Xe tự hành không thông minh hơn thế này. X posid

Mỗi ngày có vô số tiêu đề xuất hiện từ vô số nguồn trên toàn cầu, cả hai cảnh báo hậu quả thảm khốc và tương lai không tưởng đầy hứa hẹn - tất cả là nhờ trí tuệ nhân tạo. AI đang biến đổi nơi làm việc Wall Street Journal, trong khi Vận may tạp chí cho chúng ta biết rằng chúng ta đang phải đối mặt với một cuộc cách mạng của AI, điều đó sẽ thay đổi cuộc sống của chúng ta. Tuy nhiên, chúng ta không thực sự hiểu việc tương tác với AI sẽ như thế nào - hoặc nó sẽ như thế nào.

Tuy nhiên, hóa ra chúng ta đã có một khái niệm mà chúng ta có thể sử dụng khi chúng ta nghĩ về AI: Đó là cách chúng ta nghĩ về động vật. Là một cựu huấn luyện viên động vật (dù chỉ là một thời gian ngắn) hiện đang nghiên cứu cách mọi người sử dụng AI, tôi biết rằng huấn luyện động vật và động vật có thể dạy chúng ta khá nhiều về cách chúng ta phải suy nghĩ, tiếp cận và tương tác với trí tuệ nhân tạo, cả bây giờ và trong Tương lai.

Sử dụng tương tự động vật có thể giúp những người thường xuyên hiểu được nhiều khía cạnh phức tạp của trí tuệ nhân tạo. Nó cũng có thể giúp chúng ta suy nghĩ về cách tốt nhất để dạy các hệ thống này các kỹ năng mới và, có lẽ quan trọng nhất là làm thế nào chúng ta có thể nhận thức đúng về những hạn chế của chúng, ngay cả khi chúng ta tôn vinh những khả năng mới của AI.

Nhìn vào những hạn chế

Là chuyên gia AI Maggie Boden giải thích, Trí thông minh nhân tạo tìm cách làm cho máy tính thực hiện những điều mà trí óc có thể làm. Các nhà nghiên cứu AI đang làm việc để dạy máy tính suy luận, nhận thức, lập kế hoạch, di chuyển và tạo ra các hiệp hội. AI có thể thấy các mẫu trong các tập dữ liệu lớn, dự đoán khả năng xảy ra sự kiện, lên kế hoạch tuyến đường, quản lý lịch họp của một người và thậm chí chơi các kịch bản trò chơi chiến tranh.

Bản thân nhiều khả năng này không có gì đáng ngạc nhiên: Tất nhiên một robot có thể lăn quanh một không gian và không va chạm với bất cứ thứ gì. Nhưng bằng cách nào đó AI có vẻ kỳ diệu hơn khi máy tính bắt đầu kết hợp các kỹ năng này để hoàn thành các nhiệm vụ.

Lấy ví dụ, xe tự trị. Nguồn gốc của chiếc xe không người lái nằm trong dự án của Cơ quan Dự án Nghiên cứu Quốc phòng Tiên tiến Thời đại 1980 được gọi là Xe tự hành. Mục tiêu của dự án là khuyến khích nghiên cứu về tầm nhìn, nhận thức, lập kế hoạch và kiểm soát robot. Trong 2004, nỗ lực ALV đã trở thành lần đầu tiên Thử thách lớn cho xe tự lái. Bây giờ, hơn 30 năm kể từ khi nỗ lực bắt đầu, chúng tôi đang ở trên đỉnh của những chiếc xe tự lái hoặc tự lái trong thị trường dân sự. Trong những năm đầu, ít người nghĩ rằng một kỳ tích như vậy là không thể: Máy tính không thể lái!

DARPA Grand Challenge đã thúc đẩy sự phát triển của các phương tiện tự trị.

{youtube}M2AcMnfzpNg{/youtube}

Tuy nhiên, như chúng ta đã thấy, họ có thể. Khả năng của những chiếc xe tự trị tương đối dễ hiểu đối với chúng tôi. Nhưng chúng tôi đấu tranh để hiểu được những hạn chế của họ. Sau Vụ tai nạn Tesla gây tử vong, trong đó chức năng lái tự động của chiếc xe không thể cảm nhận được một chiếc xe đầu kéo băng qua làn đường của nó, dường như rất ít người nắm bắt được lực hấp dẫn của việc tự động thực sự bị hạn chế của Tesla. Trong khi công ty và phần mềm của nó là xóa bỏ sơ suất bởi Cục Quản lý An toàn Giao thông Quốc lộ, vẫn chưa rõ liệu khách hàng có thực sự hiểu những gì chiếc xe có thể và không thể làm.

Điều gì sẽ xảy ra nếu chủ sở hữu Tesla được thông báo không phải là họ lái xe phiên bản beta beta của một chiếc xe tự lái mà là một chiếc xe bán tự trị với tương đương tinh thần của một con sâu? Cái gọi là trí thông minh của người Viking cung cấpkhả năng tự lái đầy đủThực sự là một máy tính khổng lồ khá giỏi trong việc cảm nhận các vật thể và tránh chúng, nhận ra các vật phẩm trong hình ảnh và kế hoạch hạn chế. Điều đó có thể thay đổi quan điểm của chủ sở hữu về chiếc xe thực sự có thể làm được bao nhiêu mà không cần đầu vào hay giám sát của con người.

