Adrian Zidaritz, Autor AIbluedot.com – Seria Wywiadów

Adrian Zidaritz jest autorem AIbluedot.com, bloga, który zapewnia przegląd sztucznej inteligencji, z połączeniem matematyki, etyki, polityki i “wszystkiego” pomiędzy. Chociaż artykuły zawierają minimalną ilość materiału technicznego, nie są one skierowane do specjalistów, lecz do ogółu. Sztuczna inteligencja jest niezrozumiana przez nie-specjalistów i jest albo przeceniana, albo zaniżana w mediach; jest to jednak najbardziej doniosła technologia w naszych czasach.

Czym pierwotnie zainteresował Cię się sztuczna inteligencja?

Rozwój sztucznej inteligencji wymaga szerokiej gamy specjalizacji, w przeciwieństwie do innych nowoczesnych technologii. Karmi się badaniami z dziedziny statystyki, neurologii, matematyki stosowanej, informatyki, rozwoju oprogramowania, psychologii itd… To wyzwanie to było tym, co mnie przyciągnęło, w połączeniu z faktem, że miałem szczęście zajmować się wieloma z tych dziedzin w mojej poprzedniej karierze: matematyka, informatyka, rozwój oprogramowania, statystyka.

Miałeś obszerną karierę w pracy z sztuczną inteligencją. Czy mógłbyś omówić niektóre z tych wydarzeń?

To jest w pewnym sensie kontynuacją pytania 1. Niemal każda osoba w średnim wieku pracująca w dziedzinie sztucznej inteligencji pochodzi z innego miejsca. Do około 2005 roku nie było sztucznej inteligencji (zresztą, sukces sztucznej inteligencji jest głównie wynikiem sieci neuronowych = głębokiego uczenia, wszystkie inne techniki są mniej istotne; więc w praktyce, gdy mówimy o sztucznej inteligencji, mamy na myśli głębokie uczenie). W wyniku tego, wielu z nas, którzy pracują w dziedzinie sztucznej inteligencji, przychodzi z unikalnymi perspektywami. Pochodzę z matematycznego tła, połączonego z prowadzeniem praktycznych projektów sztucznej inteligencji, w których inżynieria Big Data odgrywa bardzo dużą rolę (czasem więcej niż 80% całkowitego czasu projektu). Moje tło umieszcza sztuczną inteligencję pomiędzy kwestionowaniem jej matematycznych podstaw (bardzo teoretycznych) a bardzo praktycznymi aspektami prowadzenia zespołów naukowców danych i inżynierów machine learningu. Są inni badacze, którzy wiedzą więcej o technologiach sztucznej inteligencji w środku tego sandwichu.

Powiedziałeś, że sztuczna inteligencja była albo przeceniana, albo zaniżana w mediach. Dlaczego uważasz, że istnieje taka rozbieżność pomiędzy mediami, które dokładnie informują o stanie sztucznej inteligencji, a rzeczywistością tej technologii?

Ponieważ sztuczna inteligencja jest niezrozumiana nawet przez niektóre osoby pracujące w dziedzinie sztucznej inteligencji, a co dopiero przez prasę. Jest to bardzo młoda dyscyplina, z bardzo młodymi pracownikami. Różne opinie tych młodych pracowników trafiają do mediów, karmiąc niezgodność celów. Wystarczy wspomnieć dokument “The Social Dilemma” na Netflix (NFLX ), w którym te sprzeczne poglądy na temat sztucznej inteligencji, z perspektywy Doliny Krzemowej, są dobrze udokumentowane.

Obecnie większość postępu, jaki widzieliśmy w sztucznej inteligencji, pochodzi z głębokiego uczenia. Jakie są Twoje poglądy na temat czarnej skrzynki głębokiego uczenia?

