Ringkasan artikel: AI True tidak’t masih ada … itu’S Augmented Intelligence

Dalam artikel ini, penulis membahas konsep kecerdasan buatan (AI) dan pembelajaran mesin. Mereka menyatakan bahwa sementara AI telah menjadi topik hangat dan pencapaian teknologi yang signifikan, AI yang benar belum ada. Penulis menjelaskan dasar -dasar AI dan pembelajaran mesin, menekankan pentingnya perseptron dalam sistem ini. Mereka menggambarkan perceptron mirip dengan neuron di otak manusia, menyoroti peran yang mereka mainkan dalam memproses dan mentransmisikan informasi. Selain itu, penulis menjelaskan proses pelatihan model AI dan pentingnya perambatan kembali dalam meningkatkan akurasi mereka. Mereka juga mencatat bahwa AI tetap sangat terspesialisasi dan tidak memiliki keserbagunaan kecerdasan manusia.

1. Bagaimana ai dan pembelajaran mesin berbeda dari kecerdasan buatan sejati?

Kecerdasan buatan sejati belum ada. AI dan pembelajaran mesin adalah himpunan bagian dari AI, berfokus pada tugas khusus dan algoritma spesifik. Mereka tidak memiliki kecerdasan dan keserbagunaan kecerdasan manusia secara keseluruhan.

2. Apa itu Perceptrons, dan bagaimana mereka berhubungan dengan AI?

Perceptrons mirip dengan neuron di otak manusia dan berfungsi sebagai blok bangunan sistem AI. Mereka menerima sinyal input, memprosesnya, dan mengirimkan output ke perceptrons atau sistem lainnya. Perceptrons membentuk jaringan dalam sistem AI, memfasilitasi pemrosesan informasi dan pengambilan keputusan.

3. Bagaimana AI dilatih?

AI dilatih dengan memasukkan data ke dalam sistem dan menilai prediksinya. Awalnya, prediksi model mungkin tidak akurat. Melalui proses yang disebut propagasi kembali, sistem menyesuaikan parameternya, membuat koneksi baru antara perceptrons dan meningkatkan akurasinya dari waktu ke waktu.

4. Mengapa AI sangat berspesialisasi?

AI sangat terspesialisasi karena dilatih untuk tugas -tugas tertentu. Itu tidak memiliki keserbagunaan dan kecerdasan keseluruhan manusia. Sementara AI unggul pada tugas -tugas tertentu, ia terbatas dalam kemampuannya di luar domain khusus.

5. Apa pentingnya keterlibatan manusia dalam AI?

Terlepas dari kemajuannya, AI masih membutuhkan input dan intervensi manusia. Kecerdasan manusia melengkapi AI dengan memberikan konteks, pemahaman, dan kemampuan pengambilan keputusan yang diperlukan yang tidak dimiliki mesin. Manusia memainkan peran penting dalam memanfaatkan dan membimbing sistem AI.

6. Bagaimana AI menjadi bagian penting dari budaya kontemporer?

AI telah menjadi bagian penting dari budaya kontemporer melalui berbagai penggambaran dalam hiburan dan media. Dari film yang menampilkan mesin perjalanan waktu hingga robot yang menyenangkan, AI telah menangkap imajinasi publik dan mendorong minat pada dampak potensial terhadap masyarakat.

7. Mengapa Pembelajaran Mesin dianggap sebagai bidang yang luas dan kompleks?

Pembelajaran mesin mencakup berbagai teknik dan aplikasi, menjadikannya bidang yang luas dan kompleks. Saat pembelajaran mesin terus berkembang dan berintegrasi dengan bidang lain, kedalaman dan kompleksitasnya meningkat, memerlukan pengetahuan khusus untuk pemahaman mendalam.

8. Peran apa yang dimainkan Perceptrons dalam sistem AI?

Perceptrons berfungsi sebagai unit mendasar dalam sistem AI. Mereka menerima dan memproses sinyal input, yang mengarah ke pengambilan keputusan dan transmisi informasi dalam sistem. Perceptrons membentuk jaringan yang saling berhubungan yang memungkinkan fungsi model AI.

9. Bagaimana AI dan Pembelajaran Mesin Dampak Masyarakat?

AI dan Pembelajaran Mesin memiliki dampak yang signifikan pada masyarakat, mempengaruhi berbagai sektor dan industri. Mereka memiliki potensi untuk meningkatkan otomatisasi, meningkatkan proses pengambilan keputusan, dan merevolusi industri seperti perawatan kesehatan, keuangan, dan transportasi.

10. Apa hubungan antara perceptrons dan neuron?

Perceptrons dimodelkan setelah neuron di otak manusia. Struktur dan fungsi Perceptrons memiliki kesamaan dengan proses biologis yang terjadi di dalam neuron. Koneksi ini memungkinkan untuk pengembangan sistem AI yang mencerminkan beberapa aspek kecerdasan manusia.

AI sejati tidak’t masih ada … itu’S Augmented Intelligence

Beberapa dekade yang lalu, kecerdasan buatan (AI) hanya terbatas pada hiburan. Orang -orang kagum pada kekuatan yang dimiliki teknologi ini, tetapi hari ini AI dan pembelajaran mesin adalah topik hangat. Faktanya, sebagian besar orang telah berinteraksi dengan teknologi ini dalam beberapa cara dalam hidup mereka.

Melakukan “BENAR” AI sudah ada?

Kecerdasan buatan mungkin merupakan pencapaian teknologi terbesar dalam sejarah. Dia’S Subyektif tentu saja, tapi saya’telah terobsesi dengan teknologi sejak saya masih kecil. Ketika saya’Saya yakin ada banyak kemajuan teknis yang tidak saya sadari, AI, atau pembelajaran mesin, melampaui semuanya. Pengecualian mungkin dapat dibuat untuk penemuan bahasa atau mungkin roda, namun saya ragu beberapa hal lain akan memiliki efek yang sangat mendalam pada spesies manusia. AI telah menjadi komponen yang stabil dari budaya kontemporer selama beberapa generasi sekarang. Dari mesin bepergian yang sangat ingin menghancurkan umat manusia hingga robot yang ramah dan menyenangkan yang bertualang melalui ruang angkasa, kami’Mesin antropomorfisasi ve dalam persiapan untuk apa yang kita semua tahu akan datang.

