropomorficzne maszyny w przygotowaniu do tego, co wszyscy wiemy, nadchodzi.

Tylko, co jeśli to’S już tutaj? Co jeśli ‘PRAWDA’ Sztuczna inteligencja została już stworzona? Aby wyjaśnić, muszę omówić, jak działa AI. Przywdziewać’T martwi się. Tam’nie ma żadnej matematyki.

Uczenie maszynowe jest wyjątkowo dużą i szeroką dziedziną, a ponieważ technologia ta rośnie i staje się przydatna dla innych dziedzin, tylko zwiększa głębokość i złożoność. Oczywiście przeciętny człowiek nie ma czasu, aby dowiedzieć się, jak to wszystko działa, bez względu na to, jak ważne może to być. Na szczęście zasady, na których działa, są dość proste. Pierwszą rzeczą, o której musimy wiedzieć, jest coś, co nazywa się perceptron.

Perceptrons

Najlepszym sposobem na konceptualizację percepronu jest to, że jest on zasadniczo taki sam jak neuron w ludzkim mózgu. Jeśli ty’nie do końca pewne, czym jest neuron, Don’T martw się, zakryłem.

Neurony to komórki, które tworzą nasz układ nerwowy. (Nie powiedziałem matematyki, nie zrobiłem’t mówią cokolwiek o biologii), na szczęście, oni’Repree, jeśli chodzi o te rzeczy. Ta czerwona część po lewej stronie to jądro. Otrzymuje impulsy elektryczne z tych gałęzi. Jądro wykonuje pewne obliczenia i decyduje, jaki sygnał wysłać w prawo, który jest przekazywany do wielu innych neuronów. To był plan czegoś zwanego perceptron.

Wiem, wiem, ten jest zdecydowanie bliski matematyki, ale nie’Muszę jednak wiedzieć. Obietnica. Wszystko, co po lewej stronie to sygnały wejściowe wchodzące do ‘jądro’, który coś robi, a następnie wysyła wyjście do innych osób. ‘Maszyna’ w uczeniu maszynowym to duża sieć ich ‘zaprogramowane obiekty’. Konfiguracje różnią się, ale to’s. Pobierają z czegoś sygnału wejściowego, czy to tekstu, danych numerycznych, czy cokolwiek innego, a ta niezwykle skomplikowana sieć neuronów cyfrowych, następnie przekazuje sygnały w tę iz powrotem w jakiś sposób, dopóki całkowity model nie wyprowadzi swojej prognozy.

Jeśli ty’Nie do końca obserwuj, Don’T martwi się. Ważne odejście jest takie: sieć węzłów przyjmuje informacje, wykonuje pewne obliczenia i wysyła informacje do innych, którzy decydują, co z tym zrobić. Brzmi znajomo? Powinno.

Jeśli ty’Przypomniał sobie PercePtron, miałbyś rację. Funkcjonalnie, na dużą skalę, sieć neuronowa jest bardzo podobna do dużego percepronu. Istnieją oczywiście odmiany i to nie jest absolutnie w 100% prawdziwe, ale to’jest wystarczająco prawdziwy do naszych celów tutaj. Koncepcyjnie przyjmują informacje, dokonują obliczeń i wysyłają informacje do czegoś lub kogoś, kto z nich użyje. To’S Perceptrons do końca i aż do góry.

Ale jak to działa?

Pozostając przy naszym podejściu na wysokim poziomie, szkolenie modelu, aby coś zrobić, jest dość proste. Masz swoją sieć neuronową i niektóre dane, które chcesz dokonać prognoz, powiedzmy, przewidując, czy obraz to 3, czy pszczoła. Podawasz dane do maszyny, a to wypluwa prognozę. Naprawdę zła prognoza. Ma to sens, jeśli wszystko, co zrobiliśmy, to uderzenie razem niektórych percepronów. Skąd by wiedział, czym jest pszczoła z 3? Nie ma nic do porównania. Aby nasz model zrozumiał różnice, musimy go wyszkolić.

To jest dość proste. Chcemy mieć kilka zdjęć 3’s i pszczoły i etykiety dla każdego obrazu, aby maszyna mogła się ocenić. Następnie przyjmuje obraz, przewiduje i sprawdza, czy to dobrze ma. Oczywiście początkowo poprawi to większość z nich. Następnie nastąpi proces zwany propagacją wsteczną lub coś podobnego. Propagacja wsteczna jest miejscem, w którym maszyna dostosuje różne parametry, tworząc nowe połączenia między różnymi perceptronami, pozbywając się innych, a następnie próbuje ponownie.

Jak możesz sobie wyobrazić, może to stać się bardzo techniczne w praktyce, ale ogólnie rzecz biorąc’po prostu przekazuje obraz do maszyny i przewiduje, czy to’s pszczoła lub 3, a następnie sprawdzaj odpowiedź. Jeśli to’S right, brawo! Na następny obraz. Jeśli to’Słowicie, ulepszy niektóre ustawienia tu i tam i spróbuje ponownie, aż w końcu maszyna będzie w stanie odróżnić się między 3’S i pszczoły całkiem dobrze. Znowu nie jest to technicznie dokładne, ale koncepcyjnie to’jest wystarczająco dobry.

