Fremtiden for hjernemaskin-grensesnitt: Symbiotisk intelligens vs menneskelig intelligens

Vi skal utforske hva Intelligensforsterkning via hjernemaskin-grensesnitt (BMI) er, hvorfor det er viktig, og hvorfor det kan være en fremtidig skille mellom mennesker som forblir uforbedret, og mennesker som velger å forsterke sin intelligens ved å skape en synergetisk symbiose med kunstig intelligens (AI).

Mennesker som kobler seg til BMIer vil bli gitt forbedret kognitiv ytelse, og økt produktivitet på arbeidsplassen og utover.

Hva er Intelligensforsterkning?

Konseptet Intelligensforsterkning ble først introdusert av William Ross Ashby i hans banebrytende bok med tittelen Introduksjon til kybernetikk. Begrepet utviklet seg deretter til å bli det vi i dag kjenner som Augmentert Intelligens, en undersekt av maskinlæring som er designet først og fremst for å forbedre og forbedre menneskelig intelligens med hjelp av AI. Konseptet er å forbedre både menneskelig beslutningstaking, og den raske tilgangen til informasjon som mennesker har for å forbedre kvaliteten på disse beslutningene. Dette er hvor den nåværende betydningen av Augmentert Intelligens slutter, det er en AI som bruker maskinlæring og dyp læring for å assistere mennesker med handlebare data, men det er ingen sanntids-symbiotisk forhold.

Dette er hvor BMIer kommer inn i bildet, de vil muliggjøre forbedring av menneskelig kognisjon langt utenfor dagens versjon av Augmentert Intelligens.

I motsetning til vår nåværende tilgang til data som skjer med datamaskiner, smarttelefoner eller andre enheter, er en BMI i seg selv designet slik at internettet, og AI-en som muliggjør tilgang til internettet, kan tilgås uten en ekstern enhet. BMIen vil bli implantert i menneskehjernen, og blir i seg selv en utvidelse av menneskesinnet.

Med andre ord, istedenfor å være avhengig av minne, eller å måtte åpne en bok, eller besøke en nettside, kunne en forbedret menneske ha tilgang til all informasjon som er lagret på internettet, og en avansert AI kunne mata relevante datapunkter til menneskehjernen, og muliggjøre for mennesket å være fullstendig i kontroll. Hvis du noensinne har hatt et øyeblikk hvor du ikke kan huske en bestemt minne, eller gjenkalle en bestemt dato, er det en frustrerende erfaring. Med Augmentert Intelligens kunne du ha perfekt gjenkalling på grunn av AI-systemet som blir en utvidelse av din biologiske minnebank.

Dette type intelligensforsterkning ble videre utforsket i “Menneske-datamaskin-symbiose” en spekulativ artikkel publisert i 1960 av J.C.R. Licklider. Denne opplysende artikkelen tilbyr en tidlig beskrivelse av hvordan mennesker må lære å kontrollere AI ved å danne en symbiotisk forbindelse med AI-en. Som uttalt av J.C.R. Licklider, “For å muliggjøre at mennesker og datamaskiner kan samarbeide om å fatte beslutninger og kontrollere komplekse situasjoner uten stiv dependence på forhåndsbestemte programmer”.

Maskinlæring er hemmeligheten som sikrer at en datamaskin ikke er forhåndsbestemt, likevel løser det ikke problemet ennå om hvordan vi kan tilgå denne symbiosen.

J.C.R. Licklider fortsatte med denne kommentaren, “Håpet er at, ikke for mange år, menneskehjerner og datamaskiner vil være koblet sammen svært tett, og at det resulterende partnerskapet vil tenke som ingen menneskehjerne noen gang har tenkt og prosessere data på en måte som ikke er nærmet av de informasjonsbehandlingsmaskinene vi kjenner i dag.”

