, Moeten we bang zijn voor kunstmatige intelligentie? Voor mij, dit is een simpele vraag met een nog eenvoudiger, antwoord in twee letters:nee. Maar niet iedereen is het daarmee eens – veel mensen, waaronder wijlen natuurkundige Stephen Hawking, hebben de bezorgdheid geuit dat de opkomst van krachtige AI-systemen het einde voor de mensheid zou kunnen betekenen.

Duidelijk, uw mening over de vraag of AI de wereld zal overnemen, hangt af van of u denkt dat het intelligent gedrag kan ontwikkelen dat dat van mensen overtreft - iets dat 'superintelligentie' wordt genoemd. Dus laten we eens kijken hoe waarschijnlijk dit is, en waarom er veel zorgen zijn over de toekomst van AI.

Mensen zijn vaak bang voor wat ze niet begrijpen. Angst wordt vaak de schuld van racisme, homofobie en andere bronnen van discriminatie. Het is dus geen wonder dat het ook van toepassing is op nieuwe technologieën - ze zijn vaak omgeven met een bepaald mysterie. Sommige technologische prestaties lijken bijna onrealistisch, duidelijk de verwachtingen en in sommige gevallen menselijke prestaties overtreft.

Geen geest in de machine

Maar laten we de meest populaire AI-technieken demystificeren, gezamenlijk bekend als "machine learning". Hiermee kan een machine een taak leren zonder te worden geprogrammeerd met expliciete instructies. Dit klinkt misschien griezelig, maar de waarheid is dat het allemaal te maken heeft met nogal alledaagse statistieken.

De machine, dat is een programma, of liever een algoritme, is ontworpen met de mogelijkheid om relaties binnen de verstrekte gegevens te ontdekken. Er zijn veel verschillende methoden waarmee we dit kunnen bereiken. Bijvoorbeeld, we kunnen afbeeldingen van handgeschreven letters (a-z) aan de machine presenteren, een voor een, en vraag het om ons te vertellen welke letter we elke keer in volgorde laten zien. We hebben de mogelijke antwoorden al gegeven - het kan maar één van (a-z) zijn. De machine zegt aan het begin willekeurig een letter en wij corrigeren deze, door het juiste antwoord te geven. We hebben de machine ook geprogrammeerd om zichzelf opnieuw te configureren, zodat de volgende keer, indien dezelfde brief wordt aangeboden, het is waarschijnlijker dat het ons het juiste antwoord geeft voor de volgende. Als gevolg hiervan, de machine verbetert in de loop van de tijd zijn prestaties en "leert" het alfabet te herkennen.

In essentie, we hebben de machine geprogrammeerd om gemeenschappelijke relaties in de gegevens te benutten om de specifieke taak te volbrengen. Bijvoorbeeld, alle versies van "a" lijken qua structuur op elkaar, maar anders dan "b", en het algoritme kan hier misbruik van maken. interessant, na de opleidingsfase, de machine kan de opgedane kennis toepassen op nieuwe lettermonsters, bijvoorbeeld geschreven door een persoon wiens handschrift de machine nog nooit eerder heeft gezien.

mensen, echter, zijn goed in lezen. Misschien een interessanter voorbeeld is de kunstmatige Go-speler van Google Deepmind, die elke menselijke speler heeft overtroffen in hun prestaties van het spel. Het leert duidelijk op een andere manier dan mensen - door een aantal spelletjes met zichzelf te spelen die geen mens in zijn leven zou kunnen spelen. Het is specifiek geïnstrueerd om te winnen en verteld dat de acties die het onderneemt bepalen of het wint of niet. Ook zijn de spelregels verteld. Door het spel keer op keer te spelen, kan het in elke situatie ontdekken wat de beste actie is - zetten bedenken die nog geen mens heeft gespeeld.

Peuters versus robots

Maakt dat de AI Go-speler nu slimmer dan een mens? Zeker niet. AI is zeer gespecialiseerd in bepaalde soorten taken en toont niet de veelzijdigheid die mensen doen. Mensen ontwikkelen in de loop der jaren een begrip van de wereld dat geen enkele AI ooit heeft bereikt of waarschijnlijk binnenkort zal bereiken.

Het feit dat AI 'intelligent' wordt genoemd, is uiteindelijk te danken aan het feit dat het kan leren. Maar ook als het om leren gaat, het is geen partij voor mensen. In feite, peuters kunnen leren door te kijken naar iemand die een probleem een ​​keer oplost. een AI, anderzijds, heeft tonnen gegevens en heel veel pogingen nodig om te slagen. Maar terwijl mensen in de eerste levensjaren snel adembenemende intelligentie ontwikkelen, de belangrijkste concepten achter machine learning zijn niet zo verschillend van wat ze een of twee decennia geleden waren.

Het succes van moderne AI is minder te danken aan een doorbraak in nieuwe technieken en meer aan de enorme hoeveelheid data en rekenkracht die beschikbaar is. belangrijk, Hoewel, zelfs een oneindige hoeveelheid gegevens zal AI geen mensachtige intelligentie geven - we moeten eerst een aanzienlijke vooruitgang boeken bij het ontwikkelen van kunstmatige "algemene intelligentie" -technieken. Sommige benaderingen om dit te doen, omvatten het bouwen van een computermodel van het menselijk brein - wat we niet eens in de buurt hebben.

uiteindelijk, alleen omdat een AI kan leren, het volgt niet echt dat het plotseling alle aspecten van menselijke intelligentie zal leren en ons te slim af zal zijn. Er is geen eenvoudige definitie van wat menselijke intelligentie is en we hebben zeker geen idee hoe het precies wordt weergegeven in de hersenen. Maar zelfs als we het zouden kunnen uitwerken en dan een AI kunnen maken die zou kunnen leren intelligenter te worden, dat betekent niet noodzakelijkerwijs dat het meer succes zou hebben.

Persoonlijk, Ik maak me meer zorgen over hoe mensen AI gebruiken. Algoritmen voor machinaal leren worden vaak gezien als zwarte dozen, en er wordt minder moeite gedaan om de specifieke kenmerken van de oplossing die onze algoritmen hebben gevonden te bepalen. Dit is een belangrijk en vaak verwaarloosd aspect, omdat we vaak geobsedeerd zijn door prestaties en minder door begrip. Het is belangrijk om de oplossingen te begrijpen die deze systemen hebben ontdekt, omdat we ook kunnen beoordelen of het juiste of wenselijke oplossingen zijn.

Indien, bijvoorbeeld, we trainen ons systeem op een verkeerde manier, we kunnen ook eindigen met een machine die relaties heeft geleerd die in het algemeen niet gelden. Stel bijvoorbeeld dat we een machine willen ontwerpen om het vermogen van potentiële studenten in de techniek te evalueren. Waarschijnlijk een vreselijk idee, maar laten we het volgen voor het schudden van het argument. traditioneel, dit is een door mannen gedomineerde discipline, wat betekent dat trainingsvoorbeelden waarschijnlijk afkomstig zijn van eerdere mannelijke studenten. Als we er niet zeker van zijn, bijvoorbeeld, dat de trainingsgegevens in evenwicht zijn, de machine zou kunnen concluderen dat technische studenten mannelijk zijn, en het onjuist toepassen op toekomstige beslissingen.

Machine learning and artificial intelligence are tools. They can be used in a right or a wrong way, like everything else. It is the way that they are used that should concerns us, not the methods themselves. Human greed and human unintelligence scare me far more than artificial intelligence.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.