Na szczęście dla nas, to’nie jest zbyt dobry w wielu innych. To’jest wysoce wyspecjalizowany i wyszkolony do zrobienia tego i tylko jednej rzeczy. To’S, gdzie wchodzimy.

Ludzki komponent

Choć ta technologia jest niesamowita, maszyny te pozostają głupie. I mam na myśli naprawdę głupie. Nasza maszyna z wcześniejszego może być w stanie powiedzieć pszczołę z 3, ale jeśli wrzucisz w nią zdjęcie krowy, to’ma trudności z ustaleniem, czy to’s pszczoła lub 3, ponieważ dla maszyny tam’po prostu nie żadna inna opcja.

Sztuczna inteligencja, ponieważ tak bardzo’używane, jest naprawdę bardziej marketingowym mylącym niż opis techniczny. Widzisz, problem polega na tym, że my, ludzie też jesteśmy głupi. (Oczywiście nie tak głupi jak nasza wcześniejsza maszyna. To była oczywiście krowa!) Okazuje się, że nie’Nie wiem, czym właściwie jest inteligencja. Och, mamy wiele niejasnych definicji, ale w rzeczywistości jest tam, tam’jest elementem inteligencji, szczególnie świadomości, którą po prostu możemy’t zdefiniuj, nie mówiąc już o powtórzeniu w przestrzeni cyfrowej. Znacznie mądrzejsi ludzie niż ja pracują nad problemem, ale to’Szczerze mówiąc, trochę czarnej dziury, biorąc pod uwagę naszą niezdolność do określenia, co chcemy zrobić! Świadomość jest jedną z tych dziwnych rzeczy, w których wiesz, co ja’mówię o tym, ale jeśli spróbujesz, ty’uświadomisz sobie, że nie’t, faktycznie wiem, jak zdefiniować ‘Co’ to jest w każdym prawdziwym sensie.

Łączenie wszystkich

Więc dlaczego to ma znaczenie? Co jest w tym ważne? Oczywiście wszyscy zdają sobie sprawę z niedawnych wstrząsów w naszym społeczeństwie i myślę, że większość ludzi korzystających z mediów społecznościowych jest świadoma, że ​​wstrząsy te są przynajmniej częściowo ze względu na rozprzestrzenianie się mediów społecznościowych w ostatniej dekadzie. Rzeczywiście, wielu założycieli mediów społecznościowych zaczęło mówić w ciągu ostatnich kilku lat o niebezpieczeństwach związanych z mediami społecznościowymi, o tym, jak nie zdawali sobie sprawy z tego, co budowali, lub jeśli zdali sobie sprawę, nie byli świadomi niezamierzonych konsekwencji takiej technologii uwolnionej w społeczeństwie. Ale to, co jest tak niebezpieczne w ludziach, które mogą swobodnie łączyć i dzielić się informacjami?

Pamiętam ten raz, kiedy byłem w podróży służbowej w Wirginii. Było późno, po długim dniu pracy, a ja spędzałem czas na szczycie hotelowego parkingowego garażu, obserwując społeczeństwo’S Thing, zanim udałem się na wieczór, żeby spać przed kolejnym długim dniem. Było to zajęte czterokierunkowe skrzyżowanie u rogu garażu, w którym byłem, i nie mogłem’T pomóż, ale zauważ, że każdy samochód, który podjechał, był oświetlony od wewnątrz przez telefony. Nawet samochody z tylko kierowcą. Czasami były mądrzejsze niż średnia i nie używali ich telefonu, gdy zatrzymali się do światła, ale widziałem, jak wnętrze ich samochodu światła, gdy tylko zatrzymali się przy świetle. Widziałem wiele samochodów, którzy są przed nimi, którzy nie’Nie zwracam wystarczającej uwagi na światło.

Teraz wielu może skupić się na niebezpieczeństwach związanych z prowadzeniem pojazdu podczas rozproszenia lub robienia innych rzeczy, które ludzie musimy zrobić, jednocześnie rozproszony przez mały komputer w naszych rękach. Na pewno mieliby słuszne wskazanie tych niebezpieczeństw, ale ja nie’nie sądzę, że są to prawdziwe niebezpieczeństwa, które musimy rozważyć. Tak, zajmuje to tylko ułamek sekundy, aby zdarzył się śmiertelny wypadek, a to należy zapamiętać i to’s tragedia za każdym razem. Ale to, co zobaczyłem, kiedy stałem na tym garażu, patrząc w dół, nie było setki rozproszonych ludzi, ale setki węzłów, biorących informacje i dzieląc się nimi z innymi węzłami. W końcu pamiętaj, że nasza koncepcja perceptron jest tylko węzłem, który przyjmuje informacje, dokonuje wewnętrznych obliczeń, a następnie wysyła informacje do innych węzłów, z którymi jesteśmy powszechnie związani.

Gdy stałem tam, ludzie oglądam, nie mogłem’t, ale wizualizuj wiersze informacji wysyłanych od każdej osoby. Odpowiadając na łańcuch e -mail? Tweetując tysiące obserwujących na całym świecie? Lub czas twarzy z ukochaną osobą zaledwie kilka kilometrów dalej? Wszędzie widziałem połączenia, a informacje były udostępniane na odległości geograficzne, które byłyby całkowicie niewyobrażalne zaledwie kilka krótkich pokoleń temu. Podobieństwa do sieci neuronowej były oczywiste, skala była tuż przy wykresach.

