Niektórzy uważają, że rozprzestrzenianie się sztucznej inteligencji i robotyki zagraża naszej prywatności, naszej pracy, a nawet naszemu bezpieczeństwu. Coraz więcej zadań trafia do mózgów opartych na krzemie. Ale nawet najbardziej zagorzali krytycy nie mogą nie dostrzec oczywistych korzyści, jakie sztuczna inteligencja i zautomatyzowane systemy przygotowują dla ludzkości. W ramach projektu Grand Challenges BBC zgromadziło ekspertów, którzy przedstawili swoją wizję przyszłości w obecności maszyn i sztucznej inteligencji.
„Nie powinniśmy postrzegać sztucznej inteligencji jako czegoś, co z nami konkuruje, ale jako coś, co może zwiększyć nasze własne umiejętności” - mówi Takeo Kanade, profesor robotyki na Carnegie Mellon University. Ponieważ AI toleruje nudę, a także jest w stanie zidentyfikować wzorce znacznie lepiej i szybciej niż ludzie. Automatyzacja już zaczęła rozwiązywać najbardziej złożone węzły świata, od chorób po okrucieństwo.
I może uczynić nasze życie bezpieczniejszym w XXI wieku.
Zwalczanie chorób zakaźnych
Dla miliardów ludzi na całym świecie brzęczenie komarów w pobliżu ich uszu może oznaczać znacznie więcej niż irytujące ugryzienie - może być zwiastunem choroby, a nawet śmierci. Jeden gatunek, Aedes aegypti, rozprzestrzenił się w szczególności z Afryki do prawie wszystkich regionów tropikalnych i subtropikalnych, przenosząc gorączkę denga, żółtą febrę, zika i chikungunya (wirus powodujący okaleczający ból stawów). Sama denga zaraża każdego roku 390 milionów ludzi w 128 krajach.
„Ten komar to malutki demon” - mówi Rainier Mallol, inżynier komputerowy z Dominikany, która jest punktem zapalnym dla Ziki. Wraz z Desi Raja, lekarzem z Malezji (innego kraju zagrożonego zarażeniem wirusem), para opracowała algorytmy sztucznej inteligencji, które przewidują, gdzie najbardziej prawdopodobne jest wystąpienie epidemii.
Film promocyjny:
Projekt Premonition firmy Microsoft wykorzystuje drony do wyszukiwania patogenów w gorących punktach Zika
Ich sztuczna inteligencja w epidemiologii medycznej (Aime) to system, który łączy czas i lokalizację każdego nowego przypadku Dengue zgłoszonego przez lokalne szpitale z 274 innymi zmiennymi, takimi jak kierunek wiatru, wilgotność, temperatura, gęstość zaludnienia, typ mieszkania. „To są wszystkie czynniki, które determinują rozprzestrzenianie się komarów” - wyjaśnia Mallall.
Testy w Malezji i Brazylii wykazały, że potrafią przewidzieć wybuchy z dokładnością do 88% w ciągu trzech miesięcy. System pomaga również zlokalizować epicentrum wybuchu epidemii w odległości do 400 metrów, umożliwiając miejscowym lekarzom interwencję w czasie za pomocą środków owadobójczych i ochrony przed ukąszeniami dla mieszkańców.
Aime również ewoluuje, aby przewidywać wybuchy epidemii Zika i Chikungunya. Ogromne firmy technologiczne podchodzą do tego pomysłu na swój własny sposób: na przykład Microsoft Project Premonition wykorzystuje autonomiczne drony do wykrywania kieszeni komarów i wykorzystuje pułapki dwutlenku węgla i światła do łapania tych owadów. DNA komarów i zwierząt, które gryzą, jest następnie analizowane przez algorytmy maszynowe, które za każdym razem coraz lepiej odkrywają wzorce w gigantycznych ilościach danych - i znajdują patogeny.
Walka bronią
W ciągu ostatniego roku w Stanach Zjednoczonych w wyniku ostrzału zginęło 15 000 osób. Ten kraj ma najwyższy wskaźnik przemocy związanej z bronią w całym rozwiniętym świecie. Aby stawić czoła problemom masowego strzelania i przestępstw związanych z bronią, niektóre miasta w całym kraju zwracają się o pomoc do technologii.
