AI's PR-problem

HBO'er Westworld har en fælles plot-enhed - syntetiske værter, der rejser sig mod deres åndssvage menneskelige skabere. Men er det mere end blot et plottwist? Smarte mennesker som Bill Gates og Steven Hawking har jo advaret om, at kunstig intelligens kan være på en farlig vej og kan true menneskehedens overlevelse.

De er ikke de eneste, der er bekymrede. Europa-Parlamentets Retsudvalg udsendte for nylig en betænkning, der opfordrer EU til at kræve, at intelligente robotter registreres, delvist for at deres etiske karakter kan vurderes. Stop Killer Robots-bevægelsen, der er imod brugen af ​​såkaldte autonome våben i krig, påvirker både FN's og det amerikanske forsvarsministeriums politik.

Kunstig intelligens har tilsyneladende et PR-problem. Selvom det er rigtigt, at nutidens maskiner på troværdig vis kan udføre mange opgaver (spille skak, køre biler), som engang var forbeholdt mennesker, betyder det ikke, at maskinerne bliver mere intelligente og ambitiøse. Det betyder bare, at de gør, hvad vi har bygget dem til.



Robotterne kommer måske, men de kommer ikke for os – for der er ingen de. Maskiner er ikke mennesker, og der er ingen overbevisende beviser for, at de er på vej mod sansning.

Jerry Kaplan

Vi har erstattet dygtige og kyndige arbejdere i århundreder, men maskinerne stræber ikke efter bedre job og højere beskæftigelse. Jacquard-væve erstattede eksperthåndarbejdere i det 19. århundrede, men disse bemærkelsesværdige enheder – programmeret med hulkort til et utal af stofmønstre – betød ikke undergang for skræddere og skræddere. Indtil midten af ​​det 20. århundrede stolede vi på vores bedste og dygtigste til at lave regnestykker - at være en lommeregner plejede at være et højt respekteret fag. Nu hvor sammenligneligt dygtige enheder bliver givet væk som salgsfremmende nipsgenstande på messer, kan de matematisk indstillede blandt os fokusere på opgaver, der kræver bredere færdigheder, såsom statistisk analyse. Snart vil din bil være i stand til at køre dig til kontoret på kommando, men du behøver ikke bekymre dig om, at den tilmelder dig med Uber for at tjene et par ekstra penge for benzin, mens du er til et personalemøde (medmindre du instruerer det til).

AI gør brug af nogle kraftfulde teknologier, men de passer ikke så godt sammen, som du kunne forvente. Tidlige forskere fokuserede på måder at manipulere symboler efter regler. Dette var nyttigt til opgaver som at bevise matematiske teoremer, løse gåder eller udforme integrerede kredsløb. Men flere ikoniske AI-problemer – såsom at identificere objekter i billeder og konvertere talte ord til skriftsprog – viste sig at være svære at knække. Nyere teknikker, som går under maskinlæringens aspirationsbanner, viste sig at være meget bedre egnet til disse udfordringer. Maskinlæringsprogrammer trækker nyttige mønstre ud af store datasamlinger. De driver anbefalingssystemer på Amazon og Netflix, finpudser Googles søgeresultater, beskriver videoer på YouTube, genkender ansigter, handler med aktier, styrer biler og løser et utal af andre problemer, hvor big data kan bringes i spil. Men ingen af ​​tilgangene er intelligensens hellige gral. Faktisk sameksisterer de temmelig akavet under betegnelsen kunstig intelligens. Alene eksistensen af ​​to store tilgange med forskellige styrker sætter spørgsmålstegn ved, hvorvidt en af ​​dem kunne tjene som grundlag for en universel teori om intelligens.

For det meste er AI-præstationerne, der udråbes i medierne, ikke bevis på store forbedringer på området. AI-programmet fra Google, der vandt en Go-konkurrence sidste år, var ikke en raffineret version af det fra IBM, der slog verdens skakmester i 1997; bilfunktionen, der bipper, når du kommer ud af din vognbane, fungerer helt anderledes end den, der planlægger din rute. I stedet bliver de præstationer, der så åndeløst rapporteret, ofte flettet sammen fra en pose med forskellige værktøjer og teknikker. Det kan være let at forveksle trommeslaget af historier om maskiner, der klarer os i opgaver, som bevis på, at disse værktøjer bliver stadig smartere - men det sker ikke.

Den offentlige diskurs om AI er blevet ubundet fra virkeligheden, delvist fordi feltet ikke har en sammenhængende teori. Uden sådan en teori kan folk ikke måle fremskridt på området, og karakterisering af fremskridt bliver enhvers gæt. Som et resultat er de mennesker, vi hører mest fra, dem med de højeste stemmer snarere end dem, der har noget indholdsrigt at sige, og pressens rapporter om dræberrobotter er stort set uimodsagt.

Jeg vil foreslå, at et problem med AI er selve navnet - opfundet for mere end 50 år siden for at beskrive bestræbelser på at programmere computere til at løse problemer, der krævede menneskelig intelligens eller opmærksomhed. Hvis kunstig intelligens var blevet kaldt noget mindre uhyggeligt, kunne det virke lige så prosaisk som operationsforskning eller prædiktiv analyse.

Måske ville en mindre provokerende beskrivelse være noget som antropisk databehandling. En bred betegnelse som denne kunne omfatte bestræbelser på at designe biologisk inspirerede computersystemer, maskiner, der efterligner den menneskelige form eller evner, og programmer, der interagerer med mennesker på naturlige, velkendte måder.

Vi bør stoppe med at beskrive disse moderne vidundere som proto-mennesker og i stedet tale om dem som en ny generation af fleksible og kraftfulde maskiner. Vi bør være forsigtige med, hvordan vi implementerer og bruger AI, men ikke fordi vi tilkalder en mytisk dæmon, der kan vende sig imod os. I stedet bør vi modstå vores tilbøjelighed til at tillægge menneskelige egenskaber til vores kreationer og acceptere disse bemærkelsesværdige opfindelser for, hvad de virkelig er – kraftfulde værktøjer, der lover en mere velstående og behagelig fremtid.

Jerry Kaplan underviser i de sociale og økonomiske konsekvenser af kunstig intelligens på Stanford University. Hans seneste bog er Kunstig intelligens: hvad alle har brug for at vide, fra Oxford University Press.

skjule