AI sztuczna inteligencja
Obecnie technologia jest wszędzie. Społeczeństwo stale zmierza w kierunku zwiększonej automatyzacji i cyfryzacji, co zostało tylko zaostrzone przez pandemię COVID-19. Przeniesienie pracy z biura do domu i zamykanie sklepów ugruntowały współczesne społeczeństwo jako erę cyfrową.
Zwiększona automatyzacja i cyfryzacja stały się możliwe dzięki sztucznej inteligencji. Sztuczna inteligencja polega na tym, by komputery i maszyny podejmowały decyzje jak ludzie. Programując komputery tak, aby naśladowały ludzkie wzorce myślenia, są one w stanie wykonywać pewne aspekty naszej pracy, sztuczna inteligencja może sprawić, że procesy będą znacznie bardziej efektywne i często dokładniejsze.
Model sztucznej inteligencji
Istnieją różne modele sztucznej inteligencji.
- Modele sztucznej inteligencji to narzędzia i algorytmy wykorzystywane do szkolenia komputerów w zakresie przetwarzania i analizowania danych - tak jak robią to ludzie.
- Uczenie maszynowe to szeroka kategoria objęta etykietą modelu sztucznej inteligencji, w której komputery są uczone samodzielnego myślenia i opracowywania własnych algorytmów po przetworzeniu ogromnych ilości danych.
- Inne modele sztucznej inteligencji wymagają zaprogramowania algorytmu w komputerze i uczą się dostosowywać algorytm na podstawie doświadczenia.
- Wreszcie, istnieją również modele, które w ogóle nie mają zdolności do samodzielnego uczenia się - działają tylko zgodnie z zaprogramowanym algorytmem i wymagają wkładu człowieka.
Na przykład, Google Maps i inne aplikacje nawigacyjne wykorzystują modele sztucznej inteligencji, aby prowadzić nas do celu. Maszyna zapamiętuje krawędzie budynków, których nauczyła się na podstawie danych od innych podróżnych i danych wprowadzonych przez algorytm. Ponieważ ludzie korzystają z aplikacji na co dzień, model uwzględnia dane zebrane z tych podróży i może podawać dokładniejsze informacje o trasie, rozpoznając zmiany w natężeniu ruchu.
Pozostaje ważne pytanie: czy modele sztucznej inteligencji wzmacniają ludzkość i społeczeństwo, czy też ryzykują, że ludzie staną się zbędni? Oto dwie różne opinie:
"Rozwój pełnej sztucznej inteligencji mógłby oznaczać koniec rasy ludzkiej... Wystartowałaby ona sama i przeprojektowałaby się w coraz szybszym tempie. Ludzie, którzy są ograniczeni przez powolną ewolucję biologiczną, nie mogliby konkurować i zostaliby wyparci". - Stephen Hawking, angielski fizyk teoretyczny, który odkrył, że czarne dziury emitują promieniowanie.
"Niektórzy nazywają to sztuczną inteligencją, ale w rzeczywistości ta technologia nas ulepszy. Więc zamiast sztucznej inteligencji, myślę, że zwiększymy naszą inteligencję". - Ginni Rometty, CEO, prezes i dyrektora generalna IBM.
Kluczowe terminy
Model sztucznej inteligencji
Model sztucznej inteligencji to oprogramowanie przeszkolone na zbiorze danych, które rozpoznaje specyficzne wzorce lub podejmuje konkretne decyzje autonomicznie, bez potrzeby dalszej ingerencji człowieka. Oprogramowanie wykorzystuje różnorodne algorytmy na odpowiednich danych wejściowych, aby realizować zamierzone zadania lub osiągać zaprogramowane rezultaty.
Ujmując to inaczej, model sztucznej inteligencji charakteryzuje się zdolnością do autonomicznego (samodzielnego, bez udziału człowieka) podejmowania decyzji lub dokonywania przewidywań, a nie naśladowania ludzkiej inteligencji. Jednymi z pierwszych udanych modeli sztucznej inteligencji były programy do gry w warcaby i szachy z początku lat pięćdziesiątych XX wieku. Te modele umożliwiały programom reagowanie na ruchy przeciwnika, którym był człowiek, w czasie rzeczywistym, zamiast wykonywania wcześniej zaplanowanych serii ruchów.
Algorytmy a modele
Choć te dwa pojęcia często są używane zamiennie w tym kontekście, mają różne znaczenia.
- Algorytmy to procedury, zazwyczaj opisane w języku matematycznym lub pseudokodzie, które stosuje się do zbioru danych w celu osiągnięcia określonego zadania lub funkcji.