Hanya, bagaimana jika itu’S di sini? Bagaimana jika ‘BENAR’ Kecerdasan buatan telah dibuat? Untuk membantu menjelaskan, saya perlu membahas cara kerja AI. Mengenakan’t khawatir. Di sana’S tidak ada matematika yang terlibat.

Pembelajaran mesin adalah bidang yang sangat besar dan luas dan ketika teknologi ini tumbuh dan menjadi berguna untuk bidang lain, itu hanya meningkat dalam kedalaman dan kompleksitas. Jelas rata -rata orang tidak punya waktu untuk mempelajari cara kerjanya, tidak peduli seberapa penting mungkin melakukannya. Untungnya, prinsip -prinsip yang dikerjakannya cukup sederhana. Hal pertama yang perlu kita ketahui adalah sesuatu yang disebut Perceptron.

Perceptrons

Cara terbaik untuk mengkonseptualisasikan perceptron adalah pada dasarnya sama dengan neuron di otak manusia. Jika kamu’tidak begitu yakin apa itu neuron, don’t khawatir, aku membuatmu tertutup.

Neuron adalah sel yang membentuk sistem saraf kita. (Saya bilang tidak matematika, saya tidak’t mengatakan apa -apa tentang biologi) Untungnya, mereka’Re sangat sederhana sejauh hal -hal ini berjalan. Bagian merah di sisi kiri adalah nukleus. Itu menerima impuls listrik dari hal -hal yang tampak cabang itu. Nukleus melakukan beberapa perhitungan, dan memutuskan sinyal apa yang harus dikirim ke kanan, yang dimasukkan ke dalam beberapa neuron lainnya. Ini adalah cetak biru untuk sesuatu yang disebut Perceptron.

Saya tahu, saya tahu, yang ini pasti dekat dengan matematika, tapi kami tidak’Aku perlu mengetahuinya. Janji. Semua barang di sebelah kiri adalah sinyal input yang masuk ke ‘inti’, yang melakukan sesuatu, lalu mengirimkan output ke perceptrons lainnya. Itu ‘Mesin’ dalam pembelajaran mesin adalah jaringan besar dari ini ‘objek yang diprogram’. Konfigurasi bervariasi, tapi itu’S Inti dari itu. Mereka mengambil sinyal input dari sesuatu, baik itu teks, data numerik, atau apa pun dan jaringan neuron digital yang sangat rumit ini kemudian melewati sinyal bolak -balik dengan cara tertentu sampai total model menghasilkan prediksinya.

Jika kamu’tidak sepenuhnya mengikuti, don’t khawatir. Penting yang diambil adalah ini: jaringan node mengambil informasi, melakukan beberapa perhitungan, dan mengirimkan informasi kepada orang lain yang memutuskan apa yang harus dilakukan dengannya. Terdengar akrab? Itu harus.

Jika kamu’Diingatkan kembali tentang Perceptron, Anda akan benar. Secara fungsional, pada skala, jaringan saraf sangat mirip dengan perceptron besar. Tentu saja ada variasi dan ini tidak benar -benar 100% benar, tapi itu’cukup benar untuk tujuan kita di sini. Secara konseptual, mereka menerima informasi, membuat beberapa perhitungan, dan mengirim informasi ke sesuatu atau seseorang yang akan menggunakannya. Dia’s Perceptrons sepanjang jalan turun, dan sepanjang jalan.

Tapi bagaimana cara kerjanya?

Tetap dengan pendekatan tingkat tinggi kami, melatih model untuk melakukan sesuatu cukup lurus ke depan. Anda memiliki jaringan saraf dan beberapa data yang ingin Anda buat dengan prediksi, katakanlah, memprediksi apakah gambar adalah 3 atau lebah. Anda memasukkan data ke dalam mesin, dan meludahkan prediksi. Prediksi yang sangat buruk. Ini masuk akal jika yang kami lakukan hanyalah menampar beberapa perceptron dan memberinya makan banyak gambar. Bagaimana ia tahu apa itu lebah dari 3? Tidak ada yang bisa membandingkannya. Untuk mendapatkan model kami untuk memahami perbedaannya, kami harus melatihnya.

Melakukannya cukup sederhana. Kami ingin memiliki banyak gambar 3’s dan lebah, dan label untuk setiap gambar sehingga mesin dapat menilai itu sendiri. Kemudian mengambil gambar, membuat prediksi dan memeriksa untuk melihat apakah itu benar. Tentu saja awalnya itu akan membuat sebagian besar dari mereka salah. Setelah itu, proses yang disebut propagasi kembali, atau yang serupa, akan terjadi. Propagasi kembali adalah di mana mesin akan menyesuaikan parameter yang berbeda, membuat koneksi baru antara perseptron yang berbeda, menyingkirkan orang lain, dan kemudian mencoba lagi.

Seperti yang mungkin Anda bayangkan, ini bisa menjadi sangat teknis dalam praktiknya, tetapi secara umum, itu’S hanya memasukkan gambar ke dalam mesin dan memprediksi apakah itu’s lebah atau 3, lalu memeriksa jawabannya. Jika’S Benar, Hore! Ke gambar berikutnya. Jika’Salah, itu akan mengubah beberapa pengaturan di sana -sini dan coba lagi, sampai pada akhirnya, mesin dapat membedakan antara 3’s dan lebah dengan cukup baik. Sekali lagi, ini tidak akurat secara teknis, tetapi secara konseptual’cukup bagus.

Beruntung bagi kami, itu’S tidak terlalu pandai dalam hal lain. Dia’S sangat terspesialisasi dan dilatih untuk melakukan satu hal ini, dan satu hal saja. Itu’s dimana kita masuk.

Komponen manusia

Sama menakjubkannya teknologi ini, mesin -mesin ini tetap bodoh. Dan maksud saya sangat bodoh. Mesin kami dari sebelumnya mungkin bisa memberi tahu lebah dari 3, tetapi jika Anda melempar gambar sapi ke dalamnya, itu’S akan berjuang untuk menentukan apakah itu’s lebah atau 3, karena untuk mesin, di sana’hanya bukan pilihan lain.

