Vissa tror att spridningen av artificiell intelligens och robotik sätter vår integritet, våra jobb och till och med vår säkerhet i riskzonen. Fler och fler uppgifter går till silikonbaserade hjärnor. Men även de mest stämma kritikerna kan inte underkänna de uppenbara fördelarna som AI och automatiserade system förbereder för mänskligheten. Som en del av projektet Grand Challenges samlade BBC experter som lade fram sin vision för framtiden i närvaro av maskiner och artificiell intelligens.
"Vi måste se AI inte som något som konkurrerar med oss, utan som något som kan förbättra våra egna förmågor," säger Takeo Kanade, professor i robotik vid Carnegie Mellon University. Eftersom AI har en tolerans för tristess och också kan identifiera mönster mycket bättre och snabbare än människor. Automation har redan börjat ta upp världens mest komplexa knutar, från sjukdom till grymhet.
Och det kan göra våra liv säkrare under 2000-talet.
Bekämpa infektionssjukdomar
För miljarder människor runt om i världen kan surret av myggor nära deras öron betyda mycket mer än en irriterande tugga - det kan vara en föregångare av sjukdom och till och med döden. En art, Aedes aegypti, har särskilt spridit sig från Afrika till nästan alla tropiska och subtropiska regioner, som bär Dengue-feber, gul feber, Zika och chikungunya (ett virus som orsakar lammande ledvärk). Dengue infekterar bara 390 miljoner människor i 128 länder varje år.
"Denna mygga är en liten demon," säger Rainier Mallol, en datoringenjör i Dominikanska republiken, en het plats för Zika. Tillsammans med Desi Raja, en läkare från Malaysia (ett annat land som riskerar att drabbas av viruset), har paret utvecklat AI-algoritmer som förutsäger var utbrott sannolikt kommer att uppstå.
Kampanjvideo:
Microsofts projektföreläggning använder drönare för att hitta patogener i Zika Hot Spots
Deras artificiell intelligens i medicinsk epidemiologi (Aime) är ett system som kombinerar tid och plats för varje nytt Dengue-fall som rapporteras av lokala sjukhus med 274 andra variabler som vindriktning, fuktighet, temperatur, befolkningstäthet, typ av bostäder. "Dessa är alla faktorer som avgör spridningen av myggor," förklarar Mallall.
Tester i Malaysia och Brasilien har visat att de kan förutsäga utbrott med en noggrannhet på cirka 88% på tre månader. Systemet hjälper också till att lokalisera epicentret för ett utbrott till inom 400 meter, vilket gör att lokala läkare kan ingripa i tid med insekticider och bettskydd för lokalbefolkningen.
Aime utvecklas också för att förutsäga utbrott av Zika och Chikungunya. Stora teknikföretag tar denna idé på sitt eget sätt: Microsofts Project Premonition använder till exempel autonoma drönare för att upptäcka myggfickor och använder koldioxid och lätta fällor för att fånga dessa insekter. Myggorna och djuren som de biter analyseras sedan med maskinalgoritmer som upptäcker mönster i gigantiska mängder data bättre och bättre varje gång - och hittar patogener.
Vapen Fight
Under det senaste året har 15 000 människor dött i USA på grund av skott. Detta land har den högsta graden av våldsrelaterat våld i hela den utvecklade världen. För att hantera problemen med kritisk skytte och vapenrelaterat brott vänder sig vissa städer över hela landet till teknik för att få hjälp.
Ett automatiserat system som hör vapenljud genom en serie sensorer kan användas för att hitta var skott avfyrades och varnar säkerhetsstyrkor inom 45 sekunder efter att avtryckaren drogs. ShotSpotter använder 15-20 akustiska sensorer per kvadratkilometer för att upptäcka den karakteristiska "pop" för ett skott och lokalisera dess födelseplats med en noggrannhet på 25 meter.
Maskininlärningstekniker används för att bekräfta att ljudet var ett skjutskott och räknar antalet skott som avfärdats för att indikera om polisen kommer att hantera en ensam pistolman eller flera kriminella, och om de använder maskingevär eller inte.
Redan 90 städer - mestadels i USA, men också i Sydafrika och Sydamerika - använder ShotSpotter. Små system har också distribuerats över nio amerikanska campus som svar på det nyligen skjutvapen på campus.
Ralph Clarke, VD för ShotSpotter, tror att systemet kan användas i framtiden för mer än bara att svara på incidenter.
"Vi ser för att förstå hur våra uppgifter kan användas för att förutsäga kapacitet hos poliser," säger han. "Maskininlärning kan kombineras med väder, trafik och mer för att informera polisens patrullering mer exakt."
Bekämpa hunger
Cirka 800 miljoner människor över hela världen förlitar sig på kassava (cassava) rötter som deras huvudsakliga kolhydratkälla. Denna stärkelsefulla yamliknande grönsak äts som en potatis; det kan också malas till mjöl för att göra bröd och bakverk. Den kan växa där andra grödor inte kan, vilket gör kassava till världens sjätte största livsmedelsväxt. Emellertid är denna woody buske också sårbar för sjukdomar och skadedjur som kan förstöra hela grönsaksfält.
