اتومبیل های مستقل از این دقیق نیستند. X posid

هر روز سربرگ های بی شماری از منابع بی شماری در سرتاسر جهان ظاهر می شوند، هر دو هشدار از عواقب ناگوار و امیدوار به آینده آئوتوری - همه به لطف هوش مصنوعی. AI "محل کار را تغییر می دهد،" می نویسد وال استریت ژورنال، در حالی که ثروت مجله به ما می گوید که ما با یک "انقلاب هوش مصنوعی" روبرو هستیم که "زندگی ما را تغییر می دهد". اما ما واقعا نمی فهمیم که چه ارتباطی با AI دارد یا چه چیزی باید باشد.

به هر حال، معلوم می شود که ما در حال حاضر یک مفهوم را داریم که می توانیم در هنگام فکر کردن در مورد AI استفاده کنیم: این چگونه ما در مورد حیوانات فکر می کنیم. به عنوان یک مربی سابق حیوانات (البته به طور خلاصه) که اکنون مطالعه می کند چگونه مردم از AI استفاده می کنند، می دانم که حیوانات و آموزش حیوانات می توانند به ما بسیار آموزنده درباره چگونگی تفکر، رویکرد و ارتباط با هوش مصنوعی، هم اکنون و هم درون آینده.

با استفاده از آنالیزهای حیوانی می تواند به افراد منظم کمک کند تا بسیاری از جنبه های پیچیده هوش مصنوعی را درک کنند. همچنین می تواند به ما در مورد چگونگی آموزش مهارت های جدید در این سیستم ها کمک کند و شاید مهمتر از آن اینکه چگونه ما می توانیم محدودیت های آنها را به درستی درک کنیم، حتی همانطور که فرصت های جدید AI را جشن می گیریم.

نگاهی به محدودیت ها

به عنوان متخصص AI مگی بودن توضیح می دهد"هوش مصنوعی به دنبال ساختن رایانه ها از انواع چیزهایی است که ذهن می تواند انجام دهد." محققان AI در حال کار بر روی آموزش کامپیوتر ها هستند تا دلیل، تصور، برنامه ریزی، حرکت و ایجاد ارتباطات را انجام دهند. AI می تواند الگوها را در مجموعه های داده های بزرگ ببیند، احتمال رخداد رخداد را پیش بینی کند، مسیر را برنامه ریزی کند، برنامه جلسه شخصی را مدیریت کند و حتی سناریو های جنگ بازی کند.

بسیاری از این قابلیت ها در خودشان بی نظیر هستند: البته یک ربات می تواند در اطراف یک فضای رول قرار بگیرد و با هیچ چیز برخورد نکند. اما به نوعی به نظر می رسد AI جادویی تر از زمانی است که کامپیوتر شروع به قرار دادن این مهارت ها برای انجام وظایف می کند.

برای مثال، خودروهای خودمختار را ببینید. ریشه های ماشین بدون راننده در یک پروژه 1980s، پروژه آژانس پیشرفته پیشرفته تحقیقاتی به نام " Autonomous Land Vehicle. اهداف این پروژه تشویق پژوهش به دید، تصور، برنامه ریزی و کنترل رباتیک رایانه بود. در 2004، تلاش ALV اولین بود چالش بزرگ برای اتومبیل های خود رانندگی. در حال حاضر، بیش از 30 سال از زمان تلاش آغاز شده، ما در حوالی ماشین های خودمختار یا خود رانندگی در بازار غیر نظامی هستیم. در سال های اولیه، تعداد کمی از افراد چنین تصور غیر ممکن بود: کامپیوترها نمی توانند رانندگی کنند!

چالش بزرگ DARPA باعث توسعه خودروهای خودگردان شد.

{youtube}M2AcMnfzpNg{/youtube}

با این حال، همانگونه که دیده ایم آنها می توانند. توانایی های اتومبیل های مستقل نسبتا آسان برای درک ما هستند. اما ما تلاش می کنیم تا محدودیت های خود را درک کنیم. پس از سقوط Tesla مرگبار 2015، جایی که کارکرد خودکار واگن خودرو قادر به درک عبور یک tractor-trailer به خط آن نیست، هنوز هم هنوز به نظر می رسد که درک گرانش این است که Autopilot تسلا محدود است. در حالی که شرکت و نرم افزار آن بود پاکیزه از غفلت توسط اداره ایمنی ترافیک بزرگراه ملی، مشخص نیست که مشتریان واقعا چه چیزی می توانند و نمی توانند انجام دهند.

اگر صاحبان تسلا به آنها نگفتند چه؟ رانندگی یک نسخه بتا از یک نسخه ی autopilot اما یک ماشین نیمه مستقل با همبستگی ذهنی یک کرم؟ به اصطلاح "هوش" که فراهم می کند "توانایی خود رانندگی کامل"واقعا یک کامپیوتر غول پیکر است که بسیار خوب در سنجش اشیاء و اجتناب از آنها، تشخیص اقلام در تصاویر و برنامه ریزی محدود است. این ممکن است چشم انداز های صاحبان را در مورد اینکه چقدر ماشین واقعا می تواند بدون ورود یا نظارت بر انسان انجام دهد تغییر دهد.