Kecerdasan buatan, sebanyak itu’S digunakan, benar -benar lebih merupakan keliru pemasaran daripada deskripsi teknis. Lihat, masalahnya adalah, kita manusia juga sangat bodoh. (Tidak sebodoh mesin kami sebelumnya, tentu saja. Itu jelas seekor sapi!) Ternyata, kami tidak’Aku tahu apa sebenarnya kecerdasan. Oh, kami memiliki banyak definisi yang tidak jelas, tetapi kenyataannya adalah, di sana’merupakan elemen bagi kecerdasan, secara khusus kesadaran, yang hanya bisa kita lakukan’t Tentukan, apalagi mereplikasi dalam ruang digital. Orang yang jauh lebih pintar daripada saya bekerja keras, tetapi itu’Sejujurnya sedikit lubang hitam mengingat ketidakmampuan kita untuk mendefinisikan apa yang ingin kita buat! Kesadaran adalah salah satu hal aneh di mana Anda tahu apa yang saya tahu’m berbicara tentang, tetapi jika Anda mencoba, Anda’Aku sadar kamu tidak’T benar -benar tahu bagaimana mendefinisikan ‘Apa’ itu dalam arti apa pun.

Menyatukan semua orang

Jadi mengapa ini penting? Apa yang sangat penting tentang ini? Tentu saja, semua orang menyadari pergolakan baru -baru ini di masyarakat kita dan saya pikir sebagian besar orang yang menggunakan media sosial sadar bahwa pergolakan ini, setidaknya sebagian, karena proliferasi media sosial dalam dekade terakhir ini. Memang, banyak pendiri media sosial telah mulai berbicara selama beberapa tahun terakhir tentang bahaya media sosial, bagaimana mereka tidak menyadari apa yang mereka bangun, atau jika mereka benar -benar menyadarinya, mereka tidak menyadari konsekuensi yang tidak diinginkan dari teknologi seperti itu yang dilepaskan pada masyarakat. Tapi apa yang begitu berbahaya tentang manusia yang dapat terhubung secara bebas dan berbagi informasi satu sama lain?

Saya ingat ini suatu kali saya sedang dalam perjalanan bisnis di Virginia. Sudah larut, setelah seharian bekerja dan saya nongkrong di atas garasi parkir hotel mengamati masyarakat melakukannya’hal sebelum saya masuk untuk malam hari untuk tidur sebelum hari yang panjang. Ada persimpangan empat arah yang sibuk di sudut garasi parkir tempat saya berada, dan saya tidak bisa’t bantu tetapi perhatikan bahwa setiap mobil yang melaju menyala dari dalam melalui telepon. Bahkan mobil dengan hanya pengemudi. Kadang -kadang mereka lebih pintar dari rata -rata, dan tidak akan menggunakan ponsel mereka saat mereka menarik ke lampu, tetapi saya bisa melihat interior mobil mereka menyala begitu mereka berhenti di cahaya. Saya harus melihat banyak mobil membunyikan klakson di depan mereka yang tidak’t Memperhatikan cahaya yang cukup.

Sekarang, banyak yang mungkin fokus pada bahaya mengemudi saat terganggu, atau melakukan hal -hal lain yang harus kita lakukan saat terganggu oleh komputer kecil di tangan kita. Pasti, mereka akan benar untuk menunjukkan bahaya ini, tapi saya tidak’Saya pikir itu adalah bahaya nyata yang perlu kita pertimbangkan. Ya, hanya butuh sepersekian detik untuk kecelakaan mematikan terjadi, dan ini perlu diingat, dan itu’S tragedi setiap saat. Tapi apa yang saya lihat ketika saya berdiri di atas garasi parkir yang melihat ke bawah bukanlah ratusan orang yang terganggu, tetapi ratusan node, mengambil informasi dan membagikannya dengan node lain. Lagi pula, ingat konsepsi kami tentang perceptron hanyalah sebuah simpul yang mengambil informasi, membuat beberapa perhitungan internal, dan kemudian mengirimkan informasi ke node lain yang biasa kami hubungkan.

Saat saya berdiri di sana orang -orang menonton, saya tidak bisa’t membantu tetapi memvisualisasikan baris informasi yang dikirim dari setiap orang. Menanggapi rantai email? Tweeting untuk ribuan pengikut di seluruh dunia? Atau menghadap waktu dengan orang yang dicintai hanya beberapa mil jauhnya? Saya melihat koneksi di mana -mana, dengan informasi yang dibagikan di jarak geografis yang akan benar -benar tidak terbayangkan hanya beberapa generasi yang lalu. Paralelnya dengan jaringan saraf sudah jelas, skalanya tak jauh dari grafik.

Kenop dan tombol

Pada 2012, Facebook memanipulasi umpan berita sekitar 700 ribu pengguna. Apa yang membuat ini lebih buruk, apakah itu tanpa persetujuan mereka. Mereka melakukan ini selama periode 1 minggu, mengelola ekspresi wajah yang diekspos oleh pengguna ini untuk melihat apakah mungkin untuk mempengaruhi pengguna’ emosi. Anda dapat membaca studi di sini.

“Kami menunjukkan, melalui masif (N = 689.003) Eksperimen di Facebook, bahwa keadaan emosi dapat ditransfer ke orang lain melalui penularan emosional, membuat orang mengalami emosi yang sama tanpa kesadaran mereka. Kami memberikan bukti eksperimental bahwa penularan emosional terjadi tanpa interaksi langsung antara orang (paparan seorang teman yang mengekspresikan emosi sudah cukup), dan dengan tidak adanya isyarat nonverbal lengkap.” – Studi Facebook tentang Penularan Emosional

Ada teori konspirasi yang berlimpah tentang topik ini, dan saya ingin meluangkan waktu sejenak untuk membedakan diri saya dari itu. Tujuan saya di sini adalah untuk mencoba dan menguraikan apa yang saya yakini sebagai yang pertama ‘BENAR’ AI yang telah online. Saya tidak membuat asumsi tentang maksud mereka yang membangunnya, atau tindakan mereka begitu mereka memilikinya secara online. Tujuan saya di sini adalah untuk menggambarkan apa yang saya yakini sebagai kesamaan antara media sosial dan teknologi pembelajaran mesin dan apa artinya bagi masyarakat pada umumnya. Mungkin apa yang terjadi adalah hasil alami dari bandwidth antara manusia meningkat begitu drastis dalam waktu yang singkat. Sangat mungkin bahwa sebagai ‘daya pemrosesan’ Peningkatan karena peningkatan bandwidth, berbagai mode realitas terwujud dari peningkatan informasi.

