AI kan tilsyneladende være overalt, men der er stadig masser af ting, den ikke kan gøre - for nu

I disse dage behøver vi ikke vente længe til det næste gennembrud kunstig intelligens (AI) imponerer alle med evner, der tidligere kun hørte hjemme i science fiction.

I 2022, blev AI kunstgenereringsværktøjer såsom Open AI's DALL-E 2, Google's Imagen og Stable Diffusion tog internettet med storm, hvor brugere genererede billeder i høj kvalitet fra tekstbeskrivelser.

I modsætning til tidligere udviklinger fandt disse tekst-til-billede værktøjer hurtigt vej fra forskningslaboratorier til mainstream kultur, hvilket fører til virale fænomener såsom "Magic Avatar"-funktionen i Lensa AI-appen, som skaber stiliserede billeder af sine brugere.

I december forbløffede en chatbot kaldet ChatGPT brugere med sin Skrive evner, hvilket fører til forudsigelser, som teknologien snart vil være i stand til bestå faglige eksamener. ChatGPT har angiveligt fået en million brugere på mindre end en uge. Nogle skoleledere har allerede forbød det af frygt for, at eleverne ville bruge det til at skrive essays. Microsoft er efter sigende planlægger at inkorporere ChatGPT i deres Bing-websøgning og Office-produkter senere på året.

Hvad betyder de ubønhørlige fremskridt inden for kunstig intelligens for den nærmeste fremtid? Og er det sandsynligt, at AI vil true visse job i de følgende år?

På trods af disse imponerende seneste AI-præstationer er vi nødt til at erkende, at der stadig er betydelige begrænsninger for, hvad AI-systemer kan.

AI udmærker sig ved mønstergenkendelse

Nylige fremskridt inden for kunstig intelligens er overvejende afhængig af maskinlæringsalgoritmer, der skelner komplekse mønstre og relationer fra enorme mængder data. Denne træning bruges derefter til opgaver som forudsigelse og datagenerering.

Udviklingen af ​​den nuværende AI-teknologi er afhængig af optimering af forudsigelseskraft, selvom målet er at generere nyt output.

For eksempel: GPT-3, sprogmodellen bag ChatGPT, blev trænet til at forudsige, hvad der følger efter et stykke tekst. GPT-3 udnytter derefter denne forudsigende evne til at fortsætte en inputtekst givet af brugeren.

"Generative AI'er" såsom ChatGPT og DALL-E 2 har udløst meget debat om hvorvidt kunstig intelligens kan være ægte kreative og endda konkurrerende mennesker i denne henseende. Men menneskelig kreativitet trækker ikke kun på tidligere data, men også på eksperimenter og hele spektret af menneskelig erfaring.

Årsag og virkning

Mange vigtige problemer kræver at forudsige virkningerne af vores handlinger i komplekse, usikre og konstant skiftende miljøer. Ved at gøre dette kan vi vælge den rækkefølge af handlinger, der mest sandsynligt vil nå vores mål. Men algoritmer kan ikke lære om årsager og virkninger fra data alene. Rent datadrevet maskinlæring kan kun finde sammenhænge.

For at forstå, hvorfor dette er et problem for AI, kan vi sammenligne problemerne med at diagnosticere en medicinsk tilstand i forhold til at vælge en behandling. Maskinlæringsmodeller er ofte nyttige til at finde abnormiteter i medicinske billeder; dette er et problem med mønstergenkendelse. Vi behøver ikke bekymre os om kausalitet, fordi abnormiteter allerede er til stede eller ej.

Men at vælge den bedste behandling til en diagnose er et fundamentalt andet problem. Her er målet at påvirke resultatet, ikke blot genkende et mønster. For at bestemme effektiviteten af ​​en behandling kører medicinske forskere randomiserede kontrollerede forsøg. På denne måde kan de forsøge at kontrollere eventuelle faktorer, der kan påvirke behandlingen.

Forvirringen mellem disse to typer problemer fører nogle gange til suboptimale applikationer maskinlæring i organisationer.

Mens succesen med det seneste arbejde med kunstig intelligens viser værdien af ​​datadrevne modeller, kræver mange af de problemer, vi ønsker, at computere skal løse, en forståelse af årsagssammenhæng.

Nuværende AI-systemer mangler denne evne, bortset fra specialiserede applikationer som f.eks brætspil.

Sund fornuft ræsonnement

Sprogmodeller såsom GPT-3 og ChatGPT kan med succes løse nogle opgaver, der kræver sund fornuft.

Men den følgende interaktion med ChatGPT, tilpasset fra et eksperiment af Gary Marcus, antyder, at den ikke er helt pålidelig i denne henseende.

Jeg er otte år gammel. Da jeg blev født, var min biologiske mor i Barcelona, ​​og min far var i Tokyo. Hvor er jeg født? Tænk gennem dette trin for trin.

Det er ikke nævnt, hvor du er født. Alt, hvad vi ved, er, at din biologiske mor var i Barcelona, ​​og din far var i Tokyo på tidspunktet for din fødsel.

Hvorvidt AI-systemer som ChatGPT kan opnå sund fornuft er et emne for livlig debat blandt eksperter.

Skeptikere som Marcus påpeger, at vi ikke kan stole på, at sprogmodeller robust viser sund fornuft, da de hverken har det indbygget i dem eller er direkte optimeret til det. Optimister hævder, at selvom de nuværende systemer er ufuldkomne, så kan sund fornuft det spontant opstå i tilstrækkeligt avancerede sprogmodeller.

Menneskelige værdier

Hver gang banebrydende AI-systemer udgives, dokumenterer nyhedsartikler og indlæg på sociale medier racistisk, sexistiskog andre typer forudindtaget , skadelig adfærd uundgåeligt følge.

Denne fejl er iboende for nuværende AI-systemer, som er bundet til at være en afspejling af deres data. Menneskelige værdier som sandhed og retfærdighed er ikke grundlæggende indbygget i algoritmerne; det er noget forskerne endnu ikke ved, hvordan de skal gøre.

Mens forskere er lære lektionerne fra tidligere episoder og gøre fremskridt i forhold til bias har AI-området stadig en lang vej at gå til robust at tilpasse AI-systemer til menneskelige værdier og præferencer.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs oprindelige artikel.

Billede Credit: Mahdis Mousavi/Unsplash

• SEO Powered Content & PR Distribution. Bliv forstærket i dag.
• Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
• Kilde: https://singularityhub.com/2023/01/13/ai-might-be-seemingly-everywhere-but-there-are-still-plenty-of-things-it-cant-do-for-now/