En tidlig eksempel på hvordan dette blir brukt kan ses i verden av sjakk. Mens de fleste mennesker er kjent med Garry Kasparovs tap i 1997, mot IBM-datamaskinen Deep Blue, er det en nyere og mer interessant utvikling.

Mens vi har visst i tiår at en avansert AI-system kan lett beseire enhver sjakkspiller, er det mer interessant at en AI kan beseires av et menneske og AI-lag. I denne samarbeidsmiljøet deler laget oppgavene, AI-en gjør tungt arbeid med massive beregninger, mønstergjenkjenning og fremtidsplanlegging. Mennesket legger til verdi ved å ta nytte av menneskelig intuisjon, og tiårs studier av brettet.

Mens det for tiden er slik at et menneske og AI-lag kan beseire en AI, er det ukjent om denne type seier vil forbli konstant fremover. Likevel er dette en alvorlig indikator som burde mennesker kunne kommunisere, koordinere og kontrollere en AI som i seg selv er en utvidelse av deres sinn, at store problemer som ikke kan håndteres av mennesker i dag, eller av separate AI-programmer, kunne håndteres av en union av begge.

En av J.C.R. Lickliders siste kommentarer legger tydelig frem viktigheten av å designe BMIer som kan muliggjøre sanntids AI-kommunikasjon innenfor menneskehjernen.

“Det andre hovedmålet er nært relatert. Det er å bringe datamaskiner effektivt inn i prosesser for tenkning som må skje i “sanntid”, tid som flytter for raskt til å tillate å bruke datamaskiner på konvensjonelle måter. Forestill deg å prøve, for eksempel, å lede en kamp med hjelp av en datamaskin på en slik skedule som denne. Du formulerer ditt problem i dag. I morgen tilbringer du med en programmerer. Neste uke tilbringer datamaskinen 5 minutter på å samle inn ditt program og 47 sekunder på å beregne svaret på ditt problem. Du får en ark med papir 20 fot lang, full av tall som, istedenfor å gi en endelig løsning, bare foreslår en taktikk som bør undersøkes ved simulering. Det er åpenbart at kampen ville være over før den andre skrittet i planleggingen ble påbegynt. Å tenke i samspill med en datamaskin på samme måte som du tenker med en kollega hvis kompetanse supplementerer din egen vil kreve mye tettere kobling mellom menneske og maskin enn det som er foreslått av eksemplet og enn det som er mulig i dag.”

Hvordan fungerer Intelligensforsterkning?

Intelligensforsterkning via BMIer er fortsatt i sine barndommer og er et arbeide i fremgang. Det må forstås at menneskehjernen tar nytte av mønstergjenkjenning for å forstå symboler og skape forbindelser mellom data. For eksempel, hvis du ser linjer strukturert i en bestemt sekvens som bokstaven A, kan du deretter gjenkjenne symbolet A. Deretter kan du ha bokstaven danne en mønster i din hjerne når du leser ordet APPLE. Du kan deretter gjenkjenne ytterligere mønster når du leser at EN APPLE FELL FRA ET TRE. Menneskehjernen fortsetter å skape forbindelser videre fra tegn, til ord, til setninger, til avsnitt, til kapitler, og deretter til bøker og utover.

Problemet er at menneskehjernen ikke har perfekt gjenkalling, og dette ufullkomne systemet forårsaker mønstergjenkjenningssystemer å feile. Forestill deg hva som ville skje hvis du kunne lese en hel bok og et AI-system kunne danne de mønstergjenkjenningene som er nødvendige for å gi perfekt gjenkalling. Dette ville forbedre menneskets evne til å arbeide på en oppgave, å skape produkter eller tjenester som avhenger av denne informasjonen, eller å bare ha en intelligent samtale uten noen hull i minnet.