Pokrętła i tarcze

W 2012 roku Facebook manipulował kanałami informacyjnymi około 700 tys. Użytkowników. To, co pogorszyło, było to bez ich zgody. Zrobili to w ciągu 1 tygodnia, zarządzając wyrazem twarzy, na które użytkownicy byli narażeni, aby sprawdzić, czy można wpłynąć na użytkowników’ emocje. Możesz przeczytać badanie tutaj.

“Pokazujemy, przez masywne (N = 689 003) Eksperyment na Facebooku, że stany emocjonalne mogą być przenoszone na innych poprzez zarażenie emocjonalne, prowadząc ludzi do doświadczenia tych samych emocji bez ich świadomości. Dostarczamy eksperymentalnych dowodów na to, że zarażenie emocjonalne występuje bez bezpośredniej interakcji między ludźmi (ekspozycja na przyjaciela wyrażającego emocje jest wystarczające), a przy całkowitym braku wskazówek niewerbalnych.” – Studiowanie na Facebooku na temat zarażenia emocjonalnego

Istnieją teorie spiskowe na ten temat i chcę poświęcić chwilę, aby się od tego odróżnić. Moim celem jest wypróbowanie tego, co uważam za pierwsze ‘PRAWDA’ AI, która pojawiła się online. Nie przyjmuję żadnych założeń co do intencji tych, którzy go zbudowali, ani ich działań, gdy już to mieli online. Moim celem jest opisanie tego, co uważam za podobieństwa między mediami społecznościowymi a technologiami uczenia maszynowego i co to znaczy dla społeczeństwa w ogóle. Może to, co się dzieje, jest naturalnym wynikiem przepustowości między ludźmi wzrastającymi tak drastycznie w tak krótkim czasie. Jest całkowicie możliwe, że jako ‘moc przetwarzania’ Wzrost ze względu na zwiększoną przepustowość, różne tryby rzeczywistości objawiają się w wyniku wzrostu informacji.

To’możliwe również, że różne grupy potężnych ludzi konkurują z innymi grupami potężnych ludzi, a my jesteśmy węzłami w ich ataku AI. Pchnij w konkretnej marce psychologicznie manipulowanej propagandzie i poproś armię dronów zaatakować Twój cel.

Oba są równie możliwe jak ja’M zainteresowany. Moim jedynym celem tego artykułu jest podejście do idei integracji między maszyną a biologią, aby stworzyć pierwszą, prawdziwą sztuczną inteligencję.

Wniosek

I’ll Grant, pomysł i’M leżenie tutaj nie jest tym, który koniecznie łączy się ze współczesnymi pomysłami na to, co ‘PRAWDA’ Sztuczna inteligencja byłaby. Mamy ten obraz w naszej wyobraźni, że możemy rozmawiać z naszym telefonem’s osoba. Zadaj to pytanie i odzyskaj odpowiedź.

Mój argument jest taki, że ta technologia już istnieje, to’S po prostu inaczej w niektórych szczegółach niż początkowo sobie wyobrażaliśmy. Ale jest tutaj i jest używany i że być może tak często w świecie technologii, musimy zmienić wyobrażenie o tym, co właściwie oznacza AI. Jeśli otworzę Twittera i tweetuję pytanie, otrzymam odpowiedź.

Odpowiedź, którą otrzymuję, będzie zależeć od węzłów w sieci, z którą najczęściej wchodziłem w interakcje, ale chodzi o to, że otrzymam odpowiedź, a przynajmniej dostanę odpowiedzi, z których mogę określić odpowiedź, która i tak naprawdę robi uczenie maszynowe.

Prawdziwa AI nie’jeszcze nie istnieje… to’S rozszerzona inteligencja

Sztuczna inteligencja jest z łatwością jednym z najpopularniejszych modnych słów w tym Oear, nawet wywołując gorące debaty między wybitnymi potentatami technologicznymi, piżmem i Zuckerburgiem na przyszłości AI.

Jednak jeden główny nadzór utrzymuje się – prawdziwa sztuczna inteligencja nie istnieje i nie będzie istniała przez co najmniej kolejną dekadę, według Boldiq CEO, Roei Ganzarski.

Zamiast tego, sugeruje, firmy technologiczne, które twierdzą ‘Ai’ faktycznie zapewniają tylko rozszerzoną inteligencję.

Podczas gdy wiele firm twierdzi, że zapewnia “Kierowany przez AI” Rozwiązania, w rzeczywistości oni’W najlepszym razie wykorzystanie technik uczenia maszynowego, opracowanie tego, co Ganzarski nazywa jako rozszerzoną inteligencję.

W rzeczywistości – IBM (który prawdopodobnie stworzył pierwszą technologię AI z Watsonem) zgadza się z tą definicją i wierzy dzisiaj’technologie S są bardziej oparte na danych niż kiedykolwiek, ale nie są’T już wystarczająco zaawansowane, aby myśleć same – tak definiuje się prawdziwą sztuczną inteligencję.

Podczas gdy HBO’S Westworld daje nam wgląd w przyszłość, w której ludzkie, samozwańcze Androidy są normą, ludzie będą musieli czekać kilka lat, gdy technologia przechodzi od interpretacji z góry określonych scenariuszy opartych na bibliotece danych do inteligentnego bota, który formułuje własne pomysły oparte na moralności/racjonalnym- ‘myślący’ dla siebie.