Zautomatyzowany system, który słyszy odgłosy wystrzałów poprzez serię czujników, może być użyty do zlokalizowania miejsca wystrzału i zaalarmowania sił bezpieczeństwa w ciągu 45 sekund po naciśnięciu spustu. ShotSpotter wykorzystuje 15–20 czujników akustycznych na kilometr kwadratowy, aby wykryć charakterystyczny „trzask” wystrzału, lokalizując jego miejsce urodzenia z dokładnością do 25 metrów.
Technologie uczenia maszynowego służą do potwierdzenia, że dźwięk był wystrzałem z broni palnej, i zliczenia liczby oddanych strzałów, aby wskazać, czy policja zajmie się pojedynczym strzelcem, czy wieloma przestępcami i czy używa karabinów maszynowych, czy nie.
Już 90 miast - głównie w USA, ale także w Afryce Południowej i Ameryce Południowej - korzysta ze ShotSpottera. Małe systemy zostały również rozmieszczone w dziewięciu kampusach amerykańskich w odpowiedzi na niedawny ostrzał kampusu.
Ralph Clarke, dyrektor generalny ShotSpotter, uważa, że w przyszłości system ten może być używany do czegoś więcej niż tylko do prostego reagowania na incydenty.
„Chcemy zrozumieć, w jaki sposób nasze dane mogą zostać wykorzystane do przewidywania zdolności funkcjonariuszy policji” - mówi. „Uczenie maszynowe można łączyć z pogodą, ruchem drogowym i nie tylko, aby dokładniej informować patrole policyjne”.
Walka z głodem
Około 800 milionów ludzi na całym świecie polega na korzeniach manioku (manioku) jako głównym źródle węglowodanów. To bogate w skrobię warzywo podobne do ignamu jest spożywane jak ziemniak; można go również zmielić na mąkę do wyrobu chleba i wypieków. Może rosnąć tam, gdzie inne uprawy nie mogą, co sprawia, że maniok jest szóstą co do wielkości rośliną spożywczą na świecie. Jednak ten drzewiasty krzew jest również podatny na choroby i szkodniki, które mogą zniszczyć całe pola warzywne.
Naukowcy z Uniwersytetu Makerere w Kampali w Ugandzie połączyli siły z ekspertami ds. Chorób roślin, aby opracować zautomatyzowany system do zwalczania manioku. Projekt Mcrops umożliwia lokalnym rolnikom fotografowanie swoich roślin za pomocą tanich smartfonów i wykorzystywanie wizji komputerowej do wykrywania oznak czterech głównych chorób niszczących uprawy manioku.
„Niektóre z tych chorób są niezwykle trudne do rozpoznania i wymagają różnych działań” - wyjaśnia Ernest Mwebase, informatyk kierujący projektem. „Dajemy rolnikom kieszonkowego eksperta, aby wiedzieli, czy zapylać swoje uprawy, czy też niszczyć i sadzić coś innego”.
Ten system diagnozuje choroby manioku z 88-procentową dokładnością. Zazwyczaj rolnicy muszą wezwać ekspertów rządowych, aby odwiedzili gospodarstwa w celu zidentyfikowania chorób, co zajmuje kilka dni i tygodni, zanim choroba się rozprzestrzeni.
Mcrops umożliwia również przesyłanie migawek do bazy danych, która jest następnie wykorzystywana do diagnozowania epidemii. Mwebaze ma nadzieję, że technologia automatycznie wykryje problemy z innymi gatunkami roślin, takimi jak banany.
Walka z rakiem i utratą wzroku
Rak powoduje ponad 8,8 miliona zgonów na całym świecie, a 14 milionów ludzi każdego roku rozpoznaje jakąś formę raka. Wczesne wykrycie raka może znacznie zwiększyć szanse przeżycia i zmniejszyć ryzyko nawrotu. Badania przesiewowe są jednym z kluczowych sposobów wczesnego wykrywania raka, ale zrozumienie skanów i innych wyników badań jest bardzo, bardzo trudne i czasochłonne.
