Ang Mga Dahilan Para I-regulate ang AI Algorithms ay Mas Simple kaysa sa Inaakala Mo

Nag-aalala ka bang ang artificial intelligence ay sakupin ang mundo? Marami ang gumagawa. Mula kay Elon Musk na nag-aalala Tinalo ng DeepMind ang mga tao sa advanced na laro ng Go sa 2017, sa mga miyembro ng Kongreso, mga gumagawa ng patakaran sa Europa (tingnan ang Isang European na diskarte sa artificial intelligence), at mga akademiko, may ganitong pakiramdam na ito na ang dekada upang seryosohin ang AI, at ito ay tumatagal. Gayunpaman, hindi para sa mga kadahilanang maaari mong isipin at hindi dahil sa anumang kasalukuyang banta.

Dito pumapasok ang mga algorithm. Ano ang algorithm, maaari mong itanong? Ang pinakasimpleng paraan upang isipin ito ay bilang isang hanay ng mga tagubilin na mauunawaan at matutunan ng mga makina. Maaari na nating turuan ang isang makina na kalkulahin, iproseso ang data, at mangatwiran sa isang structured, automated na paraan. Gayunpaman, ang problema ay, sa sandaling ibinigay ang mga tagubilin, susundin sila ng makina. Sa ngayon, iyon ang punto. Hindi tulad ng mga tao, ang mga makina ay sumusunod sa mga tagubilin. Hindi sila natututo ng maayos. Ngunit kapag ginawa nila, maaari silang magdulot ng mga problema.

Hindi ko nais na gumawa ng isang sensationalist na argumento tungkol sa ideya ng mga computer sa isang araw na lampasan ang katalinuhan ng tao, na mas kilala bilang ang singularity argument (tingnan ang NYU philosopher na si David Chalmers' pagmumuni-muni sa paksa.) Sa halip, ang pagmamanupaktura ay maaaring ang pinakamahusay na halimbawa kung bakit nagsisimula nang mas mahalaga ang mga algorithm ng AI sa pangkalahatang publiko. Ang isa ay nangangamba na ang mga makina ay lubos na magpapabilis ng kanilang kahusayan sa ating gastos. Hindi sa pamamagitan ng ilang advanced na pangangatwiran, kinakailangan, ngunit dahil sa pag-optimize sa loob ng mga hangganan ng sinasabi ng isang algorithm.

Ang pagmamanupaktura ay tungkol sa paggawa ng mga bagay. Ngunit kapag ang mga makina ay gumagawa ng mga bagay, kailangan nating bigyang pansin. Kahit na simple lang ang ginagawa ng mga makina. Ipapaliwanag ko kung bakit.

Mula sa rainboots hanggang sa mga cell phone at likod

Sabihin, isang pabrika ang gumagawa ng mga rain boots. Gustung-gusto ko ang mga bota ng ulan dahil lumaki ako sa isang lugar ng Norway kung saan umuulan nang malakas; Gustung-gusto kong nasa labas, napapailalim sa maraming elemento ng kalikasan. Ginawa ng Nokia ang rain boots na kinalakihan ko. Oo, ang Nokia na kilala natin ngayon bilang kumpanya ng electronics na dating gumagawa ng rubber boots. Bakit ito ang susi? Dahil sa sandaling gumawa ka ng isang bagay, ikaw ay nakatadhana na nais na gumawa ng mga pagpapabuti. Na may katuturan. Masasabi mong ugali ng tao iyon.

Ang nangyari sa Nokia ay kilala at medyo ganito: Sa una ay isang gilingan ng papel, noong bata pa ako, ang paggawa ng rubber boots (at mga gulong) ay partikular na matagumpay para sa kumpanya. Gayunpaman, nakakita sila ng karagdagang mga pagkakataon. Kaya naman, sa ilang mga punto noong 1980s, lumipat sila sa electronics at mabilis na binago ang mga pabrika sa paligid, na bumuo ng isang malaking istraktura ng mga lokal na supplier noong nagsimula silang gumawa ng mga cell phone. Nagsimula ito sa rebolusyong pang-mobile na komunikasyon, na nagsimula sa Scandinavia at kumalat sa iba pang bahagi ng mundo. Mauunawaan, marami ang sumulat ng kuwento ng Nokia noong 1990s (tingnan Mga lihim sa likod ng himala ng Finnish: ang pagtaas ng Nokia).