W wywiadzie dla wieków informacyjnych Ganzarski’S omówił, w jaki sposób, w jaki sposób, od tej luki, od rozszerzonej inteligencji do sztucznej inteligencji, zostanie pomostkowana, jak długo to zajmie i co przyniesie przyszłość AI.

Tam’jest obecnie dużo szumu wokół sztucznej inteligencji w prawie każdej branży, ale twierdzisz’T jeszcze istnieją. Jeśli nie są’T doświadczam prawdziwej sztucznej inteligencji, co widzimy zamiast tego?

Sztuczna inteligencja jest z łatwością jednym z najpopularniejszych modnych słów w tym roku, ale moim zdaniem nie istnieje jeszcze i nie będzie istniała przez pewien czas.

Zamiast tego firmy technologiczne twierdzą ‘Ai’ W rzeczywistości dostarczają to, co zdefiniowałbym jako rozszerzoną inteligencję-bardzo wyrafinowane, szybkie przetwarzanie decyzji lub oprogramowanie do obsługi decyzji oparte na scenariuszach w czasie rzeczywistym.

Jednak nawet te ułamkowe decyzje oparte na komputerze oparte są na wysoce rozwiniętych algorytmach, które zostały zaprogramowane w oprogramowaniu przez człowieka.

Te “Kierowany przez AI” Rozwiązania rzeczywiście wykorzystują zaawansowane technologie, ale twierdziłbym, że nie jest to jeszcze prawdziwa sztuczna inteligencja.

Aby zrozumieć moją opinię, powinniśmy spojrzeć na to, jak definiuje się AI.

W najprostszym języku AI jest komputerem (oprogramowanie, robot, nazwij to, co chcesz), który ma możliwość robienia rzeczy, które tylko człowiek może zrobić, i używać tego samego poziomu logiki i rozumowania, że ​​człowiek by zrobiłby człowiek. Ta ostatnia część jest kluczem.

Niektórzy mogą argumentować roboty, które po prostu robią to, co ludzie już istnieją, jak roboty mogą budować samochody, a nawet wykonywać zaawansowane obliczenia, a nawet mogą działać dobrze, jeśli nie lepiej, szybciej i bardziej spójne niż ludzie.

Jednak obecnie robią to zgodnie z zestawem zamówień, nie używając rozumowania lub logiki własnego tworzenia. Nawet osoby korzystające z uczenia maszynowego mówią komputerowi, co zrobić z kompilowanymi danymi i jak to zrobić “uczyć się”.

W rzeczywistości, już w konferencji Dartmouth Artificial Intelligence z 1956 r. McCarthy zdefiniował badanie nowej dziedziny AI jako następujące: Badanie ma kontynuować na podstawie przypuszczenia, że ​​każdy aspekt uczenia się lub inna cecha inteligencji może być zasadniczo dokładnie opisana, że ​​można jej symulować maszynę, aby ją symulować.

Zostanie podjęta próba znalezienia sposobu, w jaki maszyny używają języka, tworzenia abstrakcji i pojęć, rozwiązywanie rodzajów problemów zarezerwowanych dla ludzi i ulepszenie się.

Pozwalać’Spójrz na kilka przykładów, w których rozumowanie ludzkie ma kluczowe znaczenie w podejmowaniu decyzji i nie zostało jeszcze naśladowane przez komputer:

• • Z prostego: Samoloty z dowolnej linii lotniczej powinny być podane 45 minut na ziemi między lotami w celu rozładunku i obciążenia bagażu, a jego pasażerowie. Wyobraź sobie jednak, że pewien lot musiał się ogolić jedną minutę, aby uniknąć przewidywanych opóźnień. Planuje 44 minuty dobrze? A może zamiast tego dodać minutę? Czy maszyna będzie w stanie złamać ‘reguła’ 45 minut? Czy to uwzględnia personel, jaki mają na zmianę tego dnia i ich gotowość “gwar” zrobić wszystko, jeśli zostali zapytani?

Maszyna, ponieważ może nie być zaprogramowana do uwzględnienia konkretnych scenariuszy, prawdopodobnie nie będzie miał wszystkich informacji, które człowiek może znać lub wziąć pod uwagę.

• • Do bardziej złożonego: Samochód bez kierowcy stoi w obliczu uderzenia ściany, ryzykującym pasażerem’życie lub uderzenie grupy pieszych przechodzących przez ulicę. Możemy zaprogramować oprogramowanie zasilania samochodu do reakcji w określony sposób, ale ostatecznie oprogramowanie nie ma możliwości rozważenia problemów moralnych (i.mi. Kto jedzie w moim samochodzie, którzy są ludźmi na ulicy, ile mają lat’s najlepszy scenariusz przypadków) – że każdy kierowca rozważaby, gdyby kiedykolwiek miała to miejsce.

Mając na uwadze te przykłady, możemy wyciągnąć wniosek, że musimy jeszcze osiągnąć rzeczywistość, w której komputery osiągnęły racjonalne zdolności rozumowania i można je uznać za sztuczną inteligencję.

Czy możesz podzielić się kilkoma przykładami tego, w jaki sposób wykorzystywana jest dziś inteligencja rozszerzona?

