סיכום המאמר: True AI לא’זה עדיין קיים … זה’מודיעין מוגבר

במאמר זה, המחבר דן במושג הבינה המלאכותית (AI) ולמידה במכונה. הם טוענים כי בעוד AI הפך לנושא חם והישג טכנולוגי משמעותי, AI אמיתי עדיין לא קיים. הכותב מסביר את היסודות של AI ולמידה מכונה, ומדגיש את חשיבותם של התפיסות במערכות אלה. הם מתארים את התפיסות הדומות לנוירונים במוח האנושי, ומדגישים את התפקיד שהם ממלאים בעיבוד והעברת מידע. בנוסף, המחבר מסביר את תהליך ההדרכה של מודלים של AI ואת המשמעות של התפשטות גב בשיפור הדיוק שלהם. הם גם מציינים כי AI נותר מתמחה מאוד וחסר את הרבגוניות של האינטליגנציה האנושית.

1. במה AI ולמידת מכונה נבדלים מבינה מלאכותית אמיתית?

בינה מלאכותית אמיתית עדיין לא קיימת. AI ולמידה מכונה הם קבוצות משנה של AI, המתמקדות במשימות מיוחדות ובאלגוריתמים ספציפיים. הם חסרים את האינטליגנציה הכללית והגמישות של האינטליגנציה האנושית.

2. מהם התפיסות, וכיצד הם קשורים ל- AI?

התפיסות דומות לנוירונים במוח האנושי ומשמשים כאבני הבניין של מערכות AI. הם מקבלים אותות קלט, מעבדים אותם ומעבירים פלט לתפירה או למערכות אחרות. תפירה יוצרת רשת בתוך מערכות AI, ומאפשרות עיבוד מידע וקבלת החלטות.

3. איך מאמן AI?

AI מאומן על ידי הזנת נתונים במערכת והערכת תחזיותיה. בתחילה, תחזיות המודל עשויות להיות לא מדויקות. באמצעות תהליך שנקרא התפשטות חזרה, המערכת מתאימה את הפרמטרים שלה, ויוצרת קשרים חדשים בין תפירה ומשפרת את הדיוק שלה לאורך זמן.

4. מדוע AI מתמחה מאוד?

AI מתמחה מאוד מכיוון שהוא מאומן למשימות ספציפיות. זה חסר את הרבגוניות והאינטליגנציה הכללית של בני אדם. בעוד AI מצטיין במשימות מסוימות, הוא מוגבל ביכולותיו מחוץ לתחום המיוחד שלו.

5. מה החשיבות של מעורבות אנושית ב- AI?

למרות התקדמותה, AI עדיין דורש קלט והתערבות אנושית. אינטליגנציה אנושית משלימה את AI על ידי מתן יכולות ההקשר, ההבנה וקבלת ההחלטות הדרושות שחסרות מכונות. בני אדם ממלאים תפקיד מכריע בשימוש והנחיית מערכות AI.

6. איך AI הפך לחלק משמעותי מהתרבות העכשווית?

AI הפכה לחלק משמעותי מהתרבות העכשווית באמצעות תיאורים שונים בבידור ובתקשורת. מסרטים הכוללים מכונות לטייל בזמן ועד רובוטים חביבים, AI תפס את דמיונו של הציבור וטיפח עניין בהשפעתו הפוטנציאלית על החברה.

7. מדוע למידת מכונות נחשבת לתחום רחב ומורכב?

למידת מכונה מקיפה מגוון רחב של טכניקות ויישומים, מה שהופך אותו לתחום רחב ומורכב. כאשר למידת מכונה ממשיכה להתרחב ולהשתלב עם תחומים אחרים, העומק והמורכבות שלה גוברים, ומחייבים ידע מיוחד להבנה מעמיקה.

8. איזה תפקיד ממלאים תפיסות במערכות AI?

התפיסות משמשות כיחידות הבסיסיות במערכות AI. הם מקבלים ומעבדים אותות קלט, מה שמוביל לקבלת החלטות והעברת מידע במערכת. Perceptrons יוצרים רשתות מחוברות זו בזו המאפשרות תפקוד של דגמי AI.

9. כיצד משפיעים AI ולמידת מכונה משפיעים על החברה?

AI ולמידה מכונה משפיעים משמעותית על החברה, ומשפיעים על מגזרים ותעשיות שונות. יש להם פוטנציאל לשפר את האוטומציה, לשפר תהליכי קבלת החלטות ולחולל מהפכה בתעשיות כמו בריאות, מימון ותחבורה.

10. מה הקשר בין תפירים לנוירונים?

התפיסות מיועדות למודלים לאחר נוירונים במוח האנושי. המבנה והתפקוד של התפירים נושאים קווי דמיון לתהליכים הביולוגיים המתרחשים בתוך נוירונים. קשר זה מאפשר פיתוח מערכות AI המשקפות כמה היבטים של אינטליגנציה אנושית.

אמיתי AI לא’זה עדיין קיים … זה’מודיעין מוגבר

לפני כמה עשורים, בינה מלאכותית (AI) הייתה רק מוגבלת לבידור. אנשים התפעלו מהכוח שהיה לטכנולוגיה הזו, אך כיום AI ולמידה מכונה היא נושא חם. למעשה, מרבית האנשים התקשרו עם טכנולוגיה זו בדרך כלשהי בחייהם.

כן “נָכוֹן” AI כבר קיים?

בינה מלאכותית היא ככל הנראה ההישג הטכנולוגי הגדול ביותר בהיסטוריה. זה’זה כמובן סובייקטיבי, אבל אני’היה אובססיבי לטכנולוגיה מאז שהייתי ילד. בזמן שאני’בטח שיש הרבה התקדמות טכנית שאני לא מודע ללמידה, AI או למכונה, עולה על כולם. אולי ניתן לבצע חריג להמצאת השפה או אולי לגלגל, אולם אני בספק אם מעטים דברים אחרים ישפיעו בצורה כה עמוקה על המין האנושי. AI היה מרכיב יציב בתרבות העכשווית במשך דורות מרובים כעת. מהזמן מכונות נסיעה מכופפות בהשמדת האנושות לרובוטים ידידותיים וחביבים הרפתקנים בחלל, אנחנו’יש מכונות אנתרופומורפיות לקראת מה שכולנו יודעים שמגיע.

