Die "KI" in ThAInksgiving setzen



Ihr Feiertagstisch ist gedeckt. Ihre Gäste sind bereit zu geben. Und dann, zwischen den Bissen, erwähnt jemand Alexa und AI. "Was ist das Zeug, das ich über Killer-KI höre? Autos, die entscheiden, wer überfahren? Das ist verrückt! "

Willkommen zum Erntedankgespräch um das Jahr 2017.

Es stimmt, dass KI und maschinelles Lernen die Welt verändern und in ein paar Jahren in die gesamte Technologie unseres Lebens eingebettet sein werden.

Vielleicht macht es Sinn, den Leuten zu Hause zu helfen, das maschinelle Lernen besser zu verstehen. Schließlich scheinen autonome Fahrzeuge ohne tiefe Kenntnis der aktuellen Technik gefährlich zu sein, Skynet kommt, und die (Spoilerwarnung!) AI-kontrollierten menschlichen Wärmefarmen der Matrix sind eine reale Möglichkeit.

Dies ergibt sich aus einer Verschmelzung der ein sehr reales und aufregendes Konzept des maschinellen Lernens und das sehr unrealistische Konzept der "allgemeinen künstlichen Intelligenz", das im Grunde so weit entfernt ist wie zu der Zeit, als Science-Fiction-Autoren die Idee vor hundert Jahren erforschten.

Sie können sich in den Ferien in diesem Jahr in einer Diskussion zu diesem Thema befinden, entweder aus eigenem Antrieb oder zufällig. Und du solltest bereit sein, gegen KI zu argumentieren, oder einfach nur Fakten injizieren, während du die zwangsläufig hitzige Unterhaltung moderierst.

Aber bevor du kopfüber in den Argumentmodus springst, ist es wichtig, dass du beide weißt, was KI ist ( (natürlich, das tust du!) und dass du es erklären kannst.

Starter

Könnte ich empfehlen, diesen Beitrag von unserem eigenen Devin Coldewey aufzupolieren, der beide gut erklärt, was KI ist? der Unterschied zwischen schwacher und starker KI und die grundsätzlichen Probleme, diese zu definieren.

Dieser Beitrag liefert auch eine häufig verwendete Analogie zur KI: Der Chinesische Raum.

Stellen Sie sich einen abgeschlossenen Raum vor. Im Zimmer sitzen viele Leute an Schreibtischen. An einem Ende des Raums wird ein Zettel durch einen Schlitz gesteckt, der mit seltsamen Zeichen und Symbolen bedeckt ist. Die Leute im Raum machen, was sie gelernt haben: Teilen Sie das Papier in Stücke und markieren Sie die Kästchen auf den Zetteln, die beschreiben, was sie sehen – diagonale Linie oben rechts, Kontrollkästchen 2-B, Kreuzform unten , prüfen Sie 17-Y und so weiter. Wenn sie fertig sind, geben sie ihre Papiere auf die andere Seite des Raums. Diese Leute schauen auf die markierten Kästchen, und wenn sie anders geschult wurden, machen sie auf einem dritten Blatt Papier: Wenn Feld 2-B aktiviert ist, mache eine horizontale Linie, wenn Feld 17-Y aktiviert ist, einen Kreis auf der rechten Seite. Sie alle geben ihre Stücke an eine letzte Person, die sie zusammenhält und das fertige Produkt durch einen anderen Schlitz wirft.

Das Papier an einem Ende wurde in chinesischer Sprache verfasst, und das Papier am anderen Ende ist eine perfekte Übersetzung in Englisch. Doch niemand im Raum spricht eine der beiden Sprachen.

Die Analogie, die vor Jahrzehnten geschaffen wurde, hat ihre Schwächen, wenn man wirklich hinein kommt, aber es ist eigentlich eine ziemlich genaue Art, Maschinenlernsysteme zu beschreiben, die aus vielen, vielen zusammengesetzt sind. winzige Prozesse, die sich ihrer Bedeutung in einem größeren System nicht bewusst sind, um komplexe Aufgaben zu bewältigen.

Innerhalb dieses Bezugsrahmens erscheint KI eher harmlos. Und wenn AI ultra-spezifische Aufgaben erhält, ist gutartig. Und es ist bereits jetzt alles um uns herum.

Maschinelle Lernsysteme helfen, die Wörter zu identifizieren, die Sie mit Siri oder Alexa sprechen, und helfen dabei, dass die Stimme des Assistenten natürlicher klingt. Ein KI-Agent lernt, Gesichter und Objekte zu erkennen, sodass Ihre Bilder kategorisiert und Ihre Freunde ohne zusätzliche Arbeit markiert werden können. Städte und Unternehmen nutzen maschinelles Lernen, um tief in Datenmengen wie den Energieverbrauch einzutauchen, um Muster zu finden und die Systeme zu rationalisieren.

Es gibt jedoch Fälle, in denen dies außer Kontrolle geraten könnte. Stellen Sie sich eine KI vor, die mit der effizienten Herstellung von Postkarten beauftragt war. Nach einem Los von Versuch und Irrtum würde die KI lernen, wie man eine Postkarte formatiert und welche Arten von Bildern gut auf Postkarten funktionieren. Es könnte dann den Prozess zur Herstellung dieser Postkarten lernen und versuchen, Ineffizienzen und Fehler in dem Prozess zu beseitigen. Und dann, um diese Aufgabe so gut wie möglich auszuführen, könnte es versuchen zu verstehen, wie die Produktion gesteigert werden kann. Es könnte sogar entscheiden, dass es mehr Bäume fällen muss, um mehr Papier zu erzeugen. Und da Menschen dem Baumschnitt eher im Wege stehen, könnte sie sich dazu entschließen, Menschen zu eliminieren.

Das ist natürlich ein klassisches Problem mit schlüpfriger Steigung, mit genügend Mängeln, die unplausibel erscheinen. Aber weil KI oft eine Blackbox ist – wir setzen Daten ein und Daten kommen raus, aber wir wissen nicht, wie die Maschine von A nach B kam – es ist schwer zu sagen, wie das langfristige Ergebnis der KI aussehen könnte. Vielleicht wurde Skynet ursprünglich von Hallmark gegründet.

Entree

Folgendes wissen wir:

Im Moment gibt es keine "echte" AI mehr. Das heißt aber nicht, dass uns intelligente Maschinen in vielen Fällen nicht helfen können.

In der Praxis betrachtet man selbstfahrende Autos. Es geht nicht nur darum, während der Fahrt zu lesen oder fernzusehen. Überlegen Sie, wie viel es Blinden und Behinderten zugute käme, reduzieren Sie den Verkehr und verbessern Sie die Effizienz ganzer Städte und retten Sie Millionen von Leben, die bei Unfällen verloren gegangen wären. Die Vorteile sind unkalkulierbar.

Denken Sie gleichzeitig an diejenigen, die als Fahrer in der einen oder anderen Funktion arbeiten: Lkw-Fahrer, Taxifahrer und andere können bald durch KIs ersetzt werden und Millionen weltweit weltweit arbeitslos machen.