Εξανθρωπισμός του ρομπότ - μηχανοποίηση του ανθρώπου

Εάν αφαιρέσουμε την τεχνητή νοημοσύνη από τους δημοφιλείς μύθους, μπορεί να αποδειχθεί μια εξαιρετικά πολλά υποσχόμενη και χρήσιμη εφεύρεση. Άνθρωπος και μηχανή - αυτός ο συνδυασμός θα δημιουργήσει ένα αξέχαστο tandem;

Μετά την ήττα από τον υπερυπολογιστή Deep Blue το 1997, ο Garry Kasparov ξεκουράστηκε, σκέφτηκε τα πάντα και... επέστρεψε στον ανταγωνισμό σε νέα μορφή - σε συνεργασία με το μηχάνημα ως το λεγόμενο κένταυρος. Ακόμη και ένας μέσος παίκτης σε συνδυασμό με έναν μέσο υπολογιστή μπορεί να νικήσει τον πιο προηγμένο υπερυπολογιστή σκακιού - ο συνδυασμός ανθρώπινης και μηχανικής σκέψης έχει φέρει επανάσταση στο παιχνίδι. Έτσι, έχοντας νικηθεί από τις μηχανές, ο Κασπάροφ αποφάσισε να συνάψει μια συμμαχία μαζί τους, η οποία έχει συμβολική διάσταση.

Διαδικασία θολώνοντας τα όρια μεταξύ μηχανής και ανθρώπου συνεχίζεται για χρόνια. Βλέπουμε πώς οι σύγχρονες συσκευές μπορούν να αντικαταστήσουν ορισμένες από τις λειτουργίες του εγκεφάλου μας, ένα καλό παράδειγμα των οποίων είναι τα smartphone ή τα tablet που βοηθούν άτομα με ελαττώματα μνήμης. Ενώ ορισμένοι επικριτές λένε ότι απενεργοποιούν πολλές εγκεφαλικές λειτουργίες σε άτομα που δεν είχαν προϋπάρχοντα ελαττώματα... Είτε έτσι είτε αλλιώς, το περιεχόμενο που δημιουργείται από μηχανή διαπερνά όλο και περισσότερο την ανθρώπινη αντίληψη - είτε είναι οπτικό, όπως ψηφιακές δημιουργίες ή περιεχόμενο σε επαυξημένη πραγματικότητα ή ακουστικός. , ως η φωνή ψηφιακών βοηθών που τροφοδοτούνται από AI, όπως η Alexa.

Ο κόσμος μας είναι ορατά ή αόρατα γεμάτη με «εξωγήινες» μορφές νοημοσύνης, αλγόριθμους που μας παρακολουθούν, μας μιλάνε, συναλλάσσονται μαζί μας ή μας βοηθούν να επιλέξουμε ρούχα και ακόμη και έναν σύντροφο ζωής για λογαριασμό μας.

Κανείς δεν υποστηρίζει σοβαρά ότι υπάρχει τεχνητή νοημοσύνη ίση με την ανθρώπινη νοημοσύνη, αλλά πολλοί θα συμφωνούσαν ότι τα συστήματα AI είναι έτοιμα να ενσωματωθούν πιο στενά με τους ανθρώπους και να δημιουργήσουν «υβριδικά» συστήματα μηχανής-ανθρώπου χρησιμοποιώντας τα καλύτερα και των δύο κόσμων.

Η τεχνητή νοημοσύνη πλησιάζει τους ανθρώπους

Γενική τεχνητή νοημοσύνη

Οι επιστήμονες Mikhail Lebedev, Ioan Opris και Manuel Casanova από το Πανεπιστήμιο Duke στη Βόρεια Καρολίνα μελετούν εδώ και αρκετό καιρό το θέμα της αύξησης των δυνατοτήτων του μυαλού μας, για το οποίο έχουμε ήδη μιλήσει στο MT. Σύμφωνα με αυτούς, μέχρι το 2030, ένας κόσμος στον οποίο η ανθρώπινη νοημοσύνη θα ενισχύεται με εγκεφαλικά εμφυτεύματα θα γίνει καθημερινή πραγματικότητα.