Dia’juga mungkin bahwa kelompok orang kuat yang berbeda bersaing dengan kelompok orang kuat lain dan kami adalah node dalam serangan mereka AI. Dorong dalam merek tertentu propaganda yang dimanipulasi secara psikologis dan minta pasukan drone menyerang target Anda.

Keduanya sama -sama mungkin sejauh saya’m prihatin. Tujuan saya satu -satunya dengan artikel ini adalah untuk merenungkan gagasan integrasi antara mesin dan biologi untuk menciptakan kecerdasan buatan pertama yang benar.

Kesimpulan

SAYA’LL Grant, Ide I’M laying out di sini bukanlah salah satu yang harus disatukan dengan ide -ide kontemporer tentang apa a ‘BENAR’ Kecerdasan buatan akan. Kami memiliki gambar ini dalam imajinasi kami untuk dapat berbicara dengan ponsel kami seperti itu’S A ORANG. Ajukan pertanyaannya, dan dapatkan jawabannya.

Argumen saya adalah bahwa teknologi ini sudah ada, itu’hanya berbeda dalam beberapa detail dari yang kita bayangkan. Tapi itu ada di sini, dan sedang digunakan dan mungkin, seperti yang sering terjadi sebelumnya di dunia teknologi, kita harus mengubah gagasan kita tentang apa arti sebenarnya AI. Jika saya membuka twitter, dan tweet pertanyaan, saya akan mendapatkan jawaban.

Jawaban yang saya dapatkan akan tergantung pada node dalam jaringan yang paling sering saya berinteraksi, tetapi intinya adalah saya akan mendapatkan jawaban, atau setidaknya, saya akan mendapatkan tanggapan yang bisa saya tentukan jawabannya, yang merupakan semua pembelajaran mesin benar -benar melakukannya, bagaimanapun juga.

AI sejati tidak’t masih ada … itu’S Augmented Intelligence

Kecerdasan buatan dengan mudah adalah salah satu kata kunci paling populer ini, bahkan memicu perdebatan panas antara mogul teknologi terkemuka, Musk dan Zuckerburg, tentang masa depan AI.

Namun, satu pengawasan besar tetap ada – kecerdasan buatan sejati tidak ada dan tidak akan ada selama setidaknya dekade lagi, menurut Boldiq CEO, Roei Ganzarski.

Sebaliknya, ia menyarankan, perusahaan teknologi mengklaim melakukannya ‘Ai’ sebenarnya hanya memberikan kecerdasan augmented.

Sementara banyak perusahaan mengklaim menyediakan “AI-driven” solusi, dalam kenyataannya mereka’Mengungkapkan kembali teknik pembelajaran mesin terbaik, mengembangkan apa yang disebut Ganzarski sebagai kecerdasan augmented.

Faktanya – IBM (yang bisa dibilang menciptakan teknologi AI pertama dengan Watson) setuju dengan definisi ini, dan percaya hari ini’S Technologies lebih didorong oleh data dari sebelumnya tetapi aren’Namun cukup maju untuk berpikir sendiri – yang merupakan bagaimana AI benar didefinisikan.

Sementara hbo’S Westworld memberi kita pandangan sekilas di masa depan di mana android yang berpikiran sendiri dan berpikiran sendiri adalah norma, orang harus menunggu beberapa tahun di mana teknologi ini beralih dari menafsirkan skenario yang telah ditentukan berdasarkan perpustakaan data ke bot cerdas yang merumuskan ide-idenya sendiri berdasarkan moral/alasan-pada dasarnya ‘pemikiran’ untuk dirinya sendiri.

Dalam sebuah wawancara dengan Era Informasi, Ganzarski’S mendiskusikan bagaimana menurutnya kesenjangan ini dari kecerdasan augmented ke kecerdasan buatan akan dijembatani, berapa lama waktu yang dibutuhkan dan apa yang ada di masa depan AI.

Di sana’Saat ini banyak hype seputar kecerdasan buatan di hampir setiap industri, tetapi Anda mengklaim itu tidak’t belum ada. Jika kita aren’t mengalami ai sejati, apa yang kita lihat sebagai gantinya?

Kecerdasan buatan adalah salah satu kata kunci paling populer tahun ini, tetapi menurut saya, itu belum ada dan tidak akan ada selama beberapa waktu.

Sebaliknya, perusahaan teknologi yang mengaku lakukan ‘Ai’ sebenarnya memberikan apa yang akan saya definisikan sebagai kecerdasan augmented-sangat canggih, pemrosesan keputusan cepat atau perangkat lunak pendukung keputusan berdasarkan skenario waktu nyata.

Namun, bahkan keputusan yang digerakkan oleh komputer ini didasarkan pada algoritma yang sangat berevolusi yang diprogram ke dalam perangkat lunak oleh manusia.

Ini “AI-driven” Solusi memang memanfaatkan teknologi canggih, tetapi saya akan berpendapat bahwa ini belum benar kecerdasan buatan.

Untuk memahami pendapat saya, kita harus melihat bagaimana AI didefinisikan.

Dalam bahasa yang paling sederhana, AI adalah komputer (perangkat lunak, robot, sebut saja apa pun yang Anda inginkan) yang memiliki kemampuan untuk melakukan hal -hal yang hanya dapat dilakukan manusia, dan menggunakan tingkat logika yang sama dan penalaran yang dimiliki manusia akan. Bagian terakhir ini adalah kuncinya.

Beberapa orang bisa berdebat robot yang hanya melakukan apa yang manusia sudah ada seperti robot dapat membangun mobil atau bahkan melakukan perhitungan lanjutan, dan bahkan mungkin berkinerja baik, jika tidak lebih baik, lebih cepat, dan lebih konsisten daripada manusia.