- Modele są rezultatem zastosowania algorytmu do zbioru danych.
Mówiąc prościej, model sztucznej inteligencji jest używany do przewidywania lub podejmowania decyzji, natomiast algorytm stanowi logikę, według której działa ten model.
Efekt sztucznej inteligencji: zjawisko, w którym ludzie przestają postrzegać sztuczną inteligencję jako to, czym jest, po tym, jak stała się powszechną częścią codziennego życia. Jest ona postrzegana jako narzędzie, ponieważ jesteśmy tak przyzwyczajeni do technologii wykonującej zadania i ukrywającej za sobą pracę. Na przykład, prawdopodobnie nie myślisz o korzystaniu z Google Maps jako o korzystaniu z modelu sztucznej inteligencji!
Uczenie maszynowe
Uczenie maszynowe to proces, w którym komputer próbuje uczyć się na podstawie przeszłości. Dane są wprowadzane do maszyny, przechodzą przez algorytm (model sztucznej inteligencji) i generują wynik. Jeśli komputer zwróci prawidłowy wynik, potwierdza algorytm. Jeśli jest błędny, odpowiednio dostosowuje algorytm.
Sieci neuronowe
Sieci neuronowe naśladują sposób, w jaki neurony w naszym mózgu współdziałają ze sobą - dane wejściowe wyzwalają reakcję i tworzą dane wyjściowe. Sieci neuronowe to sztuczne modele.
Uczenie głębokie
Uczenie głębokie to sposób, w jaki funkcjonuje uczenie maszynowe. Podczas gdy niektóre modele sztucznej inteligencji są budowane poprzez pierwsze wprowadzenie algorytmu, uczenie głębokie jest techniką, w której maszyna opracowuje algorytm po napotkaniu ogromnych ilości danych.
Maszyna Turinga
Maszyna Turinga: to hipotetyczna maszyna opracowana przez matematyka Alana Turinga w 1936 roku. Była to maszyna, która poprzez zmianę danych na 0 i 1 (upraszczając dane do ich podstawowych elementów) mogła symulować dowolny algorytm komputerowy.7
Nadzorowane modele uczenia maszynowego
Nadzorowane modele uczenia maszynowego to modele sztucznej inteligencji, które wymagają szkolenia przez człowieka. Ludzie oznaczają zestawy danych, a model uczy się na podstawie sposobu, w jaki ludzie analizują dane.
Nienadzorowane modele uczenia maszynowego
Nienadzorowane modele uczenia maszynowego to modele sztucznej inteligencji, które nie wymagają udziału człowieka. Modele te są trenowane przez oprogramowanie, które identyfikuje wzorce, aby komputer mógł je naśladować.
Pół-nadzorowane modele uczenia maszynowego
Pół-nadzorowane modele uczenia maszynowego to modele sztucznej inteligencji, które łączą zarówno nadzorowane, jak i nienadzorowane podejścia do uczenia maszynowego, wykorzystując zarówno szkolenie człowieka, jak i szkolenie oprogramowania.
Historia sztucznej inteligencji
Matematycy Alonzo Church i Alan Turing jako pierwsi wykorzystali obliczenia jako urządzenie do przeprowadzania formalnego rozumowania. W 1936 r. opracowali tezę Churcha-Turinga, która sugeruje, że dowolne obliczenia w świecie rzeczywistym można przełożyć na równoważne obliczenia z udziałem maszyny Turinga. Teza ta została opracowana wkrótce po tym, jak Turing opracował maszynę Turinga i otworzyła sferę możliwości uczenia się komputerów. Ludzie zaczęli wierzyć, że możliwe jest zbudowanie elektronicznego mózgu.9
Ponieważ w 1936 r. dostęp do komputerów nie był powszechny, "elektroniczny mózg" potrzebował kilku lat, aby stać się zniuansowaną teorią. Model Turinga był jedynie hipotetyczny, ale w 1943 roku neuronaukowiec Warren Sturgis McCulloch i logik Walter Harry Pitts sformalizowali go i stworzyli pierwszą obliczeniową teorię umysłu i mózgu. W swoim artykule zatytułowanym "A Logical Calculus of the Ideas Immanent in Nervous Activity" wyjaśnili, w jaki sposób mechanizmy neuronowe w komputerach mogą realizować funkcje umysłowe.