Ο Ray Kurzweil και οι προβλέψεις του έρχονται αμέσως στο μυαλό τεχνολογική ιδιομορφία. Αυτός ο διάσημος μελλοντολόγος έγραψε πριν από πολύ καιρό ότι ο εγκέφαλός μας λειτουργεί πολύ αργά σε σύγκριση με την ταχύτητα με την οποία οι ηλεκτρονικοί υπολογιστές μπορούν να επεξεργαστούν δεδομένα. Παρά τη μοναδική ικανότητα του ανθρώπινου μυαλού να αναλύει τεράστιες ποσότητες πληροφοριών ταυτόχρονα, ο Kurzweil πιστεύει ότι η αυξανόμενη ταχύτητα επεξεργασίας των ψηφιακών υπολογιστών σύντομα θα ξεπεράσει κατά πολύ τις δυνατότητες του εγκεφάλου. Προτείνει ότι εάν οι επιστήμονες μπορούν να καταλάβουν πώς ο εγκέφαλος εκτελεί χαοτικές και περίπλοκες ενέργειες και στη συνέχεια να τις οργανώσουν για κατανόηση, αυτό θα οδηγήσει σε ανακαλύψεις στους υπολογιστές και μια επανάσταση της τεχνητής νοημοσύνης προς τη λεγόμενη γενική τεχνητή νοημοσύνη. Ποιά είναι αυτή?

Η τεχνητή νοημοσύνη συνήθως χωρίζεται σε δύο βασικούς τύπους: στενή Όραζ Γενικός (AGI).

Μπορούμε να δούμε τα πρώτα γύρω μας σήμερα, κυρίως σε υπολογιστές, συστήματα αναγνώρισης ομιλίας, εικονικούς βοηθούς όπως το Siri στο iPhone, συστήματα αναγνώρισης περιβάλλοντος εγκατεστημένα σε αυτόνομα αυτοκίνητα, αλγόριθμους κρατήσεων ξενοδοχείων, ανάλυση ακτίνων Χ, επισήμανση ακατάλληλου περιεχομένου στο Διαδίκτυο , μαθαίνοντας να γράφετε λέξεις στο πληκτρολόγιο του τηλεφώνου σας και δεκάδες άλλες χρήσεις.

Η γενική τεχνητή νοημοσύνη είναι κάτι άλλο, πολύ περισσότερο θυμίζει ανθρώπινο μυαλό. Είναι μια ευέλικτη φόρμα που μπορεί να σας διδάξει οτιδήποτε μπορείτε να μάθετε, από το κούρεμα μαλλιών μέχρι την κατασκευή υπολογιστικών φύλλων, επίσης συλλογιστική και συμπεράσματα με βάση δεδομένα. Το AGI δεν έχει φτιαχτεί ακόμα (κάποιοι λένε ευτυχώς) και γνωρίζουμε περισσότερα γι' αυτό από ταινίες παρά από την πραγματικότητα. Μεγάλα παραδείγματα αυτού είναι το HAL 9000 από το 2001. Space Odyssey» ή Skynet από τη σειρά «Terminator».

