Κάθε μέρα αναρίθμητες αφηρημένες εφημερίδες αναδύονται από μυριάδες πηγές σε ολόκληρο τον κόσμο, προειδοποιώντας τόσο για τρομερές συνέπειες όσο και για πολλά υποσχόμενα ουτοπικά μέλλοντα - όλα χάρη στην τεχνητή νοημοσύνη. Το AI "μετατρέπει το χώρο εργασίας", γράφει η Wall Street Journal, ενώ το περιοδικό Fortune μας λέει ότι αντιμετωπίζουμε μια "επανάσταση του AI" που θα "αλλάξει τη ζωή μας." Αλλά δεν καταλαβαίνουμε πραγματικά τι θα αλληλεπιδράσει με το AI - ή τι θα έπρεπε να είναι.
Αποδεικνύεται, όμως, ότι έχουμε ήδη μια ιδέα που μπορούμε να χρησιμοποιήσουμε όταν σκεφτόμαστε το AI: Είναι το πώς σκεφτόμαστε τα ζώα. Ως πρώην εκπαιδευτής ζώων (αν και σύντομα) που μελετάει τώρα πώς οι άνθρωποι χρησιμοποιούν το AI, γνωρίζω ότι τα ζώα και η εκπαίδευση των ζώων μπορούν να μας διδάξουν πολλά για το πώς πρέπει να σκεφτούμε, να πλησιάζουμε και να αλληλεπιδρούμε με την τεχνητή νοημοσύνη, τόσο σήμερα όσο και στην μελλοντικός.
Η χρήση ανάλογων ζώων μπορεί να βοηθήσει τους τακτικούς ανθρώπους να κατανοήσουν πολλές από τις σύνθετες πτυχές της τεχνητής νοημοσύνης. Μπορεί επίσης να μας βοηθήσει να σκεφτούμε πώς θα μπορούσαμε καλύτερα να διδάξουμε σε αυτά τα συστήματα νέες δεξιότητες και, ίσως το πιο σημαντικό, πώς μπορούμε να κατανοήσουμε σωστά τους περιορισμούς τους, ακόμη και αν γιορτάζουμε τις νέες δυνατότητες του AI.
Εξετάζοντας τους περιορισμούς
Όπως εξηγεί ο εμπειρογνώμονας του AI Maggie Boden, "Η τεχνητή νοημοσύνη επιδιώκει να κάνει τους υπολογιστές να κάνουν τα πράγματα που μπορούν να κάνουν τα μυαλά." Οι ερευνητές του AI δουλεύουν στη διδασκαλία υπολογιστών για λογική, αντίληψη, σχεδιασμό, μετακίνηση και σύνδεση. Το AI μπορεί να δει μοτίβα σε μεγάλα σύνολα δεδομένων, να προβλέψει την πιθανότητα εμφάνισης ενός γεγονότος, να σχεδιάσει μια διαδρομή, να διαχειριστεί το χρονοδιάγραμμα συνάντησης ενός ατόμου και ακόμα να παίξει σενάρια πολέμου.
Πολλές από αυτές τις δυνατότητες είναι, από μόνα τους, αναπάντεχες: Φυσικά ένα ρομπότ μπορεί να κυλήσει γύρω από ένα χώρο και να μην συγκρουστεί με τίποτα. Αλλά με κάποιο τρόπο το AI φαίνεται πιο μαγικό όταν ο υπολογιστής αρχίζει να βάζει μαζί αυτές τις δεξιότητες για να ολοκληρώσει τις εργασίες.
Πάρτε, για παράδειγμα, αυτόνομα αυτοκίνητα. Οι απαρχές του οδηγού αυτοκινήτου βρίσκονται σε ένα έργο της Υπηρεσίας Προηγμένης Έρευνας του Προγράμματος Άμυνας της εποχής του 1980 που ονομάζεται αυτόνομο οδικό όχημα. Οι στόχοι του προγράμματος ήταν η ενθάρρυνση της έρευνας σχετικά με τον υπολογιστή, την αντίληψη, τον προγραμματισμό και τον ρομποτικό έλεγχο. Το 2004, η προσπάθεια της ALV έγινε η πρώτη Grand Challenge για αυτο-οδήγηση αυτοκινήτων. Τώρα, περισσότερα από 30 χρόνια από τότε που άρχισε η προσπάθεια, βρισκόμαστε στο γκρεμό αυτόνομων ή αυτοκαταστροφικών αυτοκινήτων στην πολιτική αγορά. Στα πρώτα χρόνια, λίγοι άνθρωποι πίστευαν ότι ένα τέτοιο κατόρθωμα ήταν αδύνατο: Οι υπολογιστές δεν μπορούσαν να οδηγήσουν!