To jest duży problem. Podstawowo nie mamy teoretycznego (tj. matematycznego) zrozumienia procesu uczenia. Nie wiemy, jak algorytmy głębokiego uczenia naprawdę uczą. Widzimy tylko, że działają. Były oczywiście próby opracowania teorii, ale żadna z nich nie zyskała powszechnego uznania. Więc w braku tego podstawowego zrozumienia, wszystko, co możemy powiedzieć, to “widzimy, że działa”. Ale podanie białej skrzynki wyjaśnienia jest niemożliwe w tym czasie. Inne algorytmy (nie głębokie uczenie) są lepiej zrozumiane i dla nich można podać wyjaśnienia wyników. Nie dla głębokiego uczenia.

Jakie są Twoje poglądy na stronniczość sztucznej inteligencji i jak ją zapobiec?

Obecnie sztuczna inteligencja jest wszystko o danych, a nie o algorytmach. Algorytmy nie znają stronniczości, stronniczość jest w danych. Dane odzwierciedlają skład społeczeństwa oraz jego warstwowanie, ponieważ zbieranie danych również ma stronniczość. To są zresztą naturalnie występujące, co musi się wydarzyć, to stopniowe włączanie ludzi wszystkich rodzajów tła do procesu zbierania danych, tak aby dane odzwierciedlały prawidłową reprezentację populacji.

Jaki rodzaj uczenia maszynowego uważasz za najbardziej interesujący?

Jak powiedziałem wcześniej, uczenie maszynowe teraz ustępuje miejsca swojej najbardziej udanej wewnętrznej gałęzi, głębokiemu uczeniu. Sieci neuronowe, dzięki swojej wszechstronności, dominują.

Powiedziałeś, że powszechny dochód podstawowy (UBI) będzie absolutnie niezbędny do radzenia sobie ze stratami pracy wynikającymi z sztucznej inteligencji. Czy mógłbyś wyjaśnić te poglądy?

Społeczeństwo będzie cierpiało ogromne konsekwencje wynikające z automatyzacji (zastosowanej sztucznej inteligencji). Widzieliśmy już momentous shifts nawet w politycznych zamieszkach od 2016 roku. Po prostu nie będzie można wrócić do poprzedniego stanu. Wiele miejsc pracy po prostu zniknie. Nie ma sensu uczyć się na radiologa w tym czasie. Sztuczna inteligencja może czytać zdjęcia rentgenowskie i MRI oraz inne rodzaje odcisków znacznie lepiej niż człowiek. Co się stanie z ludźmi, gdy nie będzie po prostu pracy, którą mogliby wykonywać? UBI gwarantuje, że ludzie nie będą cierpieć niepotrzebnie, gdy automatyzacja stanie się wszechobecna. I nie ma potrzeby, aby tak było, ponieważ sztuczna inteligencja dostarczy niezbędnej pracy, aby społeczeństwo mogło nadal funkcjonować.

Czy uważasz, że możemy kiedykolwiek osiągnąć sztuczną inteligencję ogólną (AGI)?

Tak, wiele osób twierdzi, że oprogramowanie DeepMind już graniczy z AGI. Nie zgadzam się z tym pomysłem, ale nawet dla mnie odpowiedź brzmi: tak. AGI nie oznacza emocji ani świadomości, “I” w AGI oznacza po prostu inteligencję poznawczą. I na tym poziomie inteligencji odpowiedź wydaje się być twierdząca.

Czy uważasz, że istnieje prawdopodobieństwo, że żyjemy w symulacji?

Mozliwość? Tak, co oznacza, że prawdopodobieństwo, że żyjemy w symulacji, nie jest równe 0. Jest to również intelektualnie atrakcyjne. Ale czy jest to prawdopodobne? Nie, dla mnie nie jest prawdopodobne, tj. prawdopodobieństwo, chociaż nie jest równe 0, jest bardzo, bardzo małe.

Dziękuję za wywiad, czytelnicy, którzy chcą dowiedzieć się więcej o poglądach Adriana na różne aspekty sztucznej inteligencji, powinni odwiedzić AIbluedot.com.