Kuinka ensimmäinen tekoäly muuttaa yhteiskuntaa: tekoälyn tulevaisuus P2

Olemme rakentaneet pyramideja. Opimme käyttämään sähköä. Ymmärrämme, kuinka universumimme muodostui alkuräjähdyksen jälkeen (enimmäkseen). Ja tietysti kliseeesimerkkinä, olemme laittaneet miehen kuuhun. Kaikista näistä saavutuksista huolimatta ihmisaivot ovat kuitenkin kaukana nykyajan tieteen ymmärryksestä ja ovat oletusarvoisesti tunnetun universumin monimutkaisin kohde – tai ainakin meidän käsityksemme siitä.

Tämän todellisuuden valossa ei pitäisi olla täysin järkyttävää, ettemme ole vielä rakentaneet tekoälyä (AI) ihmisten kanssa. Tekoäly, kuten Data (Star Trek), Rachael (Blade Runner) ja David (Prometheus), tai ei-humanoidinen tekoäly, kuten Samantha (Her) ja TARS (Interstellar), nämä ovat kaikki esimerkkejä seuraavasta suuresta virstanpylvästä tekoälyn kehityksessä: yleinen tekoäly (AGI, kutsutaan joskus myös HLMI:ksi tai ihmistason koneälyksi). 

Toisin sanoen tekoälyn tutkijoiden kohtaama haaste on: Kuinka voimme rakentaa omaamme verrattavan keinotekoisen mielen, kun meillä ei ole edes täydellistä ymmärrystä oman mielemme toiminnasta?

Tutkimme tätä kysymystä sekä sitä, kuinka ihmiset vastustavat tulevia AGI:itä, ja lopuksi, kuinka yhteiskunta muuttuu seuraavana päivänä sen jälkeen, kun ensimmäinen AGI on ilmoitettu maailmalle. 

Mikä on yleinen tekoäly?

Suunnittele tekoäly, joka voi voittaa Shakin, Jeopardyn ja Go:n huippupelaajat helposti (Tummansininen, Watsonja AlphaGO vastaavasti). Suunnittele tekoäly, joka voi tarjota sinulle vastauksia kaikkiin kysymyksiin, ehdottaa tuotteita, joita saatat haluta ostaa, tai hallita yhteismatkataksikalustoa – niiden ympärille on rakennettu kokonaisia ​​monen miljardin dollarin yrityksiä (Google, Amazon, Uber). Jopa tekoäly, joka voi ajaa sinut maan puolelta toiselle... no, me työskentelemme sen eteen.

Mutta pyydä tekoälyä lukemaan lastenkirja ja ymmärtämään sen sisältö, merkitys tai moraali, jota se yrittää opettaa, tai pyydä tekoälyä kertomaan ero kissan kuvan ja seepran välillä, niin aiheutat enemmän kuin muutaman oikosulkuja. 

Luonto käytti miljoonia vuosia laskentalaitteen (aivojen) kehittämiseen, joka on erinomainen prosessoinnissa, ymmärtämisessä, oppimisessa ja sitten toimimisessa uusissa tilanteissa ja uusissa ympäristöissä. Vertaa sitä viimeiseen puolen vuosisadan tietotekniikkaan, joka keskittyi luomaan tietokonelaitteita, jotka on räätälöity niihin yksittäisiin tehtäviin, joita varten ne on suunniteltu. 

Toisin sanoen ihminen-tietokone on generalisti, kun taas keinotekoinen tietokone on asiantuntija.

AGI:n luomisen tavoitteena on luoda tekoäly, joka voi ajatella ja oppia enemmän kuin ihminen, kokemuksen kautta suoran ohjelmoinnin sijaan.

Todellisessa maailmassa tämä tarkoittaisi sitä, että tuleva AGI oppii lukemaan, kirjoittamaan ja kertomaan vitsejä tai kävelemään, juoksemaan ja ajamaan pyörällä pitkälti yksin, oman maailmankokemuksensa kautta (millä tahansa keholla tai aistielimet/laitteet, jotka annamme sille) ja oman vuorovaikutuksensa kautta muut tekoälyt ja muut ihmiset.

Mitä tarvitaan yleisen tekoälyn rakentamiseen

Vaikka AGI:n luominen on teknisesti vaikeaa, sen on oltava mahdollista. Jos tosiasiassa fysiikan laeissa on syvälle juurtunut ominaisuus – laskennan universaalisuus – joka periaatteessa sanoo kaiken, mitä fyysinen kohde voi tehdä, riittävän tehokkaan yleiskäyttöisen tietokoneen pitäisi periaatteessa kyetä kopioimaan/simuloida.

Ja silti se on hankalaa.

Onneksi tapauksen parissa on paljon älykkäitä tekoälytutkijoita (puhumattakaan monista yritysten, valtion ja armeijan rahoituksesta, jotka tukevat heitä), ja tähän mennessä he ovat tunnistaneet kolme keskeistä tekijää, jotka heidän mielestään on ratkaistava, jotta AGI maailmaamme.

Big data. Yleisin lähestymistapa tekoälyn kehittämiseen sisältää tekniikan, jota kutsutaan syväoppimiseksi – tietyntyyppiseksi koneoppimisjärjestelmäksi, joka toimii keräämällä valtavia tietomääriä, murskaamalla dataa simuloitujen neuronien verkostossa (joka on mallinnettu ihmisaivojen mukaan) ja sitten käyttää tuloksia ohjelmoidakseen omia näkemyksiään. Saat lisätietoja syväoppimisesta, Lue tämä.

Esimerkiksi vuonna 2017, Google syötti tekoälylleen tuhansia kuvia kissoista, joita sen syväoppimisjärjestelmä käytti paitsi kissan tunnistamiseen, myös eri kissarodujen erottamiseen. Pian sen jälkeen he ilmoittivat tulevasta julkaisusta Google-objektiivi, uusi hakusovellus, jonka avulla käyttäjät voivat ottaa kuvan mistä tahansa, ja Google ei vain kerro, mitä se on, vaan tarjoaa myös hyödyllistä asiayhteyteen liittyvää sisältöä, joka kuvaa sitä. Se on kätevä matkoilla ja haluat oppia lisää tietystä turistikohteesta. Mutta tässäkään Google Lens ei olisi mahdollinen ilman sen kuvahakukoneessa tällä hetkellä lueteltuja miljardeja kuvia.

Ja silti, tämä big data ja syvän oppimisen yhdistelmä ei vieläkään riitä AGI:n luomiseen.

Paremmat algoritmit. Viime vuosikymmenen aikana Googlen tytäryhtiö ja tekoälyavaruuden johtaja DeepMind teki loistavan vaikutuksen yhdistämällä syväoppimisen vahvuudet vahvistavaan oppimiseen. Tämä on ilmainen koneoppimislähestymistapa, jonka tarkoituksena on opettaa tekoälylle toimia uusissa ympäristöissä saavuttaakseen tavoitteensa. asetettu tavoite.

Tämän hybriditaktiikan ansiosta DeepMindin ensi-iltaisin oleva AI AlphaGo ei vain opetellut pelaamaan AlphaGoa lataamalla sääntöjä ja tutkimalla mestaripelaajien strategioita, vaan pelattuaan itseään vastaan ​​miljoonia kertoja pystyi sitten voittamaan parhaat AlphaGo-pelaajat. käyttämällä liikkeitä ja strategioita, joita ei ole ennen nähty pelissä. 

Samoin DeepMindin Atari-ohjelmistokokeilu sisälsi, että tekoälylle annettiin kamera näkemään tyypillinen pelinäyttö, ohjelmoitiin se kykyyn syöttää pelimääräyksiä (kuten ohjaussauvan painikkeita) ja annettiin sille yksittäinen tavoite lisätä pisteitä. Lopputulos? Muutamassa päivässä se opetti itsensä pelaamaan ja hallitsemaan kymmeniä klassisia arcade-pelejä. 

Mutta niin jännittäviä kuin nämä varhaiset onnistumiset ovatkin, joitakin keskeisiä haasteita on vielä ratkaistava.

Ensinnäkin tekoälytutkijat työskentelevät opettaakseen tekoälyä "paloittamiseksi", jossa ihmisten ja eläinten aivot ovat poikkeuksellisen hyviä. Yksinkertaisesti sanottuna, kun päätät mennä ulos ostamaan elintarvikkeita, voit visualisoida lopullisen tavoitteesi (avokadon ostaminen) ja karkean suunnitelman sen tekemiselle (poistua kotoa, käydä ruokakaupassa, ostaa avokado, palaa kotiin). Mitä et tee, on suunnitella jokaista hengitystä, jokaista askelta ja kaikkia mahdollisia sattumia matkallasi sinne. Sen sijaan sinulla on mielessäsi käsite (pala) siitä, minne haluat mennä, ja mukauttaa matkaasi mihin tahansa tilanteeseen.

Niin yleiseltä kuin se sinusta tuntuukin, tämä kyky on yksi ihmisaivojen tärkeimmistä eduista tekoälyyn verrattuna – se on mukautumiskykyä asettaa tavoite ja pyrkiä siihen tietämättä kaikkia yksityiskohtia etukäteen ja huolimatta kaikista esteistä tai ympäristön muutoksesta. saattaa kohdata. Tämän taidon avulla AGI:t voivat oppia tehokkaammin ilman edellä mainittua big dataa.

Toinen haaste on kyky ei vain lukea kirjaa, vaan ymmärtää merkityksen tai konteksti sen takana. Pitkällä aikavälillä tavoitteena on, että tekoäly lukee sanomalehtiartikkelin ja pystyy vastaamaan tarkasti lukuisiin kysymyksiin, kuten kirjoittaisi kirjaraportin. Tämä kyky muuttaa tekoälyn yksinkertaisesti numeroita murskaavasta laskimesta kokonaisuudeksi, joka murskaa merkityksen.

Kaiken kaikkiaan ihmisaivoja jäljittelevän itseoppivan algoritmin lisäedistykset ovat avainasemassa mahdollisessa AGI:n luomisessa, mutta tämän työn ohella tekoälyyhteisö tarvitsee myös parempaa laitteistoa.

Parempi laitteisto. Yllä selitettyjä nykyisiä lähestymistapoja käyttämällä AGI tulee mahdolliseksi vasta, kun lisäämme vakavasti sen suorittamiseen käytettävissä olevaa laskentatehoa.

Kontekstia varten, jos ottaisimme ihmisaivojen kyvyn ajatella ja muunnamme sen laskennallisiksi termeiksi, niin karkea arvio keskimääräisen ihmisen henkisestä kapasiteetista on yksi exaflop, joka vastaa 1,000 petaflopsia ("Flop" tarkoittaa liukulukuoperaatioita per toinen ja mittaa laskentanopeutta).

Vertailun vuoksi vuoden 2018 loppuun mennessä maailman tehokkain supertietokone, Japanin AI-siltapilvi huminaa 130 petaflopilla, mikä on kaukana yhdestä exaflopista.

Kuten meidän supertietokoneet luku meidän Tietokoneiden tulevaisuus Sekä Yhdysvallat että Kiina pyrkivät rakentamaan omia exaflop-supertietokoneita vuoteen 2022 mennessä, mutta vaikka ne menestyisivätkin, se ei silti välttämättä riitä.

Nämä supertietokoneet toimivat useiden kymmenien megawattien teholla, vievät useita satoja neliömetriä tilaa ja maksavat useita satoja miljoonia. Ihmisaivot käyttävät vain 20 wattia tehoa, mahtuvat noin 50 cm:n ympärysmitaltaan kallon sisään, ja meitä on seitsemän miljardia (2018). Toisin sanoen, jos haluamme tehdä AGI:istä yhtä yleisiä kuin ihmiset, meidän on opittava luomaan niitä paljon taloudellisemmin.

Tätä tarkoitusta varten tekoälytutkijat alkavat harkita tulevien tekoälyjen käyttämistä kvanttitietokoneilla. Kuvattu tarkemmin kohdassa kvantitietokoneet Future of Computers -sarjan luvussa nämä tietokoneet toimivat täysin eri tavalla kuin tietokoneet, joita olemme rakentaneet viimeisen puolen vuosisadan ajan. Kun 2030-luvulla valmistuttuaan yksi kvanttitietokone laskee kaikki nykyiset supertietokoneet vuonna 2018 maailmanlaajuisesti, se laskee yhteen. Ne ovat myös paljon pienempiä ja käyttävät paljon vähemmän energiaa kuin nykyiset supertietokoneet. 

Miten yleinen tekoäly olisi ihmistä parempi?

Oletetaan, että jokainen yllä lueteltu haaste selviää, että tekoälytutkijat onnistuvat luomaan ensimmäisen AGI:n. Miten AGI-mieli tulee olemaan erilainen kuin omamme?

Vastataksemme tällaiseen kysymykseen meidän on luokiteltava AGI-mielet kolmeen luokkaan, sellaisiin, jotka elävät robotin kehossa (Data from Star Trek), joilla on fyysinen muoto, mutta jotka ovat langattomasti yhteydessä Internetiin/pilveen (Agent Smith alkaen Matriisi) ja ne, joilla ei ole fyysistä muotoa ja jotka elävät kokonaan tietokoneella tai verkossa (Samantha from Täällä).

Ensinnäkin verkosta eristettyjen robottikehojen sisällä olevat AGI:t kilpailevat ihmismielen kanssa, mutta joilla on tiettyjä etuja:

• Muisti: AGI:n robottimuodon suunnittelusta riippuen niiden lyhytaikainen muisti ja avaintietojen muisti ovat ehdottomasti parempia kuin ihmiset. Mutta loppujen lopuksi on olemassa fyysinen raja sille, kuinka paljon kiintolevytilaa robottiin voi pakata, olettaen, että suunnittelemme ne näyttämään ihmisiltä. Tästä syystä AGI:n pitkäkestoinen muisti toimii hyvin samalla tavalla kuin ihmisten muisti, unohtaen aktiivisesti tulevaa toimintaansa varten tarpeettomiksi katsotut tiedot ja muistit ("levytilan vapauttamiseksi").
• Nopeus: Ihmisaivojen sisällä olevien hermosolujen suorituskyky on maksimissaan noin 200 hertsiä, kun taas nykyaikaiset mikroprosessorit toimivat gigahertsin tasolla, eli miljoonia kertoja nopeammin kuin neuronit. Tämä tarkoittaa ihmisiin verrattuna, että tulevat AGI:t käsittelevät tietoja ja tekevät päätöksiä nopeammin kuin ihmiset. Huomaa, että tämä ei välttämättä tarkoita, että tämä AGI tekee älykkäämpiä tai oikeampia päätöksiä kuin ihmiset, vaan että he voivat tehdä johtopäätöksiä nopeammin.
• Suorituskyky: Yksinkertaisesti sanottuna ihmisen aivot väsyvät, jos ne toimivat liian pitkään ilman lepoa tai unta, ja kun näin tapahtuu, sen muisti ja kyky oppia ja järkeä heikkenevät. Sillä välin AGI:t, olettaen, että ne ladataan (sähköä) säännöllisesti, heillä ei ole tätä heikkoutta.
• Päivitettävyys: Ihmiseltä uuden tavan oppiminen voi kestää viikkoja harjoittelua, uuden taidon oppiminen voi kestää kuukausia ja uuden ammatin oppiminen voi kestää vuosia. AGI:lla he voivat oppia sekä kokemuksen perusteella (kuten ihmiset) että suoran tiedonsiirron avulla, samalla tavalla kuin päivität säännöllisesti tietokoneesi käyttöjärjestelmän. Nämä päivitykset voivat koskea tietopäivityksiä (uudet taidot) tai suorituskyvyn parannuksia AGI:n fyysiseen muotoon. 

Seuraavaksi tarkastellaan AGI:itä, joilla on fyysinen muoto, mutta jotka ovat myös langattomasti yhteydessä Internetiin/pilveen. Erot, joita voimme nähdä tällä tasolla verrattuna liittämättömiin AGI:ihin, ovat:

• Muisti: Näillä AGI:illa on kaikki lyhyen aikavälin edut, jotka edellisellä AGI-luokalla on, paitsi että ne hyötyvät myös täydellisestä pitkäaikaisesta muistista, koska ne voivat ladata muistit pilveen, jotta niitä voidaan käyttää tarvittaessa. Ilmeisesti tämä muisti ei ole käytettävissä alueilla, joissa yhteys on heikko, mutta siitä tulee vähemmän huolta 2020- ja 2030-luvuilla, kun enemmän maailmaa tulee verkkoon. Lue lisää kohdasta luku yksi meidän Internetin tulevaisuus sarja. 
• Nopeus: Riippuen tämän AGI:n kohtaamasta esteestä, he voivat käyttää pilven suurempaa laskentatehoa auttaakseen heitä ratkaisemaan sen.
• Suorituskyky: Ei eroