Framtiden för gränssnitt mellan hjärna och maskin: Symbiotisk intelligens mot mänsklig intelligens

Vi kommer att utforska vad intelligensförstärkning via gränssnitt mellan hjärna och maskin (BMI) är, varför det är viktigt och varför det kan finnas en framtida klyfta mellan människor som förblir oförstärkta och människor som väljer att förstärka sin intelligens genom att skapa en synergetisk symbios med artificiell intelligens (AI).

Människor som ansluter till BMI kommer att få förbättrad kognitiv prestanda och ökad produktivitet på arbetsplatsen och utanför.

Vad är intelligensförstärkning?

Begreppet intelligensförstärkning introducerades först av William Ross Ashby i hans banbrytande bok med titeln Introduction to Cybernetics. Termen utvecklades sedan till att bli vad vi nu känner till som förstärkt intelligens, en underkategori till maskinlärning som är utformad först och främst för att förbättra och förstärka mänsklig intelligens med hjälp av AI. Konceptet är att förbättra både mänskligt beslutsfattande och den snabba tillgången till information som människor har för att förbättra kvaliteten på dessa beslut. Detta är där den nuvarande betydelsen av förstärkt intelligens slutar, det är en AI som använder maskinlärning och djupinlärning för att assistera människor med handlingsbara data, men det finns ingen verklig symbiotisk relation.

Denna är där BMI kommer in i bilden, de kommer att möjliggöra förbättring av mänsklig kognition långt utöver dagens version av förstärkt intelligens.

Till skillnad från vår nuvarande tillgång till data som sker med datorer, smartphones eller andra enheter, är ett BMI inherenterat utformat så att internet och AI som möjliggör tillgång till internet kan nås utan en extern enhet. BMI kommer att implanteras i den mänskliga hjärnan och blir en utvidgning av den mänskliga hjärnan.

Med andra ord, istället för att förlita sig på minne eller behöva öppna en bok eller besöka en webbplats, kunde en förbättrad människa ha tillgång till all information som lagras på internet, och en avancerad AI kunde mata in relevanta datapunkter till den mänskliga hjärnan, vilket möjliggör för människan att vara fullständigt i kontroll. Om du någonsin har haft ett ögonblick då du inte kan komma ihåg ett visst minne eller återkalla ett visst datum, är det en frustrerande upplevelse. Med förstärkt intelligens kunde du ha perfekt återkallande på grund av att AI-systemet blir en utvidgning av din biologiska minnesbank.

Denna typ av intelligensförstärkning utforskades ytterligare i “Man-Computer Symbiosis” en spekulativ artikel publicerad 1960 av J.C.R. Licklider. Denna upplysande artikel erbjuder en tidig beskrivning av hur människor måste lära sig att kontrollera AI genom att bilda en symbiotisk relation med AI. Som J.C.R. Licklider uttryckte det, “För att möjliggöra för människor och datorer att samarbeta i beslutsfattande och kontroll av komplexa situationer utan inflexibel beroende av förutbestämda program”.

Maskinlärning är den hemliga ingrediensen som säkerställer att en dator inte är förutbestämd, men det hanterar inte fortfarande frågan om hur vi kan komma åt denna symbios.

J.C.R. Licklider fortsatte med denna kommentar, “ Förhoppningen är att, inom inte alltför många år, mänskliga hjärnor och datorer kommer att kopplas samman mycket tätt, och att det resulterande partnerskapet kommer att tänka som ingen mänsklig hjärna någonsin har tänkt och bearbeta data på ett sätt som inte närmar sig de informationshanteringsmaskiner vi känner till idag.”

Ett tidigt exempel på hur detta används kan ses i schackvärlden. Medan de flesta människor är bekanta med Garry Kasparovs förlust 1997 mot IBM-datorn Deep Blue, finns det en nyare och mer intressant utveckling.

Medan vi har vetat i decennier att ett avancerat AI-system lätt kan besegra vilken schackspelare som helst, är det mer intressant att en AI kan besegras av en människa och AI-lag. I denna samarbetsmiljö delar laget upp uppgifterna, AI hanterar de tunga beräkningarna, mönsterigenkänning och framåtriktad tänkande. Människan lägger till värde genom att dra nytta av mänsklig intuition och decennier av studier av brädet.

Medan det för närvarande är möjligt för ett människa-AI-lag att besegra en AI, återstår det att se om denna typ av seger kommer att bestå i framtiden. Trots detta är detta en allvarlig indikator som bör visa att om människor kan kommunicera, samordna och kontrollera en AI som i princip är en utvidgning av deras sinnen, så kan stora problem som inte kan hanteras av människor idag eller av fristående AI-program hanteras av en union av båda.

En av J.C.R. Lickliders sista kommentarer lägger tydligt fram vikten av att utforma BMI som kan möjliggöra verklig symbiotisk kommunikation inom den mänskliga hjärnan.

