Strach przed robotyczną apokalipsą ukrywa prawdziwe problemy, przed którymi stoimy, pozwalając algorytmom rządzić naszym życiem. Zdaniem ekspertów w dziedzinie sztucznej inteligencji systematycznie zbliżamy się do pewnego punktu, po którym nie musimy już niczego wymyślać: sztuczna inteligencja zrobi wszystko sama, a maszyny będą się rozwijać wykładniczo. Jeśli tak się stanie, co się z nami stanie?
W ciągu ostatnich kilku lat wielu wybitnych naukowców, od Stephena Hawkinga po Elona Muska, ostrzegało nas, że powinniśmy być bardzo zaniepokojeni możliwymi niebezpiecznymi skutkami superinteligentnej sztucznej inteligencji. A swoje słowa popierają czynem: Musk patronuje OpenAI, organizacji rozwijającej sztuczną inteligencję, która przyniesie korzyści ludzkości.
Jednak wielu uważa, że ich obawy są przesadzone. Jak zauważa Andrew Ng z Uniwersytetu Stanforda, który jest również głównym naukowcem chińskiego giganta internetowego Baidu, martwienie się powstaniem maszyny jest jak obawa o przeludnienie Marsa.
Ale to oczywiście nie oznacza, że nasza rosnąca zależność od sztucznej inteligencji nie niesie żadnego rzeczywistego ryzyka. W rzeczywistości te zagrożenia już tu są. Ponieważ inteligentne systemy stają się coraz bardziej zaangażowane we wszystko, od opieki zdrowotnej po wymiar sprawiedliwości w sprawach karnych, istnieje niebezpieczeństwo, że przeoczone zostaną ważne elementy naszego życia.
Co więcej, sztuczna inteligencja może prowadzić do nieprzyjemnych konsekwencji, jeśli nie będziemy na nie przygotowani, np. Zmienimy nasze nastawienie do lekarzy na ostro wrogie.
Film promocyjny:
Dwa słowa o sztucznej inteligencji
Mówiąc prościej, są to maszyny, które wykonują czynności, które zwykle wymagają wysiłku umysłowego ze strony człowieka: rozumienie języka naturalnego, rozpoznawanie twarzy na zdjęciach, prowadzenie samochodów i tak dalej.
Istnieje różnica między mechanicznym manipulatorem na linii produkcyjnej, który jest zaprogramowany do wykonywania tego samego zadania, a manipulatorem, który samodzielnie uczy się wykonywania różnych zadań metodą prób i błędów.
W jaki sposób pomaga nam sztuczna inteligencja?
Wiodącym podejściem we współczesnej sztucznej inteligencji jest uczenie maszynowe, w którym programy są uczone do identyfikowania pewnych wzorców w dużych ilościach danych, takich jak identyfikacja twarzy na obrazie lub wykonanie zwycięskiego ruchu w grze planszowej. Tę metodę można zastosować do wielu różnych problemów. Na przykład naucz komputery rozpoznawania określonego wzoru na obrazach medycznych. DeepMind, firma zajmująca się sztuczną inteligencją należąca do Google, opracowuje oprogramowanie, które uczy się diagnozować raka i choroby oczu na podstawie skanów pacjentów. Inni używają uczenia maszynowego do wykrywania wczesnych objawów chorób serca i choroby Alzheimera.
Sztuczna inteligencja jest już wykorzystywana również do analizowania dużych ilości informacji molekularnych w poszukiwaniu potencjalnych nowych opcji leków - jest to proces niezwykle czasochłonny dla ludzi. Już wkrótce uczenie maszynowe może stać się niezbędne w medycynie.
Sztuczna inteligencja pomaga nam także zarządzać niezwykle złożonymi systemami, takimi jak globalny łańcuch dostaw. System w sercu terminalu kontenerowego Port Botany w Sydney zarządza dziesiątkami tysięcy kontenerów transportowych, flotą zautomatyzowanych pojazdów i tak dalej, całkowicie bez ludzi. W przemyśle wydobywczym coraz częściej stosuje się systemy optymalizacji do planowania i koordynowania przepływu zasobów, takich jak ruda żelaza.
Sztuczna inteligencja działa wszędzie, od finansów po transport, do latania samolotami i monitorowania giełdy. I chronią Twoją pocztę przed spamem. Ale to dopiero początek. W miarę rozwoju sztucznej inteligencji będzie coraz bardziej złożona i interesująca.
Jaki jest problem?
Zamiast martwić się o przyszłą rewolucję w dziedzinie sztucznej inteligencji, największym ryzykiem jest to, że możemy pokładać zbyt duże zaufanie w budowanych przez nas inteligentnych systemach. Wystarczy przypomnieć, że uczenie maszynowe uczy oprogramowanie do identyfikowania wzorców w danych. Po treningu przechodzi do analizy świeżych, jeszcze nie zbadanych danych. Ale kiedy komputer wypluwa odpowiedź, zwykle nie mamy pojęcia, jak do tego doszło.
Są tutaj oczywiste problemy. System jest tak dobry, jak dane, z których się uczy. Weź system wyszkolony do określania, którzy pacjenci z zapaleniem płuc są najbardziej narażeni na śmierć, aby zostali przyjęci do szpitala jako pierwsi. Powiedzmy, że nieumyślnie klasyfikuje pacjentów z astmą oskrzelową jako pacjentów niskiego ryzyka. Ponieważ zwykle osoby z astmą i zapaleniem płuc trafiają bezpośrednio na intensywną terapię, więc otrzymują leczenie zmniejszające ryzyko śmierci. Uczenie maszynowe postrzega to jako „astmę + zapalenie płuc = mniejsze ryzyko śmierci”.
Gdy sztuczna inteligencja uzyskuje dostęp do wszystkich dziedzin twojego życia, rośnie też ryzyko, że coś pójdzie nie tak - jeśli nie zostanie to przewidziane. A ponieważ większość danych, które przekazujemy do sztucznej inteligencji, jest niedoskonała, w większości przypadków nie powinniśmy oczekiwać doskonałych odpowiedzi. Budujemy sztuczną inteligencję na własny obraz i podobieństwo; najprawdopodobniej będzie „niezbyt”, jak my.
ILYA KHEL
