Mennesker bruker i økende grad tiden på å gjøre ting som en maskin kan gjøre bedre. En av de mange prestasjonene med moderne programvare er å okkupere folks tid med enkle oppgaver, som å kommentere, “like”, snappe, legge ut og andre slike aktiviteter.
Tiernan Ray for ZDNet
I sekstifem år siden John McCarthy først laget begrepet «kunstig intelligens», har en av de mest overraskende oppdagelsene på feltet vært at ting som folk gjør som er enkle, og som burde være lett for en datamaskin å gjøre, faktisk viser seg. å være veldig, veldig vanskelig for maskiner.
Den gjennomsnittlige voksne kan relativt enkelt oppfatte en dørhåndtak, strekke ut hånden og ta tak i den, snu den og åpne døren. Den samme oppgaven er fortsatt utrolig vanskelig å konstruere for selv de mest sofistikerte robotarmaturer som bruker banebrytende dyplærings-AI-tilnærminger.
Derimot, og like overraskende, har maskiner overgått forskernes forventninger ved oppgaver som er vanskelige for et menneske. Etter omtrent fem hundre år med utvikling av mennesker av sjakkspillet, var en maskin bygget av DeepMind kalt AlphaZero i stand til, i løpet av et par år, å utvikle seg til et punkt der den kunne beseire alle menneskelige stormestere, og også slå dem i et enda eldre spill, Go.
Det skillet mellom det enkle og det vanskelige definerer vanligvis debatten om det som er kjent som AI på “menneskenivå”, også kjent som “kunstig generell intelligens”, eller AGI, søken etter å gjøre en maskin lik et menneske. Mange tror at skillet betyr at AGI ikke vil bli oppnådd på flere tiår, hvis det noen gang blir oppnådd.
AI-forsker Melanie Mitchell har skrevet, “AI er vanskeligere enn vi tror fordi vi stort sett er ubevisste om kompleksiteten til våre egne tankeprosesser.”
Men hva om selve definisjonen av hva som er intelligens på “menneskenivå” er i endring? Hva om AI ikke lenger måles mot kvaliteten på menneskelig tanke og handling i den virkelige verden, men snarere den altfor forutsigbare oppførselen ved å bruke hele dagen på å stirre inn i en smarttelefon?
Også: AI på seksti sekunder
I økende grad bruker mennesker tiden sin på å gjøre ting som en maskin kan gjøre bedre. En av de mange prestasjonene til moderne programvare er å okkupere folks tid med enkle oppgaver, for eksempel det travle arbeidet du gjør på sosiale medier, ting som å legge ut, kommentere, “like” og snappe.
Folk bruker timer hver dag på å skrive meldinger på 240 tegn på Twitter. De klikker ustanselig på like-knappen på bilder de ser på Instagram. Ved hvert fotgjengerovergang rusler de glatt inn i møtende trafikk mens de scroller. De bruker timer på å lage en liste over ting å kjøpe på Amazon som de egentlig ikke trenger. Mennesker har blåst gjennom utallige timer med å spille det samme nivået på Xbox-spill for å nå den høyeste poengsummen. Gud vet hvor lang tid vi alle har brukt på å få i oss Netflix-videoer i episke sofa-potet-økter.
Og all denne rullingen og klikkingen er forbedret av en hel understruktur av programvare under finéren til nettsteder. For eksempel administrerer teknologien til Apache Pinot, et program for å øke hastigheten på spørringer til en database, funksjonen “Hvem har sett profilen min?” på LinkedIn. Som en av skaperne av Pinot, Kishore Gopalakrishna, har sagt, er programvaren designet for å svare med svar på et brøkdel av et sekund for folk som sjekker for å se dusinvis av ganger om dagen bare hvem som har sett profilen deres.
Pinot, og beslektet mellomvare som åpen kildekode-streamingdataprogrammet Kafka, er bygget for å nære en vane med konstant å klikke, like, skrive litt, tweete, skrive litt mer, pinne, rulle osv. Vaner blir avhengigheter når det er en belønning for repetisjon, og tilbakemeldingssløyfen til moderne nettplattformer gir den belønningen ved å svare på menneskelige klikk med flere og flere muligheter til å klikke litt mer. Pinot og Kafka mener at menneskelig nettaktivitet er en endeløs prosess med å trykke på knapper, omtrent som den klassiske laboratoriet som skyver spaken for en pellet.
Mennesker har blitt ypperlige til å trykke på spaken, men den dårlige nyheten for mennesker er at alle disse oppgavene fortsatt kan gjøres mye lettere, og kanskje bedre, av en maskin.
Selv om et AI-program for naturlig språkbehandling av første rang som GPT-3 ikke kan delta i en langvarig diskusjon om filosofiske emner, er det mer enn tilstrekkelig å spontant generere kortformede innlegg som tweets på et gitt emne. For AI å automatisere publisering av bilder på Instagram er sannsynligvis like enkelt.