Rozszerzona inteligencja jest wykorzystywana w prawie każdej branży, od technologii marketingowej po samochody własne. Niemal za każdym razem, gdy czytasz ‘Ai’ możliwości w wiadomościach, to’s faktycznie rozszerzona inteligencja.

Pomyśl o oprogramowaniu, które zdecydowało, jaki operator telefoniczny najlepiej odpowiedzieć na połączenie przychodzące w call center, aby zwiększyć prawdopodobieństwo pozytywnego wyniku połączenia lub programu, który decyduje, jaki ruch zatrzymuje światła, kiedy i w jakiej kolejności zmniejszyć prawdopodobieństwo zalania ruchu. Oba są rozszerzoną inteligencją.

Nawet oprogramowanie, które dostosowuje reklamę, która pojawia się, gdy ty’Ponowne przeglądanie stron internetowych w celu zwiększenia prawdopodobieństwa zakupu i zakupu treści jest zasilane przez rozszerzone wywiad. Ta technologia jest zintegrowana z prawie każdym aspektem naszego codziennego życia, niezależnie od tego, czy ją rozpoznajemy, czy nie.

Jak firmy ostatecznie wypełnią lukę od rozszerzonej inteligencji do sztucznej inteligencji? Jak długo to zajmie?

Jak wspomniałem powyżej, prawdziwa sztuczna inteligencja nie będzie istniała, dopóki technologia nie zacznie myśleć sama, ale to tylko linia bazowa. Jako ludzie, nasze decyzje i wiedza o tym, co jest słuszne, w porównaniu do złego, logicznego kontra nie, a nawet warte lub nie, kierują się trzema cechami: moralnością, etyką i logiką – być może kombinację można zdefiniować jako ludzkie rozumowanie.

Podczas gdy logika na poziomie powierzchni można zaprogramować na maszynę (i.mi. Jeśli tak się stanie, jest to odpowiednia odpowiedź), jest również głęboko zakorzeniona w moralności i etyce, które są wyuczone i zaszczepione u ludzi przez całe ich życie i przez pokolenia. Dopóki ten próg nie zostanie osiągnięty, będziemy żyć w erze zaawansowanego uczenia maszynowego i inteligencji rozszerzonej.

Czy są jakieś aplikacje rzeczywistych, na które powinniśmy się doczekać?

To ma prostą odpowiedź. Jeśli i po osiągnięciu sztucznej inteligencji nie będzie branży ani rynku, na który nie zostanie zastosowany.

To przejęcie AI w stylu Westworld jest możliwością w najbliższej przyszłości?

Podczas gdy HBO’S Westworld daje nam wgląd w przyszłość, w której ludzkie, samozwańcze Androidy są normą, prawda jest taka, że ​​jesteśmy dalekie od tej rzeczywistości i nie zaczniemy dostrzegać takiego świata przez dziesięciolecia-jeśli to się w ogóle się stanie.

Spekulacje na temat sztucznych botów, które mogą ‘myśleć’ dla siebie i żyć wśród nas każdego dnia, ludzie utożsamiają przyszłość sztucznej inteligencji, ale my’LL prawdopodobnie zacznij dostrzegać te technologie wdrażane w aplikacjach, które poprawiają nasze codzienne życie, takie jak pojazdy autonomiczne, obsługa klienta i wiele więcej.

Jednak kiedy zaczynamy widzieć prawdziwą sztuczną inteligencję, musimy mieć ustanowione przepisy.

Moim zdaniem, jeśli powstanie prawdziwa sztuczna inteligencja, co oznacza komputery, które w rzeczywistości mogą myśleć i zachowywać się tak jak ludzie, to dlaczego nie spodziewalibyśmy się, że będą się zachowywać jak ludzie?

Na przykład pomoc, pracuj, osiągaj… i tak, kłóć się, walcz, bądź gwałtowny i zabijaj. Jeśli jest to rozumowanie, które powinno napędzać nasze polityki, znacznie prostsze jest zdecydowanie, jakie zasady należy wprowadzić.

Wielka Brytania’Największa konferencja dla przywództwa technologicznego, liderów technologii, wraca 14 września, a ponad 40 najlepszych dyrektorów zapisało się, aby opowiedzieć o wyzwaniach i możliwościach związanych z najbardziej destrukcyjnymi innowacjami, przed którymi stoi przedsiębiorstwo. Zabezpiecz swoje miejsce na tym prestiżowym szczycie, rejestrując się tutaj

Nick Ismail

Nick Ismail jest redaktorem wieku informacyjnego. Szczególnie interesuje się inteligentnymi technologiami, sztuczną inteligencją i cyberbezpieczeństwem. Więcej autorstwa Nicka Ismaila

Ai nie’t rzeczywiście istnieją jeszcze

Odkryj naukę zmieniającą świat. Przeglądaj nasze cyfrowe archiwum z powrotem do 1845 roku, w tym artykuły ponad 150 laureatów Nagrody Nobla.

Scientific American Arabski

• Polityka prywatności
• Kalifornijskie oświadczenie o prywatności konsumentów
• Korzystanie z plików cookie/Nie sprzedaj moich danych
• Edycje międzynarodowe

Scientific American jest częścią Springer Nature, która jest właścicielem lub ma stosunki handlowe z tysiącami publikacji naukowych (wiele z nich można znaleźć na WWW.Springernature.com/nas). Scientific American utrzymuje ścisłą politykę niezależności redakcyjnej w zgłaszaniu rozwoju nauki naszym czytelnikom.