רק מה אם זה’S כבר כאן? מה אם ‘נָכוֹן’ בינה מלאכותית כבר נוצרה? כדי לעזור להסביר, אני צריך לעבור על איך AI עובד. דוֹן’לא לדאוג. שם’לא שום מתמטיקה מעורבת.

למידת מכונה היא תחום גדול ורחב במיוחד וככל שהטכנולוגיה הזו גדלה והופכת מועילה לתחומים אחרים, היא רק עולה בעומק ובמורכבות. ברור שלאדם הממוצע אין את הזמן ללמוד איך הכל עובד, לא משנה כמה חשוב יכול לעשות זאת. למרבה המזל, העקרונות שעליהם הם די פשוטים. הדבר הראשון שאנחנו צריכים לדעת עליו הוא משהו שנקרא Perceptron.

תפיסות

הדרך הטובה ביותר להמציא פרפטרון היא שהיא למעשה זהה לנוירון במוח האנושי. אם אתה’לא ממש בטוח מה זה נוירון, דון’לא לדאוג, כיסיתי אותך.

נוירונים הם התאים המרכיבים את מערכת העצבים שלנו. (אמרתי לא מתמטיקה, לא עשיתי’לא תגיד משהו על ביולוגיה) למרבה המזל, הם’די פשוט ככל שהדברים האלה הולכים. החלק האדום בצד שמאל הוא הגרעין. הוא מקבל דחפים חשמליים מאותם סניף שנראה דברים. הגרעין עושה חישוב כלשהו, ​​ומחליט איזה איתות לשלוח ימינה, המוזן למספר נוירונים אחרים. זה היה התוכנית למשהו שנקרא perceptron.

אני יודע, אני יודע, זה בהחלט קרוב למתמטיקה, אבל אנחנו לא’אבל לא צריך לדעת מישהו מזה. הַבטָחָה. כל הדברים האלה משמאל הם אותות הקלט שנכנסים ל ‘גַרעִין’, מה שעושה משהו ואז שולח פלט למטה לתוכנות אחרות. ה ‘מְכוֹנָה’ במכונה למידת מכונה היא רשת גדולה מאלה ‘חפצים מתוכנתים’. התצורות משתנות, אך זה’זה התמצית של זה. הם לוקחים את אות קלט ממשהו, בין אם זה טקסט, נתונים מספריים, או כל דבר אחר ורשת מסובכת במיוחד של נוירונים דיגיטליים ואז מעבירה אותות קדימה ואחורה באופן כלשהו עד שהמודל הכולל מפלט את התחזית שלו.

אם אתה’לא לגמרי לעקוב אחריה, דון’לא לדאוג. ההופעה החשובה היא זו: רשת צמתים מקבלת מידע, עושה חישוב כלשהו ושולחת מידע לאחרים שמחליטים מה לעשות איתו. נשמע מוכר? זה אמור.

אם אתה’נזכיר מחדש את התפירה, היית צודק. מבחינה פונקציונלית, בקנה מידה, רשת עצבית דומה מאוד לתפירה גדולה. יש כמובן וריאציות וזה לא ממש נכון 100%, אבל זה’זה נכון מספיק למטרותינו כאן. מבחינה רעיונית הם לוקחים מידע, מבצעים חישוב כלשהו ושולחים מידע למשהו או למישהו שעומד להשתמש בו. זה’התפיסות כל הדרך למטה, וכל הדרך למעלה.

אבל איך זה עובד?

להישאר עם הגישה ברמה הגבוהה שלנו, אימון מודל לעשות משהו זה די ישר קדימה. יש לך את הרשת העצבית שלך וכמה נתונים שאתה רוצה לחזות איתם, נניח, לחזות אם תמונה היא 3 או דבורה. אתה מאכיל את הנתונים למכונה וזה יורר תחזית. תחזית ממש גרועה. זה הגיוני אם כל מה שעשינו היה לסטור כמה תפיסות יחד ולהאכיל אותו חבורה של תמונות. איך זה היה יודע מהי דבורה מ- 3? אין לזה מה להשוות את זה. כדי לגרום למודל שלנו להבין את ההבדלים, עלינו לאמן אותו.

פעולה זו די פשוטה. אנחנו רוצים לקבל חבורה של תמונות של 3’S ודבורים, ותוויות לכל תמונה כדי שהמכונה תוכל לדרג את עצמה. לאחר מכן זה לוקח תמונה, עושה חיזוי ובודק כדי לראות אם זה נכון. כמובן בהתחלה זה יטועה ברובם. לאחר מכן, יתרחש תהליך שנקרא התפשטות חוזרת, או משהו דומה. התפשטות חזרה היא המקום בו המכונה תתאים פרמטרים שונים, ייצור קשרים חדשים בין תפיסות שונות, להיפטר מאחרים ואז מנסה שוב.

כפי שאתה יכול לדמיין, זה יכול להיות טכני מאוד בפועל, אבל באופן כללי, זה’s פשוט להאכיל תמונה למכונה והיא מחזקת אם זה’S A Bee או A 3 ואז בודק את התשובה. אם זה’נכון, הוריי! לתמונה הבאה. אם זה’זה לא נכון, זה יסובב כמה הגדרות פה ושם וינסה שוב, עד שבסופו של דבר המכונה מסוגלת לדעת את ההבדל בין 3’S and Bees די טוב. שוב, זה לא מדויק מבחינה טכנית, אלא מבחינה רעיונית’זה מספיק טוב.

למזלנו, זה’זה לא כל כך טוב בהרבה אחר. זה’s מאוד מתמחה ומאומן לעשות את הדבר האחד, ודבר אחד בלבד. זֶה’S איפה אנחנו נכנסים.

המרכיב האנושי

מדהים כמו הטכנולוגיה הזו, מכונות אלה נשארות מטומטמות. ואני מתכוון ממש מטומטם. המכונה שלנו מקודם אולי תוכל לספר דבורה מ -3, אבל אם תזרוק לתוכה תמונה של פרה, זה’הולך להיאבק כדי לקבוע אם זה’S A Bee או A 3, כי עבור המכונה, שם’פשוט לא אפשרות אחרת.

