211service.com
AIs PR-problem
HBO Westworld har en felles plot-enhet – syntetiske verter som reiser seg mot sine ufølsomme menneskelige skapere. Men er det mer enn bare en plott-vri? Tross alt har smarte mennesker som Bill Gates og Steven Hawking advart om at kunstig intelligens kan være på en farlig vei og kan true menneskehetens overlevelse.
De er ikke de eneste som er bekymret. EU-parlamentets komité for juridiske anliggender ga nylig ut en rapport som oppfordrer EU til å kreve at intelligente roboter registreres, delvis slik at deres etiske karakter kan vurderes. Stop Killer Robots-bevegelsen, i motsetning til bruken av såkalte autonome våpen i krig, påvirker både FNs og det amerikanske forsvarsdepartementets politikk.
Kunstig intelligens ser ut til å ha et PR-problem. Selv om det er sant at dagens maskiner på en troverdig måte kan utføre mange oppgaver (spille sjakk, kjøre bil) som en gang var reservert for mennesker, betyr det ikke at maskinene blir mer intelligente og ambisiøse. Det betyr bare at de gjør det vi bygde dem for å gjøre.
Robotene kan komme, men de kommer ikke for oss – fordi de ikke finnes. Maskiner er ikke mennesker, og det er ingen overbevisende bevis på at de er på vei mot følelse.
Jerry Kaplan
Vi har erstattet dyktige og kunnskapsrike arbeidere i århundrer, men maskinene ønsker ikke bedre jobber og høyere sysselsetting. Jacquard-vevstoler erstattet eksperthåndarbeidere på 1800-tallet, men disse bemerkelsesverdige enhetene – programmert med hullkort for en myriade av stoffmønstre – betød ikke undergang for dressmakere og skreddere. Fram til midten av 1900-tallet stolte vi på våre beste og flinkeste til å gjøre regning – å være en kalkulator pleide å være et høyt respektert yrke. Nå som sammenlignbare dyktige enheter gis bort som salgsfremmende pyntegjenstander på messer, kan de matematisk tenkende blant oss fokusere på oppgaver som krever bredere ferdigheter, som statistisk analyse. Snart vil bilen din kunne kjøre deg til kontoret på kommando, men du trenger ikke å bekymre deg for at den registrerer deg hos Uber for å tjene noen ekstra dollar for bensin mens du er på et personalmøte (med mindre du instruerer det også).
AI bruker noen kraftige teknologier, men de passer ikke sammen så godt som du kanskje forventer. Tidlige forskere fokuserte på måter å manipulere symboler i henhold til regler. Dette var nyttig for oppgaver som å bevise matematiske teoremer, løse gåter eller legge ut integrerte kretser. Men flere ikoniske AI-problemer – som å identifisere objekter i bilder og konvertere talte ord til skriftspråk – viste seg å være vanskelig å knekke. Nyere teknikker, som går under ambisjonsbanneret maskinlæring, viste seg mye bedre egnet for disse utfordringene. Maskinlæringsprogrammer trekker ut nyttige mønstre fra store datasamlinger. De driver anbefalingssystemer på Amazon og Netflix, finpusser Google-søkeresultater, beskriver videoer på YouTube, gjenkjenner ansikter, handler med aksjer, styrer biler og løser en myriade av andre problemer der big data kan bringes i bruk. Men ingen av tilnærmingene er intelligensens hellige gral. Faktisk, de sameksisterer ganske vanskelig under etiketten kunstig intelligens. Bare eksistensen av to store tilnærminger med forskjellige styrker setter spørsmålstegn ved om noen av dem kan tjene som grunnlag for en universell teori om intelligens.
For det meste er AI-prestasjonene som er omtalt i media ikke bevis på store forbedringer på feltet. AI-programmet fra Google som vant en Go-konkurranse i fjor var ikke en raffinert versjon av det fra IBM som slo verdens sjakkmester i 1997; bilfunksjonen som piper når du kommer ut av kjørefeltet fungerer ganske annerledes enn den som planlegger ruten din. I stedet blir prestasjonene som så pustløst rapportert ofte flettet sammen fra en pose med forskjellige verktøy og teknikker. Det kan være lett å ta feil av trommeslag av historier om maskiner som bestor oss i oppgaver som bevis på at disse verktøyene blir stadig smartere – men det skjer ikke.
Offentlig diskurs om AI har blitt løst fra virkeligheten delvis fordi feltet ikke har en sammenhengende teori. Uten en slik teori kan folk ikke måle fremgang i feltet, og karakterisering av fremskritt blir noens gjetning. Som et resultat er de vi hører mest fra de med de høyeste stemmene i stedet for de som har noe vesentlig å si, og presseoppslag om morderroboter går stort sett uimotsagt.
Jeg vil foreslå at et problem med AI er selve navnet – laget for mer enn 50 år siden for å beskrive forsøk på å programmere datamaskiner til å løse problemer som krevde menneskelig intelligens eller oppmerksomhet. Hadde kunstig intelligens blitt kalt noe mindre skummelt, kan det virke like prosaisk som operasjonsforskning eller prediktiv analyse.
Kanskje en mindre provoserende beskrivelse ville være noe sånt som antropisk databehandling. En bred betegnelse som dette kan omfatte forsøk på å designe biologisk inspirerte datasystemer, maskiner som etterligner den menneskelige formen eller evnene, og programmer som samhandler med mennesker på naturlige, kjente måter.
Vi bør slutte å beskrive disse moderne vidunderne som proto-mennesker og heller snakke om dem som en ny generasjon fleksible og kraftige maskiner. Vi bør være forsiktige med hvordan vi distribuerer og bruker AI, men ikke fordi vi tilkaller en mytisk demon som kan vende seg mot oss. Snarere bør vi motstå vår disposisjon for å tilskrive menneskelige egenskaper til våre kreasjoner og akseptere disse bemerkelsesverdige oppfinnelsene for hva de virkelig er – kraftige verktøy som lover en mer velstående og komfortabel fremtid.
Jerry Kaplan underviser i den sosiale og økonomiske effekten av AI ved Stanford University. Hans siste bok er Kunstig intelligens: Hva alle trenger å vite, fra Oxford University Press.