© 2023 Scientific American, A Division of Nature America, Inc.

Wszelkie prawa zastrzeżone.

Wsparcie dziennikarstwa naukowego.

Dziękujemy za przeczytanie Scientific American. Wiedza czeka.

Już subskrybent? Zalogować się.

Dziękujemy za przeczytanie Scientific American. Utwórz bezpłatne konto lub zaloguj się, aby kontynuować.

Kontynuuj czytanie z naukową amerykańską subskrypcją.

Możesz zrezygnować w każdej chwili.

Czy prawdziwa AI istnieje?

Autor

1. GEORGE SIEMENS, profesor, Center for Change and Complexuty in Learning, University of South Australia

Oświadczenie o ujawnieniu

George Siemens nie pracuje, nie konsultuje się, nie posiadał żadnych środków od żadnej firmy lub organizacji, która skorzystałaby z tego artykułu, i nie ujawniła żadnych istotnych powiązań poza ich nominacją akademicką.

Wzmacniacz

University of South Australia zapewnia finansowanie jako członek rozmowy AU.

W sierpniu 1955 r. Grupa naukowców złożyła wniosek o finansowanie 13 500 USD na prowadzenie letnich warsztatów w Dartmouth College, New Hampshire. Pole, które zaproponowali zbadanie, była sztuczna inteligencja (AI).

Podczas gdy wniosek o finansowanie było pokorne, domniemanie naukowców nie było: “Każdy aspekt uczenia się lub jakakolwiek inna cecha inteligencji może być tak precyzyjnie opisana, że ​​można wykonać maszynę do symulacji”.

Ponieważ te skromne początki, filmy i media romantyzowały sztuczną inteligencję lub rzuciły je jako złoczyńcę. Jednak dla większości ludzi AI pozostała punktem dyskusji, a nie częścią świadomego doświadczenia.

AI przybyła do naszego życia

Pod koniec ubiegłego miesiąca AI w postaci Chatgpt, uwolniła się od spekulacji science fiction i laboratoriów badawczych oraz na komputery stacjonarne i telefony. To’co’jest znany jako “generatywny AI” – Nagle sprytnie sformułowana monit może stworzyć esej lub złożyć przepis i listę zakupów lub stworzyć wiersz w stylu Elvisa Presleya.

Podczas gdy Chatgpt był najbardziej dramatycznym uczestnikiem w roku generatywnego sukcesu sztucznej inteligencji, podobne systemy wykazały jeszcze szerszy potencjał tworzenia nowych treści, z podpowiedziami tekstu do tworzenia żywych obrazów, które nawet wygrały konkursy artystyczne.

AI może jeszcze nie mieć żywej świadomości lub teorii umysłu popularnego w filmach i powieściach science fiction, ale przynajmniej zbliża się do zakłócenia tego, co naszym zdaniem mogą zrobić systemy sztucznej inteligencji.

Naukowcy ściśle współpracujący z tymi systemami omdlili w perspektywie wśród nich, jak w przypadku Google’S LAMDA Model Large Language (LLM). LLM to model, który został przeszkolony do przetwarzania i generowania języka naturalnego.

Generative AI wywołało również obawy o plagiat, wykorzystanie oryginalnych treści używanych do tworzenia modeli, etyki manipulacji informacjami i nadużycia zaufania, a nawet “koniec programowania”.

W centrum tego wszystkiego jest pytanie, które rośnie w potrzebie od czasu warsztatu letniego Dartmouth: czy AI różnią się od ludzkiej inteligencji?

Co robi ‘Ai’ Właściwie to znaczy?

Aby zakwalifikować się jako AI, system musi wykazać pewien poziom uczenia się i dostosowywania. Z tego powodu systemy decyzyjne, automatyzacja i statystyki nie są AI.

AI jest szeroko zdefiniowane w dwóch kategoriach: sztuczna wąska inteligencja (ANI) i sztuczna inteligencja ogólna (AGI). Do tej pory AGI nie istnieje.

Kluczowym wyzwaniem dla stworzenia ogólnej sztucznej inteligencji jest odpowiednio modelowanie świata z całą wiedzą, w spójny i użyteczny sposób. To’jest to masywne przedsięwzięcie, co najmniej.

Większość tego, co znamy jako AI, ma wąską inteligencję – gdzie dany system rozwiązuje określony problem. W przeciwieństwie do ludzkiej inteligencji, taka wąska inteligencja AI jest skuteczna tylko w obszarze, w którym został przeszkolony: na przykład wykrywanie oszustw, rozpoznawanie twarzy lub zalecenia społeczne.

AGI jednak działałoby tak jak ludzie. Na razie najbardziej znaczącym przykładem próby tego osiągnięcia jest zastosowanie sieci neuronowych i “głęboka nauka” Wyszkolony na ogromnych ilości danych.

Sieci neuronowe są inspirowane sposobem działania ludzkiego mózgu. W przeciwieństwie do większości modeli uczenia maszynowego, które uruchamiają obliczenia danych szkoleniowych, sieci neuronowe działają, zasilając każdy punkt danych jeden po drugim za pośrednictwem sieci powiązanej, za każdym razem dostosowując parametry.

