10 måter AI har feilet på

Kunstig intelligens (AI) har ikke bare mislyktes i å møte forventningene satt av altfor entusiastiske talsmenn; det har ikke klart å møte spesifikke behov og grunnleggende krav. Denne listen handler om feilene som vil hindre AI fra å utmerke seg og utføre oppgavene vi trenger den til å gjøre. AI er for tiden en teknologi i utvikling som i beste fall er delvis vellykket.

En av de viktigste problemene rundt AI i dag er at folk fortsetter å antropomorfe det og gjøre det til noe det ikke er. En AI aksepterer rensede data som input, analyserer dem, finner mønstrene og gir en forespurt utgang. En AI forstår ingenting, den kan ikke skape eller oppdage noe nytt, og den har ingen intrapersonlig kunnskap, så den kan ikke føle med noen om noe. En AI oppfører seg som designet av en menneskelig programmerer, og det du ofte tar for intelligens er bare en blanding av smart programmering og enorme mengder data analysert på en bestemt måte. For et annet syn på disse og andre problemer, sjekk artikkelen med tittelen "Spør de riktige spørsmålene om AI."

Enda viktigere er det imidlertid at folk som hevder at en AI til slutt vil ta over verden, ikke forstår at det er umulig gitt dagens teknologi. En AI kan ikke plutselig bli selvbevisst fordi den mangler noen midler til å uttrykke følelsene som kreves for å bli selvbevisst. En AI i dag mangler noen av de essensielle syv typene intelligens som kreves for å bli selvbevisst. Bare å ha disse nivåene av intelligens ville heller ikke være nok. Mennesker har en gnist i seg — noe forskerne ikke forstår. Uten å forstå hva den gnisten er, kan ikke vitenskapen gjenskape den som en del av en AI.

AI mangler fullstendig forståelse

Evnen til å forstå er medfødt for mennesker, men AI-er mangler det fullstendig. Ser på et eple, et menneske mer enn bare en rekke egenskaper knyttet til et bilde av en gjenstand. Mennesker forstår epler gjennom bruk av sanser, som farge, smak og følelse. Vi forstår at eplet er spiselig og gir spesifikke næringsstoffer. Vi har følelser for epler; kanskje vi liker dem og føler at de er den suverene frukten. AI-en ser et objekt som har egenskaper knyttet til seg - verdier som AI-en ikke forstår, men bare manipulerer. Manglende forståelse fører til at AI som helhet ikke oppfyller forventningene.

Tolke, ikke analysere

En AI bruker algoritmer for å manipulere innkommende data og produsere en utgang. Det er lagt vekt på å utføre en analyse av dataene. Imidlertid kontrollerer et menneske retningen til den analysen og må deretter tolke resultatene. For eksempel kan en AI utføre en analyse av en røntgen som viser en potensiell kreftsvulst. Den resulterende utgangen kan understreke en del av røntgenbildet som inneholder en svulst, slik at legen kan se den. Legen vil kanskje ikke kunne se svulsten ellers, så AI gir utvilsomt en viktig tjeneste. Likevel må en lege vurdere resultatet og avgjøre om røntgenbildet faktisk viser kreft. En AI lar seg lett lure til tider når til og med en liten artefakt dukker opp på feil sted. Følgelig

Tolkning innebærer også evnen til å se utover dataene. Det er ikke muligheten til å lage nye data, men å forstå at dataene kan indikere noe annet enn det som er tilsynelatende. For eksempel kan mennesker ofte fortelle at data er falske eller forfalskede, selv om dataene i seg selv ikke gir noen bevis som indikerer disse problemene. En AI aksepterer dataene som både ekte og sanne, mens et menneske vet at det verken er ekte eller sant. Å formalisere nøyaktig hvordan mennesker oppnår dette målet er for øyeblikket umulig fordi mennesker faktisk ikke forstår det.

