Hoe zal kunstmatige intelligentie ons leven de komende tien jaar beïnvloeden?

De primaire focus van dit essay is de toekomst van kunstmatige intelligentie (AI). Om beter te begrijpen hoe AI waarschijnlijk zal groeien, ben ik van plan eerst de geschiedenis en de huidige staat van AI te onderzoeken. Door te laten zien hoe zijn rol in ons leven tot dusver is veranderd en uitgebreid, kan ik zijn toekomstige trends beter voorspellen.

John McCarthy bedacht de term kunstmatige intelligentie voor het eerst in 1956 op Dartmouth College. Op dat moment waren elektronische computers, het voor de hand liggende platform voor een dergelijke technologie nog minder dan dertig jaar oud, zo groot als collegezalen en hadden ze opslagsystemen en verwerkingssystemen die te traag waren om het concept recht te doen. Pas tijdens de digitale hausse van de jaren 80 en 90 begon de hardware om de systemen op te bouwen terrein te winnen ten opzichte van de ambities van de AI-theoretici en begon het veld echt op te pakken. Als kunstmatige intelligentie de vooruitgang van het afgelopen decennium in het komende decennium kan evenaren, zal het een net zo gewoon onderdeel van ons dagelijks leven worden als computers in ons leven. Kunstmatige intelligentie heeft sinds de geboorte veel verschillende beschrijvingen gekregen en de belangrijkste verschuiving die het tot nu toe in zijn geschiedenis heeft gemaakt, is de manier waarop het zijn doelen heeft gedefinieerd. Toen AI jong was, waren de doelstellingen beperkt tot het repliceren van de functie van de menselijke geest, aangezien het onderzoek nieuwe intelligente dingen ontwikkelde om te repliceren, zoals insecten of genetisch materiaal. De beperkingen van het veld werden ook duidelijk en uit deze AI zoals we die vandaag begrijpen, kwam naar voren. De eerste AI-systemen volgden een puur symbolische benadering. Klassieke AI’s benadering was om intelligenties te bouwen op een reeks symbolen en regels om ze te manipuleren. Een van de grootste problemen met een dergelijk systeem is de aarding van symbolen. Als elk stukje kennis in een systeem wordt weergegeven door een set symbolen en een bepaalde set symbolen (bijvoorbeeld ‚Hond‘) een definitie heeft die bestaat uit een set symbolen (‚Hondenzoogdier‘), dan heeft de definitie een definitie nodig („zoogdier: schepsel met vier ledematen, en een constante interne temperatuur“) en deze definitie heeft een definitie nodig, enzovoort. Wanneer wordt deze symbolisch vertegenwoordigde kennis beschreven op een manier die geen verdere definitie behoeft om volledig te zijn? Deze symbolen moeten buiten de symbolische wereld worden gedefinieerd om een ​​eeuwige herhaling van definities te voorkomen. De manier waarop de menselijke geest dit doet, is door symbolen aan stimulatie te koppelen. Als we bijvoorbeeld hond denken, denken we niet aan honden als zoogdier, dan onthouden we hoe een hond eruitziet, ruikt, aanvoelt, enz. Dit staat bekend als sensorimotorische categorisering. Door een AI-systeem toegang te geven tot zintuigen die verder gaan dan een getypt bericht, kan het de kennis die het heeft in sensorische input op dezelfde manier als wij doen. Dat wil niet zeggen dat klassieke AI een volledig gebrekkige strategie was, aangezien het voor veel van zijn toepassingen succesvol bleek te zijn. Schaakalgoritmen kunnen grootmeesters verslaan, expertsystemen kunnen ziekten nauwkeuriger diagnosticeren dan artsen in gecontroleerde situaties en geleidingssystemen kunnen vliegtuigen beter besturen dan piloten. Dit model van AI is ontwikkeld in een tijd waarin het begrip van de hersenen nog niet zo volledig was als nu. Vroege AI-theoretici waren van mening dat de klassieke AI-benadering de doelen van AI kon bereiken, omdat de computertheorie dit ondersteunde. Berekening is grotendeels gebaseerd op symboolmanipulatie, en volgens de stelling van de Kerk / Turing kan berekening potentieel alles symbolisch simuleren. De methoden van klassieke AI zijn echter niet goed op te schalen naar complexere taken. Turing stelde ook een test voor om de waarde te beoordelen van een kunstmatig intelligent systeem dat bekend staat als de Turing-test. In de Turing-test zijn twee kamers ingericht met terminals die met elkaar kunnen communiceren. De persoon die de test beoordeelt, zit in één kamer. In de tweede kamer bevindt zich een andere persoon of een AI-systeem dat is ontworpen om een ​​persoon na te bootsen. De rechter communiceert met de persoon of het systeem in de tweede kamer en als hij uiteindelijk geen onderscheid kan maken tussen de persoon en het systeem, is de test geslaagd. Deze test is echter niet breed genoeg (of te breed …) om op moderne AI-systemen te worden toegepast. De filosoof Searle voerde in 1980 het Chinese kamerargument aan en stelde dat als een computersysteem slaagde voor de Turing-test voor het spreken en begrijpen van Chinees, dit niet noodzakelijkerwijs betekent dat het Chinees begrijpt, omdat Searle zelf hetzelfde programma zou kunnen uitvoeren en de indruk wekt dat hij het begrijpt Chinees, hij zou de taal niet echt begrijpen, alleen symbolen in een systeem manipuleren. Als hij de indruk zou kunnen wekken dat hij Chinees verstond terwijl hij eigenlijk geen enkel woord verstond, dan moet de ware test van intelligentie verder gaan dan wat deze test biedt.

