Kunstmatige intelligentie is slechts een hulpmiddel, maar wat een hulpmiddel is het. Het kan onze wereld verheffen tot een tijdperk van verlichting en productiviteit, of ons in een donkere put storten. Om het eerste te helpen bereiken, en niet het laatste, moet het met veel zorg en vooruitziendheid worden behandeld. Dit is waar technologieleiders en beoefenaars een tandje bij moeten zetten en de weg moeten helpen effenen door het gebruik van AI aan te moedigen om de menselijke capaciteiten te vergroten en te versterken.
Foto : Joe McKendrick
Dat zijn enkele van de observaties die zijn ontleend aan het onlangs uitgebrachte rapport van Stanford University, het volgende deel van zijn honderdjarige studie over kunstmatige intelligentie, een extreem langdurige inspanning om AI te volgen en te volgen terwijl het de komende eeuw vordert. Het rapport, voor het eerst gelanceerd in 2016, is opgesteld door een permanent comité dat bestaat uit een panel van 17 experts, en dringt erop aan dat AI wordt gebruikt als een hulpmiddel om menselijke vaardigheden te vergroten en te versterken. “Alle belanghebbenden moeten worden betrokken bij het ontwerp van AI-assistenten om een mens-AI-team te produceren dat beter presteert dan alleen. Menselijke gebruikers moeten het AI-systeem en zijn beperkingen begrijpen om het op de juiste manier te kunnen vertrouwen en gebruiken, en AI-systeemontwerpers moeten de context begrijpen waarin het systeem zal worden gebruikt.”
AI heeft het grootste potentieel wanneer het de menselijke capaciteiten vergroot, en dit is waar het het meest productief kan zijn, stellen de auteurs van het rapport. “Of het nu gaat om het vinden van patronen in chemische interacties die leiden tot de ontdekking van nieuwe medicijnen of het helpen van openbare verdedigers bij het identificeren van de meest geschikte strategieën om na te streven, er zijn veel manieren waarop AI de capaciteiten van mensen kan vergroten. Een AI-systeem is misschien beter in het synthetiseren van beschikbare gegevens en het nemen van beslissingen in goed gekarakteriseerde delen van een probleem, terwijl een mens de implicaties van de gegevens misschien beter begrijpt – stel dat ontbrekende gegevensvelden in feite een signaal zijn voor belangrijke, ongemeten informatie voor een subgroep die in de gegevens wordt vertegenwoordigd – – werken met moeilijk te kwantificeren doelstellingen en creatieve acties identificeren die verder gaan dan wat de AI zou kunnen overwegen.”
Volledige autonomie “is niet het uiteindelijke doel van AI-systemen”, stellen de co-auteurs. Er moeten “duidelijke communicatielijnen zijn tussen menselijke en geautomatiseerde besluitvormers. Uiteindelijk zal het succes van het veld worden afgemeten aan hoe het alle mensen in staat heeft gesteld, niet aan hoe efficiënt machines de mensen die we zijn devalueren.” proberen te helpen.”
Het rapport onderzoekt de belangrijkste gebieden waar AI zich ontwikkelt en een verschil maakt in werk en leven:
Ontdekking:“Nieuwe ontwikkelingen op het gebied van interpreteerbare AI en visualisatie van AI maken het voor mensen veel gemakkelijker om AI-programma's diepgaander te inspecteren en deze te gebruiken om informatie expliciet te organiseren op een manier die een menselijke expert het gemakkelijker maakt om de stukjes samen te voegen en inzichten te verkrijgen”, merkt het rapport op. .
Besluitvorming:AI helpt bij het samenvatten van gegevens die te complex zijn voor een persoon om gemakkelijk te absorberen. “Samenvattingen worden nu gebruikt of actief overwogen in gebieden waar grote hoeveelheden tekst moeten worden gelezen en geanalyseerd – of het nu gaat om het volgen van nieuwsmedia, het doen van financieel onderzoek, het uitvoeren van zoekmachineoptimalisatie of het analyseren van contracten, patenten of juridische documenten. vooruitgang in zeer realistische (maar momenteel niet betrouwbare of nauwkeurige) tekstgeneratie, zoals GPT-3, kan deze interacties ook natuurlijker maken.”
