Adrian Zidaritz, Συγγραφέας του AIbluedot.com – Σειρά Συνεντεύξεων

O Adrian Zidaritz είναι ο συγγραφέας του AIbluedot.com, ενός blog που παρέχει μια επισκόπηση της τεχνητής νοημοσύνης, με μια смесь μαθηματικών, ηθικής, πολιτικής και “όλα” μεταξύ τους. Αν και τα άρθρα περιέχουν ελάχιστο τεχνικό υλικό, δεν απευθύνονται σε ειδικούς, αλλά στο ευρύ κοινό. Η τεχνητή νοημοσύνη είναι παρεξηγημένη από μη ειδικούς και είτε υπερβολικά αναφέρεται είτε μιλάει με μειωμένο ενδιαφέρον στα μέσα ενημέρωσης· είναι ωστόσο η πιο σημαντική τεχνολογία στη σημερινή εποχή μας.

Τι σας έκανε να ενδιαφερθείτε αρχικά για την τεχνητή νοημοσύνη;

Η ανάπτυξη της τεχνητής νοημοσύνης απαιτεί eine ευρεία γκάμα εξειδικευμένων γνώσεων, σε αντίθεση με οποιαδήποτε άλλη σύγχρονη τεχνολογία. Ταΐζει την έρευνα από στατιστική, νευροεπιστήμη, εφαρμοσμένα μαθηματικά, επιστήμη υπολογιστών, ανάπτυξη λογισμικού, ψυχολογία, κ.λπ… Αυτή η πρόκληση είναι αυτό που με έκανε να ενδιαφερθώ, σε συνδυασμό με το γεγονός ότι είχα την τύχη να ασχοληθώ με πολλά από αυτά τα πεδία στην προηγούμενη καριέρα μου: μαθηματικά, επιστήμη υπολογιστών, ανάπτυξη λογισμικού, στατιστική.

Έχετε μια εκτεταμένη καριέρα εργασίας στην τεχνητή νοημοσύνη. Μπορείτε να συζητήσετε κάποια από αυτά τα σημαντικά σημεία;

Αυτό είναι σε κάποιο τρόπο μια συνέχεια της ersten ερώτησης.几乎 κάθε μέσος ηλικίας άνθρωπος που εργάζεται στην τεχνητή νοημοσύνη σήμερα έρχεται από κάπου αλλού. Μέχρι το 2005 δεν υπήρχε τεχνητή νοημοσύνη (με τον τρόπο που η επιτυχία της τεχνητής νοημοσύνης οφείλεται κυρίως σε νευρωνικά δίκτυα = βαθιά μάθηση, όλες οι άλλες τεχνικές είναι ασήμαντες· έτσι για όλους τους πρακτικούς σκοπούς όταν λέμε τεχνητή νοημοσύνη εννοούμε βαθιά μάθηση). Ως αποτέλεσμα, πολλοί από εμάς που εργαζόμαστε στην τεχνητή νοημοσύνη φέρουμε μοναδικές προοπτικές στο πεδίο. Ερχόμαι από ένα μαθηματικό υπόβαθρο σε συνδυασμό με την ηγεσία πρακτικών προτζεκτ τεχνητής νοημοσύνης, στα οποία η μηχανική Big Data παίζει πολύ μεγάλο ρόλο (μερικές φορές περισσότερο από 80% του συνολικού χρόνου του προτζεκτ). Το υπόβαθρό μου τοποθετεί την τεχνητή νοημοσύνη μεταξύ μιας αμφισβήτησης των μαθηματικών θεμελίων της (πολύ θεωρητικά) και των πολύ πρακτικών аспектών της ηγεσίας ομάδων επιστημόνων δεδομένων και μηχανικών μάθησης. Υπάρχουν άλλοι ερευνητές που γνωρίζουν περισσότερα για τις τεχνολογίες της τεχνητής νοημοσύνης στη μέση του σάντουιτς.

Έχετε δηλώσει ότι η τεχνητή νοημοσύνη έχει είτε υπερβολικά αναφερθεί είτε μειωθεί στα μέσα ενημέρωσης. Γιατί πιστεύετε ότι υπάρχει τέτοια αποσύνδεση μεταξύ των μέσων ενημέρωσης και της πραγματικής κατάστασης της τεχνολογίας;

Επειδή η τεχνητή νοημοσύνη είναι παρεξηγημένη ακόμη και από κάποιους ανθρώπους που εργάζονται στην τεχνητή νοημοσύνη, πόσο μάλλον από τον τύπο. Είναι μια πολύ νεαρή επιστήμη, με πολύ νεαρούς εργαζόμενους. Οι διάφορες γνώμες αυτών των νεαρών εργαζομένων κάνουν τον δρόμο τους στα μέσα ενημέρωσης, ταΐζοντας μια αποσύνδεση των στόχων. Ικανοποιητικό να αναφερθεί το ντοκιμαντέρ Social Dilemma στο Netflix (NFLX ), στο οποίο αυτές οι αντικρουόμενες απόψεις της τεχνητής νοημοσύνης, από μια οπτική του Silicon Valley, είναι καλά τεκμηριωμένες.