Μια έρευνα τεσσάρων ομάδων εμπειρογνωμόνων που διεξήχθη το 2012–2013 από τους ερευνητές AI Vincent S. Mueller και τον φιλόσοφο Nick Bostrom βρήκε 50 τοις εκατό πιθανότητα ότι η τεχνητή γενική νοημοσύνη (AGI) θα αναπτυχθεί μεταξύ 2040 και 2050 και μέχρι το 2075 η πιθανότητα θα αυξηθεί σε 90%. . Οι ειδικοί προβλέπουν επίσης ένα υψηλότερο στάδιο, το λεγόμενο τεχνητή υπερνοημοσύνητην οποία ορίζουν ως «μια νοημοσύνη πολύ ανώτερη από την ανθρώπινη γνώση σε όλους τους τομείς». Κατά τη γνώμη τους, θα εμφανιστεί τριάντα χρόνια μετά την επίτευξη του OGI. Άλλοι ειδικοί της τεχνητής νοημοσύνης λένε ότι αυτές οι προβλέψεις είναι πολύ τολμηρές. Δεδομένης της πολύ περιορισμένης κατανόησής μας για το πώς λειτουργεί ο ανθρώπινος εγκέφαλος, οι σκεπτικιστές έχουν καθυστερήσει την εμφάνιση του AGI για εκατοντάδες χρόνια.

Οφθαλμός υπολογιστή HAL 1000

Όχι αμνησία

Ένα από τα σημαντικότερα εμπόδια για το αληθινό AGI είναι η τάση των συστημάτων τεχνητής νοημοσύνης να ξεχνούν όσα έχουν μάθει πριν προσπαθήσουν να προχωρήσουν σε νέες εργασίες. Για παράδειγμα, ένα σύστημα AI αναγνώρισης προσώπου θα ανέλυε χιλιάδες φωτογραφίες προσώπων ανθρώπων για να τα εντοπίσει αποτελεσματικά σε ένα κοινωνικό δίκτυο, για παράδειγμα. Αλλά επειδή τα συστήματα τεχνητής νοημοσύνης εκμάθησης δεν καταλαβαίνουν πραγματικά το νόημα αυτού που κάνουν, οπότε όταν θέλουμε να τους διδάξουμε να κάνουν κάτι άλλο με βάση αυτά που έχουν ήδη μάθει, ακόμα κι αν είναι μια αρκετά παρόμοια εργασία (ας πούμε, η αναγνώριση συναισθήματα στα άτομα), πρέπει να εκπαιδεύονται από την αρχή, από την αρχή. Επιπλέον, μετά την εκπαίδευση του αλγόριθμου, δεν μπορούμε πλέον να τον τροποποιήσουμε ή να τον βελτιώσουμε παρά μόνο ποσοτικά.

Για χρόνια, οι επιστήμονες προσπαθούν να βρουν έναν τρόπο να λύσουν αυτό το πρόβλημα. Εάν τα κατάφερναν, τα συστήματα τεχνητής νοημοσύνης θα μπορούσαν να μάθουν από ένα νέο σύνολο δεδομένων εκπαίδευσης χωρίς να αντικαταστήσουν μεγάλο μέρος της γνώσης που είχαν ήδη στη διαδικασία.

Η Irina Higgins του Google DeepMind παρουσίασε μεθόδους τον Αύγουστο σε ένα συνέδριο στην Πράγα που θα μπορούσαν τελικά να σπάσουν αυτή την αδυναμία της τρέχουσας τεχνητής νοημοσύνης. Η ομάδα της δημιούργησε έναν «πράκτορα τεχνητής νοημοσύνης»—κάπως σαν χαρακτήρας βιντεοπαιχνιδιού ελεγχόμενου από αλγόριθμο που μπορεί να σκεφτεί πιο δημιουργικά από έναν τυπικό αλγόριθμο— ικανό να «φαντάσει» τι θα έμοιαζε σε ένα εικονικό περιβάλλον που συναντά σε ένα άλλο. Με αυτόν τον τρόπο, το νευρωνικό δίκτυο θα μπορεί να διαχωρίσει τα αντικείμενα που συναντά στο προσομοιωμένο περιβάλλον από το ίδιο το περιβάλλον και να τα κατανοήσει σε νέες διαμορφώσεις ή θέσεις. Ένα άρθρο στο arXiv περιγράφει τη μελέτη ενός αλγορίθμου για την αναγνώριση μιας λευκής βαλίτσας ή καρέκλας. Μόλις εκπαιδευτεί, ο αλγόριθμος είναι σε θέση να τους «οπτικοποιήσει» σε έναν εντελώς νέο εικονικό κόσμο και να τους αναγνωρίσει όταν πρόκειται να τους συναντήσει.

