Ключи к будущему ИИ и человечества

Ответ на главный вопрос о жизни, вселенной и всем остальном - 42 - HAL 9000 в книге Дугласа Адама «Автостопом по галактике».

В этой статье читатели могут понять:

i) разница между машинным обучением (ML) и более широким термином «искусственный интеллект» (AI),

ii) текущее состояние ИИ и связанные с ним проблемы, включая парадокс Поланьи, и

iii) возможное будущее искусственного интеллекта и человечества.

Эта неделя

Это была неделя, наполненная совпадениями. Но, опять же, совпадений не бывает, и все происходит не зря. Три входа совпали, чтобы побудить меня написать эту статью:

На этой неделе я прочитал одну из лучших статей из Harvard Business Review. Она называлась Бизнес искусственного интеллекта и была написана Эриком Бриньолфссоном и Эндрю Macafee. Дуэт также является автором книги Второй век машин.

В подкасте с основателем Startup Grind Дереком Андерсоном я слышал, как Эрик Шмидт, генеральный директор Google, хвалил Deepmind как выдающуюся компанию в области машинного обучения и искусственного интеллекта.

Сегодня я прочитал сообщение в блоге Демиса Хассабиса, генерального директора Deepmind, о проблемах, с которыми сталкивается ИИ.

Общий словарь

Машинное обучение и искусственный интеллект - это не одно и то же. Искусственный интеллект - это гораздо более широкий термин. Искусственный интеллект - это идея сделать компьютеры умнее, возможно, умнее людей. ИИ бывает двух основных типов: прикладной и общий. Applied довольно распространен и в настоящее время используется для автоматизации рутинных задач, таких как заполнение форм, торговля запасами и т. Д. Обобщенный ИИ - это способность выполнять любую задачу с умом, как люди. Это еще не достигнуто, но за этим будущее.

Машинное обучение - это процесс обучения машин самообучению. Артур Ли Самуэль был американским пионером в области компьютерных игр и искусственного интеллекта. Он ввел термин машинное обучение в 1959 году для объяснения процесса самообучения машин. Голосовой помощник Apple Siri - пример передовых возможностей машинного обучения.

Считайте машинное обучение (МО) важной частью и средством, помогающим людям на пути от прикладного искусственного интеллекта (ИИ) к общему искусственному интеллекту.

Парадокс Поланьи и проблема черного ящика

В 1966 году философ Майкл Поланьи заметил: «Мы можем знать больше, чем можем сказать… Мастерство водителя нельзя заменить тщательным обучением теории автомобиля; мои знания о собственном теле полностью отличаются от знаний о его физиологии ». (Источник: NBER)

Парадокс Поланьи предшествует вычислениям, но в значительной степени актуален и указывает на междисциплинарный подход к решению проблем машинного обучения.

Однако ученые пытаются использовать примеры, чтобы научить машины преодолевать парадокс Поланьи, и в определенной степени им это удается. Рассмотрим Imagenet - базу данных, содержащую десятки миллионов URL-адресов изображений. Искусственная нейронная сеть - это взаимосвязанная группа узлов, подобная обширной сети нейронов в головном мозге. Нейронная сеть учится на примерах.

Согласно Википедии: с 2010 года проект ImageNet проводит ежегодный конкурс программного обеспечения ImageNet Large Scale Visual Recognition Challenge (ILSVRC), в котором программы соревнуются за правильную классификацию и обнаружение объектов и сцен.

Однако, чтобы преодолеть парадокс Поланьи, глубокие нейронные сети, используемые для решения парадокса, стали настолько сложными, что эта сложность добавила неопределенности в отношении того, как машина достигает результата, создав еще одну проблему, называемую проблемой черного ящика.

Чтобы получить общее представление о проблеме черного ящика, посмотрите на иллюстрацию глубокой нейронной сети ниже:

Эта иллюстрация является простой иллюстрацией, но она хорошо подчеркивает взаимосвязи и множество путей, по которым может идти обработка.

Венчурные инвестиции в стартапы

Сегодня идет война за таланты, особенно за ученых и инженеров, специализирующихся на машинном обучении и искусственном интеллекте. Эндрю Нг ушел из Google, чтобы присоединиться к Baidu в качестве главного специалиста по обработке данных, но также покинул Baidu.

Точно так же стартапы, разработавшие передовые технологии, участвуют в гонке ИИ за первенство среди равных:

Одним из наиболее значительных приобретений стала Deepmind от Google. К тому же венчурный капитал не отстает:

Согласно CB Insights, в 2016 году объем финансирования ИИ во всем мире достиг ошеломляющих 5 миллиардов долларов, причем лидерами были такие венчурные инвесторы, как Intel, Khosla Ventures, Data Collective, Google Ventures, Accel Partners и Андрисен Горовиц. Примерно 62% сделок было совершено в США, за ними следуют United Kindgom (6,5%) и Израиль (4,3%).

