Vil kunstig intelligens ende med at blive virkelig dum?

Det er svært at komme overalt i disse dage uden at komme over nogen omtale af kunstig intelligens (AI). Du hører om det, du læser om det, og det er svært at finde et præsentationsdæk (på ethvert emne), der ikke nævner det. Der er ingen tvivl om, at der er en masse hype omkring emnet.

Mens hypen øger bevidstheden om AI, letter den også nogle temmelig fjollede aktiviteter og kan distrahere folk fra meget af de reelle fremskridt, der gøres. At løsne virkeligheden fra de mere dramatiske overskrifter lover at give betydelige fordele for både investorer, forretningsfolk og forbrugere.

Kunstig intelligens har fået sin nylige berygtethed i vid udstrækning på grund af høje profilsuksesser såsom IBM's Watson-sejr på Jeopardy og Googles AlphaGo slog verdensmesteren i spillet “Go”. Waymo, Tesla og andre har også gjort store fremskridt med selvkørende køretøjer. Ekspansiviteten af ​​AI-applikationer blev fanget af Richard Waters i EU Financial Times [her}: "Hvis der var en samlende meddelelse, der lå til grund for forbrugerteknologien på skærmen [på Consumer Electronics Show] ... var det: 'AI i alt'."

Højprofilerede AI-succeser har også fanget folks forestillinger i en sådan grad, at de har ført til andre vidtgående indsats. Et instruktivt eksempel blev dokumenteret af Thomas H. Davenport og Rajeev Ronanki i Harvard Business Review [her]. De beskriver, "I 2013 lancerede MD Anderson Cancer Center et 'moon shot' -projekt: diagnosticere og anbefale behandlingsplaner for visse former for kræft ved hjælp af IBM's Watson-kognitive system." Desværre fungerede systemet ikke og af 2017, " projektet blev sat på vent efter at omkostningerne toppede $ 62 millioner - og systemet var endnu ikke brugt på patienter. ”

Fiskevande også optaget på en anden meddelelse - den af ​​tempererede forventninger. Med hensyn til “stemmestyrede personlige assistenter” bemærker han, “det er ikke klart, teknologien er i stand til endnu at blive virkelig nyttig som en erstatning for smarttelefonen i navigering i den digitale verden” andet end at “spille musik eller tjekke nyheder og vejr ”.

Andre eksempler på tempererede forventninger bugner. Generva Allen fra Baylor College of Medicine og Rice University advarede [her], "Jeg vil ikke stole på en meget stor brøkdel af de opdagelser, der i øjeblikket gøres ved hjælp af maskinindlæringsteknikker, der anvendes til store datasæt." Problemet er, at mange af teknikkerne er designet til at levere specifikke svar, og forskning indebærer usikkerhed. Hun uddybte, "Nogle gange ville det være langt mere nyttigt, hvis de sagde: 'Jeg tror, ​​nogle af disse er virkelig samlet, men jeg er usikker på disse andre.'

Værre endnu er AI ikke kun i ekstreme tilfælde dårlige resultater; det er ikke engang blevet implementeret endnu. Det FT rapporter [her], "Fire i 10 af Europas opstart af" kunstig intelligens "bruger ingen kunstig intelligens-programmer i deres produkter, ifølge en rapport, der fremhæver hypen omkring teknologien."

Cykler med oppustede forventninger efterfulgt af bølger af skuffelse overrasker ikke dem, der har været omkring kunstig intelligens i et stykke tid: De ved alt for godt, dette er ikke den første rodeo for AI. Faktisk stammer meget af det konceptuelle arbejde ud til 1950'erne. Da jeg gennemgik nogle af mine noter for nylig, stødte jeg på et repræsentativt stykke, der udforskede neurale netværk med henblik på lagervalg - dateret fra 1993 [her].

Den bedste måde at få perspektiv på AI er at gå direkte til kilden, og Martin Ford giver os den mulighed gennem hans bog, Arkitekter af intelligens. Organiseret som en række af interviews med branchens førende forskere, forskere og iværksættere, giver bogen en nyttig historie med AI og fremhæver de vigtigste tankegange.

To indsigt på højt niveau fremgår af bogen. Den ene er, at til trods for interviewpersoners forskellige baggrunde og personligheder er der stor enighed om vigtige emner. Den anden er, at mange af prioriteringerne og bekymringerne i top AI-undersøgelser er meget mærkbart forskellige fra dem, der kommer til udtryk i mainstream medier.

Tag for eksempel begrebet kunstig generel intelligens (AGI). Dette hænger tæt sammen med forestillingen om "Singularitet", som er det punkt, hvor kunstig intelligens matcher menneskets - på sin vej til massivt at overskride menneskelig intelligens. Ideen har fanget folks bekymringer over AI, der inkluderer massivt tab af job, dræber og en række andre dramatiske manifestationer.

