10 måder, hvorpå AI har fejlet

Kunstig intelligens (AI) har ikke bare undladt at leve op til forventningerne fra alt for entusiastiske fortalere; det har ikke opfyldt specifikke behov og grundlæggende krav. Denne liste handler om de fejl, der vil forhindre AI i at udmærke sig og udføre de opgaver, vi skal udføre. AI er i øjeblikket en teknologi under udvikling, der i bedste fald er delvist vellykket.

Et af de væsentlige problemer omkring AI i dag er, at folk bliver ved med at antropomorfe det og gøre det til noget, det ikke er. En AI accepterer rensede data som input, analyserer dem, finder mønstrene og giver et anmodet output. En AI forstår ikke noget, den kan ikke skabe eller opdage noget nyt, og den har ingen intrapersonlig viden, så den kan ikke have empati med nogen om noget som helst. En AI opfører sig som designet af en menneskelig programmør, og hvad du ofte tager for intelligens er kun en blanding af smart programmering og enorme mængder data analyseret på en bestemt måde. For et andet syn på disse og andre problemer, tjek artiklen med titlen "At stille de rigtige spørgsmål om AI."

Endnu vigtigere er det dog, at folk, der hævder, at en kunstig intelligens i sidste ende vil overtage verden, ikke forstår, at det er umuligt givet den nuværende teknologi. En AI kan ikke pludselig blive selvbevidst, fordi den mangler ethvert middel til at udtrykke de følelser, der kræves for at blive selvbevidst. En AI mangler i dag nogle af de essentielle syv slags intelligens, der kræves for at blive selvbevidst. Blot at besidde disse intelligensniveauer ville heller ikke være nok. Mennesker har en gnist i sig - noget som videnskabsmænd ikke forstår. Uden at forstå, hvad den gnist er, kan videnskaben ikke genskabe den som en del af en AI.

AI'er mangler fuldstændig forståelse

Evnen til at forstå er medfødt for mennesker, men AI'er mangler den fuldstændig. Ser man på et æble, er et menneske mere end blot en række egenskaber forbundet med et billede af et objekt. Mennesker forstår æbler gennem brug af sanser, såsom farve, smag og følelse. Vi forstår, at æblet er spiseligt og giver specifikke næringsstoffer. Vi har følelser for æbler; måske kan vi lide dem og føler, at de er den suveræne frugt. AI'en ser et objekt, der har egenskaber forbundet med det - værdier, som AI'en ikke forstår, men kun manipulerer. Den manglende forståelse får AI som helhed til ikke at leve op til forventningerne.

Fortolker, ikke analyserer

En AI bruger algoritmer til at manipulere indgående data og producere et output. Der lægges vægt på at udføre en analyse af dataene. Men et menneske styrer retningen af ​​denne analyse og skal derefter fortolke resultaterne. For eksempel kan en AI udføre en analyse af et røntgenbillede, der viser en potentiel kræfttumor. Det resulterende output kan understrege en del af røntgenbilledet, der indeholder en tumor, så lægen kan se det. Lægen vil muligvis ikke kunne se tumoren ellers, så AI'en yder uden tvivl en vigtig service. Alligevel skal en læge stadig gennemgå resultatet og afgøre, om røntgenbilledet faktisk viser kræft. En AI bliver let narre på tidspunkter, hvor selv en lille artefakt dukker op det forkerte sted. Følgelig,

Fortolkning indebærer også evnen til at se ud over dataene. Det er ikke evnen til at skabe nye data, men at forstå, at dataene kan indikere noget andet end det, der er tilsyneladende. For eksempel kan mennesker ofte fortælle, at data er falske eller forfalskede, selvom dataene i sig selv ikke viser noget bevis for disse problemer. En AI accepterer dataene som både ægte og sande, mens et menneske ved, at det hverken er ægte eller sandt. At formalisere præcis, hvordan mennesker opnår dette mål, er i øjeblikket umuligt, fordi mennesker faktisk ikke forstår det.