Tegenwoordig is kunstmatige intelligentie al een belangrijk onderdeel van ons leven. Er zijn bijvoorbeeld verschillende afzonderlijke op AI gebaseerde systemen alleen in Microsoft Word. De kleine paperclip die ons adviseert over het gebruik van kantoorhulpmiddelen is gebouwd op een Bayesiaans geloofsnetwerk en het rood en groene kronkels die ons vertellen wanneer we een woord verkeerd hebben gespeld of een zin slecht hebben geformuleerd, zijn voortgekomen uit onderzoek naar natuurlijke taal. Je zou echter kunnen zeggen dat dit geen positief verschil heeft gemaakt in ons leven, dergelijke tools hebben zojuist goede spelling en grammatica vervangen door een arbeidsbesparend apparaat dat hetzelfde resultaat oplevert. Ik spel bijvoorbeeld dwangmatig het woord ’succesvol‘ en een aantal andere woorden met meerdere dubbele letters elke keer dat ik ze typ verkeerd, dit is natuurlijk niet zo omdat de software die ik gebruik automatisch mijn werk voor mij corrigeert en zo de druk wegneemt mij om te verbeteren. Het eindresultaat is dat deze tools mijn schriftelijke Engelse vaardigheden eerder hebben beschadigd dan verbeterd. Spraakherkenning is een ander product dat is voortgekomen uit onderzoek naar natuurlijke taal en dat een veel dramatischer effect heeft gehad op het leven van mensen. De vooruitgang die is geboekt in de nauwkeurigheid van spraakherkenningssoftware heeft het mogelijk gemaakt dat een vriendin van mij met een ongelooflijke geest die twee jaar geleden haar gezichtsvermogen en ledematen aan bloedvergiftiging verloor, naar Cambridge University kon gaan. Spraakherkenning had een zeer slechte start, omdat het slagingspercentage bij het gebruik ervan te laag was om bruikbaar te zijn, tenzij u perfect en voorspelbaar gesproken Engels hebt, maar nu is het zo ver gevorderd dat het mogelijk is om on-the-fly taalvertalingen te doen. Het systeem dat nu in ontwikkeling is, is een telefoonsysteem met real-time vertaling van Engels naar Japans. Deze AI-systemen zijn succesvol omdat ze niet proberen de hele menselijke geest na te bootsen zoals een systeem dat de Turing-test zou kunnen ondergaan. Ze bootsen in plaats daarvan zeer specifieke delen van onze intelligentie na. De grammaticasystemen van Microsoft Words bootsen het deel van onze intelligentie na dat de grammaticale correctheid van een zin beoordeelt. Het kent de betekenis van de woorden niet, aangezien dit niet nodig is om een ​​oordeel te vellen. Het spraakherkenningssysteem emuleert een andere afzonderlijke subset van onze intelligentie, het vermogen om de symbolische betekenis van spraak af te leiden. En de ‚on the fly translator‘ breidt spraakherkenningssystemen uit met spraaksynthese. Dit toont aan dat door nauwkeuriger te zijn met de functie van een kunstmatig intelligent systeem, het nauwkeuriger kan zijn in zijn werking.