Εν ολίγοις, αυτός ο τύπος αλγορίθμου μπορεί να διακρίνει τη διαφορά μεταξύ αυτού που συναντά και αυτού που έχει δει στο παρελθόν — όπως κάνουν οι περισσότεροι άνθρωποι, αλλά σε αντίθεση με τους περισσότερους αλγόριθμους. Το σύστημα AI ενημερώνει ό,τι γνωρίζει για τον κόσμο χωρίς να χρειάζεται να επανεκπαιδευτεί και να ξαναμάθει τα πάντα από την αρχή. Βασικά, το σύστημα είναι σε θέση να μεταφέρει και να εφαρμόσει την υπάρχουσα γνώση σε ένα νέο περιβάλλον. Φυσικά, το ίδιο το μοντέλο της κυρίας Χίγκινς δεν είναι ακόμη AGI, αλλά είναι ένα σημαντικό πρώτο βήμα προς πιο ευέλικτους αλγόριθμους που δεν πάσχουν από αμνησία μηχανών.

Στη δόξα της βλακείας

Οι Michael Trazzi και Roman V. Yampolsky, ερευνητές από το Πανεπιστήμιο του Παρισιού, πιστεύουν ότι η απάντηση στη σύγκλιση ανθρώπου και μηχανής είναι η εισαγωγή της τεχνητής νοημοσύνης στους αλγόριθμους επίσης «τεχνητή βλακεία". Αυτό θα το κάνει και πιο ασφαλές για εμάς. Φυσικά, η τεχνητή γενική νοημοσύνη (AGI) μπορεί επίσης να γίνει πιο ασφαλής περιορίζοντας την επεξεργαστική ισχύ και τη μνήμη. Οι επιστήμονες, ωστόσο, κατανοούν ότι ένας υπερέξυπνος υπολογιστής θα μπορούσε, για παράδειγμα, να παραγγείλει περισσότερη ενέργεια μέσω του υπολογιστικού νέφους, της αγοράς εξοπλισμού και της αποστολής του ή ακόμη και του χειρισμού ενός ανόητου ανθρώπου. Ως εκ τούτου, είναι απαραίτητο να μολύνουμε μελλοντικές AGI με ανθρώπινες προκαταλήψεις και γνωστικά λάθη.

Οι ερευνητές το θεωρούν πολύ λογικό. Οι άνθρωποι έχουν διακριτούς υπολογιστικούς περιορισμούς (μνήμη, επεξεργασία, υπολογισμός και «ταχύτητα ρολογιού») και χαρακτηρίζονται από γνωστικές προκαταλήψεις. Η γενική τεχνητή νοημοσύνη δεν είναι τόσο περιορισμένη. Επομένως, εάν πρέπει να είναι πιο κοντά στο άτομο, πρέπει να περιοριστεί με αυτόν τον τρόπο.

Ο Τράτσι και ο Γιαμπόλσκι φαίνεται να ξεχνούν λίγο ότι πρόκειται για δίκοπο μαχαίρι, γιατί αμέτρητα παραδείγματα δείχνουν πόσο επικίνδυνη μπορεί να είναι τόσο η βλακεία όσο και η προκατάληψη.

