Obsah
Q:
Jak se společnosti pokoušejí o umělou inteligenci přidat „rychloměr“?
A:
Některé společnosti, které pracují na nejnovějším pokroku v oblasti umělé inteligence, se zaměřují na kvantifikaci pokroku, kterého dosáhly, a na srovnávání některých aspektů vývoje umělé inteligence v průběhu času. Existuje mnoho důvodů, proč společnosti provádějí tyto typy analýz. Obecně se snaží zjistit, jak daleko umělá inteligence dospěla, jak se to týká našich životů a jak to ovlivní trhy.
Některé společnosti debatují a sledují svůj pokrok v oblasti umělé inteligence, aby zjistily, jak nové technologie mohou ovlivnit občanské svobody nebo jak mohou vytvářet nové ekonomické skutečnosti. V závislosti na přístupu společnosti mohou mít tyto typy analýz podobu pokusu zjistit, jak mohou uživatelská data protékat systémy, porozumět tomu, jak budou rozhraní fungovat, nebo zjistit, jaké schopnosti mají subjekty umělé inteligence a jak je mohou využít.
Pokud jde o metody, společnosti, které se snaží srovnávat umělou inteligenci, se mohou zaměřit na rozebírání abstraktních informací - například článek Wired cituje projekt AI Index, kde pracují výzkumníci jako Ray Perrault, kteří pracují v neziskové laboratoři SRI International. podrobný snímek toho, co se děje v oblasti umělé inteligence.
"To je něco, co je třeba udělat, částečně proto, že tam je tolik šílenství tam, kam jde AI," říká Perrault v článku a komentuje motivaci k přijetí tohoto typu projektu.
Při vysvětlování toho, jak funguje srovnávací testování umělé inteligence, někteří odborníci vysvětlují, že inženýři nebo jiné strany se mohou pokoušet provádět „tvrdé testování“ projektů umělé inteligence, například se snaží „oklamat“ nebo „porazit“ systémy umělé inteligence. Tento druh popisu skutečně jde do srdce toho, jak mohou společnosti skutečně sledovat a hodnotit umělou inteligenci. Jedním ze způsobů, jak o tom přemýšlet, je použít stejné druhy nápadů, jaké programátoři používali v minulosti k ladění systémů lineárních kódů.
Ladění systémů s lineárním kódem bylo jen o nalezení míst, kde by systém fungoval dobře - kde by se program zhroutil, kde by zamrzl, kde by běžel pomalu atd. Jednalo se o nalezení toho, kde by logické chyby zastavily nebo zmátly projekt, kde funkce nebude fungovat správně, nebo tam, kde by mohla být nějaká nezamýšlená uživatelská událost.
Když o tom přemýšlíte, moderní testování umělé inteligence může být podobným úsilím na velmi odlišné úrovni - protože technologie umělé inteligence jsou kognitivnější než lineární, toto testování má mnohem odlišnou podobu, ale lidé stále hledají „chyby“ “- způsoby, jak tyto programy mohou mít nezamýšlené důsledky, způsoby, jak by mohly jednat a poškodit lidské instituce atd. S ohledem na to, ačkoli existuje mnoho různých odlišných metod vytváření rychloměru nebo měřítka pro pokrok v umělé inteligenci, typy tvrdé testování popsané výše poskytne lidem jedinečný pohled na to, jak daleko umělá inteligence dospěla, a co je třeba udělat, aby to dodalo více pozitiv, aniž by vyvinulo více negativů.