Robotin apokalypsin pelko piilottaa kohtaamamme todelliset ongelmat ja antaa algoritmien hallita elämäämme. Tekoälyn asiantuntijoiden mukaan olemme siirtymässä tasaisesti tiettyyn pisteeseen, jonka jälkeen meidän ei enää tarvitse keksiä mitään: tekoäly tekee kaiken itsestään ja koneet kehittyvät räjähdysmäisesti. Jos näin tapahtuu, mitä meistä tulee?
Viime vuosina monet tunnetut tutkijat Stephen Hawkingista Elon Muskiin ovat varoittaneet meitä siitä, että meidän on oltava erittäin huolissamme superintelligentin tekoälyn mahdollisista vaarallisista tuloksista. Ja he tukevat sanojaan toiminnalla: Musk suojelee OpenAI: ta, organisaatiota, joka kehittää tekoälyä, joka hyödyttää ihmiskuntaa.
Monet pitävät kuitenkin pelkoaan liioiteltuina. Kuten Andrew Ng Stanfordin yliopistosta, joka on myös kiinalaisen Internet-jättiläisen Baidun johtava tutkija, huomauttaa, huoli koneiden kapinasta on kuin huolta Marsin ylikuormituksesta.
Mutta tämä ei tietenkään tarkoita, että kasvava riippuvuutemme tekoälystä ei aiheuta todellisia riskejä. Itse asiassa nämä riskit ovat jo täällä. Kun älykkäät järjestelmät osallistuvat entistä enemmän kaikkeen terveydenhuollosta rikosoikeuteen, on olemassa vaara, että tärkeät osa elämäämme jätetään huomiotta.
Lisäksi tekoäly voi johtaa epämiellyttäviin seurauksiin, jos emme ole valmiita niihin esimerkiksi muuttamaan suhtautumistamme lääkäreihin voimakkaasti vihamielisiksi.
Mainosvideo:
Muutama sana tekoälystä
Yksinkertaisesti sanottuna nämä ovat koneita, jotka tekevät asioita, jotka yleensä vaativat henkilön henkistä ponnistelua: ymmärtävät luonnollista kieltä, tunnistavat kasvot valokuvista, ajavat autoja ja niin edelleen.
On eroa tuotantolinjan mekaanisen manipulaattorin, joka on ohjelmoitu suorittamaan sama tehtävä, ja manipulaattorin, joka oppii itsenäisesti suorittamaan erilaisia tehtäviä kokeilun ja virheen kautta.
Kuinka tekoäly auttaa meitä?
Tekoälyn johtava lähestymistapa on nykyään koneoppiminen, jossa ohjelmia koulutetaan tunnistamaan tietyt mallit suurina tietomääriin, kuten tunnistamaan kuvassa olevat kasvot tai tekemään voittopätkä lautapelissä. Tätä menetelmää voidaan soveltaa monenlaisiin ongelmiin. Esimerkiksi kouluta tietokoneita tunnistamaan tietty malli lääketieteellisissä kuvissa. Googlen omistama tekoälyyritys DeepMind kehittää ohjelmistoa, joka oppii diagnosoimaan syöpää ja silmäsairauksia potilaskuvien avulla. Toiset käyttävät koneoppimista havaitsemaan sydänsairauksien ja Alzheimerin taudin varhaiset merkit.
Tekoälyä käytetään jo myös suurten molekyylitietojen analysointiin etsimällä uusia mahdollisia lääkevaihtoehtoja - prosessi, joka on erittäin aikaa vievää ihmisille. Koneoppimisesta voi tulla hyvin pian lääketieteen kannalta välttämätöntä.
Tekoäly auttaa meitä myös hallitsemaan erittäin monimutkaisia järjestelmiä, kuten globaalia toimitusketjua. Sydneyssä sijaitsevan Port Botanyn konttiterminaalin ytimessä oleva järjestelmä hallitsee kymmeniä tuhansia konttikontteja, automatisoituja ajoneuvokantoja ja niin edelleen täysin ilman ihmisiä. Kaivosteollisuudessa optimointijärjestelmiä käytetään yhä enemmän resurssien, kuten rautamalmin, liikkumisen suunnittelussa ja koordinoinnissa.
Tekoäly toimii kaikkialla, rahoituksesta kuljetukseen, lentämään lentokoneita ja seuraamaan pörssiä. Ja ne suojaavat postiasi roskapostilta. Mutta tämä on vasta alkua. Tekoälyn kehittyessä siitä tulee yhä monimutkaisempi ja mielenkiintoisempi.
Mikä on ongelma?
Suurimman riskin sijasta on huoli tulevasta tekoälyn vallankumouksesta, että voimme luottaa liikaa rakentamiemme älykkäisiin järjestelmiin. Muista, että koneoppiminen kouluttaa ohjelmistoja tietojen kuvioiden tunnistamiseksi. Harjoittelun jälkeen se analysoi tuoreita, vielä tutkimattomia tietoja. Mutta kun tietokone sylkee vastauksen, meillä ei yleensä ole aavistustakaan, miten se tuli siihen.
Tässä on ilmeisiä ongelmia. Järjestelmä on vain yhtä hyvä kuin tiedot, joista se oppii. Ota järjestelmä, joka on koulutettu määrittämään, mitkä potilaat, joilla on keuhkokuume, kuolevat todennäköisemmin, jotta heidät otetaan ensin sairaalaan. Sanotaan, että hän luokittelee vahingossa potilaat, joilla on keuhkoastma, matalan riskin potilaiksi. Koska normaalisti astmaa ja keuhkokuumetta sairastavat ihmiset menevät suoraan tehohoitoon, joten he saavat hoitoa, joka vähentää kuoleman riskiä. Koneoppiminen pitää tätä "astma + keuhkokuume = pienempi kuoleman riski".
Kun tekoäly pääsee käsiksi kaikkiin elämäsi alueisiin, niin myös riski, että jokin menee pieleen - ellei sitä ennakoida. Ja koska suurin osa tekoälylle syöttämistämme tiedoista on epätäydellisiä, meidän ei pitäisi useimmissa tapauksissa odottaa täydellisiä vastauksia. Rakennamme tekoälyä omaksi kuvaksemme ja kaltaisellemme; todennäköisesti hän on "ei kovin", kuten me.
ILYA KHEL
