10 sätt på vilka AI har misslyckats

Artificiell intelligens (AI) har inte bara misslyckats med att möta förväntningarna från alltför entusiastiska förespråkare; den har misslyckats med att uppfylla specifika behov och grundläggande krav. Den här listan handlar om de misslyckanden som kommer att hindra AI från att briljera och utföra de uppgifter vi behöver göra. AI är för närvarande en teknologi under utveckling som i bästa fall är delvis framgångsrik.

En av de väsentliga frågorna kring AI idag är att människor fortsätter att antropomorfiera den och göra den till något den inte är. En AI accepterar rensad data som indata, analyserar den, hittar mönstren och tillhandahåller en begärd utdata. En AI förstår ingenting, den kan inte skapa eller upptäcka något nytt, och den har ingen intrapersonell kunskap, så den kan inte känna empati med någon om någonting. En AI beter sig som designad av en mänsklig programmerare, och vad du ofta tar för intelligens är bara en blandning av smart programmering och stora mängder data som analyseras på ett specifikt sätt. För en annan syn på dessa och andra frågor, kolla in artikeln med titeln "Att ställa de rätta frågorna om AI."

Ännu viktigare är dock att människor som hävdar att en AI så småningom kommer att ta över världen inte förstår att det är omöjligt med dagens teknik. En AI kan inte plötsligt bli självmedveten eftersom den saknar något sätt att uttrycka den känsla som krävs för att bli självmedveten. En AI saknar idag några av de väsentliga sju typerna av intelligens som krävs för att bli självmedveten. Att bara ha dessa nivåer av intelligens skulle inte heller vara tillräckligt. Människor har en gnista i sig — något som forskare inte förstår. Utan att förstå vad den gnistan är, kan vetenskapen inte återskapa den som en del av en AI.

AI saknar helt förståelse

Förmågan att förstå är medfödd för människor, men AI saknar den helt. Att titta på ett äpple, en människa mer än bara en serie egenskaper som är förknippade med en bild av ett föremål. Människor förstår äpplen genom att använda sinnen, såsom färg, smak och känsla. Vi förstår att äpplet är ätbart och ger specifika näringsämnen. Vi har känslor för äpplen; kanske gillar vi dem och känner att de är den högsta frukten. AI:n ser ett objekt som har egenskaper associerade med sig - värden som AI:n inte förstår, utan bara manipulerar. Misslyckandet att förstå gör att AI som helhet inte uppfyller förväntningarna.

Tolka, inte analysera

En AI använder algoritmer för att manipulera inkommande data och producera en utdata. Tonvikten ligger på att utföra en analys av data. Men en människa styr riktningen för den analysen och måste sedan tolka resultaten. Till exempel kan en AI utföra en analys av en röntgenbild som visar en potentiell cancertumör. Resultatet kan framhäva en del av röntgenbilden som innehåller en tumör så att läkaren kan se den. Läkaren kanske inte kan se tumören annars, så AI ger utan tvekan en viktig tjänst. Trots det måste en läkare fortfarande granska resultatet och avgöra om röntgen verkligen visar cancer. En AI blir lätt lurad ibland när även en liten artefakt dyker upp på fel ställe. Följaktligen,

Tolkning innebär också förmågan att se bortom data. Det är inte förmågan att skapa ny data, utan att förstå att data kan indikera något annat än vad som är uppenbart. Till exempel kan människor ofta säga att data är falska eller förfalskade, även om själva data inte ger några bevis som tyder på dessa problem. En AI accepterar data som både verklig och sann, medan en människa vet att den varken är verklig eller sann. Att formalisera exakt hur människor uppnår detta mål är för närvarande omöjligt eftersom människor faktiskt inte förstår det.

Går bortom rena siffror

Trots något utseende annars fungerar en AI bara med siffror. En AI kan till exempel inte förstå ord, vilket betyder att när du pratar med den utför AI:n helt enkelt mönstermatchning efter att ha konverterat ditt tal till numerisk form. Innehållet i det du säger är borta. Även om AI kunde förstå ord, kunde den inte göra det eftersom orden är borta efter tokeniseringsprocessen. AI:ers misslyckande att förstå något så grundläggande som ord betyder att en AI:s översättning från ett språk till ett annat alltid kommer att sakna det visst något som behövs för att översätta känslan bakom orden, såväl som själva orden. Ord uttrycker känslor, och en AI kan inte göra det.

Samma omvandlingsprocess sker med alla sinnen som människor besitter. En dator översätter syn, ljud, lukt, smak och beröring till numeriska representationer och utför sedan mönstermatchning för att skapa en datamängd som simulerar den verkliga upplevelsen. Ytterligare komplicerar saker, människor upplever ofta saker annorlunda än varandra. Till exempel upplever varje person färg unikt . För en AI ser varje dator färg på exakt samma sätt, vilket innebär att en AI inte kan uppleva färger unikt. Dessutom, på grund av konverteringen, upplever inte en AI färg alls.