Namun, mereka saat ini melakukan ini mengikuti serangkaian pesanan, tidak menggunakan penalaran atau logika buatan mereka sendiri. Bahkan mereka yang menggunakan pembelajaran mesin memberi tahu komputer apa yang harus dibuat dari data yang disusun dan bagaimana caranya “mempelajari”.

Faktanya, sejauh konferensi Intelijen Buatan Dartmouth (AI) 1956, J. McCarthy mendefinisikan studi tentang bidang baru AI sebagai berikut: Studi ini akan dilanjutkan berdasarkan dugaan bahwa setiap aspek pembelajaran atau fitur kecerdasan lainnya pada prinsipnya dapat dijelaskan dengan tepat bahwa mesin dapat dibuat untuk mensimulasikannya.

Upaya akan dilakukan untuk menemukan cara membuat mesin menggunakan bahasa, membentuk abstraksi dan konsep, memecahkan jenis masalah yang sekarang disediakan untuk manusia, dan meningkatkan diri mereka sendiri.

Membiarkan’Lihatlah beberapa contoh di mana penalaran manusia sangat penting dalam pengambilan keputusan dan belum ditiru oleh komputer:

• Dari yang sederhana: Pesawat dari maskapai tertentu harus diberikan 45 menit di tanah antara penerbangan untuk membongkar dan memuat bagasi, dan penumpangnya. Namun, bayangkan jika penerbangan tertentu harus mencukur satu menit untuk menghindari penundaan yang diproyeksikan. Berencana selama 44 menit oke? Bagaimana dengan menambahkan satu menit sebagai gantinya? Akankah mesin dapat merusak ‘aturan’ dari 45 menit? Apakah itu memperhitungkan staf yang mereka miliki secara bergiliran hari itu dan kesediaan mereka “mendorong dengan cepat” untuk menyelesaikan sesuatu jika mereka diminta?

Mesin, karena mungkin tidak diprogram untuk memperhitungkan skenario tertentu, kemungkinan tidak akan memiliki semua informasi yang mungkin diketahui atau dipertimbangkan oleh manusia, manajer shift.

• Ke yang lebih kompleks: Mobil tanpa pengemudi dihadapkan dengan menabrak dinding yang mempertaruhkan penumpangnya’kehidupan atau memukul sekelompok pejalan kaki yang melintasi jalan. Kami dapat memprogram perangkat lunak yang memberi daya pada mobil untuk bereaksi dengan cara tertentu, tetapi pada akhirnya perangkat lunak tidak memiliki kemampuan untuk mempertimbangkan masalah moral (i.e. Siapa yang mengendarai mobil saya, yang adalah orang -orang di jalanan, berapa umur mereka, apa’S skenario kasus terbaik) – yang akan dipertimbangkan pengemudi jika pernah dihadapkan dengan situasinya.

Dengan contoh -contoh ini dalam pikiran, kita dapat menarik kesimpulan bahwa kita belum mencapai kenyataan di mana komputer telah mencapai kemampuan penalaran yang rasional dan dapat dianggap sebagai kecerdasan buatan.

Dapatkah Anda membagikan beberapa contoh bagaimana kecerdasan augmented digunakan hari ini?

Augmented Intelligence sedang digunakan di hampir setiap industri, dari teknologi pemasaran hingga mobil self-driving. Hampir setiap kali Anda membaca tentang ‘Ai’ kemampuan dalam berita, itu’S sebenarnya menambah kecerdasan.

Pikirkan tentang perangkat lunak yang memutuskan operator telepon apa yang terbaik untuk menjawab panggilan masuk di call center untuk meningkatkan kemungkinan hasil panggilan positif atau program yang menentukan lampu lalu lintas apa yang akan berubah kapan dan dalam urutan apa untuk mengurangi kemungkinan kemacetan lalu lintas kemacetan lalu lintas. Keduanya adalah kecerdasan augmented.

Bahkan perangkat lunak yang menyesuaikan iklan mana yang muncul saat Anda’Menyelaraskan situs web untuk meningkatkan kemungkinan Anda membeli dan membeli konten ditenagai oleh kecerdasan augmented. Teknologi ini diintegrasikan ke dalam hampir setiap aspek kehidupan kita sehari -hari, apakah kita mengenalinya atau tidak.

Bagaimana perusahaan pada akhirnya akan menjembatani kesenjangan dari kecerdasan augmented ke kecerdasan buatan? Itu akan makan waktu berapa lama?

Seperti yang saya nyatakan di atas, kecerdasan buatan sejati tidak akan ada sampai teknologi mulai berpikir untuk dirinya sendiri, tetapi itu hanya garis dasar. Sebagai manusia, keputusan dan pengetahuan kita tentang apa yang benar versus salah, logis versus tidak, atau bahkan layak atau tidak, dipandu oleh tiga karakteristik: moral, etika, dan logika – mungkin, kombinasi dapat didefinisikan sebagai penalaran manusia sebagai manusia.

Sementara logika pada tingkat permukaan dapat diprogram ke dalam mesin (i.e. Jika ini terjadi, ini adalah respons yang tepat), ia juga berakar dalam moral dan etika yang dipelajari dan ditanamkan pada manusia sepanjang hidup mereka, dan sepanjang generasi. Sampai ambang batas itu dapat dipenuhi, kita akan hidup di era pembelajaran mesin canggih dan kecerdasan augmented.

Apakah ada aplikasi dunia nyata yang harus kita nantikan?

Ini memiliki jawaban sederhana. Jika dan ketika AI tercapai, tidak akan ada industri atau pasar yang tidak diterapkan.

Adalah pengambilalihan AI bergaya Westworld dalam waktu dekat?

Sementara hbo’S Westworld memberi kita pandangan sekilas di masa depan di mana android yang berpikiran sendiri dan berpikiran sendiri adalah norma, kebenarannya adalah kita jauh dari kenyataan ini dan tidak akan mulai melihat dunia seperti ini selama beberapa dekade-jika itu terjadi sama sekali sama sekali.