Mennesker er i stand til å huske memer for å legge ut på sosiale nettverk med en slags intuitiv ynde, og husker det perfekte GIF-bildet som passer for øyeblikket. Mens deres er noe imponerende i det, kan maskiner, via brute-force-søk, uten tvil komme opp med nye løsninger for å legge ut memes som er mer optimale.
Sikkert handlingen med å sjekke for å se hvem som har sett noen på LinkedIn, eller enhver annen handling som koker ned til å konsumere signaler via en API fra et program som Pinot, kan automatiseres for å være mer effektiv enn måten mennesker gjør det på.
Det er sant at mennesker fortsatt gjør mange andre ting, som å gå på treningsstudio og pleie pattedyrungene sine. Men i økende grad bruker de tiden på treningsstudioet til å ta pauser for å stirre inn i en telefon, og ungene deres parkerer i økende grad foran en skjerm. Naturlige menneskelige aktiviteter har blitt til prosesser som er punktert av en skjerm.
Resultatet er at det moderne samfunnet har kommet til et merkelig sted. Mye menneskelig atferd skjer i dag i og rundt datamaskinen, hvor menneskelige fakulteter ligger etter de beste dataprogrammene.
Jensen Huang, medgründer og administrerende direktør i Nvidia, selskapet som dominerer brikker for AI-behandling, har rammet historiens vending i sterke termer. Mennesker er for trege, har Huang sagt:
Det er bare noen få milliarder av oss, og det tar ni måneder å svangere, og så tar det år å oppdra dem, og når du endelig får dem til et punkt hvor de er litt intelligente, stikker de på disse tingene som kalles smarttelefoner , og hver gang du pirker på dem, skaper det spørringer i skyen.
Som alt er veldig tregt, uønsket. Løsningen er klar, slik Huang formulerer det:
Vel, i fremtiden vil det ikke ta ni måneder å bygge et nytt intelligent vesen, og det vil ikke ta år å oppdra dem ; det tar bokstavelig talt en time å produsere en BMW-bil, det tar sekunder å laste ned den kunstige intelligensen, og den er rett på Internett i løpet av sekunder etter det. Det vil være billioner av disse tingene.
De tingene Huang snakker om er noe etter Homo sapiens. Paradigmet som Huang peker på er automaten. En automat, blottet for menneskelige svakheter, er svært i stand til å håndtere oppgaver som kan være veldefinerte – “velomfattet” i tekniske termer. Selv om bilkjøring ikke er der ennå for AI, er det mulig å kjøre et nettsted, som betyr å klikke og “like” nådeløst, akkurat nå.
Også: Etikk ved AI: Fordeler og risikoer ved kunstig intelligens
For mye av samfunnet i dag, gitt sin konstante vekt på optimalisering innenfor et begrenset sett med digitale regler, ligner et videospill, et forsøk på å oppnå en optimal poengsum. Og hvem er bedre enn en maskin for å vite hvordan man kan vinne i spillet med å spille mot en maskin?
Det samme programmet som slo mennesker i sjakk og Go, AlphaZero, i 2019 førte til et nytt program, MuZero, som er i stand til å oppnå gode resultater ved å spille Atari-videospill som Ms Pac Man. Det er en kort tur fra Ms Pac Man til å utmerke seg med å legge ut memes.
Skillnaden eksisterer fortsatt mellom de enkle og de vanskelige tingene som mennesker og datamaskiner gjør, og kanskje vil det aldri bli erobret av AI. Men menneskelig tanke er stadig mer suboptimal for å navigere i en digital verden. Lenge før AGI skjer, vil menneskenes verden trolig komme til et sted hvor de fleste aktiviteter er langt bedre utført av maskiner.
På det tidspunktet blir mennesker overflødige. Bør de da byttes ut? Den eneste grunnen til å ikke erstatte dem ville være hvis mennesker fortsatt betyr noe som enheter som ikke er et middel til et mål, men et mål i seg selv. Det er ikke et teknologispørsmål, det er menneskehetens essensielle spørsmål.
I en verden som er mer og mer besatt av hastighet, effektivitet og optimale resultater fremfor alt annet, er svaret på det spørsmålet alt annet enn sikkert.
Teknikkinntekter
Alfabet slår estimater for tredje kvartal med omsetning opp 41 % Samsung rekorder sterkt tredje kvartal drevet av sjetonger Amazon forventer at forsyningskjeden og arbeidsproblemer vil koste den milliarder i Q4 eBays omsetning for tredje kvartal vokste 11 %, selv ettersom salgstransaksjonene falt LG har den høyeste omsetningen til dags dato i 3. kvartal fra sterk etterspørsel etter hjemmeelektronikk. Intel legger ut solide resultater for 3. kvartal ettersom bedriftsvirksomheten vender tilbake Teslas 3. kvartals inntekter på linje, EPS slår, aksjer synker. blandede resultater for 3. kvartal Digital transformasjon | CXO | Internet of Things | Innovasjon | Enterprise Software | Smarte byer