Представляя будущее с машинным обучением | Навстречу AI
Помещение ИИ в черный ящик суперэтики
Представьте себе, что в ближайшем будущем терапевт будет использовать алгоритм машинного обучения, чтобы рекомендовать лечение пациента, исходя из его привычек, диеты, возраста, генетического анамнеза и т. Д. Что произойдет, если рекомендованное лечение не поможет? Если алгоритм машинного обучения основан на сложной нейронной сети, то может оказаться невозможным выяснить, почему алгоритм оказался неудачным. Однако, если это машинное обучение, основанное на деревьях решений или байесовских сетях, это гораздо более прозрачно для проверки программистов (Hastie, Tibshirani, and Friedman 2001).
Мы еще не совсем там. Однако мы делаем успехи в создании искусственного интеллекта (ИИ), который помогает в рабочих процессах.
Одним из примеров является PlasmoTron, посетите http://bit.ly/plasmotron, чтобы увидеть его в действии, компьютерную программу, которая управляет существующим роботом-дозатором с открытым исходным кодом для автоматизации роста малярийных паразитов.
Удержание малярийных паразитов живыми может занять много времени. Это не требует особых размышлений, но высококвалифицированные ученые тратят много времени, просто перемещая жидкость из одной пробирки в другую, чтобы сохранить жизнь своим паразитам. Это накладывает ограничения на количество различных линий паразитов, с которыми можно работать одновременно, что ограничивает количество генов, которые мы можем понять.
Тео Сандерсон, научный сотрудник института Wellcome Trust Sanger.
Согласно некоторым определениям ИИ, PlasmoTron умен - он выносит суждения. Тем не менее, на фундаментальном уровне он просто следует простому набору правил, чтобы определить, как позаботиться о паразитах, находящихся на его попечении. В настоящее время процесс является полуавтоматическим, исследователь по-прежнему должен брать и вынимать чашки из инкубатора.
Избавление от рутинных задач, несомненно, является целью PlasmoTron и многих существующих в настоящее время ИИ. Такое использование ИИ и робототехники, несомненно, является преимуществом. Существуют общие заблуждения о робототехнике, которые часто передаются через популярные художественные СМИ, такие как фильмы «Бегущий по лезвию» и «Терминатор».
AI GP, раздающий медицинские советы и лекарства, предлагает обществу моральную этику. Как это контролируется? Что будет, если возникнут ошибки? Одна из теорий заключается в том, что ИИ постоянно контролируется и тестируется с более строгой этикой, извлеченной из текущих практик. Можем ли мы применить «мышление черного ящика» к ИИ и роботам? «Черный ящик» резко снизил смертность в авиации с 25% в 1912 году до одного авиационного происшествия на каждые 2,4 миллиона полетов (Syed, 2016). Особенность становится популярной в автомобильной промышленности. С видеорегистраторами и бортовыми компьютерами концепция SEAT Leon Cristobal развивает это еще дальше, потенциально включая данные и изображения для безопасной записи в черный ящик во время вождения, а затем отправку их на ваш смартфон в случае аварии (SEAT 2017).
Перспектива ИИ с невообразимым интеллектом и способностями ставит человечество перед необычной задачей - сформулировать алгоритм, который выводит сверхэтичное поведение. Эти проблемы могут показаться призрачными, но кажется предсказуемым, что мы с ними столкнемся; они не лишены современных направлений исследований.
Благодарности
Выражаем благодарность Тео Сандерсону, научному сотруднику, получившему докторскую степень в Wellcome Trust Sanger Institute, за ответы на мои многочисленные вопросы о PlasmoTron.
Элеоноре Аквилини за предложение, совет и направление к Тео.
Ссылки
Хасти, Тревор, Роберт Тибширани и Джером Фридман. 2001. Элементы статистического обучения: интеллектуальный анализ данных, вывод и прогнозирование. 1-е изд. Серии Спрингера в статистике. Нью-Йорк: Спрингер.
Сайед, М., 2016. Руководство Joosr по… мышлению «черного ящика» Мэтью Сайеда: почему большинство людей никогда не учатся на своих ошибках - но некоторые учатся. 1-е изд. Великобритания: Joosr.
Опентроны. 2017. Opentrons. [онлайн] Доступно на: http://opentrons.com. [Доступ 13 декабря 2017 г.].
Твиттер @OpenTrons_. 2017. @OpenTrons_. [онлайн] Доступно по адресу: https://twitter.com/OpenTrons_/with_replies. [Доступ 13 декабря 2017 г.].
Байесовские сети. (2018). Введение в байесовские сети. [онлайн] Bayesserver.com. Доступно по адресу: https://www.bayesserver.com/docs/introduction/bayesian-networks [доступ 3 января 2018 г.].
СИДЕНЬЕ. 2017. Инновационные решения для умных городов. [онлайн] Доступно по адресу: http://www.seat.com/corporate/news/events/smart-city-expo-2017-leon-cristobal.html. [Доступно 3 января 2018 г.].