AIs førende forskere har meget forskellige synspunkter; som en gruppe er de helt uforstyrrede af AGI. Geoffrey Hinton, professor i datalogi ved University of Toronto og vicepræsident og ingeniørmedarbejder ved Google sagde: "Hvis dit spørgsmål er, 'Hvornår skal vi få en Commander Data [fra Star Trek TV-serien]', så jeg tro ikke, det er sådan, tingene vil udvikle sig. Jeg tror ikke, at vi får nogle ting, der er generelle formål. ”

Yoshua Bengio, professor i datalogi og driftsforskning ved University of Montreal, fortæller os, at ”der er nogle virkelig hårde problemer foran os, og at vi er langt fra AI på menneskelig niveau.” Han tilføjer, ”vi er alle sammen begejstret, fordi vi har gjort meget fremskridt med at klatre op på bakken, men når vi nærmer os toppen af ​​bakken, kan vi begynde at se en række andre bakker stige foran os. ”

Barbara Grosz, professor i naturvidenskab ved Harvard University, udtrykte sin mening, ”Jeg tror ikke, at AGI er den rigtige retning”. Hun hævder, at fordi forfølgelsen af ​​AGI (og håndteringen af ​​dens konsekvenser) er så langt ud i fremtiden, at de tjener som ”en distraktion”.

En anden almindelig tråd blandt AI-undersøgelserne er overbevisningen om, at AI skal bruges til forøge menneskelig arbejde snarere end erstatte det. Cynthia Breazeal, direktør for den personlige robotgruppe for MIT medielaboratorium, indrammer spørgsmålet: ”Spørgsmålet er, hvad der er synergi, hvad er komplementariteten, hvad er den udvidelse, der giver os mulighed for at udvide vores menneskelige evner med hensyn til hvad vi gør, der tillader os for virkelig at have større indflydelse i verden. ”Fei-Fei Li, professor i datalogi ved Stanford og chefforsker for Google Cloud, beskrev,“ AI som en teknologi har så stort potentiale til at forbedre og øge arbejdskraft, udover bare at erstatte det."

James Manyika, formand og direktør for McKinsey Global Institute bemærkede, da 60% af erhvervene har cirka en tredjedel af deres konstituerende aktiviteter automatisk, og kun ca. 10% af erhvervene har mere end 90% automatisk, “mange flere erhverv vil blive komplementeret eller udvidet med teknologier end vil blive erstattet. ”

Yderligere kan AI kun forøge menneskelig arbejdskraft, for så vidt det effektivt kan arbejde medmenneskeligt arbejde. Barbara Grosz påpegede, "Jeg sagde på et tidspunkt, at" AI-systemer er bedst, hvis de er designet med folk i tankerne "." Hun fortsatte: "Jeg anbefaler, at vi sigter mod at opbygge et system, der er en god teampartner og arbejder så godt sammen med os, at vi ikke genkender, at det ikke er menneskeligt."

David Ferrucci, grundlægger af Elemental Cognition og direktør for anvendt AI hos Bridgewater Associates, sagde, ”Den fremtid, vi ser for os ved Elemental Cognition, har menneskelig og maskinel intelligens tæt og flydende samarbejde.” Han uddybte, ”Vi betragter det som tanke-partnerskab. ”Yoshua Bengio minder os imidlertid om udfordringerne ved at danne et sådant partnerskab:” Det handler ikke kun om præcision [med AI], det handler om at forstå den menneskelige kontekst, og computere har absolut nul spor om det. ”

Det er interessant, at der er en vis mængde konsensus om nøgleideer, såsom AGI ikke er et særlig nyttigt mål lige nu, AI skal anvendes til at øge arbejdskraft og ikke erstatte det, og AI skal arbejde i partnerskab med mennesker. Det er også interessant, at de samme lektioner bæres af virksomhedserfaringer.

Richard Waters beskriver, hvordan AI-implementeringer stadig er på et ret rudimentært stadium i FT [her]: "Fjern den gee-whiz-forskning, der svirrer mange af overskrifterne (en computer, der kan slå mennesker på Go!), Og teknologien er på et rudimentært stadium." Han bemærker også, "Men ud over denne 'forbrugelse' af IT , der har lagt brugervenlige værktøjer i flere hænder, og det kræver en masse tunge løft at gennemgå en virksomheds interne systemer og processer. ”

At tunge løft tager tid, og undtagelsesvis få virksomheder er der. Ginni Rometty, leder af IBM, karakteriserer sine kunders applikationer som ”Tilfældige handlinger af digital” og beskriver mange af projekterne som “hit and miss”. Andrew Moore, leder af AI for Googles cloud-forretning, beskriver det som "Artisanal AI". Rometty uddyber, ”De har tendens til at starte med et isoleret datasæt eller bruge case - som strømlining af interaktioner med en bestemt gruppe kunder. De er ikke bundet til en virksomheds dybere systemer, data eller workflow, hvilket begrænser deres indvirkning. ”

Mens HBR tilfældet med MD Anderson Cancer Center giver et godt eksempel på et Moonshot AI-projekt, der sandsynligvis overskredet, det giver også en fremragende indikation af de typer arbejde, som AI kan forbedre materialet. På samme tid forsøgte centret at anvende AI til kræftbehandling, eksperimentede dens ”IT-gruppe med at bruge kognitive teknologier til at udføre langt mindre ambitiøse job, såsom at udarbejde hotel- og restaurantanbefalinger til patienternes familier og bestemme, hvilke patienter der havde brug for hjælp til at betale regninger og adressering af personalets it-problemer. ”

Læs hele historien her ...