I andre tilfeller mens i midten av en samtale kunne menneskehjernen øyeblikkelig koble til internettet for å i sanntid finne informasjon, og distribuere eller formidle denne informasjonen. Istedenfor å måtte se en YouTube-video flere ganger for å lære noe, ville å se den en gang være tilstrekkelig for perfekt gjenkalling. Den tilleggede fordelen av ytterligere mønstergjenkjenningssystemer er at menneskehjernen kunne dekode videoen og lyden raskere enn i sanntid. Dette betyr at mennesket kunne absorbere innholdet av videoen i hastigheter på 2x, 3x eller mer.

Hvor kan jeg finne Hjernemaskin-grensesnitt?

Det er fortsatt svært tidlige dager for denne type Intelligensforsterkning. Det er flere innsats pågående for å utvikle ulike BMIer som til slutt kan utvikle seg til denne type anvendelse. Det mest merkbare eksempelet er Elon Musks selskap Neuralink som er i de tidlige stadiene av å utvikle et ultra-høy-båndbredde BMI for å koble mennesker og datamaskiner.

Neuralink arbeider mot å skape den første neurale implantatet som vil muliggjøre brukerne å kontrollere en datamaskin eller mobil enhet hvor som helst de går. For å oppnå dette blir mikro-skala-tråder satt inn i områder av hjernen som kontrollerer bevegelse. Hver tråd inneholder mange elektroder og kobler dem til en implantat som kalles Linken.

Selv utviklerne av et BMI-system kan kanskje ikke fullstendig forstå hvordan det fungerer på et mikro-neurokemisk nivå. På grunn av menneskehjernens plasticitet (evne til å modifisere seg selv) er det i virkeligheten menneskehjernen som mottar innputt og deretter lærer av seg selv de nødvendige utgangene for BMI å fungere sin magi.

De fleste BMIer bruker en dekoder for å tyde hjernebølger og mønster som mottas av menneskehjernen. Denne dekoderen bruker ulike typer maskinlæring, inkludert dyp læring, for å lære å tyde den mottatte informasjonen i et forsøk på å identifisere bevegelsesintensjoner og ønskede handlinger. Ved å tyde disse mønstrene kan det best forstå hva menneskehjernen søker å oppnå.

Det er et lukket system hvor brukeren gjør en motorisk intensjon ved å bare tenke, og Neuralink-dekoderen tyder intensjonen. Dette oversetter tanke til handling som deretter utføres i verden av en peker eller en robotarm. Mennesket mottar visuell bekreftelse på en vellykket handling og den neurokemiske tilbakemeldingen trener hjernen til å lettere kontrollere Neuralink. Utfordringen for noen BMI-selskaper er å bygge en dekoder som ikke er for stor en læringsskuld på sluttkunden.

Noen av problemene med nåværende BMIer inkluderer forsinkelse, dette er tidsforsinkelsen mellom innputt og utputt på både menneske- og BMI-siden. For tiden arbeider Neuralink med å fikse noen av problemene som er involvert med denne problemstillingen, som uttalt av Joseph O’Doherty, en neuroingeniør på Neuralink og leder av deres hjernesignal-team, i et intervju.

“Steg ett er å finne kildene til forsinkelse og eliminere alle av dem. Vi ønsker å ha lav forsinkelse gjennom hele systemet. Det inkluderer å oppdage spik; det inkluderer å prosessere dem på implantatet; det inkluderer radioen som må overføre dem—det er alle slags pakkingdetaljer med Bluetooth som kan legge til forsinkelse. Og det inkluderer mottakssiden, hvor du gjør noen prosessering i din modell-inferens-steg, og det inkluderer å tegne piksler på skjermen for pekeren du kontrollerer. Enhver liten mengde forsinkelse du har der legger til forsinkelse og det påvirker lukket-sløyfe-kontroll.”