Spekulasi tentang bot buatan yang bisa ‘memikirkan’ untuk diri mereka sendiri dan hidup di antara kita setiap hari adalah apa yang orang menyamakan masa depan AI untuk terlihat, tetapi kita’kemungkinan besar mulai melihat teknologi ini diterapkan dalam aplikasi yang meningkatkan kehidupan kita sehari -hari seperti kendaraan otonom, layanan pelanggan, dan banyak lagi.

Namun, ketika kita mulai melihat kecerdasan buatan yang sebenarnya terbentuk, kita perlu mengatur peraturan.

Menurut pendapat saya, jika AI sejati dibuat, yang berarti komputer yang sebenarnya dapat berpikir dan berperilaku seperti manusia, lalu mengapa kita tidak mengharapkan mereka berperilaku seperti manusia?

Misalnya, membantu, bekerja, mencapai … dan ya, berdebat, bertarung, kejam, dan membunuh. Jika ini adalah alasan yang harus mendorong kebijakan kita, maka menjadi lebih sederhana untuk memutuskan kebijakan apa yang harus diberlakukan.

Inggris’Konferensi terbesar untuk kepemimpinan teknologi, KTT Pemimpin Teknologi, Pengembalian pada 14 September Dengan 40+ Eksekutif Teratas Mendaftar untuk berbicara tentang tantangan dan peluang seputar inovasi paling mengganggu yang dihadapi perusahaan saat ini. Amankan tempat Anda di KTT bergengsi ini dengan mendaftar di sini

Nick Ismail

Nick Ismail adalah editor untuk era informasi. Dia memiliki minat khusus pada teknologi pintar, AI dan keamanan cyber. Lainnya oleh Nick Ismail

AI tidak’t sebenarnya ada

Temukan sains yang mengubah dunia. Jelajahi Arsip Digital kami kembali ke tahun 1845, termasuk artikel oleh lebih dari 150 pemenang Hadiah Nobel.

Bahasa Arab Amerika Ilmiah

• Kebijakan pribadi
• Pernyataan Privasi Konsumen California
• Penggunaan cookie/Jangan menjual data saya
• Edisi Internasional

Scientific American adalah bagian dari Springer Nature, yang memiliki atau memiliki hubungan komersial dengan ribuan publikasi ilmiah (banyak dari mereka dapat ditemukan di www.Springernature.com/kami). Scientific American memelihara kebijakan ketat independensi editorial dalam melaporkan perkembangan dalam sains kepada pembaca kami.

© 2023 Scientific American, A Division of Nature America, Inc.

Seluruh hak cipta.

Mendukung jurnalisme sains.

Terima kasih telah membaca Scientific American. Pengetahuan menunggu.

Sudah menjadi pelanggan? Masuk.

Terima kasih telah membaca Scientific American. Buat akun gratis Anda atau masuk untuk melanjutkan.

Lanjutkan membaca dengan langganan ilmiah Amerika.

Anda dapat membatalkan kapan saja.

Apakah AI Nyata Ada?

Pengarang

1. Co-Direktur George Siemens, Profesor, Pusat Perubahan dan Kompleksitas dalam Pembelajaran, Universitas Australia Selatan

Pernyataan pengungkapan

George Siemens tidak bekerja untuk, berkonsultasi, memiliki saham sendiri atau menerima dana dari perusahaan atau organisasi mana pun yang akan mendapat manfaat dari artikel ini, dan tidak mengungkapkan afiliasi yang relevan di luar penunjukan akademik mereka.

Mitra

University of South Australia menyediakan dana sebagai anggota percakapan AU.

Pada bulan Agustus 1955, sekelompok ilmuwan membuat permintaan pendanaan untuk US $ 13.500 untuk menjadi tuan rumah lokakarya musim panas di Dartmouth College, New Hampshire. Bidang yang mereka usulkan untuk dijelajahi adalah Kecerdasan Buatan (AI).

Sementara permintaan pendanaan rendah hati, dugaan para peneliti tidak: “Setiap aspek pembelajaran atau fitur intelijen lainnya pada prinsipnya dapat dijelaskan dengan tepat bahwa mesin dapat dibuat untuk mensimulasikannya”.

Sejak awal yang sederhana ini, film dan media telah meromantisir AI atau melemparkannya sebagai penjahat. Namun bagi kebanyakan orang, AI tetap sebagai titik diskusi dan bukan bagian dari pengalaman hidup sadar.

AI telah tiba dalam hidup kita

Akhir bulan lalu, AI, dalam bentuk chatgpt, membebaskan diri dari spekulasi fiksi ilmiah dan laboratorium penelitian dan ke desktop dan telepon masyarakat umum. Dia’s apa’S dikenal sebagai a “AI generatif” – Tiba -tiba, prompt kata yang cerdik dapat menghasilkan esai atau menyusun daftar dan daftar belanja, atau membuat puisi dengan gaya Elvis Presley.

Sementara chatgpt telah menjadi peserta paling dramatis dalam satu tahun keberhasilan AI generatif, sistem serupa telah menunjukkan potensi yang lebih luas untuk membuat konten baru, dengan permintaan teks-ke-gambar yang digunakan untuk membuat gambar yang bersemangat yang bahkan telah memenangkan kompetisi seni.

AI mungkin belum memiliki kesadaran hidup atau teori pikiran yang populer dalam film dan novel sci-fi, tetapi semakin dekat dengan setidaknya mengganggu apa yang kita pikir dapat dilakukan sistem kecerdasan buatan.

Para peneliti yang bekerja erat dengan sistem ini telah pingsan di bawah prospek perasaan, seperti dalam kasus dengan Google’S LAMDA MODEL BESAR BESAR (LLM). LLM adalah model yang telah dilatih untuk memproses dan menghasilkan bahasa alami.

AI generatif juga menghasilkan kekhawatiran tentang plagiarisme, eksploitasi konten asli yang digunakan untuk membuat model, etika manipulasi informasi dan penyalahgunaan kepercayaan, dan bahkan “akhir pemrograman”.

Di pusat semua ini adalah pertanyaan yang telah tumbuh dalam urgensi sejak Lokakarya Musim Panas Dartmouth: Apakah AI berbeda dari kecerdasan manusia?