Συναισθήματα και τρόπους

Η ιδέα των μηχανικών χαρακτήρων με ζωντανά, ανθρώπινα χαρακτηριστικά έχει αιχμαλωτίσει από καιρό την ανθρώπινη φαντασία. Πολύ πριν από τη λέξη «ρομπότ», δημιουργήθηκαν φαντασιώσεις για golem, αυτόματα και φιλικές (ή όχι) μηχανές που ενσωματώνουν τόσο τη μορφή όσο και το πνεύμα των ζωντανών όντων. Παρά την πανταχού παρουσία των υπολογιστών, δεν νιώθουμε ότι έχουμε εισέλθει στην εποχή της ρομποτικής που είναι γνωστή, για παράδειγμα, από το όραμα στο The Jetsons. Σήμερα, τα ρομπότ μπορούν να καθαρίζουν με ηλεκτρική σκούπα το σπίτι, να οδηγούν αυτοκίνητο και να ελέγχουν τη λίστα αναπαραγωγής σε ένα πάρτι, αλλά όλα αφήνουν πολλά περιθώρια από άποψη προσωπικότητας.

Ωστόσο, αυτό μπορεί να αλλάξει σύντομα. Ποιος ξέρει αν η νέα εποχή της ρομποτικής θα μπορούσε να προαναγγελθεί από πιο χαρακτηριστικές και κατασκήνιες μηχανές όπως διάνυσμα Anki. Αντί να επικεντρωθούν στο πόσες πρακτικές εργασίες θα μπορούσε να εκτελέσει, οι σχεδιαστές προσπάθησαν να εμποτίσουν τη μηχανική δημιουργία με «ψυχή». Πάντα ενεργοποιημένο, συνδεδεμένο με το σύννεφο, το μικρό ρομπότ είναι σε θέση να αναγνωρίζει πρόσωπα και να θυμάται ονόματα. Χορεύει με μουσική, ανταποκρίνεται στο άγγιγμα σαν ζώο και διεγείρεται από τις κοινωνικές αλληλεπιδράσεις. Αν και μπορεί να μιλήσει, πιθανότατα θα επικοινωνήσει χρησιμοποιώντας έναν συνδυασμό γλώσσας του σώματος και απλών συναισθηματικών ενδείξεων που εμφανίζονται.

Επιπλέον, μπορεί να κάνει πολλά - για παράδειγμα, να απαντήσει σωστά σε ερωτήσεις, να παίξει παιχνίδια, να προβλέψει τον καιρό και ακόμη και να τραβήξει φωτογραφίες. Χάρη στις συνεχείς ενημερώσεις, μαθαίνει συνεχώς νέες δεξιότητες.

Το Vector δεν σχεδιάστηκε για επαγγελματίες ψύξης. Και μπορεί να είναι ένας τρόπος να φέρουμε τους ανθρώπους πιο κοντά στις μηχανές, πιο αποτελεσματικός από τα φιλόδοξα προγράμματα για την ενσωμάτωση του ανθρώπινου εγκεφάλου με την τεχνητή νοημοσύνη. Αυτό απέχει πολύ από το μοναδικό έργο του είδους του. Τα πρωτότυπα δημιουργήθηκαν σε αρκετά χρόνια βοηθοί ρομπότ για ηλικιωμένους και άρρωστουςπου δυσκολεύονται ολοένα και περισσότερο να παρέχουν επαρκή φροντίδα με λογικό κόστος. Διάσημος πιπέρι ρομπότ, που εργάζεται για την ιαπωνική εταιρεία SoftBank, πρέπει να μπορεί να διαβάζει τα ανθρώπινα συναισθήματα και να μάθει να αλληλεπιδρά με τους ανθρώπους. Σε τελική ανάλυση, αυτό περιλαμβάνει τη βοήθεια στο σπίτι και τη φροντίδα των παιδιών και των ηλικιωμένων.

Ηλικιωμένη κυρία που αλληλεπιδρά με το ρομπότ Pepper

Όργανο, υπερμυαλό ή μοναδικότητα

Συμπερασματικά, μπορεί να σημειωθεί τρία κύρια ρεύματα σε προβληματισμούς για την ανάπτυξη της τεχνητής νοημοσύνης και τη σύνδεσή της με τους ανθρώπους.