Последние мысли

Ясно одно: пора начать переучивать себя в области науки о данных, машинного обучения и искусственного интеллекта.

Ответ на парадокс Поланьи можно найти на примерах, но ответ на проблему черного ящика заложен в человеческих тканях.

Однако, поскольку ученые ищут ответ на черный ящик в области нейробиологии и когнитивной психологии, само направление поиска дает нам ключ к разгадке. Этот ключ указывает на возможный вывод: для людей будущее может быть кибернетическим.

Позвольте мне объяснить на примере голливудского фильма / научной фантастики:

Недавно я смотрел фильм «Чужой завет», в котором есть Android (робот внутри человеческого тела со сверхчеловеческим интеллектом, который также обретает сознание).

Дэвид назвал этот Android только потому, что его создатель спрашивает его, как бы он себя назвал. Итак, он смотрит на копию Давида работы Микеланджело и называет себя «Давид».

Дэвид задает своему создателю очень острый вопрос, почти такой же важный, как число «42» в «Путеводителе по галактике».

Он спрашивает: если вы создали меня, кто вас создал? Это ответ, который не может дать его создатель. Дэвид продолжает и говорит: «Однажды ты умрешь, но я не умру», что является еще одной истиной, исходящей от Android с общим искусственным интеллектом (AGI).

К концу фильма Дэвид в своем стремлении создать идеальный биологический организм создает уникальный вид инопланетян. Фильм заканчивается трионфоном Дэвидом, который пытается перевезти своих пришельцев на борту миссии по колонизации людей на другую планету. Показано, что ему нравится его любимая песня - «Entry of the Gods into Valhalla» Рихарда Вагнера.

Если вы видите, к чему я веду, потребуется кибернетический организм, чтобы соперничать со злым сознанием.

Этот исход можно рассматривать как нечто далекое. Но в ближайшем будущем на последствия необходимо будет ответить соответствующими действиями.

Рассмотрим правдоподобную гипотетическую последовательность:

  1. В настоящее время происходит: машины берут на себя рутинные задачи. Некоторые рабочие места потеряны. Людям нужно реагировать, обучая и переподготовляя, в частности, в области науки о данных, интерпретации результатов машинного обучения и искусственного интеллекта. Креатив и оригинальность станут ценными.
  2. 15–30 лет с 2017 г .: По мере развития ИИ многие рабочие места могут быть потеряны. Людям необходимо отреагировать на это, создав новые сети социальной защиты, продолжив самообразование для создания новых рабочих мест. Креативность и оригинальность становятся жизненно важными чертами. О будущем идет глобальная дискуссия, и международное сотрудничество становится неизбежным.
  3. 30–50 лет с 2017 г .: ИИ может стать сверхчеловеческим. Люди могут отреагировать, став кибернетическими существами. Другие человеческие усилия, такие как исследование космоса, картографирование морских глубин и возможная колонизация других планет.
  4. С другой стороны, сингулярность откладывается из-за ограничений физики или социального восстания. ИИ становится слишком разрушительным в социальном плане и создает еще больший хаос, но все же продолжает решать проблемы, в том числе медицинские. Универсальный базовый доход может быть увеличен, и могут потребоваться другие системы социальной защиты.

В конце - для меня, сегодня HAL часто цитирует число 42, означающее образование.

Дополнительные ресурсы:

  1. Google TensorFlow: платформа с открытым исходным кодом для разработчиков, позволяющая создавать приложения для машинного обучения. Twitter: @tensorflow
  2. Google DeepMind: мировой лидер в исследованиях искусственного интеллекта и его приложений для положительного воздействия. Twitter: @deepmindai
  3. Эндрю Нг: соучредитель Coursera, Эндрю также основал проект Google Deep Learning. Вы можете следить за ним в твиттере: @andrewyng
  4. Парадокс Поланьи: Национальное бюро экономических исследований о парадоксе.
  5. Бизнес искусственного интеллекта, HBR, 18 июля 2017 г.
  6. Эрик Бриньолфссон: он директор Инициативы Массачусетского технологического института по цифровой экономике. Twitter: @erikbryn
  7. Демис Хассабис: основатель и генеральный директор Deepmind. Twitter: @demishassabis
  8. Сэм ДеБрул: Нетехническое руководство по машинному обучению
  9. Партнерство в области ИИ: партнерство в области ИИ, основанное Microsoft, Apple, Google, Deepmind, направлено на просвещение общества и продвижение ИИ вперед.

Спасибо за чтение. Если вы считаете, что эта статья носит образовательный характер, поделитесь ею со своими подписчиками в Facebook, Twitter, LinkedIn или других социальных сетях.

Если вам понравилась эта статья, порекомендуйте ее, нажав на сердечко ниже.