“Det andra huvudmålet är nära relaterat. Det är att få datorer att effektivt delta i tänkprocesser som måste ske i “realtid”, tid som rör sig för fort för att tillåta användning av datorer på konventionella sätt. Tänk dig till exempel att styra en strid med hjälp av en dator på ett sådant schema. Du formulerar ditt problem idag. Imorgon tillbringar du med en programmerare. Nästa vecka ägnar datorn 5 minuter åt att sammanställa ditt program och 47 sekunder åt att beräkna svaret på ditt problem. Du får ett papper som är 20 fot långt, fullt av siffror som, istället för att ge en slutgiltig lösning, bara föreslår en taktik som bör undersökas genom simulering. Det är uppenbart att striden skulle vara över innan den andra steget i planeringen ens hade börjat. Att tänka i interaktion med en dator på samma sätt som du tänker med en kollega vars kompetens kompletterar din egen kräver en mycket tätare koppling mellan människa och maskin än vad som föreslås av exemplet och än vad som är möjligt idag.”

Hur fungerar intelligensförstärkning?

Intelligensförstärkning via BMI är fortfarande i sin linda och är ett pågående arbete. Det måste förstås att den mänskliga hjärnan utnyttjar mönsterigenkänning för att förstå symboler och skapa kopplingar mellan data. Till exempel, om du ser linjer strukturerade i en specifik sekvens som bokstaven A, kan du sedan känna igen symbolen A. Därifrån kan du sedan bilda ett mönster i din hjärna när du läser ordet APPLE. Du kan sedan känna igen ytterligare mönster när du läser att EN APPLE FÖLL FRÅN ETT TRÄD. Den mänskliga hjärnan fortsätter att skapa kopplingar vidare från tecken, till ord, till meningar, till stycken, till kapitel och sedan till böcker och bortom.

Problemet är att den mänskliga hjärnan inte har perfekt återkallande, och detta ofullständiga system orsakar mönsterigenkännings-system att misslyckas. Tänk på vad som skulle hända om du kunde läsa en hel bok och ett AI-system kunde bilda de mönsterigenkänningsmönster som behövs för att omedelbart ge perfekt återkallande. Detta skulle förbättra människans förmåga att arbeta på en uppsats, skapa produkter eller tjänster som förlitar sig på den informationen eller ha en intelligent konversation utan några glapp i minnet.

I andra fall, medan i mitt i en konversation, kunde den mänskliga hjärnan omedelbart ansluta till internet för att i realtid hitta information och distribuera eller förmedla den informationen. Istället för att behöva titta på en YouTube-video flera gånger för att lära sig något, skulle att titta på den en gång vara tillräckligt för perfekt återkallande. Den tillagda fördelen med ytterligare mönsterigenkännings-system är att den mänskliga hjärnan kunde avkoda videon och ljudet snabbare än i realtid. Detta innebär att människan kunde absorbera innehållet i videon i hastigheter av 2x, 3x eller bortom.

Var kan jag hitta gränssnitt mellan hjärna och maskin?

Det är fortfarande mycket tidiga dagar för denna typ av intelligensförstärkning. Det finns flera insatser på gång för att utveckla olika BMI som kan utvecklas till denna typ av tillämpning. Det mest anmärkningsvärda är Elon Musks företag Neuralink som är i de tidiga stadierna av att utveckla ett ultra hög bandbredds BMI för att koppla samman människor och datorer.

Neuralink arbetar mot att skapa den första neurala implantatet som kommer att möjliggöra för användare att kontrollera en dator eller mobil enhet var som helst de går. För att uppnå detta införs mikroskala trådar i områden av hjärnan som kontrollerar rörelse. Varje tråd innehåller många elektroder och ansluter dem till en implantat som kallas Link.

Även utvecklare av ett BMI-system kanske inte fullständigt förstår hur det fungerar på en mikro neurokemisk nivå. På grund av den mänskliga hjärnans plasticitet (förmåga att modifiera sig själv) är det faktiskt den mänskliga hjärnan som tar emot indata och sedan lär sig av sig själv de nödvändiga utdata för att BMI ska fungera sin magi.

De flesta BMI använder en avkodare för att tolka hjärnvågorna och mönstren som tas emot av den mänskliga hjärnan. Denna avkodare använder olika typer av maskinlärning, inklusive djupinlärning, för att lära sig att avkoda den mottagna informationen i ett försök att identifiera rörelseavsikter och önskade handlingar. Genom att avkoda dessa mönster kan den bäst förstå vad den mänskliga hjärnan försöker uppnå.

Det är ett slutet system där användaren gör en motoravsikt genom att bara tänka, och Neuralink-avkodaren tolkar avsikten. Detta översätter tanken till handling som sedan utförs i världen av en cursor eller en robotarm. Användaren får visuell bekräftelse på en lyckad handling och den neurokemiska återkopplingen tränar hjärnan att mer lätt kontrollera Neuralink. Utmaningen för varje BMI-företag är att bygga en avkodare som inte är för stor lärbörda för slutanvändaren.