Kunstmatige intelligentie heeft nu het punt bereikt waarop het onschatbare hulp kan bieden bij het versnellen van taken die nog steeds door mensen worden uitgevoerd, zoals de op regels gebaseerde AI-systemen die worden gebruikt in boekhoud- en belastingsoftware, het verbeteren van geautomatiseerde taken zoals het zoeken naar algoritmen en het verbeteren van mechanische systemen zoals remmen en brandstofinjectie in een auto. Vreemd genoeg zijn de meest succesvolle voorbeelden van kunstmatige intelligente systemen degene die bijna onzichtbaar zijn voor de mensen die ze gebruiken. Heel weinig mensen bedanken AI voor het redden van hun leven wanneer ze ternauwernood voorkomen dat hun auto crasht vanwege het computergestuurde remsysteem.

Een van de belangrijkste problemen bij moderne AI is hoe het gezonde verstand dat mensen in hun jonge jaren opdoen, kan worden gesimuleerd. Er loopt momenteel een project dat in 1990 is gestart, het CYC-project. Het doel van het project is om een ​​gezond verstand-database te bieden die AI-systemen kunnen doorzoeken, zodat ze meer menselijk inzicht kunnen krijgen in de gegevens die ze bevatten. Zoekmachines zoals Google beginnen nu al gebruik te maken van de informatie die in dit project is verzameld om hun service te verbeteren. Beschouw bijvoorbeeld het woord muis of tekenreeks, een muis kan een computerinvoerapparaat zijn of een knaagdier en een tekenreeks kan een reeks ASCII-tekens of een lengte van een tekenreeks betekenen. In het soort zoekfaciliteiten dat we gewend zijn, krijgt u als u een van deze woorden invoert een lijst met links naar elk gevonden document met de opgegeven zoekterm erin. Door een kunstmatig intelligent systeem te gebruiken met toegang tot de CYC-database met gezond verstand wanneer de zoekmachine het woord ‚muis‘ krijgt, kan deze u vragen of u de elektronische of de harige variant bedoelt. Het kan vervolgens elk zoekresultaat filteren dat het woord buiten de gewenste context bevat. Zo’n gezond verstand-database zou ook van onschatbare waarde zijn om een ​​AI te helpen de Turing-test te doorstaan.

Tot nu toe heb ik alleen gesproken over kunstmatige systemen die interageren met een zeer gesloten wereld. Een zoekmachine krijgt zijn zoektermen altijd als een lijst met tekens, grammaticale parsers hebben alleen te maken met tekenreeksen die zinnen in één taal vormen en stemherkenningssystemen passen zich aan de stem en taal aan waarin de gebruiker spreekt. Dit komt omdat in Om de huidige kunstmatige-intelligentiemethoden succesvol te laten zijn, moeten de functie en de omgeving zorgvuldig worden gedefinieerd. In de toekomst zullen AI-systemen kunnen werken zonder eerst hun omgeving te kennen. U kunt nu bijvoorbeeld Google Zoeken gebruiken om naar afbeeldingen te zoeken door tekst in te voeren. Stel je voor dat als je naar iets zou kunnen zoeken met behulp van een zoekomschrijving, je in plaats daarvan naar Google zou kunnen gaan en het een foto van een kat zou kunnen geven, als je zou kunnen herkennen dat het een foto heeft gekregen en proberen te beoordelen waar het een foto van is zou de focus van de foto isoleren en erkennen dat het een kat is, kijken naar wat hij weet over katten en erkennen dat het een Perzische kat is. Het zou dan de zoekresultaten kunnen onderverdelen in categorieën die relevant zijn voor Perzische katten, zoals verzorging, waar ze te koop zijn, foto’s enz. Dit is slechts een voorbeeld en ik weet niet of er momenteel onderzoek in deze richting wordt gedaan, wat ik Ik probeer daarin te benadrukken dat de toekomst van AI ligt in het samenvoegen van bestaande technieken en methoden om kennis weer te geven om gebruik te maken van de sterke punten van elk idee. Het voorbeeld dat ik gaf, zou beeldanalyse vereisen om de kat te herkennen, intelligente gegevensclassificatie om de juiste categorieën te kiezen om de zoekresultaten in onder te verdelen en een sterk element van gezond verstand zoals dat wordt aangeboden door de CYC-database. Het zou ook te maken hebben met gegevens uit veel afzonderlijke databases met verschillende methoden om de kennis die ze bevatten weer te geven. Met ‚de kennis vertegenwoordigen‘ bedoel ik de datastructuur die wordt gebruikt om de kennis in kaart te brengen. Elke methode om kennis weer te geven heeft verschillende sterke en zwakke punten voor verschillende toepassingen. Logische mapping is een ideale keuze voor toepassingen zoals expertsystemen om artsen of accountants bij te staan ​​waar een duidelijk gedefinieerde set regels bestaat, maar het is vaak te star op gebieden zoals de robotnavigatie die wordt uitgevoerd door de Mars Pathfinder-sonde. Voor deze toepassing is een neuraal netwerk wellicht geschikter, omdat het kan worden getraind over verschillende terreinen voordat het op Mars landt. Voor andere toepassingen zoals spraakherkenning of on-the-fly taalvertaling zouden neurale netwerken echter te inflexibel zijn, omdat ze alle kennis die ze bevatten nodig hebben om te worden opgesplitst in getallen en sommen. Andere methoden om kennis weer te geven zijn onder meer semantische netwerken, formele logica, statistiek, kwalitatief redeneren of vage logica om er maar een paar te noemen. Elk van deze methoden is mogelijk geschikter voor een bepaalde AI-toepassing, afhankelijk van hoe nauwkeurig de effecten van het systeem moeten zijn, hoeveel er al bekend is over de besturingsomgeving en het scala aan verschillende inputs waarmee het systeem waarschijnlijk te maken heeft. met.

