Өнөөдөр хиймэл оюун ухаан юу хийж чадах вэ

2024 Зохиолч: Malcolm Clapton | [email protected]. Хамгийн сүүлд өөрчлөгдсөн: 2023-12-17 04:05

Спойлерийн сэрэмжлүүлэг: Машинуудын бослого гарахаас өмнө нэлээд хугацаа үлдлээ.

Элон Маск хүн дүрст робот Тесла Ботыг танилцуулах үед шинжлэх ухааны шинэ хувьсгал гарахад ойрхон байгаа бололтой. Бага зэрэг илүү - хиймэл оюун ухаан (AI) хүнээс давж, машинууд биднийг ажил дээрээ орлох болно. Гэсэн хэдий ч AI-ийн нэрт мэргэжилтнүүд болох профессор Гари Маркус, Эрнест Дэвис нар ийм дүгнэлтэнд яарах хэрэггүй.

"Artificial Intelligence Reboot" номонд судлаачид орчин үеийн технологи яагаад тийм ч тохиромжтой биш байгааг тайлбарладаг. "Alpina PRO" хэвлэлийн газрын зөвшөөрлөөр Lifehacker эхний бүлгээс ишлэлийг нийтэлж байна.

Энэ үед бидний хүсэл тэмүүлэл болон хиймэл оюун ухааны бодит байдлын хооронд асар том зай буюу жинхэнэ ангал байна. Тус бүрийг нь шударгаар шийдвэрлэх ёстой гурван тодорхой асуудал шийдэгдээгүйгээс ийм ангал үүссэн.

Эдгээрийн эхнийх нь хүмүүс бид хүн, машин хоёрыг ялгаж сураагүйн дээр үндэслэсэн итгэл үнэмшил гэж нэрлэдэг бөгөөд энэ нь биднийг хуурахад хялбар болгодог. Үзэл бодол, итгэл үнэмшил, хүсэл тэмүүлэл гэх мэт хийсвэр зүйл дээр тулгуурладаг хүмүүсийн дунд бид өөрсдөө хувьсан өөрчлөгдөж, амьдарч ирсэн учраас бид оюун ухааныг компьютерт хамааруулдаг. Машинуудын зан байдал нь ихэвчлэн хүний зан төлөвтэй өнгөцхөн төстэй байдаг тул бид машинд байхгүй байсан ч гэсэн ижил төрлийн үндсэн механизмуудыг машинд хурдан хуваарилдаг.

Машинуудын дагаж мөрддөг дүрэм хичнээн энгийн байсан ч танин мэдэхүйн үүднээс (“Миний компьютер намайг файлаа устгасан гэж бодож байна”) машинуудын талаар бодохгүй байхын аргагүй. Гэхдээ хүн төрөлхтөнд хэрэглэхэд өөрийгөө зөвтгөх дүгнэлтийг хиймэл оюун ухааны хөтөлбөрт хэрэглэхэд огт буруу байж магадгүй юм. Нийгмийн сэтгэл судлалын үндсэн зарчмыг харгалзан бид үүнийг хүчин төгөлдөр байдлын үндсэн алдаа гэж нэрлэдэг.

Энэ алдааны хамгийн анхны тохиолдлуудын нэг нь 1960-аад оны дундуур Элиза хэмээх чатбот зарим хүмүүст түүний хэлж буй зүйлийг үнэхээр ойлгосон гэдэгт итгүүлэх үед гарсан юм. Үнэн хэрэгтээ Элиза зүгээр л түлхүүр үгсийг сонгон авч, тэр хүний хамгийн сүүлд хэлсэн үгийг давтаж, мухардмал нөхцөл байдалд тэрээр "Бага насныхаа тухай ярьж өгөөч" гэх мэт ердийн ярианы заль мэхийг ашигласан. Хэрэв та ээжийнхээ талаар дурдвал тэр гэр бүл гэж юу болох, хүмүүст яагаад чухал болохыг огт мэдэхгүй байсан ч чамаас танай гэр бүлийн талаар асуух болно. Энэ бол жинхэнэ оюун ухааныг харуулах биш зүгээр л нэг заль мэх байсан.