Forskare vid Makerere University i Kampala, Uganda har samarbetat med experter på växtsjukdomar för att utveckla ett automatiserat system som syftar till att bekämpa kassavasjukdom. Mcrops-projektet gör det möjligt för lokala jordbrukare att fotografera sina växter med billiga smartphones och använda datorsyn för att upptäcka tecken på fyra stora sjukdomar som är förödande kassava-grödor.
"Vissa av dessa sjukdomar är extremt svåra att känna igen och kräver olika åtgärder," förklarar Ernest Mwebase, en datavetare som leder projektet. "Vi ger bönderna en fickekspert så att de vet om de ska pollinera sina grödor eller förstöra och plantera något annat."
Detta system diagnostiserar kassavasjukdomar med 88 procents noggrannhet. Vanligtvis måste jordbrukare ringa regeringsexperter för att besöka gårdar för att identifiera sjukdomar, vilket tar dagar och veckor för sjukdomen att spridas.
Mcrops låter dig också ladda upp snapshots till en databas, som sedan används för att diagnostisera utbrott. Mwebaze hoppas att tekniken också automatiskt kommer att upptäcka problem med andra växtarter, till exempel bananer.
Bekämpa cancer och synförlust
Cancer orsakar mer än 8,8 miljoner dödsfall över hela världen och 14 miljoner människor diagnostiseras med någon form av cancer varje år. Tidig upptäckt av cancer kan avsevärt öka en persons chans att överleva och minska risken för återfall. Screening är ett av de viktigaste sätten att upptäcka cancer tidigt, men det är mycket, mycket svårt och tidskrävande att förstå skanningar och andra testresultat.
Googles DeepMind kan hjälpa läkare med cancerbehandling med maskininlärning för att hjälpa den att identifiera hälsosamma områden i patientens vävnad
DeepMind och IBM tillämpar sina AI-tekniker på detta problem. DeepMind har samarbetat med brittiska NHS-läkare vid University Colleges i London för att utbilda sitt AI-baserade program för att behandla cancer genom att separera områden med frisk vävnad från tumörer i huvud- och nackskanningar. Hon arbetar också med Moorfields Eye Hospital i London och upptäcker tidiga tecken på synförlust på ögonscanningar.
"Våra algoritmer kan tolka visuell information från skanningar," säger Dominic King, klinisk chef på DeepMind Health.”Systemet lär sig att identifiera potentiella problem och rekommenderar rätt åtgärdsförfarande för läkaren. Det är för tidigt att kommentera resultaten, men de är redan mycket uppmuntrande."
King säger att AI-tekniker kan hjälpa läkare att ställa diagnoser snabbare genom att söka igenom skanningar och prioritera de som rekommenderas för omedelbar övervägning.
IBM tillkännagav också nyligen att Watsons AI kan analysera bilder och utvärdera patientjournaler, och fastställa en tumör 96% av tiden. Systemet genomgår för närvarande medicinska prövningar i 55 sjukhus runt om i världen, vilket hjälper till att diagnostisera bröst-, lung-, kolorektala, livmoderhals-, äggstocks-, mag- och prostatacancer.
Utan att stänga av ljuset
Mitt i en het debatt om klimatförändringarna kunde ha utlöst två katastrofala orkaner i historisk skala i USA, hur kan konstgjord intelligens maximeras för att undersöka användningen av ren, förnybar energi för att förhindra ytterligare skador som leder till klimatproblem?
Människor runt om i världen litar allt mer på förnybara energikällor för att bekämpa klimatförändringar och föroreningar orsakade av fossila bränslen, och uppgiften att balansera energinät med sådana intermittenta källor blir allt svårare. Spredningen av smarta mätare - digitala energimonitorer som automatiskt registrerar förbrukning - kommer också att ge mycket information om hur och när konsumenterna använder energi. EU planerar ensam att installera 500 miljoner smarta meter i hem senast 2020.
"Att hantera alla dessa tillgångar är omöjligt för människor eftersom svarstider ofta är i storleksordningen några sekunder," säger Valentin Robu, biträdande professor i intelligenta system vid Heriot Watt University i Edinburgh. Han arbetar med det brittiska företaget Upside Energy för att utveckla nya sätt att hantera elnät.
De skapar maskininlärningsalgoritmer för att övervaka produktion och energibehov i realtid. Vad betyder det? Den energin kommer att lagras under tyst timmar och sedan släppas under högtider, till exempel på morgonen, när alla vill göra sitt eget kaffe. När elbilar och hemmabatterier blir vanligare kan tekniken användas för att lagra energi och jämnt fördela förnybara flöden.
Robu säger också att AI kan användas på en ännu mer grundläggande nivå, vilket hjälper till att minska vår efterfrågan på anslutna enheter. Till exempel kan kylskåp styras direkt av AI så att de bara slås på när efterfrågan på el är som lägst på nätet.
Ilya Khel