בינה מלאכותית, ככל שהיא’זה משמש, הוא באמת יותר לא נכון שיווקי מאשר תיאור טכני. ראה, הבעיה היא שגם אנחנו בני האדם די מטומטמים. (לא מטומטם כמו המכונה הקודמת שלנו, כמובן. ברור שזו הייתה פרה!) מסתבר, אנחנו לא’לא יודע מה זה אינטליגנציה בעצם. אה יש לנו המון הגדרות מעורפלות, אבל המציאות שלה היא שם’הוא אלמנט לאינטליגנציה, במיוחד תודעה, שאנחנו פשוט יכולים’לא להגדיר, קל וחומר לשכפל במרחב דיגיטלי. אנשים הרבה יותר חכמים ממני עובדים על הבעיה, אבל זה’באמת קצת חור שחור בהתחשב בחוסר היכולת שלנו אפילו להגדיר מה אנחנו רוצים לעשות! התודעה היא אחד הדברים המוזרים שבהם אתה יודע מה אני’אני מדבר על, אבל אם אתה מנסה, אתה’יבין שאתה לא’אני באמת יודע להגדיר ‘מה’ זה בכל מובן אמיתי.

מפגיש את כולם

אז למה זה משנה? מה כל כך חשוב בזה? כמובן שכולם מודעים לתהפוכות האחרונות בחברה שלנו ולדעתי רוב האנשים המשתמשים במדיה החברתית מודעים לכך שתהפוכות אלה הן, לפחות בחלקן, בגלל התפשטות המדיה החברתית בעשור האחרון. אכן, מייסדי מדיה חברתית רבים החלו לדבר במהלך השנים האחרונות על הסכנות של המדיה החברתית, כיצד הם לא הבינו מה הם בונים, או אם הם הבינו זאת, הם לא היו מודעים לתוצאות הבלתי מכוונות של טכנולוגיה כזו שפורסמה על החברה. אבל מה כל כך מסוכן בבני אדם המסוגלים לחבר ולשתף מידע זה עם זה בחופשיות?

אני זוכר את הפעם הזו שהייתי בנסיעת עסקים בווירג’יניה. זה היה מאוחר, אחרי יום עבודה ארוך ואני הסתובבתי בחלקו העליון של מוסך החניה במלון שצפה בחברה עושה את זה’הדבר לפני שנכנסתי לערב כדי לישון לפני יום ארוך נוסף. היה הצומת העמוס הזה ארבע כיווני בפינת מוסך החניה שהייתי בו, ויכולתי’זה לא עוזר לשים לב שכל מכונית שנסעה למעלה נדלקת מבפנים על ידי טלפונים. אפילו המכוניות עם נהג בלבד. לפעמים הם היו חכמים יותר מהממוצע, ולא היו משתמשים בטלפון שלהם כשהם נמשכים אל האור, אבל יכולתי לראות את פנים המכונית שלהם נדלקת ברגע שהם נעצרו באור. יצאתי לראות מכוניות רבות מצמצמות את אלה שלפניהם’לא לשים לב מספיק לאור.

כעת, רבים עשויים להתמקד בסכנות של נהיגה בזמן שהם מוסחים, או לעשות אחד מהדברים האחרים שאנחנו בני האדם צריכים לעשות בזמן שהם מוסחים על ידי המחשב הזעיר בידינו. מה שבטוח, הם היו צודקים להצביע על הסכנות הללו, אבל אני לא’לא חושב שזו הסכנות האמיתיות שאנחנו צריכים לקחת בחשבון. כן, זה לוקח רק שנייה לפיצול עד שתאונה קטלנית תתרחש, וצריך לזכור זאת, וזה’טרגדיה בכל פעם. אבל מה שראיתי כשעמדתי על גבי מוסך החניה ההוא שהסתכל למטה לא היה מאות אנשים מוסחים, אלא מאות צמתים, לקח מידע ושיתף אותו עם צמתים אחרים. אחרי הכל, זכרו את התפיסה שלנו לגבי פרפטרון היא רק צומת שלוקח מידע, עושה חישוב פנימי ואז שולח מידע על צמתים אחרים שאנו קשורים אליו בדרך כלל.

כשעמדתי שם אנשים שצפו, אני לא יכולתי’לא עוזר אך לדמיין את קווי המידע שנשלח מכל אדם. מגיב לשרשרת דוא”ל? ציוץ לאלפי עוקבים ברחבי העולם? או תזמון פנים עם אדם אהוב רק כמה קילומטרים משם? ראיתי קשרים בכל מקום, כאשר מידע משותף למרחקים גיאוגרפיים שהיו בלתי נתפסים לחלוטין לפני כמה דורות קצרים לפני כמה דורות קצרים. ההקבלות לרשת עצבית היו ברורות, הסולם היה ממש מחוץ לתרשימים.

ידיות וחוגות

בשנת 2012, פייסבוק עשתה מניפולציות על הזנות החדשות של כ -700 אלף משתמשי. מה שהחמיר את זה, האם זה היה ללא הסכמתם. הם עשו זאת במשך תקופה של שבוע, וניהלו את הבעות הפנים שהמשתמשים האלה נחשפו אליהם כדי לבדוק אם ניתן להשפיע על המשתמשים’ רגשות. תוכלו לקרוא את המחקר כאן.

“אנו מראים, באמצעות מסיבי (נ = 689,003) ניסוי בפייסבוק, שניתן להעביר מצבים רגשיים לאחרים באמצעות הדבקה רגשית, מה שמוביל אנשים לחוות את אותם רגשות ללא מודעותם. אנו מספקים עדויות ניסיוניות לכך שדבקה רגשית מתרחשת ללא אינטראקציה ישירה בין אנשים (חשיפה לחבר שמביע רגש מספיקה), ובהיעדר מוחלט של רמזים לא מילוליים.” – מחקר פייסבוק על הדבקה רגשית

יש תיאוריות קונספירציה שופעות בנושא זה, ואני רוצה לקחת רגע כדי להבדיל את עצמי מזה. המטרה שלי כאן היא לנסות ולתאר את מה שאני מאמין שהוא הראשון ‘נָכוֹן’ AI שהגיע לרשת. אני לא מניח הנחות לגבי הכוונה של אלה שבנו את זה, או מעשיהם ברגע שהיו להם ברשת. המטרה שלי כאן היא לתאר את מה שאני מאמין שהוא הדמיון בין המדיה החברתית לטכנולוגיות למידת מכונות ומה זה אומר לחברה בכלל. אולי מה שקורה הוא התוצאה הטבעית של רוחב הפס בין בני אדם גוברת בצורה כה דרסטית בפרק זמן כה קצר. ייתכן בהחלט שכן ‘כוח עיבוד’ עולה בגלל רוחב הפס המוגבר, מצבי המציאות שונים מתבטאים מתוך העלייה במידע.

