Adrian Zidaritz, författare till AIbluedot.com – Intervjuserie

Adrian Zidaritz är författare till AIbluedot.com, en blogg som ger en översikt över AI, med en blandning av matematik, etik, politik och "allt" däremellan. Även om artiklarna innehåller en minimal mängd tekniskt material, är de inte riktade till specialister, utan riktar sig till allmänheten. AI missförstås av icke-specialister och det hypas upp eller pratas ner i media; det är inte desto mindre den mest följdriktiga tekniken i vår nuvarande tid.

Vad lockade dig från början till AI?

AI-utveckling kräver ett brett spektrum av expertis, till skillnad från någon annan modern teknik. Den livnär sig på forskning från statistik, neurovetenskap, tillämpad matematik, datavetenskap, mjukvaruutveckling, psykologi, etc... Det är den utmaningen som lockade mig, kombinerat med det faktum att jag hade turen att syssla med många av dessa områden i min tidigare karriär: matte, comp science, soft dev, statistik.

Du har haft en lång karriär inom AI. Skulle du kunna diskutera några av dessa höjdpunkter?

Detta är på sätt och vis en fortsättning på fråga 1. Nästan varje medelålders som arbetar inom AI kommer för närvarande från någon annanstans. Fram till omkring 2005 fanns det ingen AI (förresten framgången för AI beror främst på neurala nätverk = djupinlärning, alla andra tekniker bleknar i jämförelse; så för alla praktiska syften när vi säger AI menar vi djupinlärning). Som ett resultat kommer många av oss som arbetar inom AI med unika perspektiv till området. Jag kommer från en matematikbakgrund i kombination med ledande praktiska AI-projekt, där BigData-teknik spelar en mycket stor roll (ibland mer än 80 % av den totala projekttiden). Min bakgrund lägger AI mellan ett ifrågasättande av dess matematiska grunder (mycket teoretiska) och de mycket praktiska aspekterna av att leda team av datavetare och maskininlärningsingenjörer. Det finns andra forskare som vet mer om AI-teknologierna mitt i smörgåsen.

Du har uppgett att AI antingen har hajpats upp eller urvattnats i media. Varför tror du att det finns en sådan koppling mellan media som korrekt rapporterar tillståndet för AI kontra teknikens faktiska verklighet?

Eftersom AI missförstås även av vissa personer som arbetar inom AI, än mindre pressen. Det är en väldigt ung disciplin, med väldigt unga arbetare. De olika åsikterna hos dessa unga arbetare tar sig in i media och ger upphov till en felaktig anpassning av mål. Tillräckligt för att nämna dokumentären Social Dilemma på Netflix, där dessa motstridiga åsikter om AI, ur ett Silicon Valley-perspektiv, är väldokumenterade.

För närvarande har en stor del av de framsteg som vi har sett inom AI kommit från djupinlärning. Vad är dina åsikter om problemet med djupinlärning i den svarta lådan?

Det är ett stort problem. I grund och botten har vi ingen teoretisk (=matematisk) förståelse av inlärningsprocessen. Vi vet inte hur djupinlärningsalgoritmer faktiskt lär sig. Vi ser bara att de gör det. Det har naturligtvis gjorts försök att utveckla en teori, men ingen har fått bred acceptans. Så i avsaknad av den grundläggande förståelsen kan vi bara säga "se, det fungerar". Men att ge en white-box förklaring är omöjligt för närvarande. Andra algoritmer (inte djupinlärning) förstås bättre och för dem är det möjligt att ge förklaringar till resultaten. Inte för djupinlärning.

Vad är dina åsikter om AI-bias och hur förhindrar vi det?

Just nu handlar AI om data, inte om algoritmer. Algoritmerna känner ingen bias, biasen finns i data. Data speglar samhällets sammansättning och även samhällets stratifiering, eftersom datainsamlingen också har bias i sig. Dessa är för övrigt naturligt förekommande, vad som måste hända är en gradvis inkludering av människor med alla möjliga bakgrunder i datainsamlingsprocessen, så att data speglar en korrekt representation av befolkningen.

Vilken typ av maskininlärning tycker du är mest intressant?

Som jag sa tidigare, ger maskininlärning nu mark till sin mest framgångsrika inre gren, djupinlärning. Neurala nätverk dominerar genom sin mångsidighet.

Du har sagt att Universal Basic Income (UBI) kommer att vara absolut nödvändigt för att hantera de jobbförluster som är resultatet av AI. Kan du utveckla dessa synpunkter?

Samhället kommer att drabbas av enorma återverkningar av automatisering (tillämpad AI). Vi har sett de betydelsefulla förändringarna även i den politiska omvälvningen sedan 2016. Det kommer helt enkelt inte att finnas någon väg att gå tillbaka. Många jobb kommer helt enkelt att försvinna. Det är ingen mening att utbilda sig till radiolog nuförtiden. AI kan läsa röntgenstrålar och MRI och alla möjliga andra utskrifter mycket bättre än en människa. Vad kommer att hända med människor när det inte bara finns ett jobb som de kan göra? UBI garanterar att människor inte kommer att lida i onödan när automatiseringen blir omfattande. Och det finns inget behov av det, eftersom AI kommer att leverera det nödvändiga arbetet för att samhället fortfarande ska fungera.

Tror du att vi någonsin kan uppnå artificiell allmän intelligens (AGI)?

Ja, många hävdar att DeepMinds programvara redan gränsar till AGI. Jag prenumererar inte på den idén, men även för mig är svaret ja. AGI betyder inte känslor eller medvetande, jaget i AGI är helt enkelt kognitiv intelligens. Och för den intelligensnivån verkar svaren vara ja.

Tror du att det finns en sannolikhet att vi lever i en simulering?

En möjlighet? Ja, det vill säga att sannolikheten för att vi ska leva i en simulering inte är 0. Den är också intellektuellt tilltalande. Men är det troligt? Nej, för mig är det inte troligt, dvs sannolikheten, även om den inte är 0, är ​​väldigt liten.

Tack för intervjun, läsare som vill lära sig mer om Adrians syn på olika aspekter av AI bör besöka AIbluedot.com.