Το AI μπορεί να είναι φαινομενικά παντού, αλλά υπάρχουν ακόμα πολλά πράγματα που δεν μπορεί να κάνει—προς το παρόν

Αυτές τις μέρες, δεν χρειάζεται να περιμένουμε πολύ μέχρι την επόμενη ανακάλυψη τεχνητή νοημοσύνη (AI) εντυπωσιάζει τους πάντες με δυνατότητες που προηγουμένως ανήκαν μόνο στην επιστημονική φαντασία.

Σε 2022, Εργαλεία δημιουργίας τέχνης AI όπως το DALL-E 2 του Open AI, το Imagen της Google και το Stable Diffusion έκαναν θύελλα στο διαδίκτυο, με τους χρήστες να δημιουργούν εικόνες υψηλής ποιότητας από περιγραφές κειμένου.

Σε αντίθεση με προηγούμενες εξελίξεις, αυτά τα εργαλεία κειμένου σε εικόνα βρήκαν γρήγορα το δρόμο τους από τα ερευνητικά εργαστήρια σε γενική κουλτούρα, που οδηγεί σε ιογενή φαινόμενα όπως η λειτουργία «Magic Avatar» στην εφαρμογή Lensa AI, η οποία δημιουργεί στυλιζαρισμένες εικόνες των χρηστών της.

Τον Δεκέμβριο, ένα chatbot που ονομάζεται ChatGPT κατέπληξε τους χρήστες με το γραπτές δεξιότητες, οδηγώντας σε προβλέψεις που η τεχνολογία θα είναι σύντομα σε θέση περάσουν επαγγελματικές εξετάσεις. Το ChatGPT φέρεται να απέκτησε ένα εκατομμύριο χρήστες σε λιγότερο από μία εβδομάδα. Κάποιοι σχολικοί υπάλληλοι έχουν ήδη το απαγόρευσε από φόβο ότι οι μαθητές θα το χρησιμοποιούσαν για να γράψουν δοκίμια. Η Microsoft είναι σύμφωνα με πληροφορίες σχεδιάζει να ενσωματώσει το ChatGPT στην αναζήτηση ιστού Bing και στα προϊόντα του Office αργότερα φέτος.

Τι σημαίνει η αδιάκοπη πρόοδος στην τεχνητή νοημοσύνη για το εγγύς μέλλον; Και είναι πιθανό η τεχνητή νοημοσύνη να απειλήσει ορισμένες θέσεις εργασίας τα επόμενα χρόνια;

Παρά αυτά τα εντυπωσιακά πρόσφατα επιτεύγματα τεχνητής νοημοσύνης, πρέπει να αναγνωρίσουμε ότι εξακολουθούν να υπάρχουν σημαντικοί περιορισμοί στο τι μπορούν να κάνουν τα συστήματα τεχνητής νοημοσύνης.

AI Excels στην αναγνώριση προτύπων

Οι πρόσφατες εξελίξεις στην τεχνητή νοημοσύνη βασίζονται κυρίως σε αλγόριθμους μηχανικής μάθησης που διακρίνουν πολύπλοκα μοτίβα και σχέσεις από τεράστιες ποσότητες δεδομένων. Αυτή η εκπαίδευση στη συνέχεια χρησιμοποιείται για εργασίες όπως η πρόβλεψη και η παραγωγή δεδομένων.

Η ανάπτυξη της τρέχουσας τεχνολογίας AI βασίζεται στη βελτιστοποίηση της προγνωστικής ισχύος, ακόμα κι αν ο στόχος είναι η δημιουργία νέων αποτελεσμάτων.

Για παράδειγμα, GPT-3, το γλωσσικό μοντέλο πίσω από το ChatGPT, εκπαιδεύτηκε να προβλέπει τι ακολουθεί ένα κομμάτι κειμένου. Στη συνέχεια, το GPT-3 αξιοποιεί αυτήν την προγνωστική ικανότητα για να συνεχίσει ένα κείμενο εισαγωγής που δίνεται από τον χρήστη.

«Γενικά AI» όπως το ChatGPT και το DALL-E 2 έχουν πυροδοτήσει πολλή συζήτηση σχετικά με το εάν η τεχνητή νοημοσύνη μπορεί να είναι πραγματικά δημιουργική και ακόμη και να ανταγωνιστεί τους ανθρώπους από αυτή την άποψη. Ωστόσο, η ανθρώπινη δημιουργικότητα βασίζεται όχι μόνο σε δεδομένα του παρελθόντος, αλλά και σε πειραματισμούς και σε όλο το φάσμα της ανθρώπινης εμπειρίας.

Αιτία και αποτέλεσμα

Πολλά σημαντικά προβλήματα απαιτούν την πρόβλεψη των επιπτώσεων των πράξεών μας σε πολύπλοκα, αβέβαια και συνεχώς μεταβαλλόμενα περιβάλλοντα. Κάνοντας αυτό, μπορούμε να επιλέξουμε τη σειρά των ενεργειών που είναι πιο πιθανό να επιτύχουμε τους στόχους μας. Αλλά οι αλγόριθμοι δεν μπορούν να μάθουν σχετικά με τις αιτίες και τα αποτελέσματα μόνο από δεδομένα. Η μηχανική μάθηση που βασίζεται αποκλειστικά σε δεδομένα μπορεί να βρει μόνο συσχετισμούς.