Τώρα μια grande μέρος της πρόοδου που έχουμε δει στην τεχνητή νοημοσύνη έχει προέλθει από τη βαθιά μάθηση. Ποια είναι η άποψή σας για το πρόβλημα του μαύρου κουτιού της βαθιάς μάθησης;

Αυτό είναι ένα μεγάλο πρόβλημα. Βασικά, δεν έχουμε μια θεωρητική (=μαθηματική) κατανόηση της διαδικασίας της μάθησης. Δεν ξέρουμε πώς οι αλγόριθμοι της βαθιάς μάθησης μαθαίνουν. Βλέπουμε μόνο ότι το κάνουν. Υπήρξαν φυσικά προσπάθειες να αναπτύξουν μια θεωρία, αλλά καμία δεν έχει κερδίσει ευρεία αποδοχή. Έτσι, στην απουσία αυτής της βασικής κατανόησης, όλα που μπορούμε να κάνουμε είναι να πούμε “δείτε, λειτουργεί”. Αλλά να δώσουμε μια λευκή-κουτί εξήγηση είναι αδύνατο αυτή τη στιγμή. Άλλοι αλγόριθμοι (όχι βαθιά μάθηση) είναι καλύτερα κατανοητοί και για αυτούς είναι δυνατό να δώσουμε εξηγήσεις των αποτελεσμάτων. Όχι για τη βαθιά μάθηση.

Τι είναι η άποψή σας για την προκατάληψη της τεχνητής νοημοσύνης και πώς μπορούμε να την αποτρέψουμε;

Τώρα η τεχνητή νοημοσύνη είναι όλα για τα δεδομένα, όχι για τους αλγορίθμους. Οι αλγόριθμοι δεν γνωρίζουν προκατάληψη, η προκατάληψη είναι στα δεδομένα. Τα δεδομένα αντικατοπτρίζουν τη σύνθεση της κοινωνίας και επίσης τη στρατηγική της κοινωνίας, καθώς η συλλογή δεδομένων έχει επίσης προκατάληψη. Αυτά είναι με τον τρόπο που πρέπει να συμβεί μια σταδιακή ένταξη ανθρώπων από όλα τα είδη背景 στην διαδικασία συλλογής δεδομένων, ώστε τα δεδομένα να αντικατοπτρίζουν μια σωστή αναπαράσταση του πληθυσμού.

Τι είδος μηχανικής μάθησης σας ενδιαφέρει περισσότερο;

Όπως είπα νωρίτερα, η μηχανική μάθηση jetzt cedes έδαφος στη πιο επιτυχημένη εσωτερική της nhánh, τη βαθιά μάθηση. Τα νευρωνικά δίκτυα, μέσω της ευελιξίας τους, κυριαρχούν.

Έχετε δηλώσει ότι το Βασικό Εισόδημα (UBI) θα είναι απόλυτα απαραίτητο για να αντιμετωπίσουμε τις απώλειες εργασίας που προκύπτουν από την τεχνητή νοημοσύνη. Μπορείτε να εξηγήσετε αυτές τις απόψεις;

Η κοινωνία θα υποστεί τεράστιες επιπτώσεις από την αυτοματοποίηση (εφαρμοσμένη τεχνητή νοημοσύνη). Έχουμε δει τις σπουδαίες μετατοπίσεις ακόμη και στην πολιτική αναταραχή από το 2016. Δεν υπάρχει τρόπος να γυρίσουμε πίσω. Πολλοί εργαζόμενοι θα εξαφανιστούν. Δεν έχει νόημα να εκπαιδεύσεις ως ακτινολόγος αυτές τις μέρες. Η τεχνητή νοημοσύνη μπορεί να διαβάσει ακτίνες-Χ και MRI και όλα τα είδη άλλων εκτυπώσεων πολύ καλύτερα από τον άνθρωπο. Τι θα συμβεί στους ανθρώπους όταν δεν υπάρχει απλά μια δουλειά που μπορούν να κάνουν; Το Βασικό Εισόδημα εγγυάται ότι οι άνθρωποι δεν θα υποφέρουν άδικα όταν η αυτοματοποίηση γίνει πανταχού παρούσα. Και δεν υπάρχει ανάγκη να, επειδή η τεχνητή νοημοσύνη θα παραδώσει την απαραίτητη δουλειά για την κοινωνία να συνεχίσει να λειτουργεί.

Πιστεύετε ότι μπορούμε να επιτύχουμε την Τεχνητή Γενική Νοημοσύνη (AGI);

Ναι, πολλοί άνθρωποι υποστηρίζουν ότι το λογισμικό της DeepMind already συνορεύει με την Τεχνητή Γενική Νοημοσύνη. Δεν συμφωνώ με αυτή την ιδέα, αλλά ακόμη και για μένα η απάντηση είναι ναι. Η Τεχνητή Γενική Νοημοσύνη δεν σημαίνει συναισθήματα ή συνείδηση, το “I” στην Τεχνητή Γενική Νοημοσύνη είναι απλά γνωστική νοημοσύνη. Και για αυτό το επίπεδο νοημοσύνης, οι απαντήσεις φαίνεται να είναι ναι.

Πιστεύετε ότι υπάρχει μια πιθανότητα να ζούμε σε μια.simulation;

Μια πιθανότητα; Ναι, που σημαίνει ότι η πιθανότητα να ζούμε σε μια.simulation δεν είναι 0. Είναι επίσης πνευματικά ελκυστική. Αλλά είναι πιθανό; Όχι, για μένα δεν είναι πιθανό, δηλαδή η πιθανότητα, αν και δεν είναι 0, είναι πολύ πολύ μικρή.

Ευχαριστώ για τη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα για τις απόψεις του Adrian για διάφορα θέματα της τεχνητής νοημοσύνης πρέπει να επισκεφθούν AIbluedot.com.