Går ud over rene tal

På trods af ethvert udseende ellers fungerer en AI kun med tal. En AI kan for eksempel ikke forstå ord, hvilket betyder, at når du taler til den, udfører AI'en simpelthen mønstermatchning efter at have konverteret din tale til numerisk form. Indholdet af det, du siger, er væk. Selvom AI var i stand til at forstå ord, kunne den ikke gøre det, fordi ordene er væk efter tokeniseringsprocessen. AI'ers manglende evne til at forstå noget så grundlæggende som ord betyder, at en AI's oversættelse fra et sprog til et andet altid vil mangle det bestemte noget, der skal til for at oversætte følelsen bag ordene, såvel som selve ordene. Ord udtrykker følelser, og det kan en AI ikke.

Den samme konverteringsproces finder sted med enhver sans, som mennesker besidder. En computer oversætter syn, lyd, lugt, smag og berøring til numeriske repræsentationer og udfører derefter mønstermatchning for at skabe et datasæt, der simulerer oplevelsen i den virkelige verden. Yderligere komplicerer sager, mennesker oplever ofte ting forskelligt fra hinanden. For eksempel oplever hver person farve unikt . For en AI ser hver computer farve på nøjagtig samme måde, hvilket betyder, at en AI ikke kan opleve farver unikt. På grund af konverteringen oplever en AI desuden faktisk slet ikke farve.

Overvejer konsekvenser

En AI kan analysere data, men den kan ikke foretage moralske eller etiske vurderinger. Hvis du beder en AI om at træffe et valg, vil den altid vælge den mulighed med størst sandsynlighed for succes, medmindre du også giver en form for randomiseringsfunktion. AI vil træffe dette valg uanset resultatet.

I mange situationer er det kun ubelejligt at fejlbedømme en AIs evne til at udføre en opgave. I nogle tilfælde skal du muligvis udføre opgaven en anden eller tredje gang manuelt, fordi AI'en ikke er klar til opgaven. Men når det kommer til konsekvenser, kan du stå over for juridiske problemer ud over de moralske og etiske problemer, hvis du stoler på, at en AI udfører en opgave, der ikke passer til den. For eksempel er det sandsynligvis ulovligt at tillade en selvkørende (SD) bil at køre alene på et sted, der ikke dækker dette behov, og du vil stå over for juridiske problemer ud over skader og medicinske omkostninger, som SD-bilen kan årsag. Kort sagt, ved, hvad de juridiske krav er, før du stoler på en AI til at gøre noget, der involverer potentielle konsekvenser.

AI'er kan ikke opdage eller skabe noget

En AI kan interpolere eksisterende viden, men den kan ikke ekstrapolere eksisterende viden for at skabe ny viden. Når en AI støder på en ny situation, forsøger den normalt at løse den som et eksisterende stykke viden i stedet for at acceptere, at det er noget nyt. Faktisk har en AI ingen metode til at skabe noget nyt eller se det som noget unikt. Det er menneskelige udtryk, der hjælper os med at opdage nye ting, arbejde med dem, udtænke metoder til at interagere med dem og skabe nye metoder til at bruge dem til at udføre nye opgaver eller udvide eksisterende opgaver.

Udtænke nye data fra gamle

En af de mere almindelige opgaver, som folk udfører, er ekstrapolering af data; for eksempel givet A, hvad er B? Mennesker bruger eksisterende viden til at skabe ny viden af ​​en anden art. Ved at kende ét stykke viden kan et menneske tage et spring til et nyt stykke viden, uden for den oprindelige videns domæne, med stor sandsynlighed for succes. Mennesker foretager disse spring så ofte, at de bliver en anden natur og intuitive i det ekstreme. Selv børn kan lave sådanne forudsigelser med en høj succesrate.

Det bedste, en AI nogensinde vil gøre, er at interpolere data, for eksempel givet A og B, er C et sted midt imellem? Evnen til at interpolere data med succes betyder, at en AI kan udvide et mønster, men den kan ikke skabe nye data. Men nogle gange kan udviklere vildlede folk til at tro, at dataene er nye ved at bruge smarte programmeringsteknikker. Tilstedeværelsen af ​​C ser ny ud, når den virkelig ikke er det. Manglen på nye data kan skabe forhold, der gør, at AI ser ud til at løse et problem, men det gør den ikke. Problemet kræver en ny løsning, ikke interpolation af eksisterende løsninger.