AI als assistent:“We beginnen al AI-programma's te zien die tekst van een foto kunnen verwerken en vertalen, zodat reizigers bewegwijzering en menu's kunnen lezen. Verbeterde vertaalhulpmiddelen zullen menselijke interacties tussen culturen vergemakkelijken. Projecten waarvoor ooit een persoon zeer gespecialiseerde kennis nodig had of veel hoeveelheden tijd kunnen voor meer mensen toegankelijk worden door hen te laten zoeken naar taak- en contextspecifieke expertise.”
Taalverwerking:Vooruitgang in de taalverwerkingstechnologie wordt ondersteund door taalmodellen voor neurale netwerken, waaronder ELMo, GPT, mT5 en BERT, die “leren hoe woorden in context worden gebruikt – inclusief elementen van grammatica, betekenis en basisfeiten over de wereld – van het doorzoeken van de patronen in natuurlijk voorkomende tekst. De faciliteit van deze modellen met taal ondersteunt al toepassingen zoals machinevertaling, tekstclassificatie, spraakherkenning, schrijfhulpmiddelen en chatbots. Toekomstige toepassingen kunnen het verbeteren van mens-AI-interacties in verschillende talen en situaties.”
Computervisie en beeldverwerking:“Veel benaderingen voor beeldverwerking maken gebruik van deep learning voor herkenning, classificatie, conversie en andere taken. De trainingstijd voor beeldverwerking is aanzienlijk verminderd. Programma's die draaien op ImageNet, een enorme gestandaardiseerde verzameling van meer dan 14 miljoen foto's die worden gebruikt voor het trainen en testen van visuele identificatieprogramma's, hun werk 100 keer sneller voltooien dan slechts drie jaar geleden.” De auteurs van het rapport waarschuwen echter dat dergelijke technologie onderhevig kan zijn aan misbruik.
Robotica:“De afgelopen vijf jaar hebben we consistente vooruitgang geboekt in intelligente robotica die wordt aangedreven door machine learning, krachtige computer- en communicatiemogelijkheden en een grotere beschikbaarheid van geavanceerde sensorsystemen. Hoewel deze systemen niet volledig kunnen profiteren van alle vooruitgang in AI, voornamelijk vanwege aan de fysieke beperkingen van de omgevingen zijn nu zeer wendbare en dynamische robotsystemen beschikbaar voor thuis en industrieel gebruik.”
Mobiliteit:“De optimistische voorspellingen van vijf jaar geleden over snelle vooruitgang in volledig autonoom rijden zijn niet uitgekomen. De redenen kunnen ingewikkeld zijn, maar de behoefte aan uitzonderlijke veiligheid in complexe fysieke omgevingen maakt het probleem uitdagender en duurder om op te lossen Het ontwerp van zelfrijdende auto's vereist de integratie van een reeks technologieën, waaronder sensorfusie, AI-planning en -besluitvorming, voorspelling van voertuigdynamiek, on-the-fly herroutering, communicatie tussen voertuigen en meer.”
Aanbevelingssystemen:De AI-technologieën die aanbevelingssystemen aandrijven, zijn de afgelopen vijf jaar aanzienlijk veranderd, stelt het rapport. “Eén verschuiving is de bijna universele integratie van diepe neurale netwerken om de reacties van gebruikers op aanbevelingen beter te voorspellen. Er is ook meer gebruik gemaakt van geavanceerde machine-learningtechnieken voor het analyseren van de inhoud van aanbevolen items, in plaats van alleen metadata en gebruikersklik of consumptiegedrag.”
De auteurs van het rapport waarschuwen dat “het gebruik van steeds geavanceerdere machinaal aangeleerde modellen voor het aanbevelen van producten, diensten en inhoud aanzienlijke bezorgdheid heeft doen rijzen over de kwesties eerlijkheid, diversiteit, polarisatie en het ontstaan van filterbubbels, waarbij de aanbeveler systeem suggereert. Hoewel deze problemen meer vereisen dan alleen technische oplossingen, wordt er steeds meer aandacht besteed aan technologieën die dergelijke problemen op zijn minst gedeeltelijk kunnen aanpakken.”
Verwante onderwerpen:
Big Data Analytics Digitale transformatie CXO Internet of Things Innovatie Enterprise Software 