ผู้นำทางความคิด

AI และการต่อสู้กับเทคโฟเบีย

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

เมื่อพูดถึง Generative AI และ Large Language Models เช่น ChatGPT ความกระตือรือร้นของ AI ผสมผสานกับเทคโฟเบีย ซึ่งเป็นเรื่องธรรมดาสำหรับประชาชนทั่วไป: พวกเขาชอบสิ่งใหม่ๆ ที่น่าตื่นเต้น แต่พวกเขาก็กลัวสิ่งที่ไม่รู้จัก สิ่งใหม่คือว่านักวิทยาศาสตร์ที่มีชื่อเสียงหลายคนกลายเป็นเทคโฟเบียตัวเอง ถึงแม้ว่าพวกเขาจะไม่ใช่เทคโฟเบีย ก็ตาม ตัวอย่างเช่น กรณีนักวิทยาศาสตร์และนักอุตสาหกรรมที่ขอให้มีการห้ามการวิจัย AI เป็นเวลา 6 เดือน หรือการวิพากษ์วิจารณ์ของนักวิทยาศาสตร์ AI ชั้นนำ Prof. A. Hinton เป็นต้น ตัวอย่างทางประวัติศาสตร์ที่เกี่ยวข้องที่ฉันสามารถนึกถึงได้คือการวิพากษ์วิจารณ์ระเบิดปรมาณูและนิวเคลียร์ของชุมชนวิทยาศาสตร์ในช่วงสงครามเย็น幸ดี ที่มนุษยชาติสามารถจัดการกับความกังวลเหล่านี้ได้อย่างพอใจ

แน่นอน ทุกคนมีสิทธิ์ที่จะถามถึงสถานะปัจจุบันของ AI:

  • ไม่มีใครรู้ว่า Large Language Models ทำงานได้ดีและไม่มีขีดจำกัด
  • มีอันตรายมากมายที่คนเลวสร้าง ‘AI bombs’ ซึ่งซ่อนอยู่ โดยเฉพาะอย่างยิ่งหากประเทศต่างๆ ยังคงเป็นเพียงผู้ชมที่ไม่มีการควบคุม

สิ่งเหล่านี้เป็นข้อกังวลที่ชอบธรรมที่เติมเชื้อไฟให้กับความกลัวของสิ่งที่ไม่รู้จัก แม้กระทั่งสำหรับนักวิทยาศาสตร์ที่มีชื่อเสียง พวกเขาก็เป็นมนุษย์เช่นกัน

อย่างไรก็ตาม การวิจัย AI สามารถหยุดชั่วคราวได้หรือไม่ ในมุมมองของฉัน ไม่ เนื่องจาก AI เป็นการตอบสนองของมนุษยชาติต่อโลกที่ซับซ้อนมากขึ้นเรื่อยๆ ทั้งในด้านกายภาพและสังคม การเพิ่มขึ้นของกระบวนการเหล่านี้เป็นเรื่องที่ลึกซึ้งและไม่มีทางหยุด AI และการเปลี่ยนแปลงของพลเมืองเป็นความหวังเดียวของเราในการเปลี่ยนจากสังคมสารสนเทศไปสู่สังคมความรู้ หากไม่เช่นนั้น เราอาจเผชิญกับการระเบิดทางสังคมที่รุนแรง

วิธีแก้ปัญหาคือการเพิ่มความเข้าใจของเราเกี่ยวกับการพัฒนาของ AI เพิ่มความเร็วในการพัฒนา ควบคุมการใช้งานเพื่อเพิ่มผลกระทบเชิงบวกให้สูงสุด ในขณะเดียวกันก็ลดผลกระทบเชิงลบให้เหลือน้อยที่สุด AI วิจัยสามารถและควรจะแตกต่าง: เปิดกว้าง มีประชาธิปไตย มีจริยธรรม และมีหลักฐานทางวิทยาศาสตร์ นี่คือรายการข้อเสนอที่จะบรรลุเป้าหมายนี้:

