Człowiek kontra sztuczna inteligencja (Ai)
Ludzi często nazywa się zwierzętami społecznymi ze względu na naszą tendencję do życia w społeczeństwie jako całości. Nazywamy się zwierzętami, ponieważ uważa się, że małpy były naszymi przodkami miliony lat temu. Przeszliśmy kolosalną metamorfozę w ciągu tych lat. Rozwinęliśmy mądrość i know-how, aby prowadzić nasze codzienne życie zupełnie inaczej niż zwierzęta. Wraz ze zmianą czasów nauczyliśmy się wielu etycznych i zwyczajowych norm, które odróżniają nas (ludzi) od zwierząt. Normy te ustanowiły pewne zasady i regulacje, podkreślając to, co jest dobre dla społeczeństwa, a co nie. Pracujemy nad tymi ustalonymi parametrami zgodnie z naszą wrodzoną inteligencją.
W ostatnich czasach natknęliśmy się na nową formę inteligencji znaną jako sztuczna inteligencja (AI). Jest to zawiła technologia, której zastosowania dopiero czekają na odpowiednie wykorzystanie. Zdaliśmy sobie sprawę, że koncepcja AI nie zawsze jest łatwa do zrozumienia. W wielu kręgach inteligencji toczy się debata na temat podatności ludzi na tę nowoczesną formę inteligencji. Są ludzie, którzy denerwują się, że AI pewnego dnia wyprzedzi ludzką inteligencję. Ten sam rodzaj strachu wyraziło wiele filmów. Jest to niekończąca się debata, ponieważ obawy ludzi wciąż rosną.
Czym więc dokładnie jest AI i jak działa?
Najprostszym sposobem zrozumienia AI jest odniesienie jej do czegoś, co już rozumiemy. Weźmy na przykład naszą własną inteligencję. Jak to działa? Na najbardziej podstawowym poziomie nasza własna inteligencja opiera się na prostej zasadzie. Przyjmujemy informacje, przetwarzamy je w naszym umyśle, a informacje pomagają nam działać zgodnie z informacjami.
3 ogólne etapy ludzkiej inteligencji to wejście, przetwarzanie i wyjście. W ludzkim mózgu wejście odbywa się w postaci odczuwania i postrzegania rzeczy oczami, nosem i uszami itp., które pobierają surowe dane wejściowe, a następnie je przetwarzają. Następnie otrzymujemy dane wyjściowe w postaci mowy i działań. Przetwarzanie odbywa się w środku, gdzie tworzona i odzyskiwana jest wiedza/dane wejściowe, podejmowane są decyzje i wnioski oraz zachodzi uczenie się/działanie.
Pomyśl o zdjęciu zatrzymania się na skrzyżowaniu drogi. Twoje oczy widzą, że sygnalizacja świetlna przed tobą właśnie zmieniła kolor na czerwony. Na podstawie tego, czego nauczyłeś się z doświadczenia (i edukacji kierowcy), wiesz, że czerwone światło oznacza, że powinieneś nacisnąć hamulec, aby zatrzymać samochód na światłach. Więc naciskasz pedał hamulca i zwalniasz samochód. Czerwone światło to surowe dane wejściowe, hamulec to wyjście, a wszystko pomiędzy to przetwarzanie.
Te aspekty ludzkiej inteligencji są równoległe do sztucznej inteligencji. Tak jak przyjmujemy informacje, przetwarzamy je i udostępniamy wyjście, tak samo mogą robić maszyny.
W maszynach część wejściowa AI jest przykładem różnych danych wejściowych, takich jak przetwarzanie języka naturalnego, rozpoznawanie mowy, rozpoznawanie wizualne i inne. Tego typu technologie są wszędzie, od samochodów autonomicznych, które muszą wyczuwać drogi i przeszkody, po Siri lub Asystenta Google, który rozpoznaje Twoją mowę. Może to przyjąć formę robotyki, systemów nawigacji i rozpoznawania mowy itp. Pomiędzy nimi mamy różne formy przetwarzania.
Podobnie jak mózg, który przechowuje wiedzę i wspomnienia, maszyny mogą tworzyć reprezentacje wiedzy, które pomagają im przechowywać informacje o świecie. Tak jak ludzie podejmują decyzje i działają zgodnie z nimi, maszyny mogą dokonywać prognoz, optymalizować pod kątem lepszego celu lub wyniku i określać następne preferowane kroki lub decyzje, aby osiągnąć określony cel i działać wydajnie.
Uczymy się rzeczy na przykładzie, obserwacji lub algorytmu, maszyny można nauczyć za pomocą analogicznych metod.
- Uczenie nadzorowane jest jak uczenie się na przykładzie: Komputer otrzymuje zbiór danych z „etykietami” w zbiorze danych, które działają jak odpowiedzi, a ostatecznie maszyna uczy się rozróżniać różne etykiety.
- Inne uczenie się, które jest nienadzorowane, jest jak uczenie się przez obserwację: Komputer obserwuje wzorce i uczy się rozróżniać grupy i wzorce na własną rękę. Nie wymaga etykiet i może być preferowane, gdy zbiory danych nie mają etykiet i są ograniczone.
Najdokładniejszy i najbardziej wydajny wynik AI wymaga połączenia różnych metod uczenia się.
Ale to nie wszystko, z rozwojem AI wiąże się również przerażający aspekt. Musimy pamiętać, że jest to technologia pozbawiona jakichkolwiek emocji. Kiedy mówimy o wynikach opartych na emocjach, po prostu nie można ich zastąpić ludzką inteligencją. Dla maszyny prawie niemożliwe jest wywnioskowanie rozwiązań wielu codziennych problemów ze względu na iloraz emocjonalny z nimi związany. AI nie może odróżnić dobra od zła. Działałaby na podstawie wcześniej zaprojektowanego algorytmu, niezależnie od tego, czy jest to na korzyść ludzkości, czy nie.
Dlatego nadszedł czas, abyśmy nakreślili linię ograniczającą konsekwencje AI. Musimy utrzymać status quo technologii, która jest wykorzystywana do wspierania kilku branż.