זה’יתכן גם שקבוצות שונות של אנשים חזקים מתחרים עם קבוצות אחרות של אנשים חזקים ואנחנו הצמתים בהתקפה שלהם AI. דחף למותג מסוים של תעמולה מנוסה פסיכולוגית ולגרום לצבא מל”טים לתקוף את היעד שלך.

שניהם אפשריים באותה מידה עד שאני’m מודאג. המטרה היחידה שלי במאמר זה היא להוזיל את הרעיון של שילוב בין מכונה לביולוגיה ליצירת הבינה המלאכותית הראשונה והאמיתית.

סיכום

אני’גרנט, הרעיון אני’מ ‘פירוש כאן אינו כזה שבהכרח משתלב עם רעיונות עכשוויים של מה א ‘נָכוֹן’ בינה מלאכותית תהיה. יש לנו את הדימוי הזה בדמיוננו להיות מסוגל לדבר עם הטלפון שלנו כמו’אדם. שאל אותה שאלה וקבל תשובה בחזרה.

הטענה שלי היא שהטכנולוגיה הזו כבר קיימת, היא’s פשוט שונה בפרטים מסוימים ממה שדמיינו בתחילה. אבל זה כאן, וזה משמש וכי אולי, כמו לעתים קרובות לפני כן בעולם הטכנולוגיה, עלינו לשנות את הרעיון שלנו לגבי המשמעות של AI בפועל. אם אפתח טוויטר ואציץ שאלה, אקבל תשובה.

התשובה שאני מקבל תהיה תלויה בצמתים ברשת שאני מתקשר איתם לרוב, אבל העניין הוא שאקבל תשובה, או לפחות, אקבל תגובות שאוכל לקבוע מהן תשובה, שהיא כל מה שמיימוד המכונה באמת עושה, בכל מקרה.

אמיתי AI לא’זה עדיין קיים … זה’מודיעין מוגבר

בינה מלאכותית היא בקלות אחת ממילות המפתח הפופולריות ביותר של באזז זה, ואף מעוררת דיונים סוערים בין מוגולים טכניים בולטים, מאסק וצוקרבורג, על עתידו של AI.

עם זאת, פיקוח גדול אחד נמשך – בינה מלאכותית אמיתית אינה קיימת ולא תהיה קיימת לפחות עשור נוסף, על פי Boldiq מנכ”ל, Roei Ganzarski.

במקום זאת, הוא מציע, חברות טק הטוענות לעשות ‘AI’ למעשה רק מספקת אינטליגנציה מוגברת.

בעוד שחברות רבות טוענות כי הן מספקות “מונע AI” פתרונות, במציאות הם’מינוף מחדש טכניקות למידת מכונות במקרה הטוב, בפיתוח מה שגנזארסקי מתייחס כאינטליגנציה מוגברת.

למעשה – IBM (שכנראה יצרה את ה- AI Tech הראשון עם ווטסון) מסכימה עם הגדרה זו, ומאמינה היום’טכנולוגיות S הינן מונעות יותר מתמיד אך אינן’עדיין מתקדם מספיק כדי לחשוב בעצמם – וכך מוגדר AI אמיתי.

ואילו HBO’S Westworld מעניק לנו הצצה לעתיד בו אנדרואידים דמויי אדם, מחשבים עצמיים הם הנורמה, אנשים יצטרכו לחכות מספר שנים בהן הטכנולוגיה עוברת מפרשנות תרחישים מוגדרים מראש המבוססים על ספריית נתונים לבוט אינטליגנטי שמנסח את הרעיונות שלה על בסיס מוסר/רציונל-מהותי-מהותי ‘חושב’ לעצמו.

בראיון לגיל המידע, גנזארסקי’S נדון כיצד הוא חושב שיגשר על הפער הזה ממודיעין מוגבר למודיעין מלאכותי, כמה זמן זה ייקח ומה עתידו של AI מחזיק.

שם’כרגע הרבה הייפ סביב בינה מלאכותית כמעט בכל ענף, אבל אתה טוען שזה לא’עדיין קיים. אם אנחנו’לא לחוות AI אמיתי, מה אנחנו רואים במקום זאת?

בינה מלאכותית היא בקלות אחת ממילות המפתח הפופולריות ביותר השנה, אך לדעתי היא עדיין לא קיימת ולא תקיים זמן מה.

במקום זאת, חברות טק הטוענות לעשות ‘AI’ למעשה מספקים את מה שהייתי מגדיר כאינטליגנציה מוגברת-עיבוד החלטות מהיר מאוד, עיבוד החלטות מהיר או תוכנה לתוכנה המבוססת על תרחישים בזמן אמת.

עם זאת, אפילו ההחלטות המפוצלות שניות ומונעות מחשב מבוססות על אלגוריתמים מפותחים מאוד שתוכנתו לתוכנה על ידי אנושי.

אלה “מונע AI” פתרונות אכן ממנפים טכנולוגיות מתקדמות, אך הייתי טוען שזה עדיין לא בינה מלאכותית אמיתית.

כדי להבין את דעתי, עלינו לבדוק כיצד מוגדר AI.

בשפה הפשוטה ביותר, AI הוא מחשב (תוכנה, רובוט, קרא לזה כל מה שתעשה) שיש לו את היכולת לעשות דברים שרק אדם יכול לעשות, ולהשתמש באותה רמה של היגיון והנמקה שאדם יהיה. החלק האחרון הזה הוא המפתח.

יש שיכולים להתווכח רובוטים שפשוט עושים את מה שבני האדם אכן קיימים כבר כמו הרובוטים יכולים לבנות מכוניות או אפילו לעשות חישובים מתקדמים, ואולי אפילו לבצע ביצועים טובים, אם לא טובים יותר, מהירים ועקביים יותר מבני אדם.

