Människor lägger allt mer tid på att göra saker som en maskin skulle kunna göra bättre. En av de många framgångarna med modern programvara är att ägna människors tid åt enkla uppgifter, som att kommentera, “gilla”, snappa, posta och andra sådana aktiviteter.
Tiernan Ray för ZDNet
I sextiofem år sedan John McCarthy första gången myntade termen “artificiell intelligens”, har en av de mest överraskande upptäckterna på området varit att saker som människor gör som är lätta, och som borde vara lätta för en dator att göra, faktiskt visar sig. att vara väldigt, väldigt svårt för maskiner.
Den genomsnittliga vuxne kan relativt lätt uppfatta ett dörrhandtag, sträcka ut handen och ta tag i det, vrida på det och öppna dörren. Samma uppgift är fortfarande oerhört svår att konstruera även för de mest sofistikerade robotarmaturerna som använder banbrytande djupinlärnings-AI-metoder.
Däremot, och lika överraskande, har maskiner överträffat forskarnas förväntningar vid uppgifter som är svåra för en människa. Efter ungefär femhundra år av människors utveckling av schackspelet, kunde en maskin byggd av DeepMind kallad AlphaZero, på ett par år, utvecklas till en punkt där den kunde besegra alla mänskliga stormästare, och även slå dem i ett ännu äldre spel, Go.
Den klyftan mellan det lätta och det svåra definierar vanligtvis debatten om vad som är känt som AI på “mänsklig nivå”, även känd som “artificiell allmän intelligens”, eller AGI, strävan att göra en maskin lika med en människa. Många tror att klyftan innebär att AGI inte kommer att uppnås på decennier, om den någonsin uppnås.
AI-forskaren Melanie Mitchell har skrivit, “AI är svårare än vi tror eftersom vi till stor del är omedvetna om komplexiteten i våra egna tankeprocesser.”
Men vad händer om själva definitionen av vad som är intelligens på “mänsklig nivå” förändras? Tänk om AI inte längre mäts mot kvaliteten på mänskliga tankar och handlingar i den verkliga världen, utan snarare det alltför förutsägbara beteendet att spendera hela dagen med att stirra in i en smartphone?
Även: AI på sextio sekunder
Människor lägger allt mer tid på att göra saker som en maskin skulle kunna göra bättre. En av de många prestationerna med modern programvara är att ägna människors tid åt enkla uppgifter, som det hektiska arbetet du gör på sociala medier, saker som att posta, kommentera, “gilla” och snappa.
Människor tillbringar timmar varje dag med att skriva meddelanden på 240 tecken på Twitter. De klickar oupphörligt på gilla-knappen på bilder de ser på Instagram. Vid varje övergångsställe promenerar de glatt in i mötande trafik medan de rullar. De spenderar timmar på att göra upp en lista över saker att köpa på Amazon som de egentligen inte behöver. Människor har blåst genom otaliga timmar genom att spela om samma nivå på Xbox-spel för att nå högsta poängen. Gud vet hur lång tid vi alla har ägnat åt att insupa Netflix-videor i episka soffpotatissessioner.
Och all denna rullning och klickning förstärks av en hel understruktur av mjukvara under faner på webbplatser. Tekniken i Apache Pinot, ett program för att snabba upp frågor till en databas, hanterar till exempel funktionen “Vem har tittat på min profil?” på LinkedIn. Som en av skaparna av Pinot, Kishore Gopalakrishna, har sagt, är programvaran designad för att svara med svar på en sekund för personer som kollar för att se dussintals gånger om dagen bara vem som har tittat på deras profil.
Pinot, och relaterad mellanprogram som strömningsdataprogrammet Kafka med öppen källkod, är byggda för att mata en vana att ständigt klicka, gilla, skriva lite, twittra, skriva lite mer, pinna, scrolla, etc. Vanor blir beroenden när det finns en belöning för upprepning, och återkopplingsslingan hos moderna webbplattformar ger den belöningen genom att svara på mänskliga klick med fler och fler möjligheter att klicka ytterligare. Pinot och Kafka menar att mänsklig onlineaktivitet är en oändlig process av att trycka på knappar, ungefär som den klassiska labbråttan som trycker på spaken för en pellets.
Människor har blivit fantastiska på att trycka på spaken, men de dåliga nyheterna för människor är att alla dessa uppgifter fortfarande kan utföras mycket lättare, och kanske bättre, av en maskin.
Medan ett naturligt språkbearbetande AI-program av första rang som GPT-3 inte kan engagera sig i en lång diskussion om filosofiska ämnen, är det mer än tillräckligt att spontant generera korta inlägg som tweets på ett givet ämne. För AI att automatisera postningen av bilder på Instagram är förmodligen lika enkelt.