Ang aking halimbawa ay prangka. Marahil, masyadong simple. Ngunit isipin ito sa ganitong paraan. Kung ang isang malaking kumpanya ay maaaring mabilis na lumipat mula sa paggawa ng papel upang isulat, sa mga bota na nagpapadali sa paglabas sa ulan, sa wakas, sa mga cell phone na nagbabago sa paraan ng pakikipag-usap ng mga tao: gaano kadali ang susunod na hakbang? Ipagpalagay na ang isang kumpanya na gumagawa ng mga cell phone ay nagpasya na gumawa ng mga nanobot at marahil ang mga iyon ay lumipad sa loob ng isang dekada, na binabago ang sangkatauhan gamit ang mga maliliit na makina na awtomatikong tumatakbo sa lahat ng dako, na may kakayahang muling buuin at baguhin ang karanasan ng tao. Paano kung mangyari iyon nang hindi isinasaalang-alang kung paano natin ito gustong mangyari, kung sino ang gusto nating pamunuan, at ang mga layunin?

Ang pagmumungkahi na ang mga robot ay sinasadyang tumulong sa Nokia na magpasya na gumawa ng mga cell phone ay magiging isang kahabaan. Ngunit ang pagkilala na ang teknolohiya ay may papel sa pagpapahintulot sa isang Finnish rural na lugar sa hilagang baybayin nito na isipin na maaari nilang makuha ang dominasyon sa mundo sa isang bagong industriya ay gumaganap ng isang mahalagang bahagi.

Ang kuwento ng Nokia ay hindi masyadong maganda sa nakalipas na dekada dahil nabigo silang isaalang-alang ang paglitaw ng software-based na iOS at Android operating system. Ngayon, bilang isang resulta, ang Nokia ay hindi na gumagawa ng mga telepono. Sa isang maliit na kuwento ng pagbabalik, gumagawa na sila ngayon ng imprastraktura ng networking at telecom, mga solusyon sa seguridad sa network, mga Wi-Fi router, matalinong pag-iilaw at mga smart TV (tingnan ang Ang Comeback Story ng Nokia). Gumagawa pa rin ng mga bagay ang Nokia, totoo iyon. Ang tanging obserbasyon na gagawin ay tila laging nasisiyahan ang Nokia sa paghahalo ng mga bagay na kanilang ginagawa. Maging ang mga desisyon sa pagmamanupaktura ng mga tao ay, kung minsan, mahirap maunawaan.

Ang ibig sabihin ng pagmamanupaktura ay ang paggawa ng mga bagay at mga bagay na nagbabago. Sa pangkalahatan, ang ginagawa natin ngayon ay nagbago mula sa nakalipas na dekada. Ang mga 3D printer ay may desentralisadong produksyon ng maraming advanced na produkto, kapwa sa industriya at sa bahay. Hindi pa nangyayari ang pagbabago ng buhay na mga kahihinatnan ng 3D printing. Hindi namin alam kung magtatagal ito ngunit alam namin na ang focus ng FDA ay sa pagsasaayos ng paggawa ng mga produkto (tingnan ang dito) tulad ng mga naka-print na tabletas o mga medikal na aparato na kasunod, ang mga halatang isyu sa intelektwal na ari-arian at pananagutan, o ang mga isyu sa paligid ng kakayahang mag-print ng mga baril. Sa huli, ang talakayan sa patakaran sa kung anong mga negatibong kahihinatnan ang maaaring magkaroon ng 3D printing sa kabila nito ay wala, at iilan sa atin ang nag-abala na isipin ito.

Hindi ko iminumungkahi na ang 3D printing ay mapanganib sa sarili nito. Marahil, ito ay isang masamang halimbawa. Gayunpaman, ang mga bagay na sa una ay mukhang makamundo ay maaaring magbago sa mundo. Maraming halimbawa: ang arrowhead ng hunter/gatherer na gawa sa metal na nagpapasimula ng mga digmaan, mga maskarang ritwal na nagpoprotekta sa atin mula sa COVID-19, mga pako na nagtatayo ng mga skyscraper, mga movable type na printing press na pinupuno (pa rin) ang ating mga pabrika ng naka-print na papel at pinapagana ang negosyo sa pag-publish, mga bombilya na nagbibigay-daan sa iyo upang makita at magtrabaho sa loob sa gabi, maaari akong magpatuloy. Walang sinumang kakilala ko ang naupo noong huling bahagi ng 1800s at hinulaang ililipat ng Nokia ang produksyon nito mula sa papel patungo sa goma patungo sa electronics, at pagkatapos ay malayo sa mga cell phone. Marahil ay dapat na mayroon sila.

Ang mga tao ay mahihirap na tagahula ng hakbang na pagbabago, ang proseso kung saan ang isang pagbabago ay humahantong sa higit pang pagbabago, at biglang, ang mga bagay ay lubhang naiiba. Hindi pa namin naiintindihan ang prosesong ito dahil kaunti lang ang praktikal na kaalaman namin sa exponential change; hindi natin ito mailarawan, makalkula, o maarok. Gayunpaman, paulit-ulit, tinatamaan tayo nito. Ang mga pandemya, paglaki ng populasyon, teknolohikal na pagbabago mula sa pag-print ng libro hanggang sa robotics, kadalasang tinatamaan tayo nito nang walang babala.