Apa yang terjadi ‘Ai’ sebenarnya berarti?

Untuk memenuhi syarat sebagai AI, suatu sistem harus menunjukkan beberapa tingkat pembelajaran dan adaptasi. Untuk alasan ini, sistem pengambilan keputusan, otomatisasi, dan statistik bukan AI.

AI secara luas didefinisikan dalam dua kategori: kecerdasan sempit buatan (ANI) dan Kecerdasan Umum Buatan (AGI). Sampai saat ini, AGI tidak ada.

Tantangan utama untuk menciptakan AI umum adalah memodelkan dunia secara memadai dengan semua pengetahuan, secara konsisten dan bermanfaat. Itu’S usaha besar, untuk sedikitnya.

Sebagian besar dari apa yang kita ketahui sebagai AI saat ini memiliki kecerdasan sempit – di mana sistem tertentu membahas masalah tertentu. Tidak seperti kecerdasan manusia, kecerdasan AI yang sempit seperti itu efektif hanya Di daerah di mana ia telah dilatih: deteksi penipuan, pengakuan wajah atau rekomendasi sosial, misalnya.

AGI, bagaimanapun, akan berfungsi seperti yang dilakukan manusia. Untuk saat ini, contoh paling menonjol dari mencoba mencapai ini adalah penggunaan jaringan saraf dan “Pembelajaran yang mendalam” dilatih tentang data dalam jumlah besar.

Jaringan saraf terinspirasi oleh cara kerja otak manusia. Tidak seperti kebanyakan model pembelajaran mesin yang menjalankan perhitungan pada data pelatihan, jaringan saraf bekerja dengan memberi makan setiap titik data satu per satu melalui jaringan yang saling berhubungan, setiap kali menyesuaikan parameter.

Karena semakin banyak data yang diumpankan melalui jaringan, parameter stabil; Hasil akhirnya adalah “terlatih” Jaringan saraf, yang kemudian dapat menghasilkan output yang diinginkan pada data baru – misalnya, mengenali apakah gambar berisi kucing atau anjing.

Lompatan yang signifikan ke depan dalam AI saat ini didorong oleh peningkatan teknologi dalam cara kita dapat melatih jaringan saraf besar, menyesuaikan sejumlah besar parameter dalam setiap proses berkat kemampuan infrastruktur komputasi awan besar. Misalnya, GPT-3 (Sistem AI yang Powers Chatgpt) adalah jaringan saraf besar dengan 175 miliar parameter.

Apa yang dibutuhkan AI untuk bekerja?

AI membutuhkan tiga hal untuk menjadi sukses.

Pertama, perlu Data yang tidak memihak berkualitas tinggi, dan banyak. Para peneliti yang membangun jaringan saraf menggunakan set data besar yang terjadi karena masyarakat telah didigitalkan.

Co-pilot, untuk menambah programmer manusia, menarik datanya dari miliaran baris kode yang dibagikan di GitHub. Chatgpt dan model bahasa besar lainnya menggunakan miliaran situs web dan dokumen teks yang disimpan secara online.

Alat teks-ke-gambar, seperti difusi stabil, Dalle-2, dan midjourney, menggunakan pasangan teks gambar dari set data seperti Laion-5b. Model AI akan terus berkembang dalam kecanggihan dan dampak saat kita mendigitalkan lebih banyak kehidupan kita, dan memberi mereka sumber data alternatif, seperti data simulasi atau data dari pengaturan game seperti Minecraft.

AI juga membutuhkan Infrastruktur Komputasi untuk pelatihan yang efektif. Karena komputer menjadi lebih kuat, model yang sekarang membutuhkan upaya intensif dan komputasi skala besar dalam waktu dekat dapat ditangani secara lokal. Difusi yang stabil, misalnya, sudah dapat dijalankan di komputer lokal daripada lingkungan cloud.

Kebutuhan ketiga untuk AI adalah Model dan algoritma yang ditingkatkan. Sistem berbasis data terus membuat kemajuan cepat dalam domain setelah domain pernah dianggap sebagai wilayah kognisi manusia.

Namun, karena dunia di sekitar kita terus berubah, sistem AI perlu terus -menerus dilatih kembali menggunakan data baru. Tanpa langkah penting ini, sistem AI akan menghasilkan jawaban yang secara faktual salah, atau tidak memperhitungkan informasi baru itu’muncul sejak mereka dilatih.

Jaringan saraf aren’t Satu -satunya pendekatan untuk AI. Kamp penting lain dalam penelitian kecerdasan buatan adalah AI simbolis – alih -alih mencerna set data besar, itu bergantung pada aturan dan pengetahuan yang mirip dengan proses manusia dalam membentuk representasi simbolis internal dari fenomena tertentu.

Tetapi keseimbangan kekuatan telah sangat miring ke arah pendekatan berbasis data selama dekade terakhir, dengan “pendiri” Pembelajaran mendalam modern baru -baru ini dianugerahi Hadiah Turing, setara dengan Hadiah Nobel dalam Ilmu Komputer.

Data, perhitungan dan algoritma membentuk dasar masa depan AI. Semua indikator adalah bahwa kemajuan cepat akan dibuat di ketiga kategori di masa mendatang.

• Kecerdasan Buatan (AI)
• Robot
• Komputasi
• Jaringan saraf
• Chatbots

Dapatkah Kecerdasan Buatan (AI) ada tanpa manusia?

Beberapa dekade yang lalu, kecerdasan buatan (AI) hanya terbatas pada hiburan. Orang -orang kagum pada kekuatan yang dimiliki teknologi ini, tetapi hari ini AI dan pembelajaran mesin adalah topik hangat. Faktanya, sebagian besar orang telah berinteraksi dengan teknologi ini dalam beberapa cara dalam hidup mereka.

Penggunaan aplikasi AI percakapan dalam teks dan suara telah melonjak. Ini termasuk asisten virtual yang canggih dan chatbots sederhana yang memiliki layanan pelanggan otomatis dan membawanya ke level lain. Teknologi ini juga telah merevolusi industri lain juga.