• Η πρώτη υποθέτει ότι η δημιουργία τεχνητής γενικής νοημοσύνης (AGI) ίση και παρόμοια με την ανθρώπινη νοημοσύνη είναι γενικά αδύνατη. είναι αδύνατο ή πολύ μακρινό στο χρόνο. Υπό αυτή την προοπτική, τα συστήματα μηχανικής μάθησης και αυτό που ονομάζουμε AI θα είναι όλο και πιο προηγμένα, όλο και πιο ικανά να εκτελούν τις εξειδικευμένες εργασίες τους, αλλά ποτέ να μην ξεπερνούν ένα ορισμένο όριο - πράγμα που δεν σημαίνει ότι θα εξυπηρετούν μόνο προς όφελος της ανθρωπότητας . Δεδομένου ότι θα εξακολουθεί να είναι μια μηχανή, δηλαδή, τίποτα περισσότερο από ένα μηχανικό εργαλείο, μπορεί να βοηθήσει στην εργασία και να υποστηρίξει ένα άτομο (τσιπ στον εγκέφαλο και άλλα μέρη του σώματος) και ενδεχομένως να χρησιμεύσει για να βλάψει ή ακόμα και να σκοτώσει ανθρώπους .
• Η δεύτερη έννοια είναι η ευκαιρία. γρήγορη κατασκευή του AGIκαι στη συνέχεια, ως αποτέλεσμα της ίδιας της εξέλιξης των μηχανών, πηγαίνετε επάνω τεχνητή υπερνοημοσύνη. Αυτό το όραμα είναι δυνητικά επικίνδυνο για ένα άτομο, επειδή το υπερσύγχρονο μπορεί να τον θεωρήσει εχθρό ή κάτι περιττό ή επιβλαβές. Τέτοιες προβλέψεις δεν αποκλείουν την πιθανότητα ότι η ανθρώπινη φυλή μπορεί να χρειαστεί από τις μηχανές στο μέλλον, αν και όχι απαραίτητα ως πηγή ενέργειας, όπως στο The Matrix.
• Τέλος, έχουμε και την έννοια του Ray Kurzweil για την «ειδικότητα», δηλαδή ιδιόρρυθμη ενσωμάτωση της ανθρωπότητας με τις μηχανές. Αυτό θα μας έδινε νέες ευκαιρίες και στις μηχανές θα δόθηκε ανθρώπινο AGI, δηλαδή ευέλικτη καθολική νοημοσύνη. Ακολουθώντας αυτό το παράδειγμα, μακροπρόθεσμα ο κόσμος των μηχανών και των ανθρώπων θα γίνει δυσδιάκριτος.

Τύποι τεχνητής νοημοσύνης

• αντιδραστικό - εξειδικευμένο, να ανταποκρίνεται σε συγκεκριμένες καταστάσεις και να εκτελεί αυστηρά καθορισμένες εργασίες (DeepBlue, AlphaGo).
• Με περιορισμένους πόρους μνήμης - εξειδικευμένο, χρησιμοποιώντας τους πόρους των πληροφοριών που λαμβάνονται για τη λήψη αποφάσεων (αυτόνομα συστήματα αυτοκινήτου, chat bots, βοηθοί φωνής).
• Προικισμένος με ανεξάρτητο μυαλό -γενικά, κατανοώντας τις ανθρώπινες σκέψεις, συναισθήματα, κίνητρα και προσδοκίες, ικανό να αλληλεπιδρά χωρίς περιορισμούς. Πιστεύεται ότι τα πρώτα αντίγραφα θα παραχθούν στο επόμενο στάδιο ανάπτυξης της τεχνητής νοημοσύνης.
• αυτογνωσία - εκτός από ευέλικτο μυαλό, έχει και επίγνωση, δηλ. έννοια του εαυτού. Αυτή τη στιγμή, αυτό το όραμα βρίσκεται εντελώς κάτω από το πρόσημο της λογοτεχνίας.