آن چیست؟

تکنولوژیست ها اغلب سعی در توضیح AI از لحاظ ساخت آن دارند. به عنوان مثال، پیشرفت هایی را که در یادگیری عمیق. این تکنیک است که از آن استفاده می کند شبکه های چند لایه برای یادگیری نحوه انجام یک کار شبکه ها باید حجم زیادی اطلاعات را پردازش کنند. اما به دلیل حجم داده هایی که نیاز دارند، پیچیدگی انجمن ها و الگوریتم ها در شبکه ها، اغلب برای انسان ها مشخص نیست که چگونه آنها یاد می گیرند چه کاری انجام می دهند. این سیستم ها ممکن است در یک کار خاص بسیار خوب باشند، اما ما واقعا آنها را درک نمی کنیم.

به جای فکر کردن به AI به عنوان چیزی غیرمستقیم یا بیگانه، آن را آسان تر به آنالیز کردن آنها را به حیوانات، nonhumanians هوشمند که ما آموزش تجربه.

برای مثال، اگر من استفاده کنم تقویت یادگیری برای آموزش یک سگ برای نشستن، سگ را ستایش می کنم و زمانی که او در فرمان نشسته است، رفتار می کند. با گذشت زمان، او می آموزد که فرمان را با رفتار رفتار درمان کند.

آموزش سگ برای نشستن بسیار شبیه آموزش هوش مصنوعی است.

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

آموزش سیستم AI می تواند بسیار مشابه باشد. که در تقویت یادگیری عمیقطراحان انسانی یک سیستم را ایجاد می کنند، آنچه که آنها می خواهند آن را یاد بگیرند، پیش بینی می کنند، اطلاعاتی را ارائه می دهند، اقدامات خود را تماشا می کنند و وقتی که آنها می خواهند آنچه را که می خواهند ببینند، بازخورد (مانند ستایش) را می دهند. در اصل، ما می توانیم سیستم AI را مانند ما با حیواناتی که در حال آموزش هستند، درمان کنیم.

این هماهنگی در سطحی عمیق نیز کار می کند. من انتظار نیست که سگ نشسته متوجه مفاهیم پیچیده مانند "عشق" یا "خوب" شود. من منتظر او هستم تا یک رفتار یاد بگیرم. درست همانطور که می توان سگ ها را برای نشستن، ماندن و رها کردن، ما می توانیم سیستم های AI را برای جابجایی اتومبیل ها در جاده های عمومی استفاده کنیم. اما انتظار می رود که خودرو به "حل" مشکلات اخلاقی است که می تواند در رانندگی در شرایط اضطراری رخ دهد.

کمک به محققان نیز

فکر کردن به AI به عنوان حیوان قابل اعتماد فقط برای توضیح دادن آن به عموم مفید نیست. همچنین برای محققان و مهندسین این فناوری مفید است. اگر یک دانشمند AI سعی در تدریس یک سیستم جدید داشته باشد، تفکر فرایند از منظر یک مربی حیوانات می تواند به شناسایی مشکلات و عوارض بالقوه کمک کند.

به عنوان مثال، اگر سعی می کنم سگم را برای نشستن تمرین کنم، و هر بار که می گویم "نشستن" زنگ زدن به فر شروع می شود، سگ من شروع به ارتباط می کند نه تنها با دستور من نشسته، بلکه با صدای زنگ هشدار در حقیقت، زنگ دیگر سیگنال می گوید که سگ به نشستن می نشیند، که به عنوان «تقویت تصادفی» نامیده می شود. اگر ما به دنبال تقویت تصادفی یا سیگنال در سیستم های AI که به درستی کار نمی کنند، بهتر است بدانیم که چه چیزی اتفاق می افتد اشتباه است، اما همچنین این که چه موارد خاصی برای آموزش مجدد موثر خواهد بود.

این به ما نیاز دارد تا درک آنچه پیام هایی را در هنگام آموزش AI و همچنین آنچه که AI در محیط اطراف مشاهده می کند، درک کنیم. زنگ هشدار یک مثال ساده است؛ در دنیای واقعی این بسیار پیچیده تر خواهد بود.

پیش از آن که ما از سرپرستان AI خودمان و زندگی و مشاغل خود را به روبات ها تحویل دهیم، باید مواظب باشیم و به نوعی از اطلاعاتی که ایجاد می کنیم فکر کنیم. آنها در انجام اقدامات خاص و یا وظایف بسیار خوب عمل می کنند، اما نمی توانند مفاهیم را درک کنند و چیزی نمی دانند. بنابراین وقتی فکر میکنید بمباران هزاران نفر برای یک ماشین جدید تسلا، به یاد داشته باشید که عملکرد خودکار خود را فقط یک کرم بسیار سریع و سکسی است. آیا واقعا می خواهید کنترل زندگی خود را بر عهده بگیرید و عزیزان خود را به کرم بسپارید؟ احتمالا نه، بنابراین دستان خود را بر روی چرخ نگه دارید و خوابید.

درباره نویسنده

هدر راف ، همکار ارشد تحقیقات ، گروه سیاست و روابط بین الملل ، دانشگاه آکسفورد ؛ دانشمند پژوهشی ، ابتکار امنیت جهانی ، دانشگاه ایالتی آریزونا

این مقاله در اصل در تاریخ منتشر شد گفتگو. دفعات بازدید: مقاله.

کتاب های مرتبط

at InnerSelf Market و آمازون