Ponieważ coraz więcej danych jest podawanych za pośrednictwem sieci, parametry stabilizują się; Ostatecznym rezultatem jest “przeszkolony” Sieć neuronowa, która może następnie wytworzyć pożądane dane wyjściowe na nowych danych – na przykład rozpoznanie, czy obraz zawiera kota, czy psa.

Znaczący skok naprzód w AI jest dziś napędzany ulepszeniami technologicznymi w sposobie szkolenia dużych sieci neuronowych, dostosowując ogromną liczbę parametrów w każdym biegu dzięki możliwościom dużej infrastruktury komputerowej w chmurze. Na przykład GPT-3 (system AI, który zasila Chatgpt) to duża sieć neuronowa z 175 miliardami parametrów.

Czego AI musi pracować?

AI potrzebuje trzech rzeczy, aby odnieść sukces.

Po pierwsze, potrzebuje wysokiej jakości, obiektywne dane, I dużo. Naukowcy budujący sieci neuronowe korzystają z dużych zestawów danych, ponieważ społeczeństwo zdigitalizowało.

Współpulacja, do zwiększenia ludzkich programistów, pobiera swoje dane z miliardów linii kodu udostępnionych na GitHub. Chatgpt i inne duże modele językowe używają miliardów stron internetowych i dokumentów tekstowych przechowywanych online.

Narzędzia do obrazu tekstowego, takie jak stabilna dyfuzja, Dalle-2 i Midjourney, używają par tekstu obrazu z zestawów danych, takich jak Laion-5B. Modele AI będą nadal ewoluować w wyrafinowaniu i wpływie, gdy digitalizujemy więcej naszego życia i zapewniamy im alternatywne źródła danych, takie jak symulowane dane lub dane z ustawień gry, takie jak Minecraft.

AI potrzebuje również Infrastruktura obliczeniowa do skutecznego szkolenia. Ponieważ komputery stają się silniejsze, modele, które teraz wymagają intensywnych wysiłków i obliczeń na dużą skalę, mogą w najbliższej przyszłości obsługiwać lokalnie. Na przykład stabilna dyfuzja może być już uruchamiana na lokalnych komputerach, a nie środowiskach chmurowych.

Trzecia potrzeba sztucznej inteligencji jest Ulepszone modele i algorytmy. Systemy oparte na danych nadal szybkie postępy w dziedzinie po domenach, które kiedyś są uważane za terytorium ludzkiego poznania.

Jednak gdy świat wokół nas stale się zmienia, systemy AI muszą być stale przekwalifikowane przy użyciu nowych danych. Bez tego kluczowego etapu systemy AI przyniosą odpowiedzi, które są faktycznie niepoprawne lub nie uwzględniają nowych informacji’pojawił się, odkąd zostali przeszkoleni.

Sieci neuronowe nie są’t jedyne podejście do AI. Kolejnym wybitnym obozem w badaniach sztucznej inteligencji jest symboliczna sztuczna inteligencja – zamiast trawić ogromne zestawy danych, opiera się na zasadach i wiedzy podobnej do ludzkiego procesu tworzenia wewnętrznych symbolicznych przedstawień poszczególnych zjawisk.

Ale równowaga władzy mocno przechyliła się w kierunku podejść opartych na danych w ciągu ostatniej dekady, z “Ojcowie założyciele” o współczesnej głębokiej uczeniu się, która niedawno otrzymała nagrodę Turinga, odpowiednik Nagrody Nobla w dziedzinie informatyki.

Dane, obliczenia i algorytmy stanowią podstawę przyszłości AI. Wszystkie wskaźniki polegają na tym, że szybki postęp zostanie poczyniony we wszystkich trzech kategoriach w dającej się przewidzieć przyszłości.

• Sztuczna inteligencja (AI)
• Roboty
• Przetwarzanie danych
• Sieci neuronowe
• Chatboty

Czy sztuczna inteligencja (AI) istnieje bez ludzi?

Kilka lat temu sztuczna inteligencja (AI) ograniczała się tylko do rozrywki. Ludzie dziwiali moc tej technologii, ale dziś sztuczna inteligencja i uczenie maszynowe są gorącym tematem. W rzeczywistości większość ludzi w jakiś sposób w interakcji z tą technologią w życiu.

Używanie konwersacyjnych aplikacji AI w tekście i głosie wzrosło. Należą do nich wyrafinowani wirtualni asystenci i proste chatboty, które zautomatyzują obsługę klienta i przenieśli ją na inny poziom. Ta technologia zrewolucjonizowała również inne branże.

Nawet w przypadku tych zmian AI nie jest jeszcze samowystarczalne. To nasuwa pytanie: czy AI może istnieć bez ludzi?

AI potrzebuje ludzi, aby pozostali aktualni. Ryzyko nie nadąża za ludziami bez ludzi w pętli. Oto powody, dla których AI nadal potrzebuje ludzi.

Czy AI może istnieć bez ludzi, którzy to wspierają?

AI jest jedną z technologii ewoluujących w tempie wykładniczym. Maszyny napędzane AI działają lepiej, poruszają się szybciej i podnoszą większe obciążenia niż ludzie. Są tak inteligentni jak ludzie, więc mogą zrobić prawie wszystko.

