Vil kunstig intelligens ende opp med å bli virkelig dum?

Det er vanskelig å komme noen vei i disse dager uten å komme over noen omtale av kunstig intelligens (AI). Du hører om det, du leser om det, og det er vanskelig å finne et presentasjonsdekke (på noe tema) som ikke nevner det. Det er ingen tvil om at det er mye hype rundt emnet.

Mens hypen øker bevisstheten om AI, letter den også noen ganske dumme aktiviteter og kan distrahere folk fra mye av den virkelige fremgangen som gjøres. Å løsne virkeligheten fra de mer dramatiske overskriftene lover å gi betydelige fordeler for både investorer, forretningsfolk og forbrukere.

Kunstig intelligens har oppnådd sin nylige beryktethet i stor grad på grunn av høyprofilsuksesser som IBMs Watson-seier på Jeopardy og Googles AlphaGo slo verdensmesteren i spillet "Go". Waymo, Tesla og andre har også gjort store fremskritt med selvkjørende kjøretøy. Ekspansiviteten til AI-applikasjoner ble fanget opp av Richard Waters i Financial Times [her.}: "Hvis det var en samlende melding som lå til grunn for forbrukerteknologien på skjermen [på Consumer Electronics Show] ... var det: 'AI i alt'."

Høyprofilerte AI-suksesser har også fanget folks forestillinger i en slik grad at de har fått andre vidtrekkende innsats. Et lærerikt eksempel ble dokumentert av Thomas H. Davenport og Rajeev Ronanki i Harvard Business Review [her.]. De beskriver, "I 2013 lanserte MD Anderson Cancer Center et" moon shot "-prosjekt: diagnostisere og anbefale behandlingsplaner for visse former for kreft ved å bruke IBMs Watson-kognitive system." Dessverre fungerte ikke systemet, og av 2017, " prosjektet ble satt på vent etter at kostnadene toppet $ 62 millioner dollar - og systemet måtte ennå ikke brukes på pasienter. "

Waters plukket også opp et annet budskap - det av tempererte forventninger. Når det gjelder “taledrevne personlige assistenter”, konstaterer han, “er det ikke klart teknologien er i stand til å bli virkelig nyttig som erstatning for smarttelefonen når du navigerer i den digitale verdenen” annet enn å “spille musikk eller sjekke nyhetene og været ”.

Andre eksempler på tempererte forventninger florerer. Generva Allen fra Baylor College of Medicine og Rice University advarte [her.], "Jeg vil ikke stole på en veldig stor brøkdel av funnene som for tiden blir gjort ved å bruke maskinlæringsteknikker brukt på store datasett." Problemet er at mange av teknikkene er designet for å levere konkrete svar og forskning innebærer usikkerhet. Hun utdypet, "Noen ganger ville det være mye mer nyttig hvis de sa: 'Jeg tror noen av disse virkelig er gruppert, men jeg er usikker på disse andre.'

Verre ennå, i ekstreme tilfeller AI ikke bare underpresterer; den har ikke en gang blitt implementert enda. De FT rapporter [her.], "Fire i 10 av Europas oppstart av kunstig intelligens bruker ingen kunstig intelligens-programmer i produktene sine, ifølge en rapport som belyser hypen rundt teknologien."

Sykluser med oppblåste forventninger fulgt av bølger av skuffelse kommer ikke som noen overraskelse for de som har holdt på med kunstig intelligens på en stund: De vet alt for godt at dette ikke er den første rodeoen for AI. Mye av det konseptuelle arbeidet stammer faktisk til 1950. I gjennomgangen av noen av notatene mine nylig kom jeg over et representativt stykke som utforsket nevrale nettverk med det formål å plukke ut aksjer - datert fra 1993 [her.].

Den beste måten å få perspektiv på AI er å gå rett til kilden, og Martin Ford gir oss den muligheten gjennom sin bok, Arkitekter av intelligens. Organisert som en rekke intervjuer med bransjens ledende forskere, forskere og gründere, gir boken en nyttig historie med AI og fremhever de viktigste tankene.

To innsikter på høyt nivå dukker opp fra boka. Den ene er at til tross for ulik bakgrunn og personlighet hos intervjuobjektene, er det stor enighet om viktige emner. Det andre er at mange av prioriteringene og bekymringene til de beste AI-undersøkelsene er ganske merkbart forskjellige fra de som kommer til uttrykk i mainstream media.

Ta for eksempel konseptet kunstig generell intelligens (AGI). Dette er nært knyttet til forestillingen om "Singularitet", som er det punktet der kunstig intelligens matcher menneskers intelligens - på sin vei til å overskride menneskelig intelligens. Ideen har fanget folks bekymring for AI som inkluderer enorme arbeidstap, drapsmenn og en rekke andre dramatiske manifestasjoner.

