Adrian Zidaritz, forfatter af AIbluedot.com – Intervieuserie

Adrian Zidaritz er forfatteren af AIbluedot.com, en blog, der giver en oversigt over AI, med en blanding af matematik, etik, politik og “alt” imellem. Selvom artiklerne indeholder et minimum af teknisk materiale, er de ikke rettet mod specialister, men snarere mod den brede offentlighed. AI er misforstået af ikke-specialister, og det er enten overvurderet eller nedtonet i medierne; det er dog den mest konsekvensfulde teknologi i vores nuværende tid.

Hvad var det, der først tiltrak dig til AI?

AI-udvikling kræver en bred vifte af ekspertise, til forskel fra andre moderne teknologier. Det ernærer sig med forskning fra statistik, neurovidenskab, anvendt matematik, datalogi, softwareudvikling, psykologi osv… Den udfordring er det, der tiltrak mig, kombineret med det faktum, at jeg havde heldet at lege med mange af disse fag i min tidligere karriere: matematik, datalogi, softwareudvikling, statistik.

Du har haft en omfattende karriere med at arbejde med AI. Kan du diskutere nogle af disse højdepunkter?

Dette er på en måde en fortsættelse af spørgsmål 1. Næsten enhver middelaldrende person, der arbejder med AI i øjeblikket, kommer fra et andet sted. Indtil omkring 2005 var der ingen AI (for øvrigt er AI’s succes hovedsageligt takket være neurale netværk = dyb læring, alle andre teknikker er ubetydelige i sammenligning; så for alle praktiske formål, når vi siger AI, mener vi dyb læring). Som følge heraf bringer mange af os, der arbejder med AI, unikke perspektiver til feltet. Jeg kommer fra en matematisk baggrund kombineret med at lede praktiske AI-projekter, hvor BigData-ingeniørarbejde spiller en meget stor rolle (nogle gange mere end 80% af den samlede projekt tid). Min baggrund placerer AI mellem en tvivl om dets matematiske grundlag (meget teoretisk) og de meget praktiske aspekter af at lede hold af datavidenskabsfolk og maskinlæringsingeniører. Der er andre forskere, der kender mere til AI-teknologierne i midten af sandwichen.

Du har udtalt, at AI enten er blevet overvurderet eller nedtonet i medierne. Hvorfor tror du, der er sådan en afstand mellem, hvordan medierne rapporterer om AI, og den virkelige tilstand for teknologien?

Fordi AI er misforstået, selv af nogle mennesker, der arbejder med AI, endsige pressen. Det er en meget ung disciplin, med meget unge arbejdere. De forskellige meninger fra disse unge arbejdere finder vej til medierne og føder en misalignering af mål. Det er tilstrækkeligt at nævne The Social Dilemma-dokumentaren på Netflix (NFLX ), hvor disse modsætningsfulde synspunkter på AI, fra et Silicon Valley-perspektiv, er godt dokumenteret.

I øjeblikket har vi set, at det meste af fremskridtet i AI er kommet fra dyb læring. Hvad er dine synspunkter på den sorte kasse-problem med dyb læring?

Det er et stort problem. Grundlæggende har vi ikke en teoretisk (matematisk) forståelse af læreprocessen. Vi ved ikke, hvordan dyb læring algoritmer faktisk lærer. Vi ser bare, at de gør. Der har været forsøg på at udvikle en teori, men ingen har opnået bred accept. Så i mangelen på denne grundlæggende forståelse, kan vi kun sige “se, det virker”. Men at give en hvidkasse-forklaring er umulig på dette tidspunkt. Andre algoritmer (ikke dyb læring) er bedre forstået, og for dem er det muligt at give forklaringer på resultaterne. Ikke for dyb læring.

Hvad er dine synspunkter på AI-forudsigelser og hvordan kan vi forhindre dem?

I øjeblikket handler AI om data, ikke om algoritmer. Algoritmernes kender ingen forudsigelser, forudsigelserne er i data. Dataene afspejler samfundets sammensætning og også samfundets stratificering, da dataindsamlingen også har forudsigelser i den. Disse er for øvrigt naturligt forekommende, hvad der skal ske, er en gradvis inklusion af mennesker fra alle mulige baggrunde i dataindsamlingen, så dataene afspejler en korrekt repræsentation af befolkningen.

Hvilken type maskinlæring finder du mest interessant?

Som jeg sagde tidligere, cederer maskinlæringen nu pladsen til sin mest succesfulde indre gren, dyb læring. Neurale netværk, gennem deres fleksibilitet, dominerer.

Du har udtalt, at en universel basisindkomst (UBI) vil være absolut nødvendig for at tackle de jobs tabs, der skyldes AI. Kan du uddybe dine synspunkter her?

Samfundet vil lide enorme konsekvenser fra automatisering (anvendt AI). Vi har set de betydelige skift i den politiske omvæltning siden 2016. Der vil simpelthen ikke være nogen vej tilbage. Mange jobs vil simpelthen forsvinde. Det har ingen mening at uddanne sig til radiolog i disse dage. AI kan læse røntgenbilleder og MRI og alle mulige andre print meget bedre end et menneske. Hvad vil der ske med mennesker, når der ikke er et job, de kan udføre? UBI garanterer, at mennesker ikke lider unødvendigt, når automatisering bliver almindelig. Og der er ingen grund til det, fordi AI vil levere det nødvendige arbejde for, at samfundet stadig kan fungere.

Tror du, vi kan opnå kunstig almen intelligens (AGI)?

Ja, mange mennesker mener, at DeepMinds software allerede grænser til AGI. Jeg er ikke enig i den idé, men selv for mig er svaret ja. AGI betyder ikke følelser eller bevidsthed, det “I” i AGI er simpelthen kognitiv intelligens. Og for det niveau af intelligens synes svaret at være ja.

Tror du, der er en sandsynlighed for, at vi lever i en simulation?

En mulighed? Ja, hvilket betyder, at sandsynligheden for, at vi lever i en simulation, er ikke 0. Det er også intellektuelt tiltrækkende. Men er det sandsynligt? Nej, for mig er det ikke sandsynligt, dvs. sandsynligheden, selvom den ikke er 0, er meget, meget lille.

Tak for interviewet, læsere, der ønsker at lære mere om Adrians synspunkter på forskellige aspekter af AI, skal besøge AIbluedot.com.