Google DeepMind może pomóc lekarzom leczącym raka za pomocą uczenia maszynowego, aby pomóc zidentyfikować zdrowe obszary tkanki pacjenta
DeepMind i IBM stosują swoje technologie AI do tego problemu. DeepMind nawiązał współpracę z brytyjskimi lekarzami NHS z University Colleges w Londynie, aby szkolić swój oparty na sztucznej inteligencji program leczenia raka poprzez oddzielanie obszarów zdrowej tkanki od guzów w skanach głowy i szyi. Współpracuje również ze szpitalem Moorfields Eye Hospital w Londynie, wykrywając wczesne oznaki utraty wzroku na skanach oczu.
„Nasze algorytmy są w stanie interpretować informacje wizualne ze skanów” - mówi Dominic King, szef kliniki w DeepMind Health. „System uczy się rozpoznawać potencjalne problemy i zalecać lekarzowi właściwy sposób postępowania. Jest za wcześnie, aby komentować wyniki, ale już są one bardzo zachęcające”.
King twierdzi, że techniki sztucznej inteligencji mogą pomóc lekarzom w szybszym diagnozowaniu, przeglądając skany i nadając priorytet tym, które są zalecane do natychmiastowego rozważenia.
IBM ogłosił niedawno, że sztuczna inteligencja firmy Watson może analizować obrazy i oceniać dane pacjentów, wskazując guz w 96% przypadków. System jest obecnie poddawany testom medycznym w 55 szpitalach na całym świecie, pomagając w diagnozowaniu raka piersi, płuc, jelita grubego, szyjki macicy, jajnika, żołądka i prostaty.
Bez wyłączania światła
Jak można zmaksymalizować sztuczną inteligencję w celu zbadania wykorzystania czystej, odnawialnej energii, aby zapobiec dalszym szkodom prowadzącym do problemów klimatycznych, podczas gorącej debaty na temat tego, czy zmiana klimatu mogła wywołać dwa katastrofalne huragany na skalę historyczną w Stanach Zjednoczonych?
Ludzie na całym świecie w coraz większym stopniu polegają na odnawialnych źródłach energii w walce ze zmianami klimatu i zanieczyszczeniami powodowanymi przez paliwa kopalne, a zadanie równoważenia sieci energetycznych za pomocą takich nieciągłych źródeł staje się coraz trudniejsze. Rozpowszechnianie się inteligentnych liczników - cyfrowych monitorów energii, które automatycznie rejestrują zużycie - dostarczy również wielu danych na temat tego, jak i kiedy konsumenci korzystają z energii. Sama Unia Europejska planuje zainstalować 500 milionów inteligentnych liczników w domach do 2020 roku.
„Zarządzanie wszystkimi tymi zasobami jest niemożliwe dla ludzi, ponieważ czasy reakcji często są rzędu kilku sekund” - mówi Valentin Robu, adiunkt ds. Inteligentnych systemów na Uniwersytecie Heriot Watt w Edynburgu. Współpracuje z brytyjską firmą Upside Energy, aby opracować nowe sposoby zarządzania sieciami elektroenergetycznymi.
Tworzą algorytmy uczenia maszynowego do monitorowania produkcji i zapotrzebowania na energię w czasie rzeczywistym. Co to znaczy? Energia ta będzie magazynowana w spokojnych godzinach, a następnie uwalniana w godzinach szczytu, na przykład rano, kiedy każdy chce zrobić sobie kawę. Ponieważ pojazdy elektryczne i baterie domowe stają się coraz bardziej rozpowszechnione, technologia może być wykorzystywana do magazynowania energii i równomiernego rozprowadzania energii odnawialnej.
Robu twierdzi również, że sztuczną inteligencję można wykorzystywać na jeszcze bardziej podstawowym poziomie, pomagając zmniejszyć nasze zapotrzebowanie na podłączone urządzenia. Na przykład lodówki mogą być sterowane bezpośrednio przez sztuczną inteligencję, tak aby włączały się tylko wtedy, gdy zapotrzebowanie na energię elektryczną jest najniższe w sieci.
Ilya Khel