Jednak sztuczna inteligencja nie stała się rzeczywistością aż do 1949 roku, ponieważ komputery nie mogły przechowywać poleceń. Chociaż mogły je wykonywać, nie mogły zachować modelu sztucznej inteligencji. Nikt jeszcze nie stworzył takiej możliwości, ponieważ komputery były bardzo drogie. Termin sztuczna inteligencja został ukuty dopiero w 1955 roku, a w tym samym roku informatycy i psychologowie poznawczy Allen Newell, Cliff Shaw i Herbert Simon stworzyli dowód koncepcji sztucznej inteligencji. Opracowali oni Logic Theorist, program, który wykorzystywał sztuczną inteligencję do naśladowania ludzkich umiejętności rozwiązywania problemów.
Od tego momentu wiele osób zainteresowało się tworzeniem modeli sztucznej inteligencji. W 1997 r. amerykański informatyk Tom Mitchell podał bardziej wyrafinowaną definicję sztucznej inteligencji niż wcześniej. Zdefiniował ją jako "mówi się, że program komputerowy uczy się z doświadczenia E w odniesieniu do pewnego zadania T i pewnej miary wydajności P, jeśli jego wydajność w T, mierzona przez P, poprawia się wraz z doświadczeniem E".
Przedstawmy to na przykładzie Google Maps. Jeśli chcesz, aby komputer przewidywał wzorce ruchu drogowego (zadanie T), uruchamiasz program za pomocą modelu sztucznej inteligencji z danymi o przeszłych wzorcach ruchu drogowego (doświadczenie E), a gdy już się nauczy, będzie lepiej przewidywał przyszłe wzorce ruchu drogowego (wydajność P).
Konsekwencje sztucznej inteligencji
Istnieją setki praktycznych, ważnych zastosowań modeli sztucznej inteligencji. Modele sztucznej inteligencji pomagają zwiększyć wydajność analizy i przetwarzania danych oraz zwiększyć automatyzację. Zarówno modele głębokiego uczenia, jak i sztucznej inteligencji rewolucjonizują społeczeństwo.
Początkowo modele sztucznej inteligencji były reaktywnymi maszynami, które nie mogły przechowywać żadnej pamięci, co oznacza, że nie mogły uczyć się na podstawie doświadczenia. Obecnie wszystkie komputery ze sztuczną inteligencją mogą przechowywać pamięć, co oznacza, że maszyny stale stają się coraz lepsze w analizowaniu danych. Podczas gdy maszyny do głębokiego uczenia uczą się całkowicie na podstawie doświadczenia, komputery, które stosują modele sztucznej inteligencji, nadal udoskonalają swoje algorytmy poprzez doświadczenie. Maszyny te sprawiają, że procesy stają się bardziej wydajne, zmniejszając potrzebę interwencji człowieka (a tym samym zmniejszając liczbę błędów ludzkich) i mogą pomóc organizacjom zrozumieć, jak poprawić ich funkcjonowanie.
Istnieją zalety zarówno modeli uczenia maszynowego, jak i modeli sztucznej inteligencji, które nie uczą się wyłącznie na podstawie doświadczenia, ale zamiast tego wykorzystują wstępnie zaprogramowane algorytmy. Ci, którzy używają wstępnie zaprogramowanych algorytmów, mogą szybko przetwarzać dane i dostarczać pożądane wyniki. Nie wymagają dodatkowego czasu na "nauczenie się", co robić, a jedynie na udoskonalenie swoich procesów, co wymaga prostszych i tańszych maszyn. Uczenie maszynowe, choć droższe, może przetwarzać bardziej złożone dane i jest samowystarczalne, dzięki czemu nie wymaga tak dużego wkładu człowieka.
Kontrowersje sztucznej inteligencji
Istnieje wiele kontrowersji etycznych związanych z modelami sztucznej inteligencji.
Jedną z nich jest to, że wiele modeli sztucznej inteligencji jest wykorzystywanych do "badania" naszego zachowania, niezależnie od tego, czy jest to nasz cyfrowy ślad, czy rozpoznawanie twarzy, i nie wiemy, w jaki sposób dokładnie dane są wykorzystywane lub przechowywane.
W uczeniu maszynowym, ponieważ modele sztucznej inteligencji uczą się same, etyczne obawy dotyczą braku przejrzystości narzędzi sztucznej inteligencji. W przypadku modeli, które nie są zgodne z uczeniem maszynowym, mogą istnieć uprzedzenia w algorytmach wprowadzanych do programów. Na przykład, pojawiło się wiele kontrowersji wokół rozpoznawania twarzy po tym, jak okazało się, że technologia ta była znacznie mniej dokładna w rozpoznawaniu twarzy osób czarnoskórych. Wynikało to z tego, że większość białego zespołu tworzyła modele, które same nie były tak dokładne przy rozróżnianiu osób kolorowych. Ich uprzedzenia stały się częścią modelu sztucznej inteligencji.