Nó là gì?

Các nhà công nghệ thường cố gắng giải thích AI theo cách nó được xây dựng. Lấy ví dụ, những tiến bộ được thực hiện trong học kĩ càng. Đây là một kỹ thuật sử dụng mạng nhiều lớp để học cách làm một nhiệm vụ. Các mạng cần xử lý một lượng lớn thông tin. Nhưng do khối lượng dữ liệu họ yêu cầu, sự phức tạp của các liên kết và thuật toán trong các mạng, nên thường không rõ ràng cho con người về cách họ học những gì họ làm. Các hệ thống này có thể trở nên rất tốt trong một nhiệm vụ cụ thể, nhưng chúng tôi không thực sự hiểu chúng.

Thay vì nghĩ về AI như một thứ gì đó siêu phàm hay người ngoài hành tinh, việc tương tự chúng với động vật trở nên dễ dàng hơn, những người thông minh mà chúng ta có kinh nghiệm đào tạo.

Ví dụ, nếu tôi sử dụng học tăng cường để huấn luyện một con chó ngồi, tôi sẽ khen ngợi con chó và cho nó đối xử khi nó ngồi chỉ huy. Theo thời gian, anh sẽ học cách liên kết mệnh lệnh với hành vi với điều trị.

Dạy một con chó ngồi rất giống như đào tạo một trí thông minh nhân tạo.

{youtube}5-MA-rGbt9k{/youtube}

Đào tạo một hệ thống AI có thể rất giống nhau. Trong củng cố học tập sâu, các nhà thiết kế của con người đã thiết lập một hệ thống, hình dung những gì họ muốn nó học hỏi, cung cấp thông tin, xem hành động của nó và đưa ra phản hồi (như khen ngợi) khi họ thấy những gì họ muốn. Về bản chất, chúng ta có thể đối xử với hệ thống AI giống như chúng ta đối xử với động vật mà chúng ta đang huấn luyện.

Sự tương tự cũng hoạt động ở cấp độ sâu hơn. Tôi không mong đợi con chó ngồi hiểu được những khái niệm phức tạp như tình yêu của Hay hay. Tốt. Tôi đang mong nó học một hành vi. Cũng giống như chúng ta có thể khiến chó ngồi, ở lại và lăn qua, chúng ta có thể khiến các hệ thống AI di chuyển ô tô quanh các con đường công cộng. Nhưng đó là quá nhiều để mong đợi chiếc xe đếngiải quyết" các vấn đề đạo đức có thể phát sinh trong trường hợp lái xe khẩn cấp.

Giúp các nhà nghiên cứu quá

Nghĩ về AI như một động vật có thể huấn luyện không chỉ hữu ích cho việc giải thích nó với công chúng. Nó cũng hữu ích cho các nhà nghiên cứu và kỹ sư xây dựng công nghệ. Nếu một học giả AI đang cố gắng dạy cho một hệ thống một kỹ năng mới, nghĩ về quá trình từ quan điểm của một người huấn luyện động vật có thể giúp xác định các vấn đề hoặc biến chứng tiềm ẩn.

Chẳng hạn, nếu tôi cố gắng huấn luyện chú chó của mình ngồi, và mỗi khi tôi nói là ngồi ngồi, thì tiếng chuông của lò sẽ tắt, con chó của tôi sẽ bắt đầu không chỉ ngồi với lệnh của tôi, mà còn với âm thanh của còi của lò nướng. Về bản chất, tiếng chuông trở thành một tín hiệu khác bảo con chó ngồi, được gọi là sự củng cố tình cờ. sai, nhưng những gì đào tạo lại cụ thể sẽ có hiệu quả nhất.

Điều này đòi hỏi chúng ta phải hiểu những thông điệp mà chúng ta đang đưa ra trong quá trình đào tạo AI, cũng như những gì AI có thể quan sát được trong môi trường xung quanh. The buzzer lò là một ví dụ đơn giản; trong thế giới thực, nó sẽ phức tạp hơn nhiều.

Trước khi chúng tôi chào đón các lớp phủ AI của chúng tôi và bàn giao cuộc sống và công việc của chúng tôi cho robot, chúng tôi phải tạm dừng và suy nghĩ về loại trí thông minh mà chúng tôi đang tạo ra. Họ sẽ rất giỏi trong việc thực hiện các hành động hoặc nhiệm vụ cụ thể, nhưng họ không thể hiểu các khái niệm và không biết gì. Vì vậy, khi bạn đang suy nghĩ về bắn ra hàng ngàn Đối với một chiếc xe Tesla mới, hãy nhớ chức năng lái tự động của nó thực sự chỉ là một con sâu rất nhanh và gợi cảm. Bạn có thực sự muốn trao quyền kiểm soát cuộc sống của bạn và cuộc sống của những người thân yêu của bạn cho một con sâu không? Có lẽ là không, vì vậy hãy giữ tay trên bánh xe và đừng ngủ.

Giới thiệu về Tác giả

Heather Roff, Nghiên cứu viên cao cấp, Khoa Chính trị & Quan hệ Quốc tế, Đại học Oxford; Nhà khoa học nghiên cứu, Sáng kiến ​​an ninh toàn cầu, Arizona State University

Bài viết này ban đầu được xuất bản vào Conversation. Đọc ban đầu bài viết.

Sách liên quan

at Thị trường InnerSelf và Amazon