Människor kan påminna memes för att posta på sociala nätverk med en slags intuitiv grace, och återkalla den perfekta GIF-bilden som passar ögonblicket. Även om deras är något imponerande i det, kan maskiner, via brute-force-sökning, utan tvekan komma på nya lösningar för att lägga upp memes som är mer optimala.
Visst kan åtgärden att kontrollera för att se vem som har sett någon på LinkedIn, eller någon annan handling som går ner till att konsumera signaler via ett API från ett program som Pinot, automatiseras för att vara effektivare än hur människor gör det.
Det är sant att människor fortfarande gör massor av andra saker, som att gå till gymmet och vårda sina däggdjursungar. Men de tillbringar allt oftare sin tid på gymmet och tar pauser för att stirra in i en telefon, och deras ungar parkeras alltmer framför en skärm. Naturliga mänskliga aktiviteter har blivit processer som avbryts av en skärm.
Resultatet är att det moderna samhället har kommit till en främmande plats. Mycket mänskligt beteende händer nuförtiden i och runt datorn, där mänskliga förmågor ligger efter de bästa datorprogrammen.
Jensen Huang, medgrundare och VD för Nvidia, företaget som dominerar chips för AI-bearbetning, har ramat in historiens vändning i skarpa termer. Människor är för långsamma, har Huang sagt:
Det finns bara några miljarder av oss, och det tar nio månader att bli gravida, och sedan tar det år att föda upp dem, och sedan när du äntligen får dem till en punkt där de är något intelligenta, petar de på de här sakerna som kallas smartphones , och varje gång du petar på dem skapar det frågor i molnet.
Vilket är väldigt långsamt, oönskat. Lösningen är tydlig, som Huang formulerar det:
Tja, i framtiden kommer det inte att ta nio månader att bygga en ny intelligent varelse, och det kommer inte att ta år att uppfostra dem ; det tar bokstavligen en timme att tillverka en BMW-bil, det tar sekunder att ladda ner den artificiella intelligensen, och den är direkt på Internet inom några sekunder efter det. Det kommer att finnas biljoner av dessa saker.
De sakerna som Huang pratar om är något efter Homo sapiens. Det paradigm som Huang pekar på är automaten. En automat, utan mänskliga svagheter, är mycket kapabel att hantera uppgifter som kan vara väldefinierade – “väl avgränsade” i tekniska termer. Även om bilkörning ännu inte är där för AI, är det möjligt att köra en webbplats, vilket betyder, klicka och “gilla” obevekligt, just nu.
Även: Etik av AI: Fördelar och risker med artificiell intelligens
För stora delar av samhället idag, med tanke på dess ständiga betoning på att optimera inom en begränsad uppsättning digitala regler, liknar ett tv-spel, ett försök att nå en optimal poäng. Och vem är bättre än en maskin för att veta hur man vinner när man spelar mot en maskin?
Samma program som slog människor i schack och Go, AlphaZero, 2019 ledde till ett nytt program, MuZero, som kan uppnå goda resultat med Atari-videospel som Ms Pac Man. Det är en kort resa från Ms Pac Man till att briljera med att posta memes.
Skillnaden finns fortfarande mellan det enkla och det svåra som människor och datorer gör, och kanske kommer det aldrig att erövras av AI. Men mänskligt tänkande blir allt mer suboptimalt för att navigera i en digital värld. Långt innan AGI inträffar kommer människors värld förmodligen att komma till en plats där de flesta aktiviteter utförs mycket bättre av maskiner.
Vid den tidpunkten blir människor överflödiga. Ska de då bytas ut? Det enda skälet till att inte ersätta dem skulle vara om människor fortfarande är viktiga som enheter som inte är ett medel för ett mål utan ett mål i sig själva. Det är inte en teknisk fråga, det är den grundläggande frågan om mänskligheten.
I en värld mer och mer besatt av snabbhet, effektivitet och optimala resultat framför allt, är svaret på den frågan allt annat än säkert.
Teknikintäkter
Alfabetet slår uppskattningar för tredje kvartalet med ökade intäkter med 41 % Samsung rekord starkt tredje kvartal som drivs av chips Amazon förväntar sig att leveranskedjan och arbetskraftsfrågor kommer att kosta det miljarder under fjärde kvartalet eBays intäkter för tredje kvartalet växte med 11 %, även när försäljningstransaktionerna sjönk. LG redovisar högsta intäkter hittills under tredje kvartalet från stark efterfrågan på hemelektronik. Intel publicerar solida resultat för tredje kvartalet när företagsverksamheten återhämtar sig Teslas intäkter för tredje kvartalet, vinst per aktie slår, aktier sjunker. Facebook ger en lätt intäktsguide för fjärde kvartalet, blandade resultat för tredje kvartalet Digital Transformation | CXO | Internet of Things | Innovation | Företagsprogramvara | Smarta städer