Элиза хүмүүсийг огт ойлгодоггүй байсан ч олон хэрэглэгчид түүнтэй хийсэн яриа хэлэлцээнд хууртсан. Зарим нь хэдэн цаг гар дээр үг хэллэг бичиж, Элизатай ингэж ярилцаж байсан ч чатбот заль мэхийг буруу тайлбарлаж, тотьны яриаг тустай, чин сэтгэлийн зөвлөгөө эсвэл өрөвдөх сэтгэл гэж андуурчээ.

Жозеф Вайзенбаум Элизагийн бүтээгч.

Театрт дурлагсад үл итгэх сэтгэлээ хэсэг зуур хойш тавьж, гэрчлэгдсэн үйлдлээ бодит гэж хэлэх эрхгүй гэдгийг мартдаг шиг машинтай ярьж байгаагаа сайн мэддэг хүмүүс удалгүй энэ баримтыг мартдаг.

Элизагийн ярилцагчид системтэй хувийн яриа өрнүүлэх зөвшөөрөл байнга шаарддаг байсан бөгөөд ярианы дараа миний бүх тайлбарыг үл харгалзан машин тэднийг үнэхээр ойлгосон гэж шаарддаг байв.

Бусад тохиолдолд жинхэнэ эсэхийг үнэлэх алдаа нь үгийн шууд утгаараа үхэлд хүргэж болзошгүй юм. 2016 онд автоматжуулсан Тесла машины нэг эзэн автомат жолоодлогын горимын аюулгүй байдалд маш их найдаж байсан тул (түүхээс үзэхэд) тэрээр Харри Поттерын тухай кинонуудыг бүхэлд нь үзэж, бүх зүйлийг ганцаараа хийх машинаа орхисон.

Бүх зүйл сайхан болсон - хэзээ нэгэн цагт муудах хүртэл. Хэдэн зуун, бүр хэдэн мянган миль зам туулж осол авааргүй явсны эцэст машин гэнэтийн саадтай мөргөлдсөн (энэ үгийн утгаараа): цагаан ачааны машин хурдны замыг хөндлөн гарч, Тесла яг чиргүүлийн дор гүйж, машины эзнийг газар дээр нь алав.. (Машин жолоочийг хяналтаа авахыг хэд хэдэн удаа сануулсан боловч жолооч хурдан хариу үйлдэл үзүүлэхэд хэтэрхий тайван байсан бололтой.)

Энэ түүхийн ёс суртахуун нь тодорхой юм: төхөөрөмж нэг юмуу хоёр хором (тэр ч байтугай зургаан сарын турш) "ухаалаг" мэт санагдаж магадгүй нь энэ нь үнэхээр тийм юм уу, эсвэл ямар ч нөхцөл байдлыг даван туулж чадна гэсэн үг биш юм. хүн хангалттай хариу үйлдэл үзүүлэх болно.

Хоёрдахь асуудал бол хурдацтай ахиц дэвшлийн хуурмаг зүйл гэж нэрлэдэг: хялбар асуудлыг шийдвэрлэхтэй холбоотой хиймэл оюун ухаан дахь ахиц дэвшлийг төөрөлдүүлэх, үнэхээр хэцүү асуудлыг шийдвэрлэхтэй холбоотой ахиц дэвшил. Жишээлбэл, энэ нь IBM Watson системд тохиолдсон: түүний Jeopardy тоглоом дахь ахиц дэвшил! Маш ирээдүйтэй мэт санагдаж байсан ч үнэндээ энэ систем нь хөгжүүлэгчдийн төсөөлж байснаас хүний хэлийг ойлгохоос хамаагүй хол болсон.

DeepMind-ийн AlphaGo хөтөлбөр ч мөн адил замаар явах боломжтой. Шатартай адил go of тоглоом нь хоёр тоглогч хүссэн үедээ самбарыг бүхэлд нь харж, харгис хүчээр нүүдлийн үр дагаврыг тооцоолох боломжтой мэдээллийн тоглоом юм.

Ихэнх тохиолдолд бодит амьдрал дээр хэн ч юуг ч бүрэн итгэлтэйгээр мэддэггүй; бидний өгөгдөл ихэвчлэн дутуу эсвэл гажуудсан байдаг.