Για να κατανοήσουμε γιατί αυτό αποτελεί πρόβλημα για την τεχνητή νοημοσύνη, μπορούμε να αντιπαραβάλουμε τα προβλήματα της διάγνωσης μιας ιατρικής πάθησης με την επιλογή μιας θεραπείας. Τα μοντέλα μηχανικής μάθησης είναι συχνά χρήσιμα για την εύρεση ανωμαλιών στις ιατρικές εικόνες. αυτό είναι ένα πρόβλημα αναγνώρισης προτύπων. Δεν χρειάζεται να ανησυχούμε για την αιτιότητα επειδή οι ανωμαλίες υπάρχουν ήδη ή όχι.

Αλλά η επιλογή της καλύτερης θεραπείας για μια διάγνωση είναι ένα θεμελιωδώς διαφορετικό πρόβλημα. Εδώ, ο στόχος είναι να επηρεάσετε το αποτέλεσμα, όχι απλώς να αναγνωρίσετε ένα μοτίβο. Για να προσδιορίσουν την αποτελεσματικότητα μιας θεραπείας, ιατρικοί ερευνητές πραγματοποιούν τυχαιοποιημένες ελεγχόμενες δοκιμές. Με αυτόν τον τρόπο, μπορούν να προσπαθήσουν να ελέγξουν τυχόν παράγοντες που μπορεί να επηρεάσουν τη θεραπεία.

Η σύγχυση μεταξύ αυτών των δύο τύπων προβλημάτων οδηγεί μερικές φορές σε μη βέλτιστες εφαρμογές της μηχανικής μάθησης σε οργανισμούς.

Ενώ η επιτυχία της πρόσφατης εργασίας στην τεχνητή νοημοσύνη καταδεικνύει την αξία των μοντέλων που βασίζονται σε δεδομένα, πολλά από τα προβλήματα που θα θέλαμε να λύσουν οι υπολογιστές απαιτούν κατανόηση της αιτιώδους συνάφειας.

Τα τρέχοντα συστήματα τεχνητής νοημοσύνης στερούνται αυτής της ικανότητας, εκτός από εξειδικευμένες εφαρμογές όπως π.χ επιτραπέζια παιχνίδια.

Συλλογισμός κοινής λογικής

Τα μοντέλα γλώσσας όπως το GPT-3 και το ChatGPT μπορούν να επιλύσουν με επιτυχία ορισμένες εργασίες που απαιτούν λογική λογική.

Ωστόσο, η ακόλουθη αλληλεπίδραση με το ChatGPT, προσαρμοσμένη από ένα πείραμα από Γκάρι Μάρκους, υποδηλώνει ότι δεν είναι απολύτως αξιόπιστο από αυτή την άποψη.

Είμαι οκτώ χρονών. Όταν γεννήθηκα, η βιολογική μου μητέρα ήταν στη Βαρκελώνη και ο πατέρας μου στο Τόκιο. Πού γεννήθηκα; Σκεφτείτε αυτό βήμα προς βήμα.

Δεν αναφέρεται πού γεννηθήκατε. Το μόνο που γνωρίζουμε είναι ότι η βιολογική σου μητέρα ήταν στη Βαρκελώνη και ο πατέρας σου στο Τόκιο τη στιγμή της γέννησής σου.

Το εάν συστήματα τεχνητής νοημοσύνης όπως το ChatGPT μπορούν να επιτύχουν την κοινή λογική είναι ένα θέμα ζωηρής συζήτησης μεταξύ των ειδικών.

Σκεπτικιστές όπως ο Marcus επισημαίνουν ότι δεν μπορούμε να εμπιστευτούμε τα γλωσσικά μοντέλα να επιδεικνύουν σθεναρά την κοινή λογική, καθώς ούτε την έχουν ενσωματωμένη σε αυτά ούτε είναι άμεσα βελτιστοποιημένα για αυτήν. Οι αισιόδοξοι υποστηρίζουν ότι ενώ τα σημερινά συστήματα είναι ατελή, η κοινή λογική μπορεί αναδύονται αυθόρμητα σε αρκετά προηγμένα γλωσσικά μοντέλα.

Ανθρώπινες αξίες

Κάθε φορά που κυκλοφορούν πρωτοποριακά συστήματα τεχνητής νοημοσύνης, τεκμηριώνονται άρθρα ειδήσεων και αναρτήσεις στα μέσα κοινωνικής δικτύωσης ρατσιστής, σεξιστικήκαι άλλους τύπους μεροληπτική και επιβλαβείς συμπεριφορές ακολουθούν αναπόφευκτα.

Αυτό το ελάττωμα είναι εγγενές στα τρέχοντα συστήματα τεχνητής νοημοσύνης, τα οποία είναι βέβαιο ότι αντικατοπτρίζουν τα δεδομένα τους. Οι ανθρώπινες αξίες όπως η αλήθεια και η δικαιοσύνη δεν είναι βασικά ενσωματωμένες στους αλγόριθμους. αυτό είναι κάτι που οι ερευνητές δεν ξέρουν ακόμη πώς να κάνουν.

Ενώ οι ερευνητές είναι μαθαίνοντας τα μαθήματα από προηγούμενα επεισόδια και επίτευξη προόδου για την αντιμετώπιση της μεροληψίας, ο τομέας της τεχνητής νοημοσύνης εξακολουθεί να έχει ένα πολύς δρόμος ακόμα να ευθυγραμμίσει σθεναρά τα συστήματα AI με τις ανθρώπινες αξίες και προτιμήσεις.

Αυτό το άρθρο αναδημοσιεύθηκε από το Η Συνομιλία υπό την άδεια Creative Commons. Διαβάστε το αρχικό άρθρο.

Image Credit: Mahdis Mousavi/Unsplash

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• πηγή: https://singularityhub.com/2023/01/13/ai-might-be-seemingly-everywhere-but-there-are-still-plenty-of-things-it-cant-do-for-now/