At se ud over mønstrene

I øjeblikket kan en AI se mønstre i data, når de ikke er synlige for mennesker. Evnen til at se disse mønstre er det, der gør AI så værdifuld. Datamanipulation og -analyse er tidskrævende, kompleks og gentagende, men en AI kan udføre opgaven med selvtillid. Datamønstrene er dog blot et output og ikke nødvendigvis en løsning. Mennesker er afhængige af fem sanser, empati, kreativitet og intuition for at se ud over mønstrene til en potentiel løsning, der ligger uden for, hvad dataene ville få en til at tro.

En grundlæggende måde at forstå den menneskelige evne til at se ud over mønstre er at se på himlen. På en overskyet dag kan folk se mønstre i skyerne, men en AI ser skyer og kun skyer. Derudover kan to personer se forskellige ting i det samme sæt skyer. Det kreative syn på mønstre i skyen kan have en person, der ser et får og en anden et springvand. Det samme gælder for stjerner og andre former for mønstre. AI præsenterer mønsteret som output, men det forstår ikke mønsteret og mangler kreativitet til at gøre noget med mønsteret, bortset fra at rapportere, at mønsteret eksisterer.

Implementering af nye sanser

Efterhånden som mennesker er blevet mere vidende, er de også blevet opmærksomme på varianser i menneskelige sanser, der faktisk ikke oversættes godt til en AI, fordi det ikke er muligt at kopiere disse sanser i hardware nu. For eksempel er evnen til at bruge flere sanser til at styre et enkelt input ( synæstesi ) ud over en AI.

At beskrive synestesi effektivt er langt ud over de fleste mennesker. Før de kan skabe en AI, der kan efterligne nogle af de virkelig fantastiske effekter af synestesi, skal mennesker først beskrive den fuldt ud og derefter skabe sensorer, der vil konvertere oplevelsen til tal, som en AI kan analysere. Men selv da vil AI kun se virkningerne af synestesien, ikke den følelsesmæssige påvirkning. Følgelig vil en AI aldrig fuldt ud opleve eller forstå synestesi. Mærkeligt nok viser nogle undersøgelser, at voksne kan trænes til at have synestetiske oplevelser , hvilket gør behovet for en AI usikker.

Selvom de fleste mennesker ved, at mennesker har fem sanser, hævder mange kilder nu, at mennesker faktisk har langt flere end standard fem sanser. Nogle af disse yderligere sanser er slet ikke godt forstået og er bare knap beviselige, såsom magnetoception (evnen til at detektere magnetiske felter, såsom jordens magnetfelt). Denne sans giver folk evnen til at fortælle retning, svarende til den samme sans hos fugle, men i mindre grad. Fordi vi ikke har nogen metode til overhovedet at kvantificere denne sans, er det umuligt at replikere den som en del af en AI.

AI'er mangler empati

Computere mærker ikke noget. Det er ikke nødvendigvis negativt, men dette kapitel ser det som negativt. Uden evnen til at føle, kan en computer ikke se tingene fra et menneskes perspektiv. Den forstår ikke at være glad eller ked af det, så den kan ikke reagere på disse følelser, medmindre et program skaber en metode til, at den kan analysere ansigtsudtryk og andre indikatorer og derefter handle passende. Alligevel er en sådan reaktion en konservativ reaktion og tilbøjelig til at fejle. Tænk på, hvor mange beslutninger du tager baseret på følelsesmæssige behov snarere end direkte fakta. Manglen på empati fra en AI's side forhindrer den i at interagere med mennesker på passende måde i mange tilfælde.

At gå i nogens sko

Ideen om at gå i andres sko betyder at se tingene fra en anden persons perspektiv og føle sig magen til, hvordan den anden person har det. Ingen føler virkelig det samme som en anden, men gennem empati kan folk komme tæt på. Denne form for empati kræver stærk intrapersonlig intelligens som udgangspunkt, hvilket en AI aldrig vil have, medmindre den udvikler en følelse af sig selv ( singulariteten ). Derudover skal AI'en være i stand til at føle, noget der i øjeblikket ikke er muligt, og AI'en skal være åben for at dele følelser med en anden enhed (generelt et menneske i dag), hvilket også er umuligt. Den nuværende tilstand af AI-teknologi forbyder en AI at føle eller forstå enhver form for følelser, hvilket gør empati umulig.

Spørgsmålet er selvfølgelig, hvorfor empati er så vigtig. Uden evnen til at føle det samme som en anden, kan en AI ikke udvikle motivationen til at udføre bestemte opgaver. Du kunne beordre AI'en til at udføre opgaven, men dér ville AI'en ikke have nogen motivation alene. Derfor ville AI aldrig udføre visse opgaver, selvom udførelsen af ​​sådanne opgaver er et krav for at opbygge færdigheder og viden, der kræves for at opnå menneskelignende intelligens.

Udvikling af ægte relationer

En AI opbygger et billede af dig gennem de data, den indsamler. Det skaber derefter mønstre ud fra disse data og udvikler ved hjælp af specifikke algoritmer output, der gør, at det ser ud til at kende dig - i det mindste som en bekendt. Men fordi AI ikke føles, kan den ikke værdsætte dig som person. Den kan tjene dig, hvis du beordrer den til det, og forudsat at opgaven er inden for dens liste over funktioner, men den kan ikke have nogen fornemmelse for dig.

Når man beskæftiger sig med et forhold, er folk nødt til at overveje både intellektuel tilknytning og følelser. Den intellektuelle tilknytning kommer ofte fra en delt fordel mellem to enheder. Desværre eksisterer der ingen delt fordel mellem en AI og et menneske (eller nogen anden enhed, for den sags skyld). AI'en behandler simpelthen data ved hjælp af en bestemt algoritme. Noget kan ikke hævde at elske noget andet, hvis en ordre tvinger det til at fremsætte proklamationen. Følelsesmæssig tilknytning skal medføre risikoen for afvisning, hvilket indebærer selvbevidsthed.

Skiftende perspektiv

Mennesker kan nogle gange ændre en mening baseret på noget andet end fakta. Selvom oddsene ville sige, at en bestemt fremgangsmåde er forsigtig, gør et følelsesmæssigt behov en anden fremgangsmåde at foretrække. En AI har ingen præferencer. Den kan derfor ikke vælge en anden fremgangsmåde af andre årsager end en ændring i sandsynligheden, en begrænsning (en regel, der tvinger den til at foretage ændringen) eller et krav om at levere tilfældigt output.

At lave troens spring

Tro er troen på noget som værende sandt uden at have bevist kendsgerning for at understøtte en sådan tro. I mange tilfælde tager tro form af tillid, som er troen på en anden persons oprigtighed uden noget bevis for, at den anden person er troværdig. En AI kan ikke udvise hverken tro eller tillid, hvilket er en del af grunden til, at den ikke kan ekstrapolere viden. Ekstrapoleringshandlingen er ofte afhængig af en anelse, baseret på tro, om, at noget er sandt, på trods af mangel på enhver form for data til støtte for anelsen. Fordi en AI mangler denne evne, kan den ikke udvise indsigt - et nødvendigt krav for menneskelignende tankemønstre.

Eksempler florerer af opfindere, der gjorde trosspring for at skabe noget nyt. En af de mest fremtrædende var dog Edison. For eksempel gjorde han 1.000 (og muligvis flere) forsøg på at skabe pæren. En AI ville have givet op efter et vist antal forsøg, sandsynligvis på grund af en begrænsning. Du kan se en liste over personer, der har taget et spring i tro for at udføre fantastiske handlinger online. Hver af disse handlinger er et eksempel på noget, som en AI ikke kan, fordi den mangler evnen til at tænke forbi de specifikke data, du giver som input.