Bahkan dengan perkembangan ini, AI belum mandiri. Ini menimbulkan pertanyaan: bisakah ai ada tanpa manusia?

AI membutuhkan manusia untuk tetap relevan. Itu berisiko tidak mengimbangi tanpa manusia di loop. Inilah alasan mengapa AI masih membutuhkan manusia.

Bisakah AI ada tanpa manusia mendukungnya?

AI adalah salah satu teknologi yang berkembang pada tingkat eksponensial. Mesin bertenaga AI bekerja lebih baik, bergerak lebih cepat, dan mengangkat beban yang lebih besar daripada manusia. Mereka sama cerdasnya dengan manusia, sehingga mereka dapat melakukan hampir segalanya.

Namun, teknologi bisa’t bergerak maju tanpa bantuan manusia. Ada kebutuhan bagi para insinyur untuk mengembangkan dan menguji sistem AI agar teknologi tumbuh. Oleh karena itu manusia dan AI tidak dapat dipertukarkan, dan AI bisa’T tidak ada tanpa orang.

Banyak pengembang mengatakan itu’mungkin bagi mesin untuk berpikir mandiri di masa depan. Namun, di dunia nyata, ini mungkin membutuhkan beberapa dekade untuk mencapai itu karena saat ini, robot diprogram, dan mereka bekerja dalam bingkai mereka. Mereka bergantung pada kode yang ditulis manusia, sehingga mereka bisa’Aku berpikir kritis melalui skenario yang kompleks.

Selanjutnya, AI memproses data yang dimasuki manusia ke dalam sistem. Tanpa intervensi manusia, mesin akan menganggur. Oleh karena itu ruang teknologi AI masih jauh dari mencapai kecerdasan seperti manusia untuk membantunya bekerja tanpa bantuan manusia. Mesin hanya dapat memberikan nilai selama ada manusia di belakangnya.

Alasan mengapa AI menang’t menggantikan manusia

· Kurangnya kecerdasan emosional

Manusia memiliki kecerdasan emosional karena mereka dapat menunjukkan emosi, mengungkapkan perasaan, membaca gerakan dan ekspresi wajah untuk mengetahui hal yang benar untuk dikatakan. Misalnya, bisnis bisa’t menggantikan manusia dengan AI dalam layanan pelanggan karena pelanggan menginginkan interaksi pribadi. Betapapun canggihnya mereka, robot bisa’t menunjukkan perasaan dan empati kepada pelanggan.

Bisnis yang menggantikan perwakilan layanan pelanggan mereka dengan robot akan kehilangan pelanggan karena kurangnya interaksi pribadi. Faktanya, hari ini, ada peningkatan kebutuhan untuk soft skill, seperti keterampilan negosiasi, keterampilan interpersonal, dan keterampilan komunikasi, di pasar kerja daripada keterampilan teknis.

Meskipun sistem AI akurat dan cepat, mereka’RE tidak empati, intuitif, atau sensitif secara budaya. Kemampuan inilah yang membuat manusia lebih efektif daripada mesin.

· Ai bisa’t menunjukkan perasaan

Orang menunjukkan perasaan seperti kebahagiaan, kesedihan, harapan, kenikmatan, kebaikan, rasa terima kasih, optimisme, dan daftarnya tidak terbatas. Mereka dapat membaca ekspresi dan emosi yang ditunjukkan orang lain, tetapi mesin yang mendukung AI tidak diprogram untuk melakukan itu.

Mayoritas pekerjaan di pasar membutuhkan koneksi manusia-ke-manusia dan pembentukan kepercayaan yang membantu orang untuk membuka, bersantai dan berbagi informasi mereka. Dia’benar bahwa mesin yang mendukung AI dapat meniru ucapan manusia, tetapi mereka bisa’t menunjukkan empati dan perasaan lainnya; Dengan demikian, mereka kehilangan sentuhan manusia itu.

· Manusia membangun hubungan

Manusia membangun hubungan yang membantu mereka mencapai beberapa hal. Meskipun mereka’mampu mencapai banyak hal ketika mereka bekerja sebagai sebuah tim, mereka juga menunjukkan hasil yang lebih baik sebagai individu.

Anggota tim menunjukkan komitmen emosional dan ikatan selama keterlibatan mereka. Melalui ini, mereka menunjukkan bahwa mereka saling peduli, pekerjaan mereka, dan perusahaan mereka. Membangun hubungan membantu orang menemukan pelanggan, investor, dan mitra. Mesin bisa’t mencapai sisi emosional perilaku manusia.

· Bisa’t melakukan pekerjaan kreatif

Manusia dapat memenuhi proyek -proyek hebat di sektor kreatif, teknologi, dan keuangan daripada AI. Sebenarnya, AI memperkuat apa yang manusia lakukan di sektor-sektor ini dengan mengotomatisasi tugas berulang, manual, dan rawan kesalahan. Solusi otomatis yang cerdas ini memungkinkan karyawan untuk fokus pada tugas prioritas dan kreatif yang lebih tinggi saat mereka melakukan kegiatan lainnya.

· Bisa’t temukan solusi kreatif

AI dibangun di atas kode yang Don’t memungkinkan untuk menemukan solusi untuk masalah yang muncul secara kreatif. Mereka bekerja seperti yang diprogram, yang membatasi kemampuan mereka untuk menganalisis konteks dan mengembangkan strategi yang kompleks.

Manusia berinteraksi dengan lingkungan eksternal dan mempertimbangkan pengaruh dari luar saat menganalisis informasi. Mereka dapat bekerja dengan pertukaran informasi yang terdistorsi dan perubahan mendadak ketika mereka secara kreatif menyaring visi dan strategi karena elemen kritis yang disebut intuisi manusia.

Kesimpulan

Meskipun hype, mesin bertenaga AI hanya dirancang oleh manusia untuk menyelesaikan masalah tertentu. Saat ini, mereka bisa’T beroperasi sendiri. Pengembangan lebih lanjut dari teknologi ini tergantung pada insinyur, profesional TI, ilmuwan data, dan lainnya. Faktanya, seseorang harus membuat robot ini dan jenis algoritma lainnya. Akibatnya, manusia memiliki lebih banyak peluang saat AI dikembangkan.