Keinotekoisesta älykkyydestä on tullut tosiasia joillakin talous- ja kuljetussegmenteillä, ja kun se leviää muilla alueilla, haluamme yhä enemmän varmistaa, että hallitsemme sitä, eikä päinvastoin. Vuodesta 2001 alkaen Space Odyssey Blade Runnerille, RoboCop The Matrixille, kun ihmiset käsittelevät tekoälyä, he väistämättä kohtaavat elokuvantekijöiden tumman fantasian.
Spike Jonesin viimeisin elokuva "Hän" ja Alex Garlandin tuleva "Out of the Machine" ovat jo omistettu keskuudessamme eläville tekoälyn luomuksille. Turingin testi on etusijalla, ja emme silti pysty määrittämään pääasiallista eroa sirujen ja koodin välillä lihasta ja verestä.
Jotkut Piilaakson kuuluisuudet ilmaisevat myös nämä huolenaiheet: Viime kuussa Elon Musk (Teslan ja SpaceX: n toimitusjohtaja) kuvaili tekoälyä "suurimmaksi eksistenssisiksi uhiksi" ihmiskunnalle. Mitä monet meistä eivät ymmärrä, ja kenties myös Elon Musk itse, on, että tekoäly ei ole uskomaton tekniikka, jota esiintyy vain elokuvantekijöiden ja tietokonegeniolaboratorioiden fantasioissa.
Monet älypuhelimistamme käyttävät alkeellisia tekoälytekniikoita kääntämiseen kielestä toiseen tai vastaamiseen kysymyksiimme; pelialalla AI: ta käytetään monimutkaisten ja jatkuvasti muuttuvien peliskenaarioiden luomiseen. Ja kun Piilaakson yritykset, kuten Google ja Facebook, jatkavat AI-yritysten ostamista ja palkkaavat asiantuntijoita, AI kasvaa edelleen.
Joten tekoäly ei ole Spielbergin elokuva?
Elokuvasta ei ole valituksia, mutta käsitteellä "tekoäly" on paljon pidempi historia kuin mitä Spielberg ja Kubrick näyttivät elokuvissaan. Keinotekoinen äly on juonnettu laskennan syntyyn 1950-luvulla, kun vain 14 vuotta yleiskäyttöön tarkoitetun tietokoneen määrittelemisen jälkeen Alan Turing pohti, voisiko kone ajatella.
Mainosvideo:
64 vuotta on kulunut, ja tämä ajatus miehittää edelleen, sisältyy elokuviin ja kirjoihin, ja siitä keskustellaan symposiumeissa. Se ei kaukana kaukana Turingin 1950-teoksessaan Computing Machines and Mind määritellyistä säännöistä, joissa hän ehdotti”jäljitelmäpeliä”, joka tunnetaan nyt Turingin testinä.
Kytke tietokone tekstipäätteeseen ja anna sen kommunikoida operaattorin kanssa todellisen henkilön kanssa. Testin ydin on, että kun pyydät operaattoria selvittämään, mikä hänen keskustelukumppanistaan oli ihminen, "operaattori tekee virheitä niin monta kertaa tämän pelin aikana, että hän voisi tehdä virheitä yrittäessään erottaa miehen naisesta".
Turing uskoi, että sen selvittäminen, pystyykö kone suorittamaan testin, olisi hyödyllisempää kuin vastaaminen epämääräiseen ja filosofiseen kysymykseen siitä, ajatteliko se vai ei. "Tästä aiheesta … Minusta on turhaa keskustella siitä." Tosi, Turing ajatteli, että vuoteen 2000 mennessä "kieli ja koulutus ovat muuttuneet niin paljon, että kuka tahansa voi kommunikoida ajattelukoneen kanssa ilman mitään ongelmia".
Kirjaimellisesti sanottuna hän ei ollut liian väärässä. Nykyään voit usein kuulla ihmisten sanovan, että heidän tietokoneensa ovat "tyhmiä" tai "huomaavaisia". Mutta vaikka ajattelemmekin enemmän ajattelukoneen määritelmää, tämä ajatus on lähempänä todellisuutta kuin monet saattavat ajatella.
AI on jo olemassa?
Suhteellisen. Turing-simulaatiopelin läpi olemme vielä kaukana siitä, että päinvastoin ilmoitetaan. Kesäkuussa chatbot Evgeny Gustman huijasi onnistuneesti kolmanneksen tuomarista suorittamalla Turingin testin Lontoossa vakuuttaen heille olevansa ihminen.
Mutta ajattelun sijasta, Eugene luottaa temppuja ja temppuja. Poseeraaminen 13-vuotiaana pojana, jolle englanti ei ole hänen äidinkielensä, kone selittyy tällä käytöksen monilla epäloogisilla näkökohdilla, mukaan lukien huono huumorintaju ja loukkaavat lausunnot, usein ohjaamalla keskustelun toiseen suuntaan.