Jednak technologia może’T idź naprzód bez pomocy ludzi. Istnieje potrzeba opracowania inżynierów i testowania systemów AI w celu rozwoju technologii. Dlatego ludzie i AI nie są wymienni, a AI mogą’T istnieje bez ludzi.

Wielu programistów twierdzi, że to’możliwe, że maszyny do samodzielnego myślenia w przyszłości. Jednak w prawdziwym świecie może to potrwać dziesięciolecia, ponieważ obecnie roboty są zaprogramowane i działają w ramach ich ramy. Zależą od kodów, które piszą ludzie, więc mogą’Pomyśl krytycznie poprzez złożone scenariusze.

Ponadto AI przetwarza dane, które ludzie wprowadzają do systemu. Bez interwencji ludzkich maszyny będą leżeć bezczynnie. Dlatego przestrzeń technologii AI wciąż nie jest daleka od osiągnięcia inteligencji podobnej do człowieka, aby pomóc jej działać bez pomocy ludzi. Maszyny mogą dostarczyć tylko wartości, o ile za nimi znajdują się ludzie.

Powody, dla których AI wygrał’t Wymień ludzi

· Brak intelektu emocjonalnego

Ludzie mają intelekt emocjonalny, ponieważ mogą wykazywać emocje, wyrażać uczucia, czytać gesty i wyraz twarzy, aby wiedzieć, co należy powiedzieć. Na przykład firmy mogą’T Zastąp ludzi sztucznej inteligencji w obsłudze klienta, ponieważ klienci chcą osobistych interakcji. Jakkolwiek są wyrafinowani, roboty mogą’T Pokaż klientom uczucia i empatię.

Firmy, które zastępują swoich przedstawicieli obsługi klienta robotami, stracą swoich klientów z powodu braku osobistej interakcji. W rzeczywistości dziś istnieje zwiększona potrzeba umiejętności miękkich, takich jak umiejętności negocjacyjne, umiejętności interpersonalne i umiejętności komunikacyjne, na rynku pracy niż umiejętności techniczne.

Chociaż systemy AI są dokładne i szybkie, one’nie empatyczne, intuicyjne lub wrażliwe kulturowo. Te umiejętności sprawiają, że ludzie są bardziej skuteczne niż maszyny.

· Ai może’T Pokaż uczucia

Ludzie wykazują uczucia, takie jak szczęście, smutek, nadzieja, przyjemność, życzliwość, wdzięczność, optymizm, a lista jest nieograniczona. Mogą czytać wyrażenia i emocje, które pokazują inni ludzie, ale maszyny obsługujące AI nie są do tego zaprogramowane.

Większość miejsc pracy na rynku wymaga powiązania między ludźmi z ludźmi i ustanowieniem zaufania, które pomaga ludziom otwierać, relaksować się i dzielić ich informacjami. To’Prawdą jest, że maszyny obsługujące AI-AI mogą naśladować ludzką mowę, ale mogą one’T Pokaż empatię i inne uczucia; Tak więc tęsknią za tym ludzkim dotykiem.

· Ludzie budują relacje

Ludzie budują relacje, które pomagają im osiągnąć kilka rzeczy. Chociaż oni’w stanie osiągnąć wiele rzeczy, gdy pracują jako zespół, wykazują również lepsze wyniki jako jednostki.

Członkowie zespołu wykazują emocjonalne zaangażowanie i więź podczas ich zaangażowania. Dzięki temu pokazują, że dbają o siebie nawzajem, swoją pracę i swoją firmę. Budowanie relacji pomaga ludziom znaleźć klientów, inwestorów i partnerów. Maszyny mogą’osiągnąć emocjonalną stronę ludzkiego zachowania.

· Móc’T wykonuj kreatywną pracę

Ludzie są w stanie wypełnić świetne projekty w sektorach kreatywnych, technologii i finansów niż AI. W rzeczywistości AI wzmacnia to, co ludzie robią w tych sektorach poprzez automatyzację zadań powtarzalnych, ręcznych i podatnych na błędy. Te inteligentne zautomatyzowane rozwiązania pozwalają pracownikom skupić się na zadaniach o wyższym priorytecie i kreatywnym, podczas gdy resztę działań wykonują.

· Móc’Twórz kreatywne rozwiązania

AI opiera się na kodach, które Don’t pozwól mu twórczo znaleźć rozwiązania dotyczące pojawiających się problemów. Pracują zgodnie z programem, które ograniczają ich zdolność do analizy kontekstu i opracowywania złożonych strategii.

Ludzie wchodzą w interakcje ze środowiskiem zewnętrznym i rozważają wpływ z zewnątrz podczas analizy informacji. Są w stanie pracować z zniekształconą wymianą informacji i nagłymi zmianami, gdy twórczo destylują wizję i strategię ze względu na krytyczny element zwany ludzką intuicję.

Wniosek

Pomimo szumu maszyny napędzane AI są zaprojektowane wyłącznie przez ludzi w celu rozwiązania określonych problemów. W tej chwili mogą’T Działaj samodzielnie. Każdy dalszy rozwój tej technologii zależy od inżynierów, specjalistów IT, naukowców z danych i innych. W rzeczywistości ktoś musi stworzyć te roboty i inne rodzaje algorytmów. W rezultacie ludzie mają więcej możliwości opracowywanych przez AI.