  • คำพูดแรกเกี่ยวกับประเด็นสำคัญของการวิจัย AI ที่มีผลกระทบทางสังคมควรได้รับการมอบหมายให้กับรัฐสภาและรัฐบาลที่ได้รับการเลือกตั้ง ไม่ใช่ให้กับบริษัทหรือนักวิทยาศาสตร์รายบุคคล
  • ควรพยายามอย่างเต็มที่เพื่ออำนวยความสะดวกในการสำรวจด้านบวกของ AI ในด้านความก้าวหน้าทางสังคมและเศรษฐกิจ และลดผลกระทบด้านลบให้เหลือน้อยที่สุด
  • ผลกระทบเชิงบวกของระบบ AI สามารถมีมากกว่าผลกระทบด้านลบ หากมีการควบคุมที่เหมาะสม เทคโฟเบียไม่จำเป็นต้องมีและไม่ใช่วิธีแก้ปัญหา
  • ในมุมมองของฉัน อันตรายที่ใหญ่ที่สุดในปัจจุบันมาจากการที่ระบบ AI เหล่านี้สามารถหลอกลวงผู้คนธรรมดาที่มีการศึกษาน้อยหรือไม่มีความสามารถในการสืบค้นมากนัก ซึ่งเป็นอันตรายอย่างยิ่งต่อประชาธิปไตยและความก้าวหน้าทางสังคมและเศรษฐกิจ
  • ในอนาคตอันใกล้ เราควรต่อต้านการคุกคามที่ใหญ่ที่สุดจากการใช้ LLM และ/หรือ CAN ในกิจกรรมที่ผิดกฎหมาย (การโกงในการสอบมหาวิทยาลัยเป็นการใช้งานที่ค่อนข้างอ่อนโยนในพื้นที่ความเป็นไปได้ที่เกี่ยวข้อง)
  • ผลกระทบต่อแรงงานและตลาดจะดีในระยะกลางและยาว
  • ในมุมมองของข้างต้น ระบบ AI ควร: a) ต้องลงทะเบียนใน ‘ทะเบียนระบบ AI’ ตามกฎหมายระหว่างประเทศ และ b) แจ้งให้ผู้ใช้รู้ว่าพวกเขาใช้งานหรือพึ่งพาผลลัพธ์ของระบบ AI
  • ระบบ AI มีผลกระทบทางสังคมอย่างมาก และเพื่อเพิ่มผลประโยชน์และความก้าวหน้าทางสังคมและเศรษฐกิจ เทคโนโลยี AI ที่สำคัญควรเปิดกว้าง
  • ข้อมูลที่เกี่ยวข้องกับ AI ควรได้รับการเปิดกว้าง (อย่างน้อยก็เป็นส่วนหนึ่ง) เพื่อเพิ่มผลประโยชน์และความก้าวหน้าทางสังคมและเศรษฐกิจ
  • ควรจัดให้มีระบบชดเชยทางการเงินที่เหมาะสมสำหรับผู้ที่เป็นแชมป์เทคโนโลยี AI เพื่อชดเชยการเสียหายที่อาจเกิดขึ้นจากการเปิดกว้าง และเพื่อให้แน่ใจว่ามีการลงทุนในอนาคตใน AI R&D (เช่น ผ่านการอนุญาตสิทธิบัตร เทคโนโลยี การออกใบอนุญาตแบบบังคับ)
  • สมดุลระหว่างการวิจัย AI ในสถาบันการศึกษาและอุตสาหกรรมควรได้รับการพิจารณาใหม่เพื่อเพิ่มผลการวิจัยสูงสุด ในขณะเดียวกันก็รักษาความสามารถในการแข่งขันและให้รางวัลสำหรับความเสี่ยงในการวิจัยและพัฒนา
  • การปฏิบัติในการศึกษาควรได้รับการพิจารณาใหม่ที่ mọi ระดับการศึกษาเพื่อเพิ่มผลประโยชน์สูงสุดจากเทคโนโลยี AI ในขณะเดียวกันก็สร้างคนรุ่นใหม่ที่มีความคิดสร้างสรรค์และสามารถปรับตัวได้ และ (นักวิทยาศาสตร์ AI)
  • ควรสร้างและเสริมสร้างกลไกการกำกับดูแล/กำกับดูแล/การให้ทุนสำหรับ AI เพื่อให้แน่ใจว่าได้รับการดำเนินการตามที่กล่าวมาข้างต้น

หลายจุดเหล่านี้ได้รับการกล่าวถึงในรายละเอียดในหนังสือ 4 เล่มของฉันเกี่ยวกับ ‘AI Science and Society’ โดยเฉพาะในเล่ม A (เขียนใหม่ในเดือนพฤษภาคม 2023 เพื่อครอบคลุม LLMs และ Artificial General Intelligence) และ C

หนังสืออ้างอิง:

Artificial Intelligence Science and Society Part A: Introduction to AI Science and Information Technology

Artificial Intelligence Science and Society Part C: AI Science and Society

ศ. ไอโอานนิส ปิตาส (IEEE Fellow, IEEE Distinguished Lecturer, EURASIP Fellow) เป็นศาสตราจารย์ที่ภาควิชาวิทยาการคอมพิวเตอร์ของ AUTH และเป็นหัวหน้า实验室 Artificial Intelligence and Information Analysis (AIIA) เขาเคยเป็นศาสตราจารย์ผู้มาเยือนหลายมหาวิทยาลัย เขาได้ตีพิมพ์มากกว่า 920 บทความ มีส่วนร่วมในการเขียน 45 หนังสือในสาขาที่สนใจ และเขียนหรือร่วมเขียนหนังสืออื่นๆ 11 เล่มเกี่ยวกับ Computer Vision และ Machine Learning เขาเป็นประธานของ International AI Doctoral Academy (AIDA)