Mens Neuralink er det mest populære eksempelet på et BMI, er det mange andre lag som også arbeider på fascinerende prosjekter. For eksempel har forskere fra Howard Hughes Medical Institute lykkes å muliggjøre en BMI å skrive ut den mentale håndskriften til brukerne for første gang . Laget tydet hjernaktivitet assosiert med å skrive bokstaver for hånd for å oppnå resultatet. I dette tilfelle med øving lærte hjernen hvordan å strategisk tenke om håndskrift i en sekvens som deretter ble gjenkjent av BMIen. Den lammete deltakeren kunne skrive 90 tegn per minutt, som er mer enn dobbelt så mye som tidligere registrert med en annen type BMI.

Et annet eksempel inkluderer en studie med to kliniske prøvedeltakere som har lammelse, og de brukte BrainGate-systemet med en trådløs overfører. Gjennom den trådløse overføreren kunne de peke, klikke og skrive på en standard tablet-datamaskin.

Forsterket Symbiotisk Intelligens vs Menneskelig Intelligens

Vi kan forestille oss en verden hvor noen mennesker er forbedret, mens andre mennesker velger å være naturlige og ikke forbedre seg selv. Faren bak dette er at det vil forsterke gapet mellom rike mennesker med de økonomiske midlene til å forbedre seg selv, og andre mennesker som frivillig eller ikke forblir uforbedret.

En ansatt som er forbedret vil kunne oppnå betydelige tidssparinger ved å ikke måtte tvile seg selv, med en enkel mulighet til å øyeblikkelig gjenkalle informasjon eller hente tidligere ukjent data fra internettet. En AI kunne raskt varsle mennesket (eller filtere ut) informasjon som er irrelevant, falsk eller understandard. Den forbedrede mennesket med perfekt gjenkalling kunne endre måten de utfører oppgaver på, og de kunne eksponentielt øke både effisiens og produktivitet.

Istedenfor å skrive tekst eller tale høyt, kunne den forbedrede mennesket bare tenke og teksten ville magisk dukke opp på en skjerm. Tidssparingen fra denne enklere versjonen av en BMI ville være betydelig. BMIen med AI-systemet kunne bare bli implantert i menneskehjernen, og trådløst lades til eksterne strømkilder, eller kunne faktisk drive seg selv fra de samme typene kalorier og ressurser som er bygget inn i menneskekroppen og hjernen. Mens det er svært spekulativt, kan det være nanoboter som kan krysse blod-hjerne-barrieren for å generere en BMI.

En forbedret menneske kan finne at samtale med et uforbedret menneske er redundant og kjedelig. De kan velge å assosiere seg med andre forbedrede mennesker som ønsker å samarbeide for å lansere bedrifter, skrive grunnleggende artikler eller bli produktive på andre måter. En arbeidsgiver kan velge å se bort fra utdanningsbakgrunn eller erfaring, for å isteden fokusere på å bare ansette ansatte som har blitt forbedret.

Samfunnet kan ta ulike veier, hver ledende til ulike resultater. På en vei kan det være to typer mennesker som bare lærer å sameksistere.

Før BMIer når dette stadiet er de tidlige utviklingene fokusert på nevrologiske problemer som inkluderer følgende:

• Minnetap
• Hørselstap
• Blindhet
• Lammelse
• Depresjon
• Søvnløshet
• Ekstrem smerte
• Anfall
• Angst
• Avhengighet
• Slag
• Hjerneskade

Det bør ikke glemmes at Neurallinks langsiktige mål, som uttalt av Elon Musk, er, “Å skape et høyt-båndbredde-grensesnitt som muliggjør mennesker å følge med turen”. Implikasjonene er at hvis vi suksessfullt utvikler Artificial General Intelligence, denne utviklingen ubestridelig fører oss til Superintelligens. En BMI vil være menneskehetens endelige løsning for å leve i en verden som inkluderer Superintelligens som er langt mer avansert enn våre nåværende biologiske menneskehjerner. Det er å se hvor mange mennesker velger å forbedre seg selv, i mellomtiden forblir BMIer ett av de viktigste utviklingene med dype forsterkningssystemer.