Człowiek kontra sztuczna inteligencja (AI)
Ludzie są często nazywani zwierzęciem społecznym ze względu na naszą tendencję do życia w społeczeństwie jako całości. Jesteśmy nazywani zwierzętami, ponieważ uważa się, że małpy były naszymi przodkami miliony lat temu. Przeszliśmy kolosalną metamorfozę w ciągu tych lat. Rozwinęliśmy mądrość i wiedzę, jak prowadzić nasze codzienne życie zupełnie inaczej niż zwierzęta. Z biegiem czasu nauczyliśmy się wielu norm etycznych i zwyczajowych, które odróżniają nas (ludzi) od zwierząt. Normy te ustanowiły pewne zasady i przepisy, podkreślając, co jest dobre dla społeczeństwa, a co nie. Pracujemy na tych ustalonych parametrach 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 nie zostały jeszcze właściwie wykorzystane. Zdaliśmy sobie sprawę, że koncepcja AI nie zawsze jest łatwa do zrozumienia. Wśród wielu środowisk intelektualnych toczy się debata dotycząca podatności ludzi na tę nowoczesną formę inteligencji. Są ludzie, którzy irytują się, że AI pewnego dnia wyprzedzi ludzką inteligencję. Tego samego rodzaju obawy wyrażają liczne filmy. Jest to niekończąca się debata, ponieważ obawy ludzi stale rosną.
Czym więc dokładnie jest AI i jak działa?
Najprostszym sposobem na zrozumienie 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 kieruje się prostą zasadą. 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 odbierania i postrzegania rzeczy przez oczy, nos i uszy itp., które przyjmują surowe dane wejściowe, a następnie je przetwarzają. Następnie otrzymujemy wyjście w postaci mowy i działań. Przetwarzanie odbywa się pośrodku, gdzie tworzone i pobierane są wiedza/dane wejściowe, podejmowane są decyzje i wnioski oraz następuje uczenie się/działanie.
Pomyśl o obrazie zatrzymania się na skrzyżowaniu drogi. Twoje oczy widzą, że sygnalizacja świetlna przed tobą właśnie zmieniła się na czerwono. Na podstawie tego, czego nauczyłeś się z doświadczenia (i edukacji kierowcy), wiesz, że czerwone światło oznacza, że powinieneś użyć hamulca, aby zatrzymać samochód na światłach. Naciskasz więc 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 my przyjmujemy informacje, przetwarzamy je i dzielimy się wynikami, 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, które rozpoznają twoją mowę. Może to przybrać formę robotyki, systemów nawigacyjnych 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 przewidywań, optymalizować w celu uzyskania 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 mogą być uczone 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 odróżniać 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.
Najbardziej precyzyjny i 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 wyjściu opartym na emocjach, po prostu nie można go zastąpić ludzką inteligencją. Dla maszyny jest prawie niemożliwe wydedukowanie rozwiązań wielu codziennych zawiłości ze względu na iloraz emocjonalny z nimi związany. AI nie potrafi odróżnić dobra od zła. Działałaby na podstawie wcześniej zaprojektowanego algorytmu, bez względu na to, czy jest to na korzyść ludzkości, czy nie.
Dlatego nadszedł czas, abyśmy nakreślili linię, aby ograniczyć konsekwencje AI. Musimy utrzymać status quo technologii, która jest wykorzystywana do wzmacniania kilku branż.