Ang lansihin sa futurism ay hindi kung, ngunit kailan. Maaaring aktwal na mahulaan ng isang tao ang pagbabago sa pamamagitan lamang ng pagpili ng ilang bagong paraan ng produksyon at pagsasabi na magiging mas laganap ang mga ito sa hinaharap. Iyan ay sapat na simple. Ang nakakalito na bahagi ay upang malaman kung kailan at lalo na kung paano.

Ang mga clip ng papel ay hindi ang problema

Isaalang-alang muli ang aking halimbawa ng pabrika, ngunit sa pagkakataong ito, isipin na ang mga makina ay namamahala sa maraming mga desisyon, hindi lahat ng mga desisyon, ngunit mga desisyon sa produksyon tulad ng pag-optimize. Sa kanyang libro Superintelligence, ang dystopian humanist ng Oxford University na si Nick Bostrom ay sikat na nag-isip ng isang AI optimization algorithm na nagpapatakbo ng isang paper clip factory. Sa isang punto, sabi niya, isipin na ang mga dahilan ng makina na ang pag-aaral na ilihis ang patuloy na dumaraming mga mapagkukunan sa gawain ay makatwiran, na nagtatapos sa unti-unting ginagawang mga clip ng papel ang ating mundo, at nilalabanan ang ating mga pagtatangka na patayin ito.

Sa kabila ng pagiging matalinong tao, ang halimbawa ni Bostrom ay medyo pipi at nakaliligaw (gayunpaman, hindi malilimutan). Para sa isa, nabigo siyang isaalang-alang ang katotohanan na ang mga tao at mga robot ay hindi na magkahiwalay na entidad. Nakikisalamuha kami. Karamihan sa matatalinong robot ay nagiging cobot o collaborative na robot. Ang mga tao ay magkakaroon ng maraming pagkakataon na itama ang makina. Gayunpaman, nananatili ang kanyang pangunahing punto. Maaaring may isang hakbang na pagbabago sa isang punto, at kung ang pagbabagong iyon ay magaganap nang mabilis at walang sapat na pangangasiwa, maaaring mawala ang kontrol. Ngunit ang matinding kinalabasan na iyon ay tila medyo malayo. Alinmang paraan, sumasang-ayon ako, kailangan nating i-regulate ang mga tao na nagpapatakbo ng mga makinang ito at nag-uutos na ang mga manggagawa ay palaging nasa loop sa pamamagitan ng naaangkop na pagsasanay sa kanila. Hindi maganda ang takbo ng ganoong klase ng pagsasanay. Ito ay kasalukuyang tumatagal ng masyadong mahaba at nangangailangan ng mga espesyalidad na kasanayan sa parehong pagsasanay at upang sanayin. may alam ako. Sa hinaharap, lahat ng uri ng tao ay magpapatakbo ng mga robot. Ang mga hindi, magiging medyo walang kapangyarihan.

Ang pagpapalaki ng mga tao ay mas mahusay kaysa sa walang isip na automation, hindi alintana kung hindi tayo ganap na sumanib sa mga makina. Ang dalawang konsepto ay lohikal na naiiba. Posible para sa parehong mga tao at mga robot na natigil sa pag-automate para sa kapakanan ng automation. Magdudulot iyon ng malaking pinsala sa pagmamanupaktura sa hinaharap. Kahit na hindi ito gumagawa ng mga killer robot. Naniniwala ako na daan-daang taon na ang pagsasama-sama, ngunit hindi iyon ang punto. Kahit na tatlumpung taon na lang, ang mga self-propelling machine na tumatakbo sa mga simplistic na algorithm na nawawalan ng kontrol, ang sitwasyong iyon ay nangyayari na sa shop floor. Ang ilan sa mga makinang iyon ay tatlumpung taong gulang at tumatakbo sa lumang, pagmamay-ari na mga sistema ng kontrol. Ang kanilang pangunahing hamon ay hindi na sila ay advanced ngunit ang kabaligtaran. Masyado silang simplistic para makapag-communicate. Hindi ito problema para bukas. Ito ay isang pre-umiiral na problema. Dapat nating buksan ang ating mga mata dito. Isipin ito sa susunod na pumasok ka sa iyong rubber boots.