Useimmat AI-kehittäjät yrittävät opettaa sen käsittelemään luonnollista kieltä, jotta voimme antaa komennon tutulla kielellä. Tätä lapset alkavat tehdä jo ennen ensimmäisen askeleen ottamista, ja tämä on koneelle erittäin vaikea tehtävä.
Mieti AI-tutkijoiden suosikkilausetta: "aika lentää kuin nuoli, hedelmät lentää kuin banaani." [leikki sanoilla:”aika lentää kuin nuoli, hedelmät lentävät rakastavat banaania”; lauseen toinen osa voidaan analogisesti ensimmäisen kanssa kääntää seuraavasti: "hedelmät lentää kuin banaani"]. Lauseen hajoaminen osatekijöihin hämmentää joskus jopa englannin kielen äidinkielenään puhuvia, puhumattakaan algoritmista.
Onko AI: lla puheongelmia?
Ei varmasti tällä tavalla. Itse asiassa AI: tä ei yleensä käytetä keskusteluihin. Joidenkin teistä pitäisi tietää tekoälystä ei tieteiskirjallisuuden tai Alan Turingin, vaan videopelien avulla, joissa AI: tä käytetään viittaamaan tietokoneohjattuihin vastustajiin.
Esimerkiksi ensimmäisen persoonan ampujassa AI hallitsee vihollisten liikkeitä antamalla heille mahdollisuuden väistää, kohdistaa ja ampua sinua ymmärtämättömillä tavoilla. Kilpapeleissä AI voi hallita kilpailevia ajoneuvoja. Kuten AI: n esimerkki, videopelit jättävät varmasti paljon toivomisen varaa. Mutta timantit on valmistettu timanteista, ja järjestelmän yksinkertaistetut säännöt tekevät yhdistelmästä jotain monimutkaista.
Otetaan esimerkiksi GTA V, jossa voit luoda kaupunkeja, joilla on oma elämä - kääntää nurkkaa ja löytää palokunnan, joka taistelee letkuun joutuneen kuljettajan kanssa; tai Kääpiö linnoitus, jossa gnomot asuvat luolissa, joilla on oma elämänsä, kuvioitu ja algoritmisesti yksityiskohtainen. Nämä syntyvät pelijärjestelmät osoittavat aivan uuden tavan, jonka AI voi kehittyä, yrittämättä matkia ihmistä, mutta kehittää "tarpeeksi hyvää" heuristiikkaa, joka muuttaa algoritmeista jotain täysin erilaista, kun skaalataan tarpeeksi.
Joten kaikki sijoittavat AI: hen parempien pelien tekemiseksi?
Ei. Apple ja Google, kuten yritykset, sijoittavat paljon rahaa AI: hen, yrittäen luoda virtuaalisia henkilökohtaisia avustajia kuten Siri ja Google Now.
Tämä voi olla hieman kaukana Turingin fantastisesta visiosta, mutta puhepalvelut tekevät pohjimmiltaan samaa kovaa työtä kuin ihminen. Heidän on kuunneltava ja ymmärrettävä puhuttua kieltä, päätettävä, mitä tietoja se sisältää, ja palautettava tulos sitten myös keskustelun muodossa. He eivät yritä pettää meitä uskomaan olevansa ihmisiä, mutta se tapahtuu itsestään. Koska kaikki laskenta tapahtuu pilvessä, mitä enemmän he kuulevat, sitä paremmin he ymmärtävät.
AI-tutkimuksen johtaminen ei kuitenkaan ole keskittynyt toistamaan ihmisen ymmärrystä maailmasta, vaan ylittämään se. Esimerkiksi IBM: n Watson tunnetaan tietokoneena, joka voitti Jeopardian! vuonna 2011 käyttämällä luonnollisen kielen ymmärtämistä vastausten löytämiseen neuvonantajan kysymyksiin. Mutta luonnollisen kielen ymmärtämisen lisäksi Watson osaa myös hyvin nopeasti lukea ja ymmärtää valtavia määriä jäsentämätöntä tietoa.
Jeopardy! -Tapauksessa hän työskenteli 200 miljoonalla sivulla dataa, mukaan lukien koko Wikipedian teksti. Watsonin todellinen tavoite on laajentaa koko Internetiin ja tarjota terveydenhuollon ammattilaisille kätevä mekanismi työskennellä. Onhan tutkijoita, jotka haluavat vain pelastaa ihmiskunnan.
Me kaikki kuolemme?
Voi olla. Pelkätään, että kun Watsonin kaltainen riittävän monipuolinen AI luodaan, sen teho kasvaa sille käytettävissä olevan prosessointitehon myötä. Mooren laki ennustaa, että laskentateho kaksinkertaistuu 24 kuukauden välein, joten on vain ajan kysymys, ennen kuin AI: sta tulee älykkäämpi kuin sen luojat ja se voi luoda vielä tehokkaamman AI: n, mikä johtaa sen kykyjen eksponentiaaliseen kasvuun.
