Почему ИИ так плохо сообщает?

Вы видели заголовки: «ИИ может читать ваши мысли», «ИИ варит ваш следующий виски», «ИИ в чем-то лучше врачей», «Этот ИИ звучит настолько убедительно, что выпускать его в дикую природу слишком опасно» и так далее.

И, конечно же, вездесущий ИИ уничтожает рабочие места.

Большинство людей могут согласиться с тем, что освещение феномена искусственного интеллекта в популярных СМИ плохое. Это знают исследователи искусственного интеллекта, некоторые репортеры знают это, и, вероятно, средний потребитель средств массовой информации подозревает это.

Заголовки в основном наполнены призывами к панике, а содержание статей расплывчато, неясно и антропоморфизировано, что приводит к ужасающим презумпциям разума.

Также: MIT наконец-то дал название сумме всех страхов ИИ

Пятьдесят лет назад Дрю Макдермотт из Лаборатории искусственного интеллекта Массачусетского технологического института придумал отличный термин для таких вводящих в заблуждение характеристик. Он назвал это «искусственный интеллект встречается с естественной глупостью». Тогда Макдермотт обращался к своим коллегам в области искусственного интеллекта и их необоснованной антропоморфизации. Кажется, в наши дни природная глупость жива и здорова в журналистике.

Почему это так? Это так, потому что многие пишут об ИИ не об ИИ как таковом, а пишут вокруг ИИ, избегая того, чем он является.

Чего не хватает в отчетности по ИИ, так это машины. ИИ не действует в таинственном эфире. Это не светящийся мозг, как можно увидеть на многих стоковых фотографиях, сделанных искусственным интеллектом. Это работа компьютеров. Это связано с тем, какими были компьютеры и какими они становятся. Многие, кажется, забывают об этом.

Компьютеры являются и всегда были функциональными машинами: они принимают входные данные и преобразуют их в выходные данные, например, преобразуя нажатия клавиш в символы на экране.

Машинное обучение также связано с функциями. Операции машинного обучения компьютера принимают входные данные и преобразуют их различными способами, в зависимости от характера функции. На протяжении десятилетий эту функцию приходилось разрабатывать. Поскольку данные и вычисления стали очень дешевыми, некоторые аспекты функции можно было формировать самими данными, а не разрабатывать.

Также: Почему чат-боты до сих пор не оставляют нас равнодушными

Машинное обучение — это всего лишь функциональная машина, некоторые свойства которой формируются данными.

Каждый раз, когда «ИИ» что-то делает, это означает, что кто-то спроектировал функциональную машину, преобразование которой входу в выход предоставляется определенная степень свободы, гибкость, выходящая за рамки явного программирование.

Это не то же самое, что создание человеческого сознания, которое «обучается» в том смысле, в каком мы об этом думаем. Такие машины не «разбираются во всем», — еще один неверно использованный антропоморфный образ. Скорее, их функции изменяются под воздействием данных таким образом, что позволяют удивительным образом преобразовывать входные данные в выходные данные, и результаты, которые мы, кажется, почти признаем, похожи на человеческое мышление.

Машинная правда об ИИ скрыта в освещении ИИ.

Одна из причин, по которой машина не обсуждается, заключается в том, что репортеры, как правило, интеллектуально ленивы. Они не любят исследовать сложные идеи. Это означает, что они не будут выполнять работу, необходимую для понимания ИИ как продукта компьютерных технологий в его различных формах. Скажем, они не будут читать книгу или читать исследования, чтобы выучить язык дисциплины. Их невежество во всем, что они не удосужились узнать о компьютерах, теперь усугубляется тем, что они не удосужились узнать об ИИ.

Также: ИИ не отличник: DeepMind чуть не завалил математику в средней школе

А как насчет этих заголовков? Заголовки часто пишут редакторы, а не репортеры. Независимо от того, на что похожа история, заголовок может оказаться кликбейтом. ИИ — термин с шипением. Это способствует хорошей поисковой оптимизации, или SEO, для привлечения трафика на онлайн-статьи.

Другая причина, по которой отчеты об ИИ оказываются ужасными, заключается в том, что многие стороны, которые на самом деле используют ИИ, не объясняют, что они делают. У академиков и учёных может быть некоторый стимул делать это из уважения к пониманию в целом. Но часто неясно, в чем реальная польза их работы, когда репортеры даже не пытались это сделать. пойти навстречу этим исследователям, проделав интеллектуальную работу, необходимую для получения некоторых базовых знаний. понимание.

Коммерческие предприятия, такие как технологические компании, активно склонны оставаться в тени. Некоторые, возможно, захотят сохранить тайну интеллектуальной собственности. Другие просто хотят использовать одобрение «ИИ», фактически не занимаясь ИИ как таковым.

Многие разрабатываемые программы могут включать в себя довольно обыденные статистические подходы, не имеющие ничего общего с искусственным интеллектом. Поэтому не в интересах корпорации выпускать кота из мешка и раскрывать, насколько обыденна эта технология.

---

Должен прочитать

• Что такое ИИ? Все, что Вам нужно знать
• Что такое глубокое обучение? Все, что Вам нужно знать
• Что такое машинное обучение? Все, что Вам нужно знать
• Что такое облачные вычисления? Все, что Вам нужно знать

---

Если вы спросите эти предприятия, какой тип нейронной сети они могут использовать, например, сверточную нейронную сеть, сеть, долгосрочная память или любой другой вопрос, они меняют тему или что-то бормочут нечеткий. Репортер, который берет на себя труд получить некоторое базовое представление о машинном обучении, обычно сталкивается с препятствиями со стороны таких организаций.

Отделение ИИ от всей истории вычислений, отделение его от материальных деталей, составляющих машинное обучение, не только приводит к созданию плохих статей, но и сбивает с толку обсуждение этики ИИ.

Если ИИ — это функциональная машина, природа которой в некоторой степени определяется данными, то ответственность за все плохие вещи, которые могут случиться с ИИ, лежит не только на ИИ. Отчасти это связано с другими аспектами вычислений, существовавшими до этой эпохи. Такие вещи, как автоматизация, долгое время были следствием машин. Компьютеры, которые автоматизируют задачи, могут влиять на рабочие места, и хотя это влияние может быть усилено ИИ, эта проблема не является строго проблемой ИИ; это проблема вычислений, проблем машин, проблем автоматизации и, в конечном счете, проблем социальных ценностей.

Общество, которое не знает, что такое компьютерные технологии и как они связаны с ИИ, и, следовательно, не совсем понимает, что такое ИИ, не может вести хорошие дебаты об этике ИИ.

Надеемся, что такие усилия, как один недавно предложенный ученых Массачусетского технологического института принесет большее понимание. Исследователи Массачусетского технологического института выступают за новую науку, подобную этологии, в которой компьютеры будут исследоваться более широко, принимая во внимание все о том, как они спроектированы, и обо всех способах их использования в обществе, а не просто о узких случаях машин, которые кажутся имитирующими человека. поведение. Их термин «поведение машины» может помочь вернуть компьютер в картину.