Med tanke på konsekvenser

En AI kan analysera data, men den kan inte göra moraliska eller etiska bedömningar. Om du ber en AI att göra ett val, kommer den alltid att välja alternativet med högst sannolikhet att lyckas om du inte tillhandahåller någon form av randomiseringsfunktion också. AI kommer att göra detta val oavsett resultatet.

I många situationer är det bara obekvämt att felbedöma förmågan hos en AI att utföra en uppgift. I vissa fall kan du behöva utföra uppgiften en andra eller tredje gång manuellt eftersom AI:n inte klarar uppgiften. Men när det kommer till konsekvenser kan du möta juridiska problem utöver de moraliska och etiska problemen om du litar på att en AI utför en uppgift som inte passar den. Till exempel är det sannolikt olagligt att låta en självkörande (SD) bil köra själv på en plats som inte tillgodoser detta behov, och du kommer att möta juridiska problem utöver skador och medicinska avgifter som SD-bilen kan orsak. Kort sagt, vet vad de juridiska kraven är innan du litar på en AI för att göra något som involverar potentiella konsekvenser.

AI:er kan inte upptäcka eller skapa något

En AI kan interpolera befintlig kunskap, men den kan inte extrapolera befintlig kunskap för att skapa ny kunskap. När en AI möter en ny situation försöker den vanligtvis lösa den som en befintlig kunskap snarare än att acceptera att det är något nytt. Faktum är att en AI inte har någon metod för att skapa något nytt, eller se det som något unikt. Det här är mänskliga uttryck som hjälper oss att upptäcka nya saker, arbeta med dem, ta fram metoder för att interagera med dem och skapa nya metoder för att använda dem för att utföra nya uppgifter eller utöka befintliga uppgifter.

Utarbeta nya data från gamla

En av de vanligaste uppgifterna som människor utför är extrapolering av data; till exempel, givet A, vad är B? Människor använder befintlig kunskap för att skapa ny kunskap av ett annat slag. Genom att känna till en del kunskap kan en människa ta ett språng till en ny kunskap, utanför domänen för den ursprungliga kunskapen, med stor sannolikhet för framgång. Människor gör dessa språng så ofta att de blir andra natur och intuitiva i det extrema. Även barn kan göra sådana förutsägelser med stor framgång.

Det bästa som en AI någonsin kommer att göra är att interpolera data till exempel, givet A och B, är C någonstans mittemellan? Möjligheten att framgångsrikt interpolera data innebär att en AI kan utöka ett mönster, men den kan inte skapa ny data. Men ibland kan utvecklare vilseleda människor att tro att data är ny genom att använda smarta programmeringstekniker. Närvaron av C ser ny ut när den verkligen inte är det. Bristen på ny data kan skapa förhållanden som gör att AI verkar lösa ett problem, men det gör den inte. Problemet kräver en ny lösning, inte interpolering av befintliga lösningar.

Se bortom mönstren

För närvarande kan en AI se mönster i data när de inte är uppenbara för människor. Förmågan att se dessa mönster är det som gör AI så värdefullt. Datamanipulation och analys är tidskrävande, komplex och repetitiv, men en AI kan utföra uppgiften med övertygelse. Men datamönstren är helt enkelt en utdata och inte nödvändigtvis en lösning. Människor förlitar sig på fem sinnen, empati, kreativitet och intuition för att se bortom mönstren till en potentiell lösning som ligger utanför vad data skulle få en att tro.

Ett grundläggande sätt att förstå människans förmåga att se bortom mönster är att titta på himlen. På en molnig dag kan människor se mönster i molnen, men en AI ser moln och bara moln. Dessutom kan två personer se olika saker i samma uppsättning moln. Den kreativa synen på mönster i molnet kan ha en person som ser ett får och en annan en fontän. Detsamma gäller för stjärnor och andra typer av mönster. AI:n presenterar mönstret som utdata, men den förstår inte mönstret och saknar kreativitet att göra något med mönstret, annat än att rapportera att mönstret existerar.

Implementera nya sinnen

I takt med att människor har blivit mer kunniga har de också blivit medvetna om variationer i mänskliga sinnen som faktiskt inte översätts bra till en AI eftersom det inte är riktigt möjligt att replikera dessa sinnen i hårdvara nu. Till exempel är möjligheten att använda flera sinnen för att hantera en enda ingång ( synestesi ) bortom en AI.

Att beskriva synestesi effektivt är långt bortom de flesta människor. Innan de kan skapa en AI som kan efterlikna några av de verkligt fantastiska effekterna av synestesi, måste människor först beskriva det fullständigt och sedan skapa sensorer som omvandlar upplevelsen till siffror som en AI kan analysera. Men även då kommer AI bara att se effekterna av synestesin, inte den känslomässiga effekten. Följaktligen kommer en AI aldrig helt att uppleva eller förstå synestesi. Märkligt nog visar vissa studier att vuxna kan tränas att ha synestetiska upplevelser , vilket gör behovet av en AI osäkert.