Går utover rene tall

Til tross for ethvert utseende ellers, fungerer en AI bare med tall. En AI kan for eksempel ikke forstå ord, noe som betyr at når du snakker med den, utfører AI-en ganske enkelt mønstertilpasning etter å ha konvertert talen din til numerisk form. Innholdet i det du sier er borte. Selv om AI var i stand til å forstå ord, kunne den ikke gjøre det fordi ordene er borte etter tokeniseringsprosessen. At AI-er ikke forstår noe så grunnleggende som ord betyr at en AIs oversettelse fra ett språk til et annet alltid vil mangle det bestemte noe som trengs for å oversette følelsen bak ordene, så vel som selve ordene. Ord uttrykker følelser, og en AI kan ikke gjøre det.

Den samme konverteringsprosessen skjer med alle sanser som mennesker har. En datamaskin oversetter syn, lyd, lukt, smak og berøring til numeriske representasjoner og utfører deretter mønstertilpasning for å lage et datasett som simulerer den virkelige opplevelsen. Dette kompliserer ting ytterligere, mennesker opplever ofte ting annerledes enn hverandre. For eksempel opplever hver person farge unikt . For en AI ser hver datamaskin farge på nøyaktig samme måte, noe som betyr at en AI ikke kan oppleve farger unikt. I tillegg, på grunn av konverteringen, opplever ikke en AI faktisk farger i det hele tatt.

Med tanke på konsekvenser

En AI kan analysere data, men den kan ikke foreta moralske eller etiske vurderinger. Hvis du ber en AI om å gjøre et valg, vil den alltid velge alternativet med høyest sannsynlighet for suksess med mindre du også tilbyr en slags randomiseringsfunksjon. AI vil ta dette valget uavhengig av utfallet.

I mange situasjoner er det bare ubeleilig å feilvurdere evnen til en AI til å utføre en oppgave. I noen tilfeller kan det hende du må utføre oppgaven en annen eller tredje gang manuelt fordi AI ikke er opp til oppgaven. Men når det kommer til konsekvenser, kan du møte juridiske problemer i tillegg til moralske og etiske problemer hvis du stoler på at en AI utfører en oppgave som ikke passer til den. For eksempel er det sannsynligvis ulovlig å la en selvkjørende (SD) bil kjøre alene på et sted som ikke dekker dette behovet, og du vil møte juridiske problemer i tillegg til skader og medisinske kostnader som SD-bilen kan årsaken. Kort sagt, vet hva de juridiske kravene er før du stoler på en AI til å gjøre noe som involverer potensielle konsekvenser.

AIer kan ikke oppdage eller skape noe

En AI kan interpolere eksisterende kunnskap, men den kan ikke ekstrapolere eksisterende kunnskap for å skape ny kunnskap. Når en AI møter en ny situasjon, prøver den vanligvis å løse den som en eksisterende kunnskap, i stedet for å akseptere at det er noe nytt. Faktisk har en AI ingen metode for å lage noe nytt, eller se det som noe unikt. Dette er menneskelige uttrykk som hjelper oss å oppdage nye ting, jobbe med dem, utvikle metoder for å samhandle med dem, og skape nye metoder for å bruke dem til å utføre nye oppgaver eller utvide eksisterende oppgaver.

Utforme nye data fra gamle

En av de mer vanlige oppgavene som folk utfører er ekstrapolering av data; for eksempel gitt A, hva er B? Mennesker bruker eksisterende kunnskap til å skape ny kunnskap av en annen type. Ved å kjenne til ett stykke kunnskap, kan et menneske gjøre et sprang til en ny kunnskap, utenfor domenet til den opprinnelige kunnskapen, med stor sannsynlighet for suksess. Mennesker gjør disse sprangene så ofte at de blir andre natur og intuitive i det ekstreme. Selv barn kan komme med slike spådommer med høy suksess.

Det beste en AI noensinne vil gjøre er å interpolere data, for eksempel gitt A og B, er C et sted i mellom? Evnen til å lykkes med å interpolere data betyr at en AI kan utvide et mønster, men den kan ikke lage nye data. Noen ganger kan imidlertid utviklere villede folk til å tro at dataene er nye ved å bruke smarte programmeringsteknikker. Tilstedeværelsen av C ser ny ut når den virkelig ikke er det. Mangelen på nye data kan skape forhold som gjør at AI ser ut til å løse et problem, men det gjør det ikke. Problemet krever en ny løsning, ikke interpolering av eksisterende løsninger.