Pojawia się również pytanie, czy modele sztucznej inteligencji mogą uwzględniać moralność jako część ich programowania. Jeśli autonomiczny (samojezdny) samochód znajdzie się w sytuacji, w której pieszy zostanie potrącony, jeśli nie zahamuje, musi zdecydować między bezpieczeństwem ludzi w samochodzie a bezpieczeństwem pieszego - w jaki sposób komputer może podjąć taką decyzję?
Niektórzy uważają również, że sztuczna inteligencja ogranicza nasze człowieczeństwo i to, co naturalne. Zjawiska takie jak "projektowane dzieci", w których ludzie mogą wybrać geny, jakie będzie miało dziecko, są przedmiotem debaty na temat tego, czy odbierają one to, co naturalne. Takie innowacje wymagają od nas rozważenia moralnych i etycznych aspektów sztucznej inteligencji.
Wykorzystywanie modeli sztucznej inteligencji
Wykorzystywanie modeli sztucznej inteligencji w medycynie
Modele sztucznej inteligencji mogą wykrywać raka u pacjentów. Analizując zdjęcia rentgenowskie i obrazy CRT, są w stanie wykryć nieprawidłowości w ludzkim ciele związane z rakiem. Ponieważ w dzisiejszych czasach modele te opierają się na uczeniu maszynowym, stają się coraz dokładniejsze i są w stanie rozpoznać nawet nienormalne nowotwory, ponieważ nauczyły się dzięki doświadczeniu.
Wykorzystywanie modeli sztucznej inteligencji w komunikacji
Czy zastanawiałeś się kiedyś, w jaki sposób nasze telefony przewidują, co mamy zamiar napisać? Nasze telefony sugerują nam następne słowo w wiadomości tekstowej lub przewidują koniec zdania w wiadomości e-mail. Dają nam również sugestie, gdy uważają, że błędnie napisaliśmy jakieś słowo. Wszystko to jest możliwe dzięki modelom sztucznej inteligencji, w których telefony analizują naszą poprzednią komunikację (i wzorce komunikacji całej populacji), aby przewidzieć, co chcemy powiedzieć w następnej kolejności.2
Wykorzystywanie modeli sztucznej inteligencji w chatbotach i cyfrowych asystentach
Chatboty przejęły agentów obsługi klienta, niezależnie od tego, czy jest to Alexa czy Siri. Chatboty mogą skutecznie odpowiadać na często zadawane pytania, analizując pytanie klienta i dopasowując je do wcześniejszych doświadczeń. Cyfrowi asystenci słuchają głosu użytkownika, przetwarzają i analizują dane, a następnie wykonują żądaną funkcję.
Wykorzystywanie modeli sztucznej inteligencji w reklamy dostosowanych do odbiorców
Wszyscy słyszeliśmy o teoriach spiskowych, że nasze telefony nas słuchają, ale nasze telefony przechowują tak wiele danych o nas, że nie muszą nas słuchać, aby wypełnić nasze media społecznościowe reklamami dostosowanych do nas. W oparciu o poprzednie wyszukiwania, wyszukiwania osób w sieci i markery demograficzne, modele sztucznej inteligencji przewidują, jakie produkty najprawdopodobniej kupisz i pokazują je w Twoich kanałach.
Zarządzanie sztuczną inteligencją
Obecnie są jednym z najcenniejszych zasobów (czasem bardziej niż pieniądze) i rządzą większością naszego życia. Dane określają, jakie reklamy są nam wyświetlane, jakie produkty kupujemy i kształtują nasze upodobania. Wszystkie nasze wybory są w pewnym stopniu kierowane przez dane. Jednak w tym artykule nasi współpracownicy Mark Esposito, Danny Goh, Josh Entsminger i Terence Tse zastanawiają się, czy powinniśmy czuć się komfortowo żyjąc w społeczeństwie, w którym nasze zachowanie jest kształtowane przez sztuczną inteligencję, a co ważniejsze, przez ludzi kontrolujących sztuczną inteligencję. Zadają pytanie - kto jest odpowiedzialny za zapewnienie, że sposób wykorzystania sztucznej inteligencji i udostępniania danych jest etyczny?