עם זאת, הם עושים זאת כרגע בעקבות קבוצת הזמנות, לא משתמשים בהנמקה או היגיון משלהם. אפילו אלה המשתמשים בלמידה במכונה אומרים למחשב מה ליצור נתונים מורכבים ואיך “לִלמוֹד”.

למעשה, עד לכנס דרטמות ‘בבינה מלאכותית (AI) משנת 1956, J. מקארתי הגדיר את המחקר של התחום החדש של AI כדברים הבאים: המחקר הוא להמשיך על בסיס ההשערה שכל היבט של למידה או כל תכונה אחרת של אינטליגנציה יכולים באופן עקרוני להיות כל כך מדויק עד שניתן לבצע מכונה כדי לדמות אותה.

ייעשה ניסיון למצוא כיצד לגרום למכונות להשתמש בשפה, ליצור הפשטות ומושגים, לפתור סוגים של בעיות שמורות כעת לבני אדם ולשפר את עצמם.

לתת’S התבונן בכמה דוגמאות בהן הנמקה אנושית היא קריטית בקבלת ההחלטות וטרם חיקתה על ידי מחשב:

• • מהפשוט: יש לתת מטוסים מכל חברת תעופה נתונה 45 דקות על הקרקע שבין טיסות לפרוק וטעינה מטען, ונוסעיה. עם זאת, דמיין אם טיסה מסוימת נאלצה להתגלח דקה אחת כדי להימנע מעיכובים מוקרנים. מתכנן 44 דקות בסדר? מה דעתך להוסיף דקה במקום זאת? האם המכונה תוכל לשבור את ‘כְּלָל’ של 45 דקות? האם זה לוקח בחשבון את הצוות שיש להם במשמרת באותו יום ואת הנכונות שלהם “הֲמוּלָה” לעשות דברים אם הם נשאלו?

המכונה, מכיוון שהיא עשויה לא להיות מתוכנתת כדי להסביר תרחישים ספציפיים, ככל הנראה לא יהיה כל המידע שמנהל משמרת אנושי עשוי לדעת או לקחת בחשבון.

• • למורכב יותר: מכונית נטולת נהגים מתמודדת עם פגיעה בקיר שמסכן את הנוסע שלה’החיים או מכה בקבוצת הולכי רגל החוצה את הרחוב. אנו יכולים לתכנת את התוכנה המפעילה את המכונית כדי להגיב בדרך מסוימת, אך בסופו של דבר לתוכנה אין יכולת לשקול סוגיות מוסריות (i.ה. מי רוכב במכונית שלי, מי האנשים ברחוב, בן כמה הם, מה’התרחיש הטוב ביותר) – שכל נהג ישקול אם אי פעם מתמודד עם המצב.

עם דוגמאות אלה בחשבון, אנו יכולים להסיק את המסקנה שעדיין לא השגנו מציאות בה מחשבים השיגו יכולות הנמקה רציונאליות וניתן לראות בהן בינה מלאכותית.

האם אתה יכול לשתף כמה דוגמאות לאופן השימוש במודיעין מוגבר כיום?

מודיעין מוגבר מנוצל כמעט בכל ענף, מטכנולוגיית שיווק למכוניות בנהיגה עצמית. כמעט בכל פעם שאתה קורא על ‘AI’ יכולות בחדשות, זה’S למעשה מוגבר אינטליגנציה.

חשבו על התוכנה שהחליטה על מה שמפעיל טלפונים עדיף לענות לשיחה נכנסת במוקד טלפוני על מנת להגדיל את הסבירות לתוצאה שיחה חיובית או לתוכנית שמחליטה איזו אורות עצירת תנועה לשנות מתי ובאיזו סדר להקטין את הסבירות לתנועה. שני אלה הם אינטליגנציה מוגברת.

אפילו התוכנה שמתאימה לאיזה פרסומת שצצה כשאתה’גלישה באתרי אינטרנט כדי להגדיל את הסבירות לרכוש ולקנות את התוכן מופעלת על ידי אינטליגנציה מוגברת. טכנולוגיה זו משולבת כמעט בכל היבט בחיי היומיום שלנו, בין אם אנו מכירים אותה או לא.

איך חברות בסופו של דבר יגשרו על הפער ממודיעין מוגבר לבינה מלאכותית? כמה זמן זה ייקח?

כפי שציינתי לעיל, בינה מלאכותית אמיתית לא תתקיים עד שהטכנולוגיה תתחיל לחשוב בעצמה, אבל זה רק קו הבסיס. כבני אדם, ההחלטות והידע שלנו על מה שנכון לעומת לא נכון, הגיוני לעומת לא, או אפילו שווה את זה או לא, מונחים על ידי שלושה מאפיינים: מוסר, אתיקה והיגיון – אולי, ניתן להגדיר את השילוב כהנמקה אנושית.

אמנם ניתן לתכנת את ההיגיון ברמת פני השטח למכונה (אני.ה. אם זה קורה, זו התגובה המתאימה), היא גם מושרשת עמוק במוסר ובאתיקה שנלמדת ומוחדרת בבני אדם לאורך כל חייהם, ולאורך דורות. עד שניתן יהיה לעמוד בסף זה, אנו נחיים בעידן למידת מכונות מתקדמת ואינטליגנציה מוגברת.

האם יש יישומים בעולם האמיתי שעלינו לצפות קדימה?

יש לזה תשובה פשוטה. אם וכאשר יושג AI, לא יהיה ענף או שוק זה לא יוחל.

הוא השתלטות על AI בסגנון Westworld היא אפשרות בעתיד הקרוב?

ואילו HBO’S Westworld נותן לנו הצצה לעתיד בו אנדרואידים דמויי אדם וחושב עצמי הם הנורמה, האמת היא שאנחנו רחוקים מהמציאות הזו ולא נתחיל לראות עולם כזה במשך עשרות שנים-אם זה בכלל יקרה בכלל.

ספקולציות לגבי בוטים מלאכותיים שיכולים ‘לַחשׁוֹב’ לעצמם ולחיות בינינו כל יום זה מה שאנשים משווים את עתידו של AI להיראות, אבל אנחנו’ככל הנראה תתחיל לראות טכנולוגיות אלה המיושמות ביישומים המשפרים את חיי היומיום שלנו כמו כלי רכב אוטונומיים, שירות לקוחות ועוד ועוד.