Ser utover mønstrene

For øyeblikket kan en AI se mønstre i data når de ikke er synlige for mennesker. Evnen til å se disse mønstrene er det som gjør AI så verdifull. Datamanipulering og -analyse er tidkrevende, komplekst og repeterende, men en AI kan utføre oppgaven med aplomb. Imidlertid er datamønstrene ganske enkelt en utgang og ikke nødvendigvis en løsning. Mennesker er avhengige av fem sanser, empati, kreativitet og intuisjon for å se forbi mønstrene til en potensiell løsning som ligger utenfor det dataene ville få en til å tro.

En grunnleggende måte å forstå menneskets evne til å se hinsides mønstre er å se på himmelen. På en overskyet dag kan folk se mønstre i skyene, men en AI ser skyer og bare skyer. I tillegg kan to personer se forskjellige ting i samme sett med skyer. Det kreative synet på mønstre i skyen kan ha en person som ser en sau og en annen en fontene. Det samme gjelder for stjerner og andre typer mønstre. AI presenterer mønsteret som output, men det forstår ikke mønsteret og mangler kreativitet til å gjøre noe med mønsteret, annet enn å rapportere at mønsteret eksisterer.

Implementering av nye sanser

Etter hvert som mennesker har blitt mer kunnskapsrike, har de også blitt oppmerksomme på variasjoner i menneskelige sanser som faktisk ikke oversettes godt til en AI fordi replikering av disse sansene i maskinvare ikke er virkelig mulig nå. For eksempel er evnen til å bruke flere sanser for å administrere en enkelt inngang ( synestesi ) hinsides en AI.

Å beskrive synestesi effektivt er langt forbi de fleste mennesker. Før de kan lage en AI som kan etterligne noen av de virkelig fantastiske effektene av synestesi, må mennesker først beskrive den fullstendig og deretter lage sensorer som vil konvertere opplevelsen til tall som en AI kan analysere. Men selv da vil AI bare se effekten av synestesien, ikke den følelsesmessige påvirkningen. Følgelig vil en AI aldri fullt ut oppleve eller forstå synestesi. Merkelig nok viser noen studier at voksne kan trenes til å ha synestetiske opplevelser , noe som gjør behovet for en AI usikker.

Selv om de fleste vet at mennesker har fem sanser, hevder mange kilder nå at mennesker faktisk har langt flere enn standard fem sanser. Noen av disse tilleggssansene er ikke i det hele tatt godt forstått og er så vidt bevisbare, for eksempel magnetosepsjon (evnen til å oppdage magnetiske felt, for eksempel jordens magnetfelt). Denne sansen gir folk muligheten til å fortelle retning, lik den samme sansen hos fugler, men i mindre grad. Fordi vi ikke har noen metode for å kvantifisere denne forstanden, er det umulig å replikere den som en del av en AI.

AI-er mangler empati

Datamaskiner føler ingenting. Det er ikke nødvendigvis negativt, men dette kapittelet ser på det som negativt. Uten evnen til å føle, kan ikke en datamaskin se ting fra et menneskes perspektiv. Den forstår ikke å være glad eller trist, så den kan ikke reagere på disse følelsene med mindre et program lager en metode for å analysere ansiktsuttrykk og andre indikatorer, og deretter handle riktig. Likevel er en slik reaksjon en hermetisk respons og utsatt for feil. Tenk på hvor mange avgjørelser du tar basert på følelsesmessige behov i stedet for direkte fakta. Mangelen på empati fra en AIs side hindrer den i å samhandle med mennesker på riktig måte i mange tilfeller.

