Liderzy opinii

Sztuczna inteligencja i walka z technofobią

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Kiedy mówimy o generatywnej sztucznej inteligencji i dużych modelach językowych, takich jak ChatGPT, entuzjazm wobec sztucznej inteligencji miesza się z technofobią. Jest to naturalne dla ogółu społeczeństwa: ludzie lubią nowe, ekscytujące rzeczy, ale boją się tego, czego nie znają. Nową rzeczą jest to, że kilku prominentnych naukowców stało się techno-sceptykami, jeśli nie technofobami. Przykładem może być sprzeciw naukowców i przemysłowców wobec sztucznej inteligencji lub sceptycyzm wybitnego naukowca, prof. A. Hintona. Jedynym powiązanym historycznym precedensem, jaki przychodzi mi na myśl, jest krytyka bomb atomowych i wodorowych przez część społeczności naukowej podczas zimnej wojny. Na szczęście ludzkość poradziła sobie z tymi obawami w dość satysfakcjonujący sposób.

Oczywiście, każdy ma prawo do kwestionowania obecnego stanu sztucznej inteligencji:

  • Nikt nie wie, dlaczego duże modele językowe działają tak dobrze i czy mają jakieś ograniczenia.
  • Wiele niebezpieczeństw, które tworzą “bomby sztucznej inteligencji”, zagraża, szczególnie jeśli państwa pozostają biernymi obserwatorami w kwestii regulacji.

Są to uzasadnione obawy, które podsycają strach przed nieznanym, nawet wśród prominentnych naukowców. Przecież oni sami są ludźmi.

Czy badania nad sztuczną inteligencją mogą zostać wstrzymane, nawet tymczasowo? Moim zdaniem nie, ponieważ sztuczna inteligencja jest odpowiedzią ludzkości na globalne społeczeństwo i świat o coraz większej złożoności. Procesy zwiększania złożoności są bardzo głębokie i wydają się nieprzerwane, dlatego sztuczna inteligencja i przemiana obywateli są naszą jedyną nadzieją na płynne przejście od obecnej Społeczeństwa Informacyjnego do Społeczeństwa Wiedzy. W przeciwnym razie możemy spotkać się z katastrofalnym implozją społeczną.

Rozwiązaniem jest pogłębienie naszego zrozumienia postępów sztucznej inteligencji, przyspieszenie jej rozwoju, uregulowanie jej użycia w celu maksymalizacji pozytywnego wpływu, jednocześnie minimalizując już widoczne i ukryte negatywne skutki. Badania nad sztuczną inteligencją mogą i powinny się różnić: być bardziej otwartymi, demokratycznymi, naukowymi i etycznymi. Oto proponowana lista punktów w tym celu:

  • Pierwsze słowo w sprawie ważnych kwestii związanych z badaniami nad sztuczną inteligencją, które mają daleko idący wpływ społeczny, powinno być powierzone wybranym parlamentom i rządom, a nie korporacjom lub pojedynczym naukowcom.
  • Należy podjąć wszelkie wysiłki, aby ułatwić eksplorację pozytywnych aspektów sztucznej inteligencji w postępie społecznym i finansowym oraz zminimalizować jej negatywne aspekty.
  • Pozytywny wpływ systemów sztucznej inteligencji może znacznie przewyższać ich negatywne aspekty, jeśli zostaną podjęte odpowiednie środki regulacyjne. Technofobia nie jest uzasadniona, ani nie jest rozwiązaniem.
  • Moim zdaniem, największe obecne zagrożenie wynika z faktu, że takie systemy sztucznej inteligencji mogą zdalnie oszukać zbyt wielu zwykłych ludzi, którzy mają niewielkie (lub przeciętne) wykształcenie i/lub niewielką zdolność badawczą. Może to być niezwykle niebezpieczne dla demokracji i każdej formy postępu społeczno-ekonomicznego.
  • W najbliższej przyszłości powinniśmy przeciwdziałać wielkiemu zagrożeniu wynikającemu z użycia LLM i/lub CAN w działaniach nielegalnych (oszustwa na egzaminach uniwersyteckich są dość niewinnym użyciem w przestrzeni możliwości związanych z tym).
  • Ich wpływ na pracę i rynki będzie bardzo pozytywny w średnim i długim okresie.
  • W związku z powyższym, systemy sztucznej inteligencji powinny: a) być wymagane przez prawo międzynarodowe do rejestracji w “rejestrze systemów sztucznej inteligencji” i b) powiadamiać swoich użytkowników, że rozmawiają lub korzystają z wyników systemu sztucznej inteligencji.
  • Ponieważ systemy sztucznej inteligencji mają ogromny wpływ społeczny, a w celu maksymalizacji korzyści i postępu społeczno-ekonomicznego, zaawansowane kluczowe technologie systemów sztucznej inteligencji powinny stać się otwarte.
  • Dane związane z sztuczną inteligencją powinny być (przynajmniej częściowo) udemokratyzowane, ponownie w celu maksymalizacji korzyści i postępu społeczno-ekonomicznego.
  • Należy przewidzieć odpowiednie silne schematy rekompensaty finansowej dla mistrzów technologii sztucznej inteligencji, aby zrekompensować straty zysku wynikające z powyższej otwartości i zapewnić silne przyszłe inwestycje w badania i rozwój (np. poprzez patentowanie technologii, obligatoryjne schematy licencyjne).
  • Równowaga badań nad sztuczną inteligencją między akademickimi a przemysłowymi powinna być przemyślana, aby maksymalizować wyniki badań, jednocześnie utrzymując konkurencyjność i nagradzając podjęte ryzyko.
  • Praktyki edukacyjne powinny być ponownie rozważone na wszystkich poziomach edukacji, aby maksymalizować korzyści z technologii sztucznej inteligencji, jednocześnie tworząc nowy rodzaj kreatywnych i adaptowalnych obywateli i (naukowców sztucznej inteligencji).
  • Należy stworzyć i wzmocnić odpowiednie mechanizmy regulacyjne, nadzoru i finansowania, aby zapewnić powyższe.

Kilka takich punktów jest omówionych szczegółowo w mojej niedawnej 4-tomowej książce o “Nauce i Społeczeństwie Sztucznej Inteligencji”, szczególnie w tomach A (przepisanych w maju 2023 roku, aby objąć LLM i sztuczną inteligencję ogólną) i C.

Odnośniki do książek:

Sztuczna Inteligencja Nauka i Społeczeństwo Część A: Wprowadzenie do nauki sztucznej inteligencji i technologii informacyjnej

Sztuczna Inteligencja Nauka i Społeczeństwo Część C: Nauka sztucznej inteligencji i społeczeństwo

Prof. Ioannis Pitas (IEEE fellow, IEEE Distinguished Lecturer, EURASIP fellow) jest profesorem na Wydziale Informatyki AUTH i dyrektorem laboratorium Artificial Intelligence and Information Analysis (AIIA) lab. Był profesorem wizytującym na kilku uniwersytetach. Opublikował ponad 920 prac, wniósł wkład w 45 książek związanych z jego dziedzinami zainteresowania i zredagował lub (współ-)napisał 11 innych książek na temat Computer Vision i Machine Learning. Pełni funkcję przewodniczącego International AI Doctoral Academy (AIDA).