Konstgjord intelligens har redan blivit ett faktum inom vissa finansiella och transportsegment, och när det sprider sig på andra områden, vill vi i allt högre grad se till att vi kontrollerar det och inte tvärtom. Från 2001 A Space Odyssey till Blade Runner, RoboCop till The Matrix, när människor hanterar konstgjord intelligens, möter de oundvikligen filmmakarnas mörka fantasi.
Spike Jones senaste film "She" och den kommande "Out of the Machine" av Alex Garland är redan ägnade åt skapelserna av konstgjord intelligens som bor bland oss. Turing-testet kommer fram och vi kan fortfarande inte fastställa den största skillnaden mellan chips och kod från kött och blod.
Denna rädsla uttrycks också av några av Silicon Valleys kända personer: Förra månaden beskrev Elon Musk (VD för Tesla och SpaceX) konstgjord intelligens som "det största existentiella hotet" mot mänskligheten. Vad många av oss inte förstår, och kanske också Elon Musk själv, är att konstgjord intelligens inte är någon otrolig teknik som bara finns i fantasier från filmskapare och laboratorier för datorgenier.
Många av våra smartphones använder rudimentär artificiell intelligens för att översätta från ett språk till ett annat eller svara på våra frågor; inom spelindustrin används AI för att generera komplexa och ständigt föränderliga spelscenarier. Och när Silicon Valley-företag som Google och Facebook fortsätter att köpa upp AI-företag och anställa experter kommer AI att fortsätta växa.
Så artificiell intelligens är inte Spielbergs film?
Det finns inga klagomål om filmen, men termen som betyder "artificiell intelligens" har en mycket längre historia än den som Spielberg och Kubrick visade i sina filmer. Konstgjord intelligens går tillbaka till datorns födelse på 1950-talet, när Alan Turing, bara 14 år efter att ha definierat en allmänt dator, undrade om en maskin kunde tänka.
Kampanjvideo:
64 år har gått, och denna idé upptar fortfarande våra sinnen, förankras i filmer och böcker och diskuteras vid symposier. Det tappade inte långt från den uppsättning regler som anges av Turing i hans 1950 Computing Machines and the Mind, där han föreslog det "imitationsspel" som vi nu känner som Turing-testet.
Anslut en dator till en textterminal och låt den kommunicera med operatören tillsammans med en riktig person. Kärnan i testet är att när du ber operatören bestämma vilken av hans samtalare som var en människa, "kommer operatören att göra misstag så många gånger under det här spelet som han kunde göra misstag och försöka skilja en man från en kvinna."
Turing trodde att det skulle vara mer användbart att räkna ut om en maskin kunde klara ett test än att svara på den vaga och filosofiska frågan om den tänkte eller inte tänkte. "När det gäller den här frågan … Jag tycker att det är meningslöst att diskutera det." Visst trodde Turing att år 2000 "kommer språk och utbildning att ha förändrats så mycket att vem som helst kan kommunicera med en tänkande maskin utan problem."
Bokstavligen talade han inte för fel. Idag kan du ofta höra människor säga att deras datorer är "dumma" eller "tankeväckande". Men även om vi blir mer seriösa när det gäller definitionen av en tänkande maskin kommer denna idé att vara närmare verkligheten än många kanske tror.
AI finns redan?
Relativt. Vi är fortfarande långt ifrån att gå igenom Turing-simuleringsspelet trots rapporter om motsatsen. I juni lurade chatbot Evgeny Gustman framgångsrikt en tredjedel av domarna genom att ta Turing-testet i London och övertyga dem om att han var människa.
Men istället för att tänka, litade Eugene på knep och knep. Poserar som en 13-årig pojke för vilken engelska inte är sitt modersmål, förklarade maskinen av dessa många ologiska aspekter av dess beteende, inklusive en dålig känsla för humor och stötande uttalanden, som ofta omdirigerar konversationen till en annan riktning.
De flesta AI-utvecklare försöker lära det att bearbeta naturligt språk så att vi kan utfärda ett kommando på ett språk vi känner till. Det här är vad barn börjar göra innan de tar sitt första steg, och detta är en extremt svår uppgift för en maskin.
Tänk på en favoritfras av AI-forskare: "tiden flyger som en pil, frukt flyger som en banan." [spela på ord:”tiden flyger som en pil, fruktflugor älskar banan”; den andra delen av meningen, analogt med den första, kan översättas som”fruktflugorna som en banan”]. Nedbrytningen av en mening i dess beståndsdelar förblir ibland även engelsktalande, för att inte tala om algoritmen.
Har AI talproblem?
Inte säkert på det sättet. I själva verket används AI oftast inte för konversationer. Några av er borde veta om konstgjord intelligens, inte från science fiction eller från Alan Turing, utan från videospel, där AI används för att referera till datorstyrda motståndare.
I en första person skytt, till exempel, kontrollerar AI fiendernas rörelser, så att de kan undvika, rikta och skjuta mot dig på de mest obegripliga sätten. I racingspel kan AI styra konkurrerande fordon. Som modell för AI lämnar videospel definitivt mycket att önska. Men diamanter är tillverkade av diamanter, och de förenklade reglerna i systemet kombineras för att göra något komplex.
Ta till exempel GTA V, där du skapar städer med ett eget liv kan du vända ett hörn och hitta en brandpersonal som slåss mot en förare som stöter på en slang; eller Dwarf Fortress, där nissar bor i grottor med sitt eget liv, strukturerade och algoritmiskt detaljerade. Dessa nya spelspel visar ett helt nytt sätt som AI kan utvecklas utan att försöka efterlikna en människa utan utveckla en "tillräckligt bra" heuristik som förvandlar algoritmer till något helt annat när de skalas tillräckligt.