Mutta mitä super-älykäs tekoäly tekee näillä ominaisuuksilla? Kaikki riippuu siitä, kuinka se on ohjelmoitu. Ongelmana on, että erittäin älykäs tietokone on erittäin vaikea ohjelmoida niin, että se ei vahingossa tuhoa ihmiskuntaa.
Oletetaan, että annat AI: lle tehtäväksi tehdä paperiliittimiä ja tehdä niistä mahdollisimman hyviä. Pian tarpeeksi, hän tajuaa, että niittituotannon parannukset voidaan saavuttaa parantamalla tuotantolinjaa. Mitä hän tekee seuraavaksi?
"Hän on esimerkiksi huolissaan siitä, että ihmiset eivät sammuta häntä, koska silloin paperiliittimiä ei tuoteta", Nick Bostrom selittää. Paperclip AI, Bostrom sanoo, “voi päästä eroon henkilöstä heti, koska he ovat uhka. Lisäksi hän tarvitsee mahdollisimman monta resurssia, koska niitä voidaan käyttää paperiliittimien tekemiseen. Esimerkiksi atomit ihmiskehoissa."
Kuinka selviytyä sellaisesta AI: stä?
Ainoa tapa, joka toimii joidenkin teoreetikkojen, kuten Ray Kurzweilin, Googlen teknologiajohtaja, mukaan, on sulkea AI. Ihmisten ei tulisi ajatella paitsi miten luoda älykäs AI, myös tämän aiheen eettistä puolta - ja ohjelmoida sen mukaan.
Lopulta koodin kirjoittaminen etsii vain ongelmia. Kone, jossa on ohjeet "tehdä ihmiset onnelliseksi", voi ratkaista tämän ongelman yksinkertaisesti implantoimalla elektrodit ihmisten aivoihin. Siksi pyydettäessä tekoälyä suurten filosofisten ongelmien ratkaisemiseksi meidän on varmistettava, että kone ymmärtää mikä on “hyvä” ja mikä on “paha”.
Tarvitsemme siis etiikkaohjelman ja kaikki menee hyvin?
Ei oikeastaan. Vaikka onnistumme estämään haitallisten älykkyysosien syntymisen, on edelleen kysymys siitä, miten yhteiskunta mukautuu keinoälyn kasvaviin kykyihin.
Teolliselle vallankumoukselle on ominaista useiden sellaisten työpaikkojen automatisointi, jotka ovat aiemmin tukeutuneet käsityöhön. Ei ole epäilystäkään siitä, että teollisuuden vallankumous oli ajanjakso, jolloin ihmisten hyvinvointi kasvoi merkittävimmin. Mutta tuon ajan vallankaappaus oli siinä tapauksessa ainutlaatuinen, ja on epätodennäköistä, että pystymme näkemään tämän uudelleen.
Mitä höyryvoima teki fyysisestä työstä, AI voi tehdä henkiselle työlle. Tämän alueen ensimmäiset uhrit ovat jo ilmestyneet: maailmassa ei ole taksien lähettämistä Hailon ja Uberin kanssa; pörssivälittäjän työ on muuttunut tarkalleen korkeataajuuskaupan käyttöönoton vuoksi; urheilu- ja uutistarinoita tehdään pian autoilla.
Todelliset muutokset ovat vasta alkamassa. Marraskuussa Goldman Sachs johti 15 miljoonan dollarin rahoituskierrosta Kensholle, taloudellisen datan analysointipalvelulle, joka käyttää tekoälyn tekniikoita parhaan ihmisen analyytikon ulottumattomissa. Se pystyy käsittelemään niin suurta määrää tietoa, että ihmiset ovat yksinkertaisesti voimattomia sen edessä.
Kensho-analytiikkaa voi käyttää Athena-kaltainen korkeataajuinen kauppayhtiö, joka käyttää sitä saavuttaakseen millisekunnin edun markkinoilla - tarpeeksi ansaitsemaan rahaa, jos vaihdat miljardeja dollareita.
Kun tällainen kauppa vaikuttaa yleisiin markkinoihin, Kensho voi toimittaa algoritmeja Forbesille ja korvata finanssianalyytikkonsa. Suurin osa yritysyhteenvedoista on yksi-yksi, ja jos tiedot ovat saatavilla jäsennellyssä muodossa, miksi tuhlata aikaa ihmisten kanssa?
Tällaiset muutokset ovat yleensä hyviä. Jos miljoonien ihmisten työ korvaa algoritmeja, he voivat tehdä jotain parempaa, työtuntien määrä vähenee ja pääsemme askeleen lähemmäksi utopiaa.