Det finns ett roligt psykologiskt fenomen: upprepa alla ord många gånger, och i slutändan kommer det att förlora all mening, förvandlas till en våt trasa, till fonetiskt ingenting. För många av oss har frasen "artificiell intelligens" länge förlorat sin betydelse. AI finns överallt inom teknik just nu och driver allt från TV till tandborste, men det betyder inte vad det ska. Det behöver inte vara så.
Konstgjord intelligens: gott eller ont
Medan frasen "artificiell intelligens" onekligen missbrukas, gör denna teknik mer än någonsin, både bra och dåligt. Det används inom sjukvård och kamp; hjälper människor att skriva musik och böcker; utvärderar din kreditvärdighet och förbättrar foton som tagits med din telefon. Kort sagt tar hon beslut som påverkar ditt liv, oavsett om du gillar det eller inte.
Det kan vara svårt att hålla med hype och hype som teknikföretag och annonsörer diskuterar med AI. Ta till exempel Oral-B: s Genius X-tandborste, till exempel en av många enheter som presenterades vid årets CES som utropade påstådda AI-funktioner. Men vid en närmare granskning blir det tydligt att borsten helt enkelt ger dig feedback om du borstar tänderna under rätt tid och på rätt ställen. Det finns några smarta sensorer där ute som kan säga var din borste är i munnen, men att kalla det konstgjord intelligens är skitsnack, ingenting mer.
Hype avlar missförstånd. Pressen kan blåsa upp och överdriva all forskning genom att sätta Terminator på någon vag AI-berättelse. Detta leder ofta till förvirring om vad konstgjord intelligens är. Detta kan vara ett knepigt ämne för icke-specialister, och människor kopplar ofta felaktigt modern AI till den version de är mest bekanta med: sci-fi-representationen av en medveten dator många gånger smartare än människor. Experter kallar denna bild av AI: s allmänna konstgjord intelligens, och om vi någonsin kan skapa något liknande så kommer det att vara mycket långt borta. Fram till dess kommer att överdriva AI-systemets funktioner, intelligens eller kapacitet inte hjälpa processen på något sätt.
Det är mycket bättre att prata om "maskininlärning" snarare än artificiell intelligens. Det är ett underfält av konstgjord intelligens som omfattar nästan alla tekniker som har störst inverkan på världen idag (inklusive det som kallas djup inlärning). Det finns ingen "AI" -mystik i denna fras, men det är mer användbart för att förklara vad den här tekniken gör.
Hur fungerar maskininlärning? Under de senaste åren har du och jag haft möjlighet att läsa dussintals förklaringar, och den viktigaste skillnaden jag fann för mig själv ligger rätt i namnet: maskininlärning är allt som gör att datorer kan lära sig på egen hand. Men vad det egentligen betyder är en mycket större fråga.
Kampanjvideo:
Låt oss börja med problemet. Låt oss säga att du vill skapa ett program som känner igen katter. Du kan skriva det på gammaldags sätt genom att programmera uppenbara regler som "katter har spetsiga öron" och "katter är fluffiga". Men vad gör programmet när du visar det en bild av en tiger? Varje regel kommer att vara tidskrävande att programmera, och du måste förklara många olika begrepp som fluffiness och fläckning. Bättre att låta maskinen lära sig själv. Så du ger henne en enorm samling kattbilder och hon går igenom dem för att hitta sina egna mönster i det hon ser. Det ansluter prickarna till en början, mestadels av misstag, men du testar det om och om igen för att behålla de bästa versionerna. Och med tiden börjar hon ganska bra definiera vad en katt är och vad inte.
Hittills är allt förutsägbart. Faktum är att du förmodligen har läst en liknande förklaring tidigare - ledsen för det. En annan sak är viktig. Vilka är biverkningarna av att träna ett beslutssystem som detta?
Den största fördelen med denna metod är den mest uppenbara: du behöver aldrig programmera detta system. Naturligtvis kommer du att arbeta hårt för att förbättra systemets principer för databehandling medan det hittar smartare sätt att extrahera information, men du kommer inte att säga systemet vad du ska leta efter. Detta innebär att hon kommer att kunna hitta mönster som människor till och med kan missa eller inte ens tänka på. Och eftersom allt programmets behov är data - 1s och 0s - kan det tränas att göra alla typer av uppgifter eftersom världen bokstavligen vrider av data. Med hammaren för maskininlärning i handen kommer den digitala världen att vara full av spikar redo att gå till handling.
Men låt oss nu tänka på nackdelarna. Om du inte undervisar en dator, hur vet du hur den fattar beslut? Maskininlärningssystem kan inte förklara sitt tänkande, vilket betyder att din algoritm kan fungera bra av fel skäl. På samma sätt, eftersom allt en dator vet är de data som du tillhandahåller dem, det kan utveckla en förspänning mot saker, eller det kan bara vara bra för smala uppgifter som liknar de data den har sett tidigare. Det har inte den sunt förnuft du kan förvänta dig av en person. Du kan skapa världens bästa kattigenkänningsprogramvara, men den kommer aldrig att säga att kattungar inte kan rida på motorcyklar eller att en katt troligen kommer att kallas "Koschey the Immortal" eller "Alexey Tolstoy".
Att lära datorer att lära sig på egen hand är ett lysande trick. Och som alla tricks, den här innehåller tricks. AI-system har intelligens om du vill kalla det så. Men detta är inte ett organiskt sinne, och det spelar inte efter samma regler som människor. Du kan lika gärna fråga: Hur smart är boken? Vilken upplevelse kodas i stekpannan?
Var är vi nu med vår konstgjorda intelligens? Efter åratal med rubriker som ringer om ytterligare ett stort genombrott (som inte har hänt ännu, och rubrikerna är fortfarande på), konstaterar vissa experter att vi har nått någon platå. Men detta hindrar inte framstegen. När det gäller forskning finns det en enorm mängd möjligheter att utforska med den kunskap som vi redan har, och när det gäller produkten såg vi bara spetsen till det algoritmiska isberget.
Kai-fu Lee, en riskkapitalist och tidigare artificiell intelligensforskare, beskriver det aktuella ögonblicket som "antagandets era" - när tekniken börjar "slippa ut ur laboratoriet i världen." Benedict Evans jämför maskininlärning med relationella databaser, som gjorde en förmögenhet på 90-talet och förändrade hela industrier, men det kommer att vara så vardagligt att du blir uttråkad om dina ögon fördunks av storheten i filmisk AI. Vi befinner oss nu i det stadium då AI bör bli normalt, vanligt. Mycket snart kommer maskininlärning att finnas i var och en av oss och vi kommer att sluta uppmärksamma det.
Men hittills har detta inte hänt.
För närvarande är konstgjord intelligens - maskininlärning - fortfarande något nytt, som ofta förblir oförklarligt eller otillräckligt studerat. Men i framtiden kommer det att bli så bekant och vardagligt att du kommer att sluta märka det.
Ilya Khel