Umano contro Intelligenza Artificiale (Ai)
Gli umani sono spesso chiamati animali sociali a causa della nostra tendenza a vivere nella società nel suo complesso. Siamo chiamati animali perché si crede che le scimmie siano state i nostri antenati milioni di anni fa. Abbiamo subito una colossale metamorfosi durante questi anni. Abbiamo sviluppato la saggezza e il know-how per condurre la nostra vita quotidiana in modo abbastanza diverso rispetto agli animali. Con il mutare dei tempi, abbiamo imparato molte norme etiche e consuetudinarie che ci differenziano (gli umani) dagli animali. Queste norme hanno stabilito alcune regole e regolamenti, sottolineando ciò che è buono per la società e ciò che non lo è. Lavoriamo su quei parametri stabiliti secondo la nostra intelligenza innata.
In tempi recenti, ci siamo imbattuti in una nuova forma di intelligenza nota come Intelligenza Artificiale (IA). È una tecnologia complessa le cui applicazioni devono ancora essere sfruttate correttamente. Ci siamo resi conto che il concetto di IA non è sempre facilmente comprensibile. È in corso un dibattito tra molte sezioni di intellettuali in merito alla vulnerabilità degli esseri umani da questa moderna forma di intelligenza. Ci sono persone che si irritano al pensiero che l'IA un giorno supererà l'intelligenza umana. Lo stesso tipo di paura è stato espresso da molti film. È un dibattito senza fine poiché le preoccupazioni delle persone continuano ad aumentare.
Quindi, cos'è esattamente l'IA e come funziona?
Il metodo più semplice per capire l'IA è mapparla a qualcosa che già comprendiamo. Prendi ad esempio la nostra stessa intelligenza. Come funziona? Al livello più elementare, la nostra intelligenza segue un semplice principio. Assorbiamo informazioni, le elaboriamo nella nostra mente e le informazioni ci aiutano ad agire in base alle informazioni.
I 3 passaggi generali dell'intelligenza umana sono input, elaborazione e output. Nel cervello umano, l'input avviene sotto forma di percezione e percezione delle cose attraverso gli occhi, il naso e le orecchie, ecc. che assorbono l'input grezzo e poi lo elaborano. Successivamente, otteniamo l'output sotto forma di parola e azioni. L'elaborazione avviene nel mezzo dove la conoscenza/gli input vengono formati e recuperati, vengono prese decisioni e inferenze e si verificano l'apprendimento/azione.
Pensa a una foto di una fermata a un incrocio stradale. I tuoi occhi vedono che il semaforo di fronte a te è appena diventato rosso. In base a ciò che hai imparato dall'esperienza (e dall'educazione alla guida), sai che una luce rossa indica che dovresti frenare per fermare l'auto a un semaforo. Quindi, premi il pedale del freno e deceleri l'auto. La luce rossa è l'input grezzo, il freno è l'output e tutto il resto è elaborazione.
Questi aspetti dell'intelligenza umana sono paralleli all'intelligenza artificiale. Proprio come noi assorbiamo informazioni, le elaboriamo e condividiamo l'output, così possono fare le macchine.
Nelle macchine, la parte di input dell'IA è esemplificata da vari input come l'elaborazione del linguaggio naturale, il riconoscimento vocale, il riconoscimento visivo e altro ancora. Questo tipo di tecnologie sono ovunque, dalle auto a guida autonoma che devono percepire le strade e gli ostacoli a Siri o Google Assistant che riconoscono il tuo discorso. Potrebbe assumere la forma di robotica, sistemi di navigazione e riconoscimento vocale, ecc. Nel mezzo, abbiamo varie forme di elaborazione che avvengono.
Abbastanza simile al cervello che immagazzina conoscenza e ricordi, le macchine possono creare rappresentazioni della conoscenza che le aiutano a immagazzinare informazioni sul mondo. Proprio come gli esseri umani prendono una decisione e agiscono di conseguenza, le macchine possono fare una previsione, ottimizzare per un obiettivo o un risultato migliore e determinare i prossimi passaggi o decisioni preferiti per raggiungere un obiettivo specifico e operare in modo efficiente.
Impariamo le cose attraverso l'esempio, l'osservazione o l'algoritmo, le macchine possono essere insegnate usando metodi analoghi.
- L'apprendimento supervisionato è come imparare con l'esempio: A un computer viene fornito un set di dati con "etichette" all'interno del set di dati che fungono da risposte e alla fine, la macchina impara a distinguere tra diverse etichette.
- Un altro apprendimento, che non è supervisionato, è come imparare attraverso l'osservazione: Un computer osserva i modelli e impara a distinguere tra gruppi e modelli da solo. Non richiede etichette e può essere preferibile quando i set di dati non hanno etichette e sono limitati.
Il risultato dell'IA più preciso ed efficiente richiede una combinazione di vari metodi di apprendimento.
Ma non è tutto, c'è anche un aspetto terrificante legato allo sviluppo dell'IA. Dobbiamo tenere presente che è una tecnologia priva di qualsiasi emozione. Quando parliamo di output basato sulle emozioni, non può semplicemente essere sostituito con l'intelligenza umana. Per una macchina, è quasi impossibile dedurre le soluzioni a molte complessità della vita quotidiana a causa del quoziente emotivo ad esse legato. L'IA non può distinguere tra giusto e sbagliato. Agirebbe sulla base dell'algoritmo predefinito, indipendentemente dal fatto che sia a favore dell'umanità o meno.
Quindi, è giunto il momento di tracciare una linea per limitare le ripercussioni dell'IA. Dobbiamo mantenere lo status quo della tecnologia che viene utilizzata per sfruttare diverse industrie.