Några av problemen med nuvarande BMI involverar latency, det vill säga tidsfördröjningen mellan indata och utdata på både den mänskliga och BMI-sidan. För närvarande arbetar Neuralink med att lösa några av de problem som är förknippade med denna fråga, som uttryckts av Joseph O’Doherty, en neuroingenjör på Neuralink och chef för dess hjärnsignalsgrupp, i en intervju.

“Steg ett är att hitta källorna till latency och eliminera alla. Vi vill ha låg latency i hela systemet. Det inkluderar att upptäcka spikar; det inkluderar att bearbeta dem på implantatet; det inkluderar radio som måste sända dem—det finns alla slags paketeringsdetaljer med Bluetooth som kan lägga till latency. Och det inkluderar mottagarsidan, där du gör någon bearbetning i din modellinferenssteg, och det inkluderar även att rita pixlar på skärmen för markören som du kontrollerar. Varje liten mängd fördröjning som du har där lägger till fördröjning och det påverkar slutna loop-kontroll.”

Medan Neuralink är det mest kända exemplet på ett BMI, finns det många andra lag som också arbetar med fascinerande projekt. Till exempel har forskare från Howard Hughes (HHH ) Medical Institute lyckats möjliggöra för ett BMI att skriva ut den mentala handstilen hos användare för första gången. Laget tolkade hjärnaktivitet associerad med att skriva bokstäver för hand för att uppnå resultatet. I detta fall lärde sig hjärnan med övning att strategiskt tänka på handstil i en sekvens som sedan kändes igen av BMI. Den förlamade deltagaren kunde skriva 90 tecken per minut, vilket är mer än dubbelt så mycket som tidigare registrerats med en annan typ av BMI.

Ett annat exempel inkluderar en studie med två kliniska prövningdeltagare som har förlamning, och de använde BrainGate-systemet med en trådlös sändare. Genom den trådlösa sändaren kunde de peka, klicka och skriva på en standard surfplatta.

Förstärkt symbiotisk intelligens vs mänsklig intelligens

Vi kan föreställa oss en värld där vissa människor är förstärkta medan andra människor väljer att vara naturliga och misslyckas med att förstärka sig själva. Faran bakom detta är att det kommer att förstärka klyftan mellan rika människor med de ekonomiska medlen att förstärka sig själva och andra människor som villigt eller inte förblir oförstärkta.

En anställd som är förstärkt kommer att kunna uppnå betydande tidsbesparingar genom att inte behöva tvivla på sig själv, med en lätt möjlighet att omedelbart komma ihåg information eller hämta tidigare okänd data från internet. En AI kunde snabbt varna människan (eller filtera ut) information som är irrelevant, falsk eller undermålig. Den förstärkta människan med perfekt återkallande kan ändra hur de utför uppgifter och de kunde exponentiellt öka både effektivitet och produktivitet.

Istället för att skriva text eller tala högt, kunde den förstärkta människan bara tänka och texten skulle magiskt framträda på en skärm. Tidsbesparingarna från denna enklare version av ett BMI skulle vara betydande. BMI med AI-systemet kan bara implanteras i den mänskliga hjärnan och trådlöst laddas till externa kraftkällor eller kunna generera sin egen kraft från samma typ av kalorier och resurser som är inbyggda i den mänskliga kroppen och hjärnan. Medan det är mycket spekulativt, kan det finnas nanorobotar som kan korsa blod-hjärn-barriären för att generera ett BMI.

En förstärkt människa kan tycka att konversation med en oförstärkt människa är redundant och tråkig. De kan välja att associera sig med andra förstärkta människor som vill samarbeta för att lansera företag, skriva seminala artiklar eller bli produktiva på andra sätt. En arbetsgivare kan välja att bortse från utbildningsbakgrund eller erfarenhet för att istället fokusera på att bara anställa personal som har förstärkts.

Samhället kan ta olika vägar, var och en leder till olika resultat. På en väg kan det finnas två typer av människor som helt enkelt lär sig att coexistera.

Innan BMI når denna punkt fokuserar de tidiga utvecklingarna på neurologiska problem som inkluderar följande:

• Minnesförlust
• Hörselnedsättning
• Blindhet
• Förlamning
• Depression
• Sömnlöshet
• Extrem smärta
• Anfall
• Ångest
• Beroende
• Slag
• Hjärnskada

Det bör inte glömmas att Neurallinks långsiktiga mål, som uttryckts av Elon Musk, är “Att skapa ett högbandbreddsgränssnitt som möjliggör för människor att följa med på resan”. Implikationerna är att om vi lyckas utveckla allmän artificiell intelligens, leder denna utveckling oundvikligen till superintelligens. Ett BMI kommer att vara mänsklighetens slutliga lösning för att leva i en värld som kännetecknas av superintelligens som är långt mer avancerad än våra nuvarande biologiska mänskliga hjärnor. Det återstår att se hur många människor väljer att förstärka sig själva, men i mellantiden förblir BMI en av de viktigaste utvecklingarna med djupa förstärkningsinlärningssystem.