AIs ledende forskere har veldig forskjellige synspunkter; som en gruppe er de helt uforstyrret av AGI. Geoffrey Hinton, professor i informatikk ved University of Toronto og visepresident og teknisk stipendiat ved Google, sa: "Hvis spørsmålet ditt er: 'Når skal vi få en Commander Data [fra TV-serien Star Trek]', så jeg tror ikke det er slik ting kommer til å utvikle seg. Jeg tror ikke vi kommer til å få ting som generelle formål. "

Yoshua Bengio, professor i informatikk og driftsforskning ved University of Montreal, forteller oss at "Det er noen virkelig vanskelige problemer foran oss og at vi er langt fra AI på menneskelig nivå." Han legger til, "vi er alle sammen spent fordi vi har gjort store fremskritt med å klatre opp bakken, men når vi nærmer oss toppen av bakken, kan vi begynne å se en serie andre bakker stige foran oss. ”

Barbara Grosz, professor i naturvitenskap ved Harvard University, uttrykte sin mening, “Jeg tror ikke AGI er den rette retningen å gå”. Hun argumenterer for at fordi jakten på AGI (og håndteringen av konsekvensene) er så langt ut i fremtiden at de tjener som ”en distraksjon”.

En annen vanlig tråd blant AI-undersøkelsene er troen på at AI bør brukes til øke menneskelig arbeid i stedet for erstatte den. Cynthia Breazeal, direktør for personalrobotgruppen for MIT medielaboratorium, rammer problemet: “Spørsmålet er hva som er synergien, hva er komplementariteten, hva er den utvidelsen som gjør at vi kan utvide våre menneskelige evner når det gjelder hva vi gjør som gjør det å virkelig få større innvirkning i verden. ”Fei-Fei Li, professor i informatikk ved Stanford og sjefforsker for Google Cloud, beskrev,“ AI som en teknologi har så stort potensiale for å forbedre og øke arbeidskraften, i tillegg til bare å erstatte den."

James Manyika, styreleder og direktør for McKinsey Global Institute, bemerket at siden 60% av yrkene har omtrent en tredjedel av sine konstituerende aktiviteter automatisk, og bare om lag 10% av yrkene har mer enn 90% automatisk, "vil mange flere yrker bli komplementert eller utvidet av teknologier enn vil bli erstattet. "

Videre kan AI bare øke menneskelig arbeid i den grad det effektivt kan fungere medmenneskelig arbeidskraft. Barbara Grosz påpekte: "Jeg sa på et tidspunkt at" AI-systemer er best hvis de er designet med tanke på mennesker. " Hun fortsatte: "Jeg anbefaler at vi tar sikte på å bygge et system som er en god teampartner og som fungerer så bra med oss ​​at vi ikke vet at det ikke er menneskelig."

David Ferrucci, grunnlegger av Elemental Cognition og direktør for anvendt AI i Bridgewater Associates, sa: "Fremtiden vi ser på Elemental Cognition har menneskelig og maskinell intelligens tett og flytende samarbeid." Han utdypte, "Vi tenker på det som tankesamarbeid. "Yoshua Bengio minner oss imidlertid om utfordringene i å danne et slikt partnerskap:" Det handler ikke bare om presisjon [med AI], det handler om å forstå den menneskelige konteksten, og datamaskiner har absolutt null ledetråder om det. ”

Det er interessant at det er en god del enighet om viktige ideer som at AGI ikke er et spesielt nyttig mål akkurat nå, AI bør brukes til å øke arbeidskraften og ikke erstatte den, og AI bør samarbeide med mennesker. Det er også interessant at de samme leksjonene blir belyst av bedriftens erfaringer.

Richard Waters beskriver hvordan AI-implementeringer fremdeles er på et ganske rudimentært stadium i FT [her.]: "Fjern bort den gee-whiz-forskningen som hogs mange av overskriftene (en datamaskin som kan slå mennesker på Go!), Og teknologien er i et rudimentært stadium." Han bemerker også, "Men utover denne 'forbruket' av IT , som har lagt brukervennlige verktøy i flere hender, og det er mye tung løft å gjennomgå en virksomhets interne systemer og prosesser. ”

At tunge løft tar tid, og det er svært få selskaper der. Ginni Rometty, leder for IBM, karakteriserer applikasjonen til sine klienter som "Tilfeldige handlinger av digital" og beskriver mange av prosjektene som "hit and miss". Andrew Moore, leder av AI for Googles skyvirksomhet, beskriver det som "Artisanal AI". Rometty utdyper, “De har en tendens til å starte med et isolert datasett eller bruke tilfeller - som effektivisering av interaksjoner med en bestemt gruppe kunder. De er ikke knyttet til selskapets dypere systemer, data eller arbeidsflyt, noe som begrenser deres innvirkning. ”

Mens HBR tilfelle av MD Anderson Cancer Center gir et godt eksempel på et moonshot AI-prosjekt som sannsynligvis overreagere, det gir også en utmerket indikasjon på hvilke typer arbeid som AI kan forbedre. Samtidig som senteret prøvde å bruke AI på kreftbehandling, eksperterte IT-gruppen med å bruke kognitive teknologier for å gjøre mye mindre ambisiøse jobber, for eksempel å lage hotell- og restaurantanbefalinger til pasienters familier, og bestemte hvilke pasienter som trengte hjelp med å betale regninger og adressering av personalets IT-problemer. ”

Les hele historien her ...