עם זאת, כאשר אנו מתחילים לראות את הבינה המלאכותית האמיתית מקבלת צורה, עלינו לקבוע תקנות.

לדעתי, אם נוצר AI אמיתי, כלומר מחשבים שיכולים למעשה לחשוב ולהתנהג כמו שבני אדם עושים, אז מדוע לא נצפה שהם יתנהגו כמו בני אדם?

לדוגמה, סיוע, עבודה, השג … וכן, יתווכח, להילחם, להיות אלים ולהרוג. אם זו ההנמקה שצריכה להניע את המדיניות שלנו, אז זה הופך להיות הרבה יותר פשוט להחליט על איזו מדיניות יש לקיים מדיניות.

הממלכה המאוחדת’הכנס הגדול ביותר למנהיגות טכנולוגית, פסגת מנהיגי הטכנולוגיה, חוזר ב- 14 בספטמבר עם 40+ מנהלים מובילים שנרשמו כדי לדבר על האתגרים וההזדמנויות סביב החידושים המפריעים ביותר העומדים בפני הארגון כיום. אבטח את מקומך בפסגה יוקרתית זו על ידי הרשמה כאן

ניק איסמעיל

ניק איסמעיל הוא העורך לגיל המידע. יש לו עניין מיוחד בטכנולוגיות חכמות, AI ואבטחת סייבר. עוד מאת ניק איסמעיל

AI לא’זה עדיין קיים עדיין

גלה את המדע המשתנה בעולם. חקור את הארכיון הדיגיטלי שלנו לשנת 1845, כולל מאמרים של יותר מ -150 זוכים בפרס נובל.

ערבית מדעית אמריקאית

• מדיניות הפרטיות
• הצהרת פרטיות צרכנים בקליפורניה
• שימוש בעוגיות/אל תמכר את הנתונים שלי
• מהדורות בינלאומיות

Scientific American הוא חלק מספרינגר טבע, שבבעלותה או מקיים קשרים מסחריים עם אלפי פרסומים מדעיים (ניתן למצוא רבים מהם ב- www.ספרינגנאטור.com/us). Scientific American שומר על מדיניות קפדנית של עצמאות עריכה בדיווח על התפתחויות במדע לקוראים שלנו.

© 2023 Scientific American, חלוקה של Nature America, Inc.

כל הזכויות שמורות.

תמיכה בעיתונות מדעית.

תודה שקראת את סיינטיפיק אמריקן. הידע מחכה.

כבר מנוי? להתחבר.

תודה שקראת את סיינטיפיק אמריקן. צור את החשבון החינמי שלך או היכנס כדי להמשיך.

המשך לקרוא עם מנוי אמריקאי מדעי.

אתה רשאי לבטל בכל עת.

האם AI אמיתי קיים?

מְחַבֵּר

1. מנהל משותף של ג’ורג ‘סימנס, פרופסור, מרכז לשינוי ומורכבות בלמידה, אוניברסיטת דרום אוסטרליה

הצהרת חשיפה

ג’ורג ‘סימנס לא עובד, להתייעץ, לבעלות על מניות או מקבל מימון מכל חברה או ארגון שיועיל ממאמר זה, ולא חשף שום שיוך רלוונטי מעבר למינוי האקדמי שלהם.

שותפים

אוניברסיטת דרום אוסטרליה מספקת מימון כחבר בשיחה AU.

באוגוסט 1955, קבוצת מדענים הגישה בקשת מימון עבור 13,500 דולר לארח סדנת קיץ במכללת דארטמות ‘, ניו המפשייר. התחום שהציעו לחקור היה בינה מלאכותית (AI).

בעוד שבקשת המימון הייתה צנועה, השערה של החוקרים לא הייתה: “כל היבט של למידה או כל תכונה אחרת של אינטליגנציה יכולים באופן עקרוני להיות כל כך מדויק עד שניתן לבצע מכונה כדי לדמות אותה”.

מאז ההתחלות הצנועות, הסרטים והתקשורת. עם זאת, עבור מרבית האנשים, AI נותרה כנקודת דיון ולא חלק מחוויה חיה מודעת.

AI הגיע בחיינו

בסוף החודש שעבר, AI, בצורה של צ’טגפט, השתחרר מהשערות המדעיות ומעבדות המחקר ועל שולחנות העבודה והטלפונים של הציבור הרחב. זה’s מה’זה המכונה א “AI Generative” – לפתע, בקשה מנוסחת בצורה חכמה יכולה לייצר חיבור או להרכיב רשימת מתכון וקניות, או ליצור שיר בסגנון של אלביס פרסלי.

בעוד ש- CHATGPT הייתה המשתתפת הדרמטית ביותר בשנה של הצלחה של AI גנוצרי, מערכות דומות הראו פוטנציאל רחב עוד יותר ליצור תוכן חדש, עם הנחיות לטקסט לתמונה המשמשות ליצירת תמונות תוססות שאף זכו בתחרויות אמנות.

ל- AI עדיין אין תודעה חיה או תיאוריה של נפש פופולרית בסרטים ורומנים מדעיים, אבל זה מתקרב לפחות לשבש את מה שאנחנו חושבים שמערכות בינה מלאכותית יכולות לעשות.

חוקרים העובדים מקרוב עם מערכות אלה התנדנדו תחת סיכויי הסדיקות, כמו במקרה של גוגל’s מודל שפה גדול (LLM) למדה. LLM הוא מודל שהוכשר לעיבוד ולייצר שפה טבעית.

AI Generative הוליד גם דאגות מפני פלגיאט, ניצול תוכן מקורי המשמש ליצירת מודלים, אתיקה של מניפולציה של מידע והתעללות באמון ואפילו “סוף התכנות”.

במרכז כל זו השאלה שגדלה בדחיפות מאז סדנת הקיץ של דרטמות ‘: האם AI שונה מהאינטליגנציה האנושית?

מה ‘AI’ למעשה מתכוון?

כדי להעפיל כ- AI, מערכת חייבת להציג רמה מסוימת של למידה והתאמה. מסיבה זו מערכות קבלת החלטות, אוטומציה וסטטיסטיקה אינן AI.