Ωστόσο, όπως είδαμε, μπορούν. Οι ικανότητες των αυτόνομων αυτοκινήτων είναι σχετικά εύκολο να κατανοήσουμε. Αλλά αγωνιζόμαστε να κατανοήσουμε τους περιορισμούς τους. Μετά το 2015 θανατηφόρο συντριβή του Tesla, όπου η λειτουργία αυτόματου πιλότου του αυτοκινήτου δεν κατάφερε να βρει ένα τρακτέρ-ρυμουλκούμενο που διασχίζει τη λωρίδα του, λίγοι ακόμα φαίνονται να κατανοούν τη σοβαρότητα του πόσο περιορισμένος είναι ο αυτόματος πιλότος της Tesla. Ενώ η εταιρεία και το λογισμικό της εκκαθαρίστηκαν από αμέλεια από την Εθνική Αρχή Ασφάλειας της Οδικής Κυκλοφορίας, παραμένει ασαφές αν οι πελάτες καταλαβαίνουν πραγματικά τι μπορεί και δεν μπορεί να κάνει το αυτοκίνητο.
Τι θα συμβεί αν οι ιδιοκτήτες της Tesla δεν είπαν ότι οδηγούσαν μια "βήτα" έκδοση ενός αυτόματου πιλότου, αλλά μάλλον ένα ημιαυτόνομο αυτοκίνητο με την ψυχική ισοδυναμία ενός σκουληκιού; Η λεγόμενη "νοημοσύνη" που παρέχει "πλήρη αυτο-οδήγηση ικανότητα" είναι πραγματικά ένας γιγαντιαίος υπολογιστής που είναι αρκετά καλός στην ανίχνευση αντικειμένων και την αποφυγή τους, αναγνωρίζοντας αντικείμενα σε εικόνες και περιορισμένο σχεδιασμό. Αυτό θα μπορούσε να αλλάξει τις προοπτικές των ιδιοκτητών σχετικά με το πόσο θα μπορούσε να κάνει πραγματικά το αυτοκίνητο χωρίς ανθρώπινη είσοδο ή επίβλεψη.
Τι είναι αυτό?
Οι τεχνολόγοι προσπαθούν συχνά να εξηγήσουν την AI όσον αφορά τον τρόπο κατασκευής της. Πάρτε, για παράδειγμα, τις προόδους που έγιναν σε βαθιά μάθηση. Αυτή είναι μια τεχνική που χρησιμοποιεί δίκτυα πολλαπλών στρωμάτων για να μάθει πώς να κάνει μια εργασία. Τα δίκτυα πρέπει να επεξεργάζονται τεράστιες ποσότητες πληροφοριών. Αλλά λόγω του όγκου των δεδομένων που απαιτούν, της πολυπλοκότητας των συσχετίσεων και των αλγορίθμων στα δίκτυα, είναι συχνά ασαφές για τον άνθρωπο πώς μαθαίνουν τι κάνουν. Αυτά τα συστήματα μπορεί να γίνουν πολύ καλά σε ένα συγκεκριμένο έργο, αλλά δεν τα καταλαβαίνουμε πραγματικά.
Αντί να σκέφτεστε το AI ως κάτι υπεράνθρωπο ή αλλοδαπό, είναι ευκολότερο να τα αναλογίσετε με τα ζώα, τα ευφυή μη ανθρωπογενή που έχουμε εμπειρία εκπαίδευσης.
Για παράδειγμα, εάν επρόκειτο να χρησιμοποιήσω μάθηση οπλισμού για να εκπαιδεύσω ένα σκυλί για να καθίσει, θα έπαιζα τον σκύλο και θα του έδινα λαχτάρα όταν έμεινε στην εντολή. Με την πάροδο του χρόνου, θα μάθει να συσχετίζει την εντολή με τη συμπεριφορά με τη θεραπεία.
Η εκπαίδευση ενός συστήματος AI μπορεί να είναι πάρα πολύ ίδια. Στην ενίσχυση της βαθιάς μάθησης, οι ανθρώπινοι σχεδιαστές δημιούργησαν ένα σύστημα, οραματιστούν τι θέλουν να μάθουν, να τους δώσουν πληροφορίες, να δουν τις ενέργειές τους και να τους δώσουν ανατροφοδότηση (όπως έπαινο) όταν δουν τι θέλουν. Στην ουσία, μπορούμε να αντιμετωπίσουμε το σύστημα ΑΙ όπως και με τα ζώα που γυμνάζουμε.
Η αναλογία λειτουργεί και σε βαθύτερο επίπεδο. Δεν περιμένω το καθιστό σκυλί να καταλάβει πολύπλοκες έννοιες όπως "αγάπη" ή "καλό". Περιμένω να μάθει μια συμπεριφορά. Ακριβώς όπως μπορούμε να κάνουμε τα σκυλιά να καθίσουν, να μείνουν και να κυλήσουν, μπορούμε να πάρουμε τα συστήματα AI για να μετακινήσουμε τα αυτοκίνητα γύρω από τους δημόσιους δρόμους. Αλλά είναι πάρα πολύ να περιμένουμε το αυτοκίνητο να "λύσει" τα ηθικά προβλήματα που μπορεί να προκύψουν σε περιπτώσεις έκτακτης ανάγκης.
Βοηθώντας τους ερευνητές επίσης
Η σκέψη του AI ως εκπαιδευόμενου ζώου δεν είναι απλώς χρήσιμη για να το εξηγήσει στο ευρύ κοινό. Είναι επίσης χρήσιμο για τους ερευνητές και τους μηχανικούς να οικοδομήσουν την τεχνολογία. Εάν ένας μελετητής της ΑΠ προσπαθεί να διδάξει σε ένα σύστημα μια νέα δεξιότητα, η σκέψη για τη διαδικασία από την πλευρά ενός εκπαιδευτή ζώων θα μπορούσε να βοηθήσει στον εντοπισμό δυνητικών προβλημάτων ή επιπλοκών.
Για παράδειγμα, αν προσπαθήσω να εκπαιδεύσω το σκυλί μου να καθίσει και κάθε φορά που λέω "καθίστε" ο βομβητής στο φούρνο σβήνει, τότε ο σκύλος μου θα αρχίσει να συσχετίζεται καθισμένος όχι μόνο με την εντολή μου, αλλά και με τον ήχο του φωνή του φούρνου. Στην ουσία, ο βομβητής γίνεται ένα άλλο σήμα που λέει στον σκύλο να καθίσει, το οποίο ονομάζεται "τυχαία ενίσχυση". Αν ψάχνουμε για τυχαίες ενισχύσεις ή σήματα σε συστήματα AI που δεν λειτουργούν σωστά, τότε θα γνωρίζουμε καλύτερα όχι μόνο τι πρόκειται λάθος, αλλά και τι ειδική επανακατάρτιση θα είναι πιο αποτελεσματική.
Αυτό απαιτεί να κατανοήσουμε τα μηνύματα που δίνουμε κατά τη διάρκεια της κατάρτισης του ΑΠ, καθώς και το τι μπορεί να παρατηρεί το ΑΠ στο περιβάλλον. Ο βομβητής του φούρνου είναι ένα απλό παράδειγμα. στον πραγματικό κόσμο θα είναι πολύ πιο περίπλοκο.
Πριν να καλωσορίσουμε τους υπευθύνους των AI και να παραδώσουμε τις ζωές και τις δουλειές μας σε ρομπότ, θα πρέπει να σταματήσουμε και να σκεφτούμε το είδος των νοημοσύνης που δημιουργούμε. Θα είναι πολύ καλοί στην εκτέλεση συγκεκριμένων ενεργειών ή καθηκόντων, αλλά δεν κατανοούν τις έννοιες και δεν ξέρουν τίποτα. Έτσι, όταν σκέφτεστε να ξεφορτωθείτε χιλιάδες για ένα καινούργιο αυτοκίνητο Tesla, θυμηθείτε ότι η λειτουργία αυτόματου πιλότου είναι πραγματικά πολύ γρήγορη και σέξι σκουλήκι. Θέλετε πραγματικά να ελέγξετε τη ζωή σας και τη ζωή των αγαπημένων σας σε ένα σκουλήκι; Πιθανώς όχι, κρατήστε τα χέρια σας στο τιμόνι και μην κοιμηθείτε.
Αυτό το άρθρο δημοσιεύθηκε αρχικά στην Η συζήτηση.
Heather Roff, Ανώτερος Ερευνητής, Τμήμα Πολιτικής & Διεθνών Σχέσεων, Πανεπιστήμιο της Οξφόρδης. Ερευνητής, Πρωτοβουλία Παγκόσμιας Ασφάλειας, Πανεπιστήμιο της Αριζόνα