Å gå i noens sko

Ideen om å gå i andres sko betyr å se ting fra en annen persons perspektiv og føle seg lik hvordan den andre personen føler det. Ingen føler virkelig det samme som noen andre, men gjennom empati kan folk komme nær. Denne formen for empati krever sterk intrapersonlig intelligens som utgangspunkt, noe en AI aldri vil ha med mindre den utvikler en følelse av seg selv ( singulariteten ). I tillegg må AI-en være i stand til å føle, noe som for øyeblikket ikke er mulig, og AI-en må være åpen for å dele følelser med en annen enhet (generelt et menneske i dag), noe som også er umulig. Den nåværende tilstanden til AI-teknologi forbyr en AI fra å føle eller forstå noen form for følelser, noe som gjør empati umulig.

Spørsmålet er selvfølgelig hvorfor empati er så viktig. Uten evnen til å føle det samme som noen andre, kan ikke en AI utvikle motivasjonen til å utføre visse oppgaver. Du kan beordre AI-en til å utføre oppgaven, men der ville AI-en ikke ha noen motivasjon alene. Følgelig ville AI aldri utføre visse oppgaver, selv om utførelsen av slike oppgaver er et krav for å bygge ferdigheter og kunnskap som kreves for å oppnå menneskelignende intelligens.

Utvikle ekte relasjoner

En AI bygger et bilde av deg gjennom dataene den samler inn. Deretter lager den mønstre fra disse dataene, og ved hjelp av spesifikke algoritmer utvikler den utdata som gjør at den ser ut til å kjenne deg - i det minste som en bekjent. Men fordi AI ikke føles, kan den ikke sette pris på deg som person. Den kan tjene deg hvis du beordrer den til å gjøre det og forutsatt at oppgaven er innenfor listen over funksjoner, men den kan ikke ha noen følelse for deg.

Når de har å gjøre med et forhold, må folk vurdere både intellektuell tilknytning og følelser. Den intellektuelle tilknytningen kommer ofte fra en delt fordel mellom to enheter. Dessverre finnes det ingen delt fordel mellom en AI og et menneske (eller noen annen enhet, for den saks skyld). AI behandler ganske enkelt data ved hjelp av en bestemt algoritme. Noe kan ikke kreve å elske noe annet hvis en ordre tvinger det til å forkynne. Emosjonell tilknytning må medføre risiko for avvisning, noe som innebærer selvbevissthet.

Skifter perspektiv

Mennesker kan noen ganger endre mening basert på noe annet enn fakta. Selv om oddsen vil si at en bestemt handlingsmåte er forsvarlig, gjør et følelsesmessig behov en annen handling å foretrekke. En AI har ingen preferanser. Den kan derfor ikke velge en annen handling av noen annen grunn enn en endring i sannsynlighetene, en begrensning (en regel som tvinger den til å gjøre endringen), eller et krav om å gi tilfeldig utdata.

Å gjøre trossprang

Tro er troen på at noe er sant uten å ha bevist fakta for å støtte en slik tro. I mange tilfeller tar tro formen av tillit, som er troen på en annen persons oppriktighet uten bevis for at den andre personen er til å stole på. En AI kan ikke vise verken tro eller tillit, noe som er en del av grunnen til at den ikke kan ekstrapolere kunnskap. Handlingen med ekstrapolering er ofte avhengig av en anelse, basert på tro, om at noe er sant, til tross for mangel på noen form for data for å støtte anelsen. Fordi en AI mangler denne evnen, kan den ikke vise innsikt - et nødvendig krav for menneskelignende tankemønstre.

Eksempler florerer av oppfinnere som gjorde troshopp for å skape noe nytt. Imidlertid var en av de mest fremtredende Edison. For eksempel gjorde han 1000 (og muligens flere) forsøk på å lage lyspæren. En AI ville ha gitt opp etter et visst antall forsøk, sannsynligvis på grunn av en begrensning. Du kan se en liste over personer som har gjort store troshopp for å utføre fantastiske handlinger på nettet. Hver av disse handlingene er et eksempel på noe som en AI ikke kan gjøre fordi den mangler evnen til å tenke forbi de spesifikke dataene du gir som input.