Adrian Zidaritz, Penulis AIbluedot.com – Seri Wawancara

Adrian Zidaritz adalah penulis AIbluedot.com, sebuah blog yang menyediakan gambaran tentang AI, dengan campuran matematika, etika, politik, dan “segalanya” di antaranya. Meskipun artikel-artikel tersebut mengandung jumlah teknis yang minimal, mereka tidak ditujukan untuk spesialis, melainkan untuk masyarakat umum. AI salah dipahami oleh non-spesialis dan itu Either dihargai atau dibicarakan di media; itu bagaimanapun adalah teknologi paling konsekuensial di waktu kita sekarang.

Apa yang awalnya menarik Anda untuk AI?

Pengembangan AI memerlukan berbagai keahlian, tidak seperti teknologi modern lainnya. Ini memanfaatkan penelitian dari statistik, neurosains, matematika terapan, ilmu komputer, pengembangan perangkat lunak, psikologi, dan sebagainya… Tantangan itu yang menarik saya, dikombinasikan dengan fakta bahwa saya memiliki keberuntungan untuk bermain dengan banyak bidang ini dalam karir sebelumnya: matematika, ilmu komputer, pengembangan perangkat lunak, statistik.

Anda telah memiliki karir yang luas bekerja di AI. Bisakah Anda membahas beberapa sorotan ini?

Ini sebagian merupakan kelanjutan dari pertanyaan 1. Hampir setiap orang berusia pertengahan yang bekerja di AI saat ini berasal dari tempat lain. Sampai sekitar 2005 tidak ada AI (dengan catatan bahwa kesuksesan AI sebagian besar karena jaringan neural = deep learning, semua teknik lainnya pucat dibandingkan; jadi untuk semua tujuan praktis ketika kita mengatakan AI kita maksudkan deep learning). Sebagai hasilnya, banyak dari kita yang bekerja di AI membawa perspektif unik ke bidang ini. Saya berasal dari latar belakang matematika yang dipasangkan dengan memimpin proyek AI praktis, di mana BigData engineering memainkan peran yang sangat besar (kadang-kadang lebih dari 80% dari waktu proyek total). Latar belakang saya menjadikan AI terjepit di antara pertanyaan tentang landasan matematika (sangat teoretis) dan aspek praktis dari memimpin tim ilmuwan data dan insinyur pembelajaran mesin. Ada peneliti lain yang lebih tahu tentang teknologi AI di tengah-tengah sandwich.

Anda telah menyatakan bahwa AI telah Either dihargai atau dibicarakan di media. Mengapa Anda percaya ada kesenjangan seperti itu antara pelaporan media yang akurat tentang keadaan AI versus kenyataan sebenarnya dari teknologi tersebut?

Karena AI salah dipahami bahkan oleh beberapa orang yang bekerja di AI, apalagi pers. Ini adalah disiplin yang sangat muda, dengan pekerja yang sangat muda. Berbagai pendapat dari pekerja muda ini membuat jalan mereka ke media, memakan kesenjangan tujuan. Cukup untuk menyebutkan dokumenter The Social Dilemma di Netflix (NFLX ), di mana pandangan konflik AI, dari perspektif Silicon Valley, didokumentasikan dengan baik.

Saat ini sebagian besar kemajuan yang kita lihat di AI telah dari deep learning. Apa pandangan Anda tentang masalah black box dari deep learning?

Itu adalah masalah besar. Secara dasar kita tidak memiliki pemahaman teoritis (=matematika) tentang proses pembelajaran. Kita tidak tahu bagaimana algoritma deep learning sebenarnya belajar. Kita hanya melihat bahwa mereka melakukannya. Ada upaya tentu saja untuk mengembangkan teori, tetapi tidak ada yang mendapatkan penerimaan luas. Jadi dalam ketiadaan pemahaman dasar tersebut, semua yang bisa kita lakukan adalah mengatakan “lihat, itu bekerja”. Tetapi memberikan penjelasan white-box adalah mustahil pada saat ini. Algoritma lain (bukan deep learning) lebih dipahami dan untuk mereka adalah mungkin untuk memberikan penjelasan tentang hasilnya. Bukan untuk deep learning.

Apa pandangan Anda tentang bias AI dan bagaimana kita mencegahnya?

Saat ini AI semua tentang data, bukan tentang algoritma. Algoritma tidak tahu bias, bias ada di data. Data mencerminkan komposisi masyarakat dan juga stratifikasi masyarakat, karena pengumpulan data juga memiliki bias di dalamnya. Ini oleh cara alami terjadi, apa yang harus terjadi adalah inklusi bertahap orang-orang dari berbagai latar belakang dalam proses pengumpulan data, sehingga data mencerminkan representasi yang benar dari populasi.

Jenis pembelajaran mesin apa yang Anda temukan paling menarik?

Seperti yang saya katakan sebelumnya, pembelajaran mesin sekarang sedang kehilangan ground untuk cabang inner yang paling sukses, deep learning. Jaringan neural, melalui fleksibilitas mereka, mendominasi.

Anda telah menyatakan bahwa Pendapatan Dasar Universal (UBI) akan sangat diperlukan untuk mengatasi kehilangan pekerjaan yang dihasilkan dari AI. Bisakah Anda menjelaskan pandangan Anda tentang hal ini?

Masyarakat akan menderita akibat besar dari otomatisasi (AI yang diterapkan). Kita telah melihat pergeseran besar bahkan dalam kekacauan politik sejak 2016. Tidak akan ada cara untuk kembali. Banyak pekerjaan akan hilang. Tidak masuk akal untuk melatih sebagai seorang radiolog saat ini. AI dapat membaca X-ray dan MRI dan semua jenis cetakan lainnya jauh lebih baik daripada manusia. Apa yang akan terjadi pada orang-orang ketika tidak ada pekerjaan yang mereka bisa lakukan? UBI menjamin bahwa manusia tidak akan menderita secara tidak perlu ketika otomatisasi menjadi merajalela. Dan tidak ada kebutuhan untuk itu, karena AI akan menyampaikan pekerjaan yang diperlukan untuk masyarakat agar tetap berfungsi.

Apakah Anda percaya bahwa kita dapat mencapai Kecerdasan Buatan Umum (AGI)?

Ya, banyak orang berpendapat bahwa perangkat lunak DeepMind sudah mendekati AGI. Saya tidak setuju dengan gagasan itu, tetapi bahkan untuk saya jawabannya adalah ya. AGI tidak berarti emosi atau kesadaran, I di AGI hanya berarti kecerdasan kognitif. Dan untuk tingkat kecerdasan tersebut, jawabannya tampaknya ya.

Apakah Anda percaya bahwa ada kemungkinan bahwa kita hidup dalam simulasi?

Sebuah kemungkinan? Ya, artinya bahwa probabilitas kita hidup dalam simulasi bukan 0. Ini juga menarik secara intelektual. Tetapi apakah itu mungkin? Tidak, bagi saya itu tidak mungkin, yaitu probabilitas, meskipun tidak 0, sangat sangat kecil.

Terima kasih atas wawancara, pembaca yang ingin mempelajari lebih lanjut tentang pandangan Adrian tentang berbagai aspek AI harus mengunjungi AIbluedot.com.