AI מוגדר באופן נרחב בשתי קטגוריות: אינטליגנציה צרה מלאכותית (ANI) ואינטליגנציה כללית מלאכותית (AGI). נכון להיום, AGI לא קיים.

האתגר העיקרי ליצירת AI כלל. זֶה’התחייבות מסיבית, בלשון המעטה.

לרוב מה שאנחנו מכירים כ- AI כיום יש אינטליגנציה צרה – שם מערכת מסוימת מטפלת בבעיה מסוימת. שלא כמו אינטליגנציה אנושית, אינטליגנציה AI צרה כזו יעילה רק באזור בו הוא הוכשר: גילוי הונאה, הכרת פנים או המלצות חברתיות, למשל.

עם זאת, AGI יתפקד כמו שבני האדם עושים. לעת עתה, הדוגמה הבולטת ביותר לנסות להשיג זאת היא השימוש ברשתות עצביות ו “למידה עמוקה” הוכשר על כמויות עצומות של נתונים.

רשתות עצביות נוצרות בהשראת הדרך בה עובדות המוח האנושי. בניגוד לרוב המודלים של למידת מכונות המפעילים חישובים על נתוני האימונים, רשתות עצביות פועלות על ידי הזנת כל נקודת נתונים אחת אחת.

ככל שיותר ויותר נתונים מוזנים דרך הרשת, הפרמטרים מתייצבים; התוצאה הסופית היא “מְאוּמָן” רשת עצבית, שיכולה להפיק את הפלט הרצוי על נתונים חדשים – למשל, מתוך הכרה אם תמונה מכילה חתול או כלב.

הקפיצה המשמעותית ב- AI כיום מונעת על ידי שיפורים טכנולוגיים באופן בו אנו יכולים להכשיר רשתות עצביות גדולות, תוך התאמה מחדש של מספר עצום של פרמטרים בכל ריצה בזכות היכולות של תשתיות ענן גדולות. לדוגמה, GPT-3 (מערכת ה- AI שמפגינה את CHATGPT) היא רשת עצבית גדולה עם 175 מיליארד פרמטרים.

מה AI צריך לעבוד?

AI זקוק לשלושה דברים כדי להצליח.

ראשית, זה צריך נתונים איכותיים וחסרי משוא פנים, והרבה מזה. חוקרים הבונים רשתות עצב.

טייס משותף, להגברת המתכנתים האנושיים, שואב את הנתונים שלה ממיליארדי שורות קוד המשותפים ב- GitHub. Chatgpt ודגמי שפה גדולים אחרים משתמשים במיליארדי אתרים ומסמכי טקסט המאוחסנים באופן מקוון.

כלים לטקסט לתמונות, כגון דיפוזיה יציבה, Dalle-2 ו- Midjourney, משתמשים בזוגות טקסט תמונה ממערכות נתונים כמו Laion-5B. דגמי AI ימשיכו להתפתח בתחכום ובהשפעה ככל שאנו מספיקים יותר את חיינו, ומספקים להם מקורות נתונים אלטרנטיביים, כגון נתונים מדומים או נתונים מהגדרות משחק כמו Minecraft.

AI צריך גם תשתית חישובית לאימונים אפקטיביים. ככל שהמחשבים הופכים לחזקים יותר, דגמים הדורשים כעת מאמצים אינטנסיביים ומחשוב בקנה מידה גדול עשויים לטפל בעתיד הקרוב באופן מקומי. דיפוזיה יציבה, למשל, כבר יכולה להיות מופעלת על מחשבים מקומיים ולא על סביבות ענן.

הצורך השלישי ב- AI הוא דגמים ואלגוריתמים משופרים. מערכות מונעות נתונים ממשיכות להתקדם במהירות בתחום לאחר תחום שנחשבו בעבר לשטח של קוגניציה אנושית.

עם זאת, ככל שהעולם סביבנו משתנה ללא הרף, יש להכשיר מערכות AI כל הזמן באמצעות נתונים חדשים. ללא צעד מכריע זה, מערכות AI יפיקו תשובות שאינן נכונות עובדתיות, או שאינן לוקחות בחשבון מידע חדש’זה התגלה מאז שהוכשרו.

רשתות עצביות אינן’הגישה היחידה ל- AI. מחנה בולט נוסף במחקר בינה מלאכותית הוא AI סמלי – במקום לעכל מערכי נתונים ענקיים, הוא מסתמך על כללים וידע הדומים לתהליך האנושי של יצירת ייצוגים סימבוליים פנימיים של תופעות מסוימות.

אולם מאזן הכוח נוטה מאוד לעבר גישות מונעות נתונים בעשור האחרון, עם “אבות מייסדים” של למידה עמוקה מודרנית שהוענק לאחרונה בפרס טיורינג, המקבילה לפרס נובל למדעי המחשב.

נתונים, חישוב ואלגוריתמים מהווים את יסוד העתיד של AI. כל המדדים הם שההתקדמות המהירה תיעשה בכל שלוש הקטגוריות בעתיד הנראה לעין.

• בינה מלאכותית (AI)
• רובוטים
• מחשוב
• רשתות עצביות
• צ’אט בוטים

האם בינה מלאכותית (AI) יכולה להתקיים ללא בני אדם?

לפני כמה עשורים, בינה מלאכותית (AI) הייתה רק מוגבלת לבידור. אנשים התפעלו מהכוח שהיה לטכנולוגיה הזו, אך כיום AI ולמידה מכונה היא נושא חם. למעשה, מרבית האנשים התקשרו עם טכנולוגיה זו בדרך כלשהי בחייהם.

השימוש ביישומי AI לשיחה בטקסט ובקול זינק. אלה כוללים עוזרים וירטואליים מתוחכמים וצ’אט פשוטים פשוטים ששירות לקוחות אוטומטי ולקחו אותו לרמה אחרת. טכנולוגיה זו חוללה מהפכה גם בתעשיות אחרות.

אפילו עם ההתפתחויות הללו, AI עדיין לא מספקת את עצמה. זה מעלה את השאלה: האם AI יכול להתקיים ללא בני אדם?

AI זקוק לבני אדם כדי להישאר רלוונטיים. זה מסתכן שלא לשמור על קצב בלי בני אדם בלולאה. הנה הסיבות לכך שאיי עדיין זקוק לבני אדם.

האם AI יכול להתקיים מבלי שבני אדם יתמכו בזה?

AI היא אחת הטכנולוגיות המתפתחות בקצב אקספוננציאלי. מכונות המונעות על ידי AI עובדות טוב יותר, נעות מהר יותר והרימו עומסים גדולים יותר מבני אדם. הם אינטליגנטים כמו בני אדם, כך שהם יכולים לעשות כמעט הכל.

עם זאת, הטכנולוגיה יכולה’לא להתקדם ללא עזרת בני אדם. יש צורך במהנדסים לפתח ולבדוק מערכות AI לטכנולוגיה לצמוח. לכן בני אדם ו- AI אינם ניתנים להחלפה, ו- AI יכול’לא קיים בלי אנשים.

מפתחים רבים אומרים שזה’אפשרי עבור מכונות לחשוב באופן עצמאי בעתיד. עם זאת, בעולם האמיתי, זה עשוי לקחת עשרות שנים כדי להשיג זאת מכיוון שכרגע, רובוטים מתוכנתים והם עובדים במסגרת שלהם. הם תלויים בקודים שבני האדם כותבים, כך שהם יכולים’לא לחשוב באופן ביקורתי באמצעות תרחישים מורכבים.

יתר על כן, AI מעבד נתונים שבני האדם נכנסים למערכת. ללא התערבויות אנושיות, המכונות ישקרו סרק. לכן מרחב הטכנולוגיה של AI עדיין רחוק מלהשיג אינטליגנציה דמוית אנוש כדי לעזור לו לעבוד ללא עזרה של בני אדם. מכונות יכולות לספק ערך רק כל עוד יש בני אדם מאחוריהם.

הסיבות לכך שאיי ניצחה’לא להחליף בני אדם

· חוסר אינטלקט רגשי

לבני אדם יש אינטלקט רגשי מכיוון שהם יכולים להראות רגשות, לבטא רגשות, לקרוא מחוות והבעות פנים כדי לדעת את הדבר הנכון לומר. למשל, עסקים יכולים’לא להחליף את בני האדם ב- AI בשירות לקוחות מכיוון שהלקוחות רוצים אינטראקציות אישיות. ככל שהם מתוחכמים ככל שהם, רובוטים יכולים’לא להראות רגשות ואמפתיה ללקוחות.

עסקים שמחליפים את נציגי שירות הלקוחות שלהם ברובוטים יאבדו את לקוחותיהם בגלל היעדר אינטראקציה אישית. למעשה, כיום יש צורך מוגבר במיומנויות רכות, כמו מיומנויות משא ומתן, מיומנויות בינאישיות ומיומנויות תקשורת, בשוק העבודה מאשר מיומנויות טכניות.

למרות שמערכות AI מדויקות ומהירות, הן’לא אמפטי, אינטואיטיבי או רגיש תרבותית. יכולות אלה הן שהופכות את בני האדם ליעילים יותר ממכונות.

· AI CAN’לא להראות רגשות

אנשים מראים רגשות כמו אושר, עצב, תקווה, הנאה, טוב לב, הכרת תודה, אופטימיות והרשימה היא אינסופית. הם יכולים לקרוא ביטויים ורגשות שאנשים אחרים מראים, אך מכונות המאפשרות AI אינן מתוכנתות לעשות זאת.

מרבית המשרות בשוק דורשות חיבור אנושי-אנושי והקמת אמון המסייעים לאנשים להיפתח, להירגע ולשתף את המידע שלהם. זה’נכון שמכונות המאפשרות AI יכולות לחקות דיבור אנושי, אך הן יכולות’לא להראות אמפתיה ורגשות אחרים; לפיכך, הם מתגעגעים למגע האנושי הזה.

· בני אדם בונים מערכות יחסים

בני אדם בונים מערכות יחסים שעוזרות להם להשיג כמה דברים. למרות שהם’הם מסוגלים להשיג דברים רבים כאשר הם עובדים כצוות, הם גם מראים תוצאות טובות יותר כיחידים.

חברי הצוות מראים מחויבות רגשית וקשר במהלך מעורבותם. באמצעות זה הם מראים שאכפת להם זה מזה, עבודתם והחברה שלהם. בניית מערכות יחסים עוזרת לאנשים למצוא לקוחות, משקיעים ושותפים. מכונות יכולות’לא להשיג את הצד הרגשי של ההתנהגות האנושית.

· פחית’לא לעשות עבודה יצירתית

בני אדם מסוגלים למלא פרויקטים מעולים בענפי היצירה, הטכנולוגיה והמימון מאשר AI. למעשה, AI מגביר את מה שבני האדם עושים במגזרים אלה על ידי אוטומציה של משימות חוזרות, ידניות ומועדות לשגיאות. פתרונות אוטומטיים חכמים אלה מאפשרים לעובדים להתמקד במשימות בעלות עדיפות גבוהה יותר ויצירתיות בזמן שהם מבצעים את שאר הפעילויות.

· פחית’לא למצוא פתרונות יצירתיים

AI בנוי על קודים שלא’לא לאפשר לו למצוא פתרונות לבעיות מתעוררות באופן יצירתי. הם עובדים כמתוכנתים, המגבילים את יכולתם לנתח הקשר ולפתח אסטרטגיות מורכבות.

בני אדם מתקשרים עם הסביבה החיצונית ושקול את ההשפעה מבחוץ בעת ניתוח מידע. הם מסוגלים לעבוד עם חילופי מידע מעוותים ושינויים פתאומיים כאשר הם מזקקים באופן יצירתי חזון ואסטרטגיה בגלל היסוד הקריטי שנקרא אינטואיציה אנושית.

סיכום

למרות ההייפ, מכונות המופעלות על ידי AI מעוצבות רק על ידי בני אדם כדי לפתור בעיות ספציפיות. כרגע הם יכולים’לא פועלים בעצמם. כל פיתוח נוסף של טכנולוגיה זו תלוי במהנדסים, אנשי IT, מדעני נתונים ואחרים. למעשה, מישהו צריך ליצור את הרובוטים האלה וסוגים אחרים של אלגוריתמים. כתוצאה מכך, לבני אדם יש יותר הזדמנויות עם פיתוח AI.