In de afgelopen tijd is er ook een duidelijke toename geweest van de investeringen in onderzoek naar AI. Dit komt omdat het bedrijfsleven het tijd- en arbeidsbesparingspotentieel van deze tools beseft. AI kan bestaande applicaties gebruiksvriendelijker, intuïtiever voor gebruikersgedrag en meer bewust maken van veranderingen in de omgeving waarin ze zich bevinden. In de vroege dag van AI-onderzoek behaalde het veld zijn doelen niet zo snel als investeerders dachten dat het zou gebeuren, en dit leidde tot een inzinking van nieuw kapitaal. Het lijdt echter geen twijfel dat AI zijn dertig jaar investering in bespaarde arbeidsuren en efficiëntere software ruimschoots heeft terugverdiend. AI is nu een topprioriteit voor investeringen, met weldoeners uit de militaire, commerciële en regeringswereld. De vijfhoek heeft onlangs 29 miljoen dollar geïnvesteerd in een op AI gebaseerd systeem om agenten op dezelfde manier bij te staan ​​als een persoonlijke assistent normaal zou doen.

Sinds de geboorte van AI in de jaren vijftig is het van wiskunde en natuurkunde uitgegroeid tot evolutionaire biologie, psychologie en cognitieve studies in de hoop een vollediger begrip te krijgen van wat een systeem, of het nu organisch of elektronisch is, een intelligent systeem maakt. AI heeft al een groot verschil gemaakt in ons leven op het gebied van vrijetijdsactiviteiten, communicatie, transport, wetenschappen en verkenning van de ruimte. Het kan worden gebruikt als een hulpmiddel om efficiënter gebruik te maken van onze tijd bij het ontwerpen van complexe dingen zoals microprocessors of zelfs andere AI’s. In de nabije toekomst zal het een even groot deel van ons leven worden als computers en auto’s ervoor, en het zal heel goed mensen gaan vervangen op dezelfde manier als de automatisering van staalfabrieken dat deed in de jaren 60 en 70. Veel van zijn toepassingen klinken ongelooflijk, robotspeelgoed dat kinderen helpt te leren, intelligente pillendoosjes die je irriteren als je vergeet je medicatie in te nemen, wekkers die je slaapgewoonten leren of persoonlijke assistenten die constant kunnen leren via internet. Veel van de toepassingen klinken echter alsof ze tot iets vreselijks kunnen leiden. De vijfhoek is een van de grootste investeerders in onderzoek naar kunstmatige intelligentie wereldwijd. Er is momenteel veel onderzoek gaande naar AI-soldaatrobots die eruitzien als kleine tanks en hun doelen automatisch beoordelen zonder menselijke tussenkomst. Zo’n apparaat zou ook opnieuw kunnen worden toegepast als goedkope binnenlandse politie. Gelukkig is de duistere toekomst van AI nog steeds een Hollywood-fantasie en het meeste waar we ons zorgen over hoeven te maken voor de nabije toekomst wordt bij het schaken verslagen door kinderspeelgoed.

Leave a Reply

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.