Även om de flesta människor vet att människor har fem sinnen, hävdar många källor nu att människor faktiskt har mycket fler än de vanliga fem sinnena. Vissa av dessa ytterligare sinnen är inte alls väl förstådda och är knappt bevisbara, såsom magnetoception (förmågan att upptäcka magnetfält, såsom jordens magnetfält). Denna känsla ger människor förmågan att säga riktning, liknande samma känsla hos fåglar, men i mindre grad. Eftersom vi inte har någon metod för att ens kvantifiera denna känsla, är det omöjligt att replikera det som en del av en AI.

AI saknar empati

Datorer känner ingenting. Det är inte nödvändigtvis negativt, men det här kapitlet ser det som negativt. Utan förmågan att känna kan en dator inte se saker ur en människas perspektiv. Den förstår inte att vara glad eller ledsen, så den kan inte reagera på dessa känslor om inte ett program skapar en metod för att analysera ansiktsuttryck och andra indikatorer och sedan agera på rätt sätt. Trots det är en sådan reaktion ett konserverat svar och benägen att misstag. Tänk på hur många beslut du fattar baserat på känslomässiga behov snarare än rent fakta. Bristen på empati hos en AI hindrar den från att interagera med människor på lämpligt sätt i många fall.

Att gå i någons skor

Idén att gå i någon annans skor innebär att se saker ur en annan persons perspektiv och känna sig lik hur den andra känner. Ingen känner sig riktigt som någon annan, men genom empati kan människor komma nära. Denna form av empati kräver stark intrapersonell intelligens som utgångspunkt, vilket en AI aldrig kommer att ha om den inte utvecklar en självkänsla ( singulariteten ). Dessutom skulle AI:n behöva kunna känna, något som för närvarande inte är möjligt, och AI:n skulle behöva vara öppen för att dela känslor med någon annan entitet (i allmänhet en människa idag), vilket också är omöjligt. Det nuvarande tillståndet för AI-teknik förbjuder en AI från att känna eller förstå någon form av känslor, vilket gör empati omöjlig.

Frågan är förstås varför empati är så viktigt. Utan förmågan att känna samma sak som någon annan kan en AI inte utveckla motivationen att utföra vissa uppgifter. Du kan beordra AI:n att utföra uppgiften, men där skulle AI:n inte ha någon motivation på egen hand. Följaktligen skulle AI aldrig utföra vissa uppgifter, även om utförandet av sådana uppgifter är ett krav för att bygga färdigheter och kunskaper som krävs för att uppnå mänsklig intelligens.

Utveckla sanna relationer

En AI bygger en bild av dig genom den data den samlar in. Den skapar sedan mönster från denna data och, med hjälp av specifika algoritmer, utvecklar den utdata som gör att den verkar känna dig - åtminstone som en bekant. Men eftersom AI inte känns kan den inte uppskatta dig som person. Den kan tjäna dig om du beordrar den att göra det och förutsatt att uppgiften finns inom dess lista över funktioner, men den kan inte ha någon känsla för dig.

När man har att göra med ett förhållande måste folk ta hänsyn till både intellektuell anknytning och känslor. Den intellektuella anknytningen kommer ofta från en delad fördel mellan två enheter. Tyvärr finns det ingen delad fördel mellan en AI och en människa (eller någon annan enhet, för den delen). AI:n bearbetar helt enkelt data med hjälp av en viss algoritm. Något kan inte göra anspråk på att älska något annat om en order tvingar den att göra proklamationen. Emotionell anknytning måste medföra risken för avstötning, vilket innebär självmedvetenhet.

Ändra perspektiv

Människor kan ibland ändra åsikt baserat på något annat än fakta. Även om oddsen skulle säga att ett visst tillvägagångssätt är försiktigt, gör ett känslomässigt behov ett annat tillvägagångssätt att föredra. En AI har inga preferenser. Det kan därför inte välja ett annat tillvägagångssätt av någon anledning annat än en förändring av sannolikheterna, en begränsning (en regel som tvingar den att göra ändringen) eller ett krav på att ge slumpmässig utdata.

Göra trosprång

Tro är tron ​​på att något är sant utan att ha bevisat fakta för att stödja en sådan tro. I många fall tar tron ​​formen av tillit, vilket är tron ​​på en annan persons uppriktighet utan några bevis för att den andra personen är pålitlig. En AI kan inte visa varken tro eller tillit, vilket är en del av anledningen till att den inte kan extrapolera kunskap. Extrapoleringen förlitar sig ofta på en aning, baserad på tro, att något är sant, trots bristen på någon form av data för att stödja aningen. Eftersom en AI saknar denna förmåga kan den inte uppvisa insikt - ett nödvändigt krav för människoliknande tankemönster.

Det finns gott om exempel på uppfinnare som gjort trosprång för att skapa något nytt. En av de mest framstående var dock Edison. Till exempel gjorde han 1 000 (och möjligen fler) försök att skapa glödlampan. En AI skulle ha gett upp efter ett visst antal försök, troligen på grund av en begränsning. Du kan se en lista över personer som gjort stora hopp för att utföra fantastiska handlingar online. Var och en av dessa handlingar är ett exempel på något som en AI inte kan göra eftersom den saknar förmågan att tänka förbi den specifika data du tillhandahåller som input.