Хамгийн энгийн тохиолдлуудад ч тодорхойгүй байдал их байдаг. Эмч рүү явган явах уу, эсвэл метронд суух уу (өдөр бүрхэг болохоор) шийдэхдээ метроны галт тэрэг хэр удаан хүлээх, галт тэрэг зам дээр гацах эсэх, гацах эсэх, метроны галт тэрэг хүлээхэд яг хэдий хугацаа шаардагдахыг мэдэхгүй. Бид торхонд хийсэн майга шиг вагон руу чихэлдэх эсвэл гадаа бороонд норж, метронд суухыг зүрхлэхгүй, эмч бидний хоцрогдолд хэрхэн хандах бол.

Бид үргэлж өөрт байгаа мэдээллээр ажилладаг. Go тоглоомыг олон сая удаа тоглодог DeepMind AlphaGo систем нь тодорхой бус байдлыг хэзээ ч шийдэж байгаагүй бөгөөд энэ нь хүмүүсийн харилцааны нарийн төвөгтэй байдлыг дурдахад мэдээллийн хомсдол, түүний бүрэн бус байдал, уялдаа холбоогүй байдал гэж юу болохыг мэддэггүй.

Оюун санааны тоглоомуудыг бодит ертөнцөөс тэс өөр болгодог өөр нэг параметр байдаг бөгөөд энэ нь дахин өгөгдөлтэй холбоотой юм. Бүр нарийн төвөгтэй тоглоомуудыг (хэрэв дүрэм нь хангалттай хатуу бол) бараг төгс загварчлах боломжтой тул тэдгээрийг тоглодог хиймэл оюун ухааны системүүд тэднийг сургахад шаардлагатай асар их хэмжээний өгөгдлийг хялбархан цуглуулж чаддаг. Тиймээс, Go-ийн хувьд машин нь өөрийнхөө эсрэг тоглох замаар хүмүүстэй тоглоомыг дуурайж чаддаг; системд терабайт өгөгдөл хэрэгтэй байсан ч үүнийг өөрөө үүсгэх болно.

Тиймээс програмистууд маш бага эсвэл ямар ч зардалгүйгээр бүрэн цэвэр симуляцийн өгөгдлийг олж авах боломжтой. Үүний эсрэгээр, бодит ертөнцөд төгс цэвэр өгөгдөл байдаггүй, түүнийг дуурайх боломжгүй (тоглоомын дүрэм байнга өөрчлөгддөг тул) бөгөөд туршилтаар олон гигабайт холбогдох өгөгдлийг цуглуулах нь илүү хэцүү байдаг. болон алдаа.

Бодит байдал дээр бид өөр өөр стратегиудыг турших хэдхэн оролдлого хийж байна.

Жишээлбэл, бид эмчийн үзлэгийг 10 сая удаа давтаж, тээврийн хэрэгслийн сонголтын хувьд зан төлөвийг эрс сайжруулахын тулд ирэх бүрийн өмнө шийдвэрийн параметрүүдийг аажмаар тохируулж чадахгүй.

Хэрэв програмистууд хөгшин хүмүүст туслах робот сургахыг хүсч байвал (өвчтэй хүмүүсийг хэвтүүлэхэд туслах гэх мэт) өгөгдөл бүр нь бодит мөнгө, хүний бодит цаг хугацаа байх болно; симуляцийн тоглоом ашиглан шаардлагатай бүх өгөгдлийг цуглуулах арга байхгүй. Ослын туршилтын дамми хүртэл жинхэнэ хүмүүсийг орлож чадахгүй.

Хөгшрөлтийн хөдөлгөөний янз бүрийн шинж чанартай жинхэнэ хөгшин хүмүүсийн тухай, янз бүрийн төрлийн ор, өөр төрлийн унтлагын хувцас, өөр төрлийн байшингийн талаархи мэдээллийг цуглуулах шаардлагатай бөгөөд энд та алдаа гаргаж чадахгүй, учир нь хүнийг хэд хэдэн зайд ч унагаж болно. орноос сантиметр зайтай байх нь гамшиг болно. Энэ тохиолдолд нарийн хиймэл оюун ухааны аргуудыг ашиглан энэ чиглэлээр тодорхой ахиц дэвшилд хүрсэн (одоогоор хамгийн анхан шатных нь). Dota 2 болон Starcraft 2 видео тоглоомуудад бараг л шилдэг тоглогчдын түвшинд тоглодог компьютерийн системүүд бий болсон бөгөөд ямар ч үед тоглоомын ертөнцийн зөвхөн нэг хэсгийг оролцогчдод үзүүлдэг бөгөөд ингэснээр тоглогч бүр өөр өөр тоглоомтой тулгардаг. Мэдээллийн хомсдолын асуудал - Клаузевицын хөнгөн гарыг "үл мэдэгдэх манан" гэж нэрлэдэг. Гэсэн хэдий ч боловсруулсан системүүд нь маш нарийн төвлөрч, тогтворгүй хэвээр байна. Жишээлбэл, Starcraft 2-т тоглодог AlphaStar хөтөлбөр нь олон төрлийн дүрүүдээс зөвхөн нэг тодорхой уралдааныг сурсан бөгөөд эдгээр хөгжүүлэлтийн аль нь ч бусад уралдаан шиг тоглох боломжгүй юм. Мэдээжийн хэрэг, эдгээр хөтөлбөрүүдэд ашигласан аргууд нь бодит амьдралын илүү төвөгтэй нөхцөл байдалд амжилттай ерөнхий дүгнэлт хийхэд тохиромжтой гэж үзэх үндэслэл байхгүй. бодит амьдрал. IBM нэг удаа биш, хоёр удаа (эхлээд шатрын, дараа нь аюулд!) нээсэн шиг хаалттай ертөнцөөс гарсан асуудлуудыг амжилттай даван туулах нь нээлттэй ертөнцөд амжилтанд хүрэх баталгаа огтхон ч биш юм.

Тайлбарласан ангалын гурав дахь тойрог нь найдвартай байдлын хэт их үнэлгээ юм. Хиймэл оюун ухааны тусламжтайгаар хүмүүс хэсэг хугацаанд доголдолгүй ажиллах боломжтой аливаа асуудлын шийдлийг олж авмагцаа бүх зүйлийг засварлаж (мөн бага зэрэг их хэмжээний өгөгдөл ашиглан) автоматаар тооцдог болохыг бид дахин дахин харж байна. найдвартай ажиллана.цаг. Гэхдээ энэ нь заавал байх албагүй.

Бид дахин жолоочгүй машин авдаг. Намуухан зам дээр тодорхой тэмдэглэгдсэн эгнээгээр зөв явах автомат тээврийн хэрэгслийн загвар гаргах нь харьцангуй хялбар байдаг; Гэсэн хэдий ч хүмүүс үүнийг зуун гаруй жилийн турш хийж чадсан. Гэсэн хэдий ч хүнд хэцүү эсвэл гэнэтийн нөхцөлд эдгээр системийг ажиллуулах нь илүү хэцүү байдаг.

Дьюкийн их сургуулийн Хүн ба бие даасан байдлын лабораторийн захирал Мисси Каммингс (мөн АНУ-ын Тэнгисийн цэргийн хүчний сөнөөгч асан нисгэгч) бидэнд цахим шуудангаар хэлсэнчлэн жолоочгүй машин осолгүй хэр олон миль замыг туулж чадах вэ гэдэг асуудал биш, харин хэр хэмжээнд нь байгаа вэ? Эдгээр машинууд өөрчлөгдөж буй нөхцөл байдалд дасан зохицож чаддаг. Түүний Мисси Каммингсын хэлснээр 2018 оны 9-р сарын 22-нд зохиолчдод имэйл илгээсэн байна., орчин үеийн хагас бие даасан тээврийн хэрэгсэл "ихэвчлэн зөвхөн маш нарийн нөхцөлд ажилладаг бөгөөд тэдгээр нь хамгийн тохиромжтой нөхцөлд хэрхэн ажиллах талаар юу ч хэлдэггүй."

Финикс дэх сая сая туршилтын миль дээр бүрэн найдвартай харагдах нь Бомбейд болсон муссоны үеэр сайн ажиллана гэсэн үг биш юм.

