Rädslan för en robotapokalyps döljer de verkliga problemen vi möter, så att algoritmer kan styra våra liv. Enligt experterna inom artificiell intelligens går vi stadigt mot en viss punkt, varefter vi inte längre behöver uppfinna någonting: artificiell intelligens kommer att göra allt på egen hand och maskiner kommer att förbättras exponentiellt. Om detta händer, vad blir det av oss?
Under de senaste åren har många framstående forskare, från Stephen Hawking till Elon Musk, varnat oss för att vi borde vara extremt oroade över de möjliga farliga resultaten av superintelligent artificiell intelligens. Och de stöder sina ord med handling: Musk patroniserar OpenAI, en organisation som utvecklar AI som kommer att gynna mänskligheten.
Men många anser att deras rädsla är överdriven. Som Andrew Ng från Stanford University, som också är chefsforskare för den kinesiska internetjätten Baidu, konstaterar att oroa sig för ett maskinuppror är som att oroa sig för att Mars är överfull.
Men detta betyder naturligtvis inte att vårt växande beroende av AI inte medför några verkliga risker. Faktum är att dessa risker redan finns här. När intelligenta system blir mer involverade i allt från sjukvård till straffrättslig rätt, finns det en risk att viktiga delar av våra liv kommer att förbises.
Dessutom kan AI leda till obehagliga konsekvenser om vi inte är beredda på dem, till exempel förändrar vår inställning till läkare till kraftigt fientlig.
Kampanjvideo:
Några ord om artificiell intelligens
Enkelt uttryckt är detta maskiner som gör saker som vanligtvis kräver mental ansträngning från en persons sida: att förstå naturligt språk, känna igen ansikten på fotografier, köra bilar och så vidare.
Det finns en skillnad mellan en mekanisk manipulator på en produktionslinje, som är programmerad att utföra samma uppgift, och en manipulator, som självständigt lär sig att utföra olika uppgifter genom försök och fel.
Hur hjälper AI oss?
Det ledande tillvägagångssättet i AI idag är maskininlärning, där program utbildas för att identifiera vissa mönster i stora mängder data, som att identifiera ett ansikte i en bild eller göra ett vinnande drag i brädspelet. Denna metod kan tillämpas på en mängd olika problem. Till exempel träna datorer för att identifiera ett specifikt mönster i medicinska bilder. DeepMind, ett företag av artificiell intelligens som ägs av Google, utvecklar programvara som lär sig att diagnostisera cancer och ögonsjukdomar från patientundersökningar. Andra använder maskininlärning för att upptäcka tidiga tecken på hjärtsjukdomar och Alzheimers.
Artificiell intelligens används också redan för att analysera stora mängder molekylär information på jakt efter potentiella nya läkemedelsalternativ - en process som är extremt tidskrävande för människor. Mycket snart kan maskininlärning bli oumbärlig för medicin.
Artificiell intelligens hjälper oss också att hantera extremt komplexa system som den globala leveranskedjan. Systemet i hjärtat av Port Botany containerterminal i Sydney hanterar tiotusentals fraktcontainrar, en flotta med automatiserade fordon och så vidare, helt utan människor. I gruvindustrin används alltmer optimeringssystem för att planera och samordna resurser som järnmalm.
AI fungerar överallt du ser, från ekonomi till transport, för att flyga flygplan och övervaka aktiemarknaden. Och de skyddar din e-post från skräppost. Men det här är bara början. När AI utvecklas blir det mer och mer komplext och intressant.
Vad är problemet?
Istället för att oroa oss för en framtida AI-revolution är den största risken att vi kan sätta för mycket förtroende för de intelligenta systemen vi bygger. Kom ihåg att maskininlärning tränar programvara för att identifiera mönster i data. Efter träning fortsätter den till analys av färska, ännu inte studerade data. Men när en dator spottar ett svar har vi vanligtvis ingen aning om hur det kom till det.
Det finns uppenbara problem här. Ett system är bara lika bra som de data som det lär sig av. Ta ett system som är utbildat för att avgöra vilka patienter med lunginflammation som är mest benägna att dö så att de först kommer in på sjukhuset. Låt oss säga att hon oavsiktligt klassificerar patienter med bronkialastma som patienter med låg risk. Eftersom människor med astma och lunginflammation normalt går direkt till intensivvård så får de behandling som minskar risken för dödsfall. Maskininlärning ser detta som "astma + lunginflammation = lägre risk för dödsfall."
När AI får tillgång till alla delar av ditt liv ökar risken att något kommer att gå fel - om det inte förutses. Och eftersom de flesta uppgifter vi matar till AI är ofullkomliga, bör vi inte förvänta oss perfekta svar i de flesta fall. Vi bygger artificiell intelligens i vår egen bild och likhet; troligtvis kommer han att vara "inte särskilt", som vi.
ILYA KHEL