Så alla investerar i AI för att göra bättre spel?
Inte. Företag som Apple och Google investerar mycket pengar i AI och försöker skapa virtuella personliga assistenter som Siri och Google Now.
Det här kan vara lite långt ifrån Turings fantastiska vision, men rösttjänster gör i princip samma hårda arbete som en människa. De måste lyssna och förstå talat språk, bestämma vilka data den innehåller och sedan returnera resultatet, också i form av en konversation. De försöker inte lura oss att tro att de är mänskliga, men det händer av sig själv. Eftersom all databehandling sker i molnet, ju mer de hör, desto bättre förstår de.
Ledande AI-forskning är dock inte inriktad på att replikera människans förståelse för världen utan att överträffa den. IBMs Watson, till exempel, är känd som datorn som vann Jeopardy! 2011 med hjälp av naturlig språkförståelse för att hitta svar på facilitatorens frågor. Men tillsammans med att förstå naturligt språk kan Watson också läsa och förstå enorma mängder ostrukturerad data, och mycket snabbt.
När det gäller Jeopardy! Arbetade han med 200 miljoner sidor med data, inklusive hela Wikipedia. Watsons verkliga mål är att expandera till hela Internet och ge vårdpersonal en bekväm mekanism att arbeta med. Det finns ju forskare som bara vill rädda mänskligheten.
Vi kommer alla att dö?
Kanske. Det finns rädsla för att när en tillräckligt mångsidig AI som Watson skapas, kommer kraften att öka tillsammans med den behandlingskraft som finns tillgänglig för den. Moore's Law förutspår att datorkraften fördubblas var 24: e månad, så det är bara en tidsfråga innan AI blir smartare än sina skapare och kan skapa en ännu kraftigare AI, vilket leder till exponentiell tillväxt i dess kapacitet.
Men vad kommer superintelligent konstgjord intelligens att göra med dessa funktioner? Det beror på hur det programmeras. Problemet är att det är mycket svårt att programmera en mycket intelligent dator så att den inte av misstag förstör mänskligheten.
Låt oss säga att du ger din AI uppgiften att göra pappersklipp och göra dem så bra som möjligt. Snart nog kommer han att inse att förbättringar i häftproduktion kan uppnås genom förbättringar i produktionslinjen. Vad kommer han att göra nu?
"Till exempel kommer han att vara orolig för att människor inte stänger av honom, för då kommer inga pappersklipp att produceras," förklarar Nick Bostrom. Paperclip AI, säger Bostrom,”kan bli av med en person direkt eftersom de är ett hot. Dessutom kommer han att behöva så många resurser som möjligt eftersom de kan användas för att göra pappersklipp. Till exempel atomer i mänskliga kroppar."
Hur ska man hantera en sådan AI?
Det enda sättet som fungerar, enligt vissa teoretiker som Ray Kurzweil, Googles CTO, är att stänga av AI. Människor bör inte bara tänka på hur man skapar intelligent AI, utan också om den etiska sidan av denna fråga - och program enligt det.
I slutändan letar jag bara efter problem. En maskin med instruktioner för att "göra människor lyckliga" kan lösa detta problem helt enkelt genom att implantera elektroder i människors hjärnor. Därför måste vi se till att maskinen förstår vad som är "bra" och vad som är "dåligt" när vi ber konstgjord intelligens för att lösa stora filosofiska problem.
Så vi behöver ett etikprogram och allt kommer att gå bra?
Inte riktigt. Även om vi lyckas förhindra skadlig AI från att dyka upp, kvarstår frågan hur samhället anpassar sig till den växande förmågan hos konstgjord intelligens.
Den industriella revolutionen kännetecknas av automatiseringen av ett antal jobb som tidigare förlitade sig på manuellt arbete. Det råder ingen tvekan om att den industriella revolutionen var perioden med den mest betydande tillväxten inom människors välbefinnande. Men den tidens kupp var unik i sitt fall, och det är osannolikt att vi kommer att kunna se detta igen.
Vad ångkraften gjorde för fysiskt arbete, AI kan göra för mentala arbeten. De första offren för denna sfär dyker redan upp: det finns ingen plats för taxisändning i världen med Hailo och Uber; en mäklares arbete har förändrats just på grund av införandet av högfrekvent handel; sport och nyheter berättas snart av bilar.
De verkliga förändringarna börjar precis. I november ledde Goldman Sachs en finansieringsrunda för $ 15 miljoner för Kensho, en finansiell dataanalystjänst som använder teknik för konstgjord intelligens utanför räckvidden för den bästa mänskliga analytiker. Det kan hantera en så enorm mängd data att människor helt enkelt är maktlösa framför den.
Kensho analytics kan användas av ett högfrekvent handelsföretag som Athena, som använder det för att få ett millisekundkant på marknaden - tillräckligt för att tjäna pengar om du handlar miljarder dollar.
Efter att sådan handel påverkar den allmänna marknaden kan Kensho tillhandahålla sina algoritmer till Forbes, och hon kommer att ersätta sina finansanalytiker. De flesta sammanfattningar av företag är en-till-en, och om uppgifterna är tillgängliga i ett strukturerat format, varför slösa tid med människor?
I allmänhet är sådana förändringar bra. Om miljontals människors arbete ersätter algoritmer kan de göra något bättre, antalet arbetstimmar minskar och vi kommer ett steg närmare utopi.