Автономит тээврийн хэрэгсэл нь хамгийн тохиромжтой нөхцөлд (хотын захын олон эгнээтэй зам дээрх нарлаг өдрүүд гэх мэт) хэрхэн ажиллах, эрс тэс нөхцөлд юу хийж чадах хоорондын үндсэн ялгаа нь бүхэл бүтэн салбарын амжилт, бүтэлгүйтлийн асуудал болж хувирдаг.

Хэцүү нөхцөлд бие даасан жолоодлогыг маш бага анхаарч, одоогийн аргачлал нь бодитоор тооцогдож эхэлж байгаа нөхцөлд автомат жолоодлогыг зөв ажиллуулах чиглэлд өөрчлөгдөөгүй тул удахгүй олон тэрбум долларын зардал гарах нь тодорхой болж магадгүй юм. Хүн шиг жолоодлогын найдвартай байдлыг хангаж чадахгүй өөрөө жолооддог машин бүтээх аргад зарцуулсан. Бидэнд шаардлагатай техникийн итгэлийн түвшинд хүрэхийн тулд одоогийнхоос эрс ялгаатай арга барил шаардлагатай байж магадгүй юм.

Машин бол ижил төстэй олон зүйлийн нэг жишээ юм. Хиймэл оюун ухааны талаарх орчин үеийн судалгаагаар түүний найдвартай байдлыг дэлхий даяар дутуу үнэлдэг. Энэ нь зарим талаараа энэ талбарт өрнөж буй ихэнх бүтээн байгуулалтууд нь сурталчилгааг санал болгох, шинэ бүтээгдэхүүн сурталчлах зэрэг алдаа гаргахад тэсвэртэй асуудлуудтай холбоотой юм.

Үнэхээр бид танд таван төрлийн бүтээгдэхүүн санал болгоод гуравт нь л таалагдвал ямар ч хор хөнөөл гарахгүй. Гэхдээ жолоочгүй машин, өндөр настны асаргаа, эрүүл мэндийн төлөвлөлт зэрэг ирээдүйн хиймэл оюун ухааны хэд хэдэн чухал хэрэглээнд хүнийхтэй адил найдвартай байдал чухал байх болно.

Хөгшин өвөөг чинь таваас дөрөвхөн удаа орондоо аваачих роботыг хэн ч худалдаж авахгүй.

Орчин үеийн хиймэл оюун ухаан онолын хувьд хамгийн сайн талаас нь харагдах ёстой эдгээр ажлуудад ч ноцтой бүтэлгүйтэл нь байнга тохиолддог, заримдаа маш инээдтэй харагддаг. Ердийн жишээ: компьютерууд зарчмын хувьд энэ эсвэл тэр зураг дээр юу байгааг (эсвэл болж байгааг) хэрхэн таних талаар нэлээд сайн сурсан.

Заримдаа эдгээр алгоритмууд маш сайн ажилладаг боловч ихэнхдээ тэд үнэхээр гайхалтай алдаа гаргадаг. Хэрэв та өдөр тутмын үзэгдлүүдийн гэрэл зургийн тайлбарыг үүсгэдэг автоматжуулсан системд дүрс үзүүлбэл хүний бичсэнтэй маш төстэй хариулт авах нь элбэг; жишээлбэл, хэсэг хүмүүс фризби тоглож байгаа доорх дүр зурагт Google-ийн олон нийтэд танигдсан хадмал орчуулга үүсгэх систем нь яг зөв нэрийг өгдөг.

Гэхдээ таван минутын дараа, жишээлбэл, хэн нэгэн наалт наасан энэ замын тэмдэгтэй адил системээс туйлын утгагүй хариултыг хялбархан авах боломжтой: системийг бүтээгчид гэж нэрлэгддэг компьютер яагаад ийм алдаа гарсныг тайлбарлаагүй байна., гэхдээ ийм тохиолдол ховор биш юм. Энэ тохиолдолд систем нь гэрэл зургийг "маш их хоол, ундаагаар дүүргэсэн хөргөгч" гэсэн шошготой бусад зургуудтай төстэй (өнгө, бүтэцтэй байж магадгүй) гэж ангилсан гэж бид таамаглаж болно. Мэдээжийн хэрэг, компьютер ийм бичээс нь дотор нь янз бүрийн (тэр ч байтугай бүгд биш) объект бүхий том тэгш өнцөгт төмөр хайрцагт тохиромжтой гэдгийг ойлгоогүй (хүн үүнийг амархан ойлгож чадна). Энэ дүр зураг нь "олон хоол, ундаа бүхий хөргөгч" юм.

Үүний нэгэн адил жолоочгүй машинууд "харж буй зүйлээ" зөв тодорхойлж чаддаг ч заримдаа автомат жолоодлого дээр зогсож байсан галын машин эсвэл түргэн тусламжийн машиныг мөргөж байсан Тесла шиг илт зүйлийг анзаардаггүй. Ийм сохор цэгүүд нь цахилгаан сүлжээг хянадаг системд байрладаг эсвэл нийгмийн эрүүл мэндийг хянах үүрэгтэй бол бүр ч аюултай байж болно.

Амбиц ба хиймэл оюун ухааны бодит байдлын хоорондын зөрүүг арилгахын тулд бидэнд гурван зүйл хэрэгтэй: энэ тоглоомд эргэлзэж буй үнэт зүйлсийн талаар тодорхой ойлголттой байх, орчин үеийн хиймэл оюун ухааны системүүд яагаад үүргээ хангалттай найдвартай гүйцэтгэдэггүйг тодорхой ойлгох, мөн. эцэст нь, хөгжлийн шинэ стратеги машин сэтгэлгээ.

Хиймэл оюун ухаан нь ажлын байр, аюулгүй байдал, нийгмийн бүтцийн хувьд үнэхээр өндөр байдаг тул хиймэл оюун ухааны мэргэжилтнүүд, холбогдох мэргэжлийн хүмүүс, жирийн иргэд, улс төрчид бид бүгдэд бодит байдлын бодит байдлыг ойлгох зайлшгүй шаардлагатай байна. өнөөгийн хиймэл оюун ухааны хөгжлийн түвшин, мөн чанарыг шүүмжлэлтэй үнэлж сурахын тулд энэ чиглэлээр.

Мэдээ, статистик сонирхдог иргэдэд үг, тоогоор хүмүүсийг төөрөгдүүлэх нь хэчнээн амархан болохыг ойлгох нь чухал байдгийн адилаар бид хиймэл оюун ухаан хаана байдгийг ойлгоход улам бүр чухал ач холбогдолтой ойлголтыг энд оруулав. Зөвхөн сурталчилгаа, гэхдээ энэ нь хаана байна; тэр одоо юу хийж чадах, юуг яаж мэдэхгүй, магадгүй сурахгүй.

Хамгийн гол нь хиймэл оюун ухаан бол ид шид биш, зүгээр л нэг арга техник, алгоритм бүр өөр өөрийн давуу болон сул талтай байдаг нь зарим ажилд тохиромжтой, зарим ажилд тохиромжгүй гэдгийг ойлгох явдал юм. Бидний энэхүү номыг бичих болсон гол шалтгаануудын нэг бол хиймэл оюун ухааны тухай уншсан зүйлсийн ихэнх нь хиймэл оюун ухааны бараг ид шидийн хүч чадалд ор үндэсгүй итгэл найдвараас үүдэлтэй туйлын уран зөгнөл мэт санагдаж байгаа явдал юм.

Үүний зэрэгцээ энэхүү уран зохиол нь орчин үеийн технологийн боломжуудтай ямар ч холбоогүй юм. Харамсалтай нь, олон нийтийн дунд хиймэл оюун ухааны тухай хэлэлцүүлэгт таамаглал, хэтрүүлэг ихээхэн нөлөөлсөн бөгөөд ихэнх хүмүүс бүх нийтийн хиймэл оюун ухааныг бий болгох нь хичнээн хэцүү болохыг мэддэггүй.

Цаашдын хэлэлцүүлгийг тодруулъя. Хэдийгээр хиймэл оюун ухаантай холбоотой бодит байдлыг тодруулах нь биднээс ноцтой шүүмжлэл шаарддаг ч бид өөрсдөө хиймэл оюун ухааныг эсэргүүцэгчид биш, технологийн дэвшлийн энэ тал үнэхээр таалагдаж байна. Бид амьдралынхаа нэлээд хэсгийг энэ чиглэлээр мэргэшсэн мэргэжилтнүүдийн хувьд өнгөрөөсөн бөгөөд үүнийг аль болох хурдан хөгжүүлэхийг хүсч байна.

Америкийн философич Хуберт Дрейфус зохиомол оюун ухаан хэзээ ч ямар өндөрлөгт хүрч чадахгүй тухай ном бичсэн байдаг. Энэ бол энэ номны тухай биш юм. Энэ нь хиймэл оюун ухаан одоогоор юу хийж чадахгүй байгаа, яагаад үүнийг ойлгох нь чухал вэ гэдэгт хэсэгчлэн төвлөрч байгаа боловч түүний нэлээд хэсэг нь компьютерийн сэтгэлгээг сайжруулж, одоо хамгийн түрүүнд хийхэд хэцүү байгаа газруудад нэвтрүүлэхийн тулд юу хийж болох талаар өгүүлдэг.

Бид хиймэл оюун ухаан алга болоосой гэж хүсэхгүй байна; Бид үүнийг үндсээр нь сайжруулахыг хүсч байгаа бөгөөд ингэснээр бид үнэхээр найдаж, түүний тусламжтайгаар хүн төрөлхтний олон асуудлыг шийдэж чадна. Бид хиймэл оюун ухааны өнөөгийн байдлын талаар маш их шүүмжлэл дагуулдаг ч бидний шүүмжлэл бол бүх зүйлээ орхиж, орхих уриалга биш харин бидний хийж буй шинжлэх ухаанд хайртайн илрэл юм.

Товчхондоо, хиймэл оюун ухаан нь бидний ертөнцийг үнэхээр ноцтой өөрчилж чадна гэдэгт бид итгэдэг; гэхдээ бодит ахиц дэвшлийн талаар ярихаас өмнө хиймэл оюун ухааны талаарх олон үндсэн таамаглал өөрчлөгдөх ёстой гэдэгт бид бас итгэдэг. Бидний санал болгож буй хиймэл оюун ухааныг "дахин тохируулах" нь судалгааг зогсоох шалтгаан биш (хэдийгээр зарим нь бидний номыг яг ийм байдлаар ойлгодог байж магадгүй), харин бид одоо хаана гацсан, яаж гарах вэ гэсэн онош юм. өнөөдрийн нөхцөл байдал.

Урагшлах хамгийн сайн арга бол дотоод сэтгэлийнхээ бүтэцтэй нүүр тулж, дотогшоо харах явдал гэж бид итгэдэг.

Жинхэнэ ухаалаг машинууд нь хүний яг хуулбар байх албагүй ч хиймэл оюун ухааныг чин сэтгэлээсээ харж байгаа хэн бүхэн хүн төрөлхтөн, тэр дундаа машинуудаас олон талаараа хамаагүй илүү байдаг бага насны хүүхдүүдээс сурах зүйл их байдгийг олж харах болно. шинэ ойлголтыг шингээх, ойлгох чадвар.

Анагаах ухааны эрдэмтэд компьютерийг "хүмүүсийн дээд" (нэг талаараа) систем гэж тодорхойлдог боловч хүний тархи дор хаяж таван зүйлээрээ цахиурын аналогиасаа асар давуу байсаар байна: бид хэлийг ойлгож, ертөнцийг ойлгож, уян хатан байдлаар чаддаг. шинэ нөхцөл байдалд дасан зохицож, бид шинэ зүйлийг хурдан сурч чаддаг (их хэмжээний өгөгдөлгүй ч гэсэн) бөгөөд бүрэн бус, бүр зөрчилтэй мэдээллийн өмнө үндэслэлээ гаргаж чаддаг. Эдгээр бүх фронтод орчин үеийн хиймэл оюун ухааны системүүд хүнээс найдваргүй хоцорч байна.

Хиймэл оюун ухаан: Дахин ачаалах нь орчин үеийн технологиудыг ойлгож, шинэ үеийн хиймэл оюун ухаан бидний амьдралыг хэрхэн, хэзээ сайжруулахыг ойлгохыг хүсдэг хүмүүст сонирхолтой байх болно.