Μέθοδοι για την αλληλεπίδραση της τεχνητής νοημοσύνης με το περιβάλλον

Μια τεχνητή νοημοσύνη που είναι αυτόνομη και δεν αλληλεπιδρά ποτέ με το περιβάλλον είναι άχρηστη. Φυσικά, αυτή η αλληλεπίδραση έχει τη μορφή εισροών και εξόδων. Η παραδοσιακή μέθοδος παροχής εισόδων και εξόδων γίνεται απευθείας μέσω ροών δεδομένων που μπορεί να κατανοήσει ο υπολογιστής, όπως σύνολα δεδομένων, ερωτήματα κειμένου και παρόμοια. Ωστόσο, αυτές οι προσεγγίσεις είναι ελάχιστα φιλικές προς τον άνθρωπο και απαιτούν ειδικές δεξιότητες για χρήση.

Η αλληλεπίδραση με μια τεχνητή νοημοσύνη εμφανίζεται όλο και περισσότερο με τρόπους που οι άνθρωποι κατανοούν καλύτερα από την άμεση επαφή με τον υπολογιστή. Για παράδειγμα, η είσοδος πραγματοποιείται μέσω μιας σειράς μικροφώνων όταν κάνετε μια ερώτηση στην Alexa. Το AI μετατρέπει τις λέξεις-κλειδιά στην ερώτηση σε διακριτικά που μπορεί να καταλάβει. Αυτά τα διακριτικά στη συνέχεια ξεκινούν υπολογισμούς που σχηματίζουν μια έξοδο. Η τεχνητή νοημοσύνη μετατρέπει το αποτέλεσμα σε μια κατανοητή από τον άνθρωπο μορφή: μια προφορική πρόταση. Στη συνέχεια ακούτε την πρόταση καθώς η Alexa σας μιλάει μέσω ενός ηχείου. Εν ολίγοις, για να παρέχει χρήσιμη λειτουργικότητα, η Alexa πρέπει να αλληλεπιδρά με το περιβάλλον με δύο διαφορετικούς τρόπους που απευθύνονται στους ανθρώπους, αλλά τους οποίους η Alexa στην πραγματικότητα δεν κατανοεί.

Οι αλληλεπιδράσεις μπορούν να λάβουν πολλές μορφές. Στην πραγματικότητα, ο αριθμός και οι μορφές αλληλεπίδρασης αυξάνονται συνεχώς. Για παράδειγμα, ένα AI μπορεί πλέον να μυρίζει. Ωστόσο, ο υπολογιστής στην πραγματικότητα δεν μυρίζει τίποτα. Οι αισθητήρες παρέχουν ένα μέσο για τη μετατροπή της χημικής ανίχνευσης σε δεδομένα που η τεχνητή νοημοσύνη μπορεί στη συνέχεια να χρησιμοποιήσει με τον ίδιο τρόπο που κάνει όλα τα άλλα δεδομένα. Η ικανότητα ανίχνευσης χημικών ουσιών δεν είναι νέα. Η δυνατότητα αλλαγής της ανάλυσης αυτών των χημικών ουσιών δεν είναι νέα. ούτε οι αλγόριθμοι που χρησιμοποιούνται για την αλληλεπίδραση με τα δεδομένα που προκύπτουν είναι νέοι. Αυτό που είναι νέο είναι τα σύνολα δεδομένων που χρησιμοποιούνται για την ερμηνεία των εισερχόμενων δεδομένων ως μυρωδιά και αυτά τα σύνολα δεδομένων προέρχονται από μελέτες σε ανθρώπους. Η μύτη ενός AI έχει κάθε είδους πιθανές χρήσεις. Για παράδειγμα, σκεφτείτε την ικανότητα του AI να χρησιμοποιεί μύτη όταν εργάζεται σε ορισμένα επικίνδυνα περιβάλλοντα, όπως να μυρίζει μια διαρροή αερίου προτού μπορέσετε να τη δείτε χρησιμοποιώντας άλλους αισθητήρες.

Οι σωματικές αλληλεπιδράσεις είναι επίσης σε άνοδο. Τα ρομπότ που λειτουργούν σε γραμμές συναρμολόγησης είναι παλιά, αλλά λάβετε υπόψη τα αποτελέσματα των ρομπότ που μπορούν να οδηγήσουν. Αυτές είναι μεγαλύτερες χρήσεις φυσικής αλληλεπίδρασης. Σκεφτείτε επίσης ότι ένα AI μπορεί να αντιδράσει με μικρότερους τρόπους. Ο Hugh Herr , για παράδειγμα, χρησιμοποιεί ένα AI για να παρέχει αλληλεπίδραση με ένα έξυπνο πόδι. Αυτό το δυναμικό πόδι παρέχει μια ανώτερη αντικατάσταση για άτομα που έχουν χάσει το πραγματικό τους πόδι. Αντί για τη στατική ανάδραση που λαμβάνει ένας άνθρωπος από ένα τυπικό προσθετικό, αυτό το δυναμικό πόδι παρέχει στην πραγματικότητα το είδος της ενεργητικής ανάδρασης που οι άνθρωποι έχουν συνηθίσει να λαμβάνουν από ένα πραγματικό πόδι. Για παράδειγμα, η ποσότητα της ώθησης από το πόδι διαφέρει κατά το περπάτημα σε ανηφόρα από την κατάβαση. Ομοίως, η πλοήγηση σε ένα κράσπεδο απαιτεί διαφορετικό βαθμό ώθησης από την πλοήγηση σε ένα βήμα.

Το θέμα είναι ότι καθώς η τεχνητή νοημοσύνη γίνεται πιο ικανή να εκτελεί σύνθετους υπολογισμούς σε μικρότερα πακέτα με ολοένα μεγαλύτερα σύνολα δεδομένων, η ικανότητα ενός AI να εκτελεί ενδιαφέρουσες εργασίες αυξάνεται. Ωστόσο, οι εργασίες που εκτελεί η τεχνητή νοημοσύνη μπορεί επί του παρόντος να μην έχουν ανθρώπινη κατηγορία. Μπορεί να μην αλληλεπιδράσετε ποτέ πραγματικά με μια τεχνητή νοημοσύνη που καταλαβαίνει την ομιλία σας, αλλά μπορεί να βασιστείτε σε μια τεχνητή νοημοσύνη που σας βοηθά να διατηρήσετε τη ζωή ή τουλάχιστον να την κάνετε πιο βιώσιμη.