Strah pred robotsko apokalipso skriva resnične težave, s katerimi se soočamo, in omogoča, da algoritmi upravljajo naše življenje. Po mnenju strokovnjakov s področja umetne inteligence se vztrajno premikamo proti določeni točki, po kateri nam ni treba več ničesar izumljati: umetna inteligenca bo naredila vse sama, stroji pa se bodo eksponentno izboljšali. Če se to zgodi, kaj bo z nami?
V zadnjih nekaj letih so nas mnogi ugledni znanstveniki, od Stephena Hawkinga do Elona Muska, opozorili, da bi morali biti zelo zaskrbljeni zaradi možnih nevarnih izidov superinteligentne umetne inteligence. In svoje besede podpirajo z akcijo: Musk pokrovitelj OpenAI, organizacije, ki razvija umetno inteligenco, ki bo koristila človeštvu.
Vendar mnogi menijo, da so njihovi strahovi pretirani. Kot ugotavlja Andrew Ng z univerze Stanford, ki je tudi glavni znanstvenik kitajskega internetnega velikana Baidu, je skrb za strojno vstajo kot skrb za prenatrpanost Marsa.
Toda to seveda ne pomeni, da naša vedno večja odvisnost od umetne inteligence ne predstavlja resničnih tveganj. Dejansko so ta tveganja že tu. Ko se inteligentni sistemi vse bolj vključujejo v vse, od zdravstvenega varstva do kazenskega pravosodja, obstaja nevarnost, da bomo spregledali pomembne dele našega življenja.
Poleg tega lahko umetna inteligenca povzroči neprijetne posledice, če nismo pripravljeni nanje, na primer spremenimo odnos do zdravnikov do močno sovražnega.
Promocijski video:
Dve besedi o umetni inteligenci
Preprosto povedano, gre za stroje, ki delajo stvari, ki običajno zahtevajo duševne napore človeka: razumevanje naravnega jezika, prepoznavanje obrazov na fotografijah, vožnja z avtomobili itd.
Razlika je med mehanskim manipulatorjem na proizvodni liniji, ki je programiran za izvajanje iste naloge, in manipulatorjem, ki se samostojno nauči izvajati različne naloge s poskusi in napakami.
Kako nam AI pomaga?
Vodilni pristop pri umetni inteligenci je trenutno strojno učenje, v katerem se programi usposobijo za prepoznavanje določenih vzorcev v velikih količinah podatkov, na primer prepoznavanje obraza na sliki ali premikanje v zmagovalni igri. Ta metoda se lahko uporablja za najrazličnejše težave. Na primer, usposobite računalnike za prepoznavanje določenega vzorca na medicinskih slikah. DeepMind, podjetje za umetno inteligenco v lasti Googla, razvija programsko opremo, ki se nauči diagnosticirati raka in očesne bolezni na podlagi pregledov bolnikov. Drugi uporabljajo strojno učenje za odkrivanje zgodnjih znakov bolezni srca in Alzheimerjeve bolezni.
Umetna inteligenca se že uporablja tudi za analizo velikih količin molekularnih informacij v iskanju potencialnih novih možnosti zdravil - postopek, ki je za ljudi izjemno dolgotrajen. Kmalu bo strojno učenje postalo nepogrešljivo za medicino.
Umetna inteligenca nam pomaga tudi pri vodenju izjemno zapletenih sistemov, kot je globalna dobavna veriga. Sistem v središču kontejnerskega terminala Port Botany v Sydneyu upravlja brez deset ljudi na desettisoče ladijskih zabojnikov, floto avtomatiziranih vozil in tako naprej. V rudarski industriji se optimizacijski sistemi vedno bolj uporabljajo za načrtovanje in usklajevanje pretoka virov, kot je železova ruda.
AI deluje povsod, od financ do prevoza, letenja z letali in spremljanja borze. In ščitijo vašo pošto pred neželeno pošto. Toda to je šele začetek. Ko se AI razvija, bo postajal vedno bolj zapleten in zanimiv.
V čem je problem?
Namesto da bi nas skrbelo za prihodnjo revolucijo umetne inteligence, je največje tveganje, da bomo preveč zaupali inteligentnim sistemom, ki jih gradimo. Ne pozabite, da strojno učenje usposobi programsko opremo za prepoznavanje vzorcev v podatkih. Po treningu nadaljuje z analizo svežih, še ne proučenih podatkov. Ko pa računalnik izpljune odgovor, običajno ne vemo, kako je prišel do njega.
Tu so očitne težave. Sistem je tako dober kot podatki, iz katerih se uči. Vzemite sistem, usposobljen za določanje, pri katerih bolnikih s pljučnico je verjetneje, da bodo umrli, da bodo najprej sprejeti v bolnišnico. Recimo, da bolnike z bronhialno astmo nehote uvrsti med bolnike z majhnim tveganjem. Ker ljudje z astmo in pljučnico običajno hodijo neposredno na intenzivno nego, zato dobijo zdravljenje, ki zmanjšuje tveganje za smrt. Strojno učenje to vidi kot "astma + pljučnica = manjše tveganje za smrt."
Ko AI dobi dostop do vseh področij vašega življenja, se tveganje, da bo šlo kaj narobe - če tega ni predvideno, povečuje. In ker je večina podatkov, ki jih pošiljamo umetni inteligenci, nepopolnih, v večini primerov ne smemo pričakovati popolnih odgovorov. Umetno inteligenco gradimo po svoji podobi in podobnosti; najverjetneje bo "ne zelo", kot mi.
ILYA KHEL