Mayroon pa akong Nokia boots noong 1980s. May butas ang mga ito, ngunit itinatago ko ang mga ito upang ipaalala sa aking sarili kung saan ako nanggaling at kung gaano kalayo ang aking nilakad. Ang ulan ay patuloy na bumabagsak din, at hangga't ito ay sapat na malinis, hindi ko gusto ang isang mas mahusay na ayusin para dito kaysa sa mga bota. At muli, tao ako. Ang isang robot ay malamang na naka-move on na. Ano ang bersyon ng AI ng rainboots, nagtataka ako. Hindi ito cellphone. Hindi ito sensor ng ulan. Nakakagulo sa isip.

Ang mga digital na bota ngayon ay nangangahulugan na maaari mong i-personalize ang mga ito dahil mayroon silang mga 3D-print na disenyo sa mga ito. May mga virtual na sapatos na umiiral lamang bilang mga NFT (non-fungible token) na maaaring ibenta at i-trade. Ang nangungunang virtual sneakers ay nagkakahalaga ng $10,000 sa mga araw na ito (tingnan Ano ang NFT Sneaker, at Bakit Ito ay nagkakahalaga ng $10,000?). Hindi ako natatakot sa mga iyon pero dapat ba? Kung ang virtual na mundo ay mas pinahahalagahan kaysa sa pisikal na mundo, marahil ay gagawin ko. O dapat ba akong maghintay na mag-alala hanggang ang sariling avatar ng AI ay bumili ng sarili nitong NFT boot para harapin ang "ulan"? Kung bubuo tayo ng mga algorithm sa sarili nating imahe, mas malamang na ang AI ay magiging mahusay sa mga bagay na gusto nating maging mahusay ngunit kadalasan ay hindi, tulad ng pagbili ng mga stock, pagbuo ng tapat na pakikipagkaibigan (marahil sa parehong mga makina at tao), at pag-alala. bagay. Ang pang-industriyang metaverse ay maaaring nakakagulat na sopistikado–puno ng mga digital na kambal na ginagaya ang ating mundo at nahihigitan ito sa mabungang paraan–o maaaring ito ay napakasimple. Siguro pareho. Hindi pa lang namin alam.

Kailangan nating ayusin ang mga algorithm ng AI dahil hindi natin alam kung ano ang nasa paligid. Iyan ay sapat na dahilan, ngunit kung paano namin ito ginagawa, iyon ay isang mas mahabang kuwento. Pahintulutan ako ng isa pang mabilis na pagmamasid, marahil ang lahat ng mga pangunahing algorithm ay dapat gawin sa publiko. Ang dahilan ay, kung hindi, walang paraan upang malaman kung ano ang maaaring humantong sa mga ito. Ang mga nangungunang ay lubos na kilala (tingnan Nangungunang 10 Machine Learning Algorithm), ngunit walang pangkalahatang-ideya sa buong mundo kung saan at paano sila masanay. Lalo na ang mga hindi sinusubaybayang algorithm na dapat bantayang mabuti (tingnan ang Anim na Mahuhusay na Kaso ng Paggamit para sa Machine Learning sa Manufacturing), kung ang mga ito ay ginagamit upang hulaan ang pagpapanatili o kalidad, upang gayahin ang mga kapaligiran ng produksyon (hal. digital twins), o upang makabuo ng mga bagong disenyo na hindi maiisip ng isang tao. Sa tanawin ngayon, ang mga hindi sinusubaybayang algorithm na ito ay karaniwang tinatawag na mga artificial neural network, na sinusubukang gayahin ang utak ng tao.

Nagsimula na akong mag-alala tungkol sa mga neural net, dahil nahihirapan akong maunawaan ang kanilang lohika. Ang problema ay ang karamihan sa mga eksperto, maging ang mga nagde-deploy sa kanila, ay hindi nauunawaan kung paano lumilipat ang mga algorithm na ito mula sa bawat hakbang o layer sa layer. Hindi sa tingin ko ang metapora ng "mga nakatagong layer", na kadalasang ginagamit, ay napakaangkop o napaka nakakatawa. Dapat ay walang nakatagong mga layer sa pagmamanupaktura, sa awtomatikong pagkolekta ng buwis, sa mga desisyon sa pagkuha, o sa mga pagpasok sa kolehiyo, bilang mga panimula. Marahil ay dapat mo ring isaalang-alang ang pag-aalala? Isang bagay ang sigurado, ang mga tao at mga makina na gumagawa ng mga bagay na magkasama ay magbabago sa mundo. Mayroon na, maraming beses na. Mula sa papel hanggang sa rainboots, at ang mga layer ng artipisyal na utak ngayon, walang dapat iwanang hindi ginalugad. Hindi natin dapat itago ang simpleng katotohanan na mula sa maraming maliliit na pagbabago, isang mas malaking pagbabago ang maaaring biglang lumitaw.