За последние несколько месяцев мой карьерный путь привел меня к изучению исследований и разработок, лежащих в основе технологий искусственного интеллекта (ИИ), а точнее, подкатегории ИИ, широко известной как машинное обучение. Чем больше времени я трачу на изучение этой темы, тем больше я вижу одну конкретную позицию, стоящую за подъемом ИИ — все в ужасе от наших надвигающихся повелителей роботов.

Я могу понять почему.

Различные источники поп-культуры, по сути, осуждают рост ИИ (термин Скайнет звучит знакомо?) и вселяют страх в сердца миллионов людей по всему миру. ИИ был продан нам как новое поколение подключенных технологий, которые делают нашу планету чище и эффективнее. У нас будут машины, которые будут обслуживать нас, возить нас повсюду, заказывать еду, подбирать новый гардероб — в общем, действовать как самый продвинутый личный помощник в мире. Однако наблюдатели, наблюдающие за развитием этой технологии, видят автоматизацию своей работы. Они видят неустойчивое будущее, в котором холодная, расчетливая машина взяла на вооружение наше экономическое общество и сделала это дешевле.

Если этот мир когда-нибудь станет реальностью, нам еще далеко до этого.

Любой, кто имеет опыт работы с ИИ, знает, какое влияние на эту индустрию оказывает человек по имени Алан Тьюринг с его знаменитым «тестом Тьюринга». Если человек может иметь непрерывный «текстовый» разговор с неизвестной сущностью (это может быть человек, это может быть машина) в течение 5 минут и не знать, является ли респондент человеком или системой — система пройти этот тест. На основе этого теста было завершено более 50 лет исследований, и система еще не прошла проверку. Исторически сильный ИИ был основан на программировании огромного количества человеческой логики в компьютер. Однако современные алгоритмы основаны на обучении — как в подростковом возрасте, так и на протяжении всей жизни. Вот как это работает:

  • Мы создаем алгоритм, способный к обучению (например, нейронные сети, генетические алгоритмы, деревья решений и т. д.).
  • Предоставим данные этому алгоритму (в виде входных данных).
  • Алгоритм обрабатывает входные данные, чтобы получить результат. Понимание того, как алгоритмы машинного обучения обрабатывают эти данные для получения результата, часто рассматривается как черный ящик.
  • Сравните выходные данные с тем, что вы ожидаете (известные целевые данные). Если не совпадает, обновите пространство знаний алгоритмов. В противном случае перейдите к следующему фрагменту данных.
  • Процесс обновления — это то, что мы считаем обучением. Эти алгоритмы, по сути, пытаются обобщить данную задачу — мы пытаемся научить его обобщать данную задачу максимально точно.
  • Разные алгоритмы подходят для разных задач. Например, нейронные сети предназначены для построения числовой модели мира (также известной как заданная задача) и использования математических функций (Sigmoid, Tahn, ReLU, Softmax, The Chain Rule и т. д.) для обработки данных и обновления построенной модели. «мира», в котором он живет.

Все, что мы создали до сих пор, великолепно… для ограниченного числа задач.

Эти машины даже не понимают, какие задачи они решают, они просто кажутся умными. Обычно они просто замечают закономерности в цифрах.

Однако во всех этих хороших новостях есть большое «НО». Я собираюсь объяснить, почему в названии этого поста есть слово «пока». Это потому, что эти разумные Машины получат представление о нашем мире из одного источника; Люди и наше взаимодействие с ними — вас это беспокоит?

Вернитесь в 2016 год и вспомните, когда Tay.ai от Microsoft штурмом покорил Twitter. Это была форма искусственного интеллекта, предназначенная для общения с людьми и обучения воспроизведению того, как мы говорим. Тай был искусственным интеллектом, который, вероятно, использовал алгоритмы машинного обучения, чтобы укрепить свои знания о том, что он считал социально приемлемым способом говорить. Однако Tay.ai оставался «подходящим» всего несколько часов — люди, учителя наших автономных машин, сломали Tay. Перейдите по следующей ссылке, чтобы увидеть, что мы сделали с «ней»…

Вот самые безумные расистские высказывания бота Microsoft Twitter

Обычная человеческая интуиция (по крайней мере, в интернете) — что-нибудь сломать. Это особенно верно, если он блестящий, новый и не принадлежит нам — так интернет работал годами. Хорошая это человеческая черта или плохая, решать вам. Как бы вы к этому не относились, эта черта будет напрямую влиять на наши «интеллектуальные» машины и то, как они думают о нас как о людях — по крайней мере, до тех пор, пока мы не найдем для них лучший источник, чтобы учиться у… может быть, инопланетян?

Подумайте о том, кого вы знаете, о своем кругу друзей, семье и коллегах — даже о тех, кого вы знаете из социальных сетей и новостей. Если бы вы создали нестареющую, компьютеризированную версию их личности (идентичную их настоящей во всех отношениях) — как бы вы себя чувствовали? Если вы чувствуете себя счастливым, то отлично, у вас есть удивительный круг общения — держитесь за это. Но я уверен, что каждый из вас сталкивался с человеком, которого, как вы надеетесь или даже хотели бы, вы никогда не встретите, — представьте их всех вместе в одном цифровом, автономном, «интеллектуальном» месте. Сердце вашего нового робота.

Я фитнес-атлет и инженер-программист со страстью к бодибилдингу и машинному обучению. У меня есть собственный блог и веб-сайт, где я обсуждаю эти и другие темы. Я даю ссылки на мой репозиторий Github, чтобы вы могли видеть мои незавершенные проекты и учетные записи в социальных сетях (Facebook, Instagram, Twitter и т. д.), чтобы вы могли следить за моей трансформацией в фитнесе.

http://lukealexanderjames.com/

Если вам нравится то, что вы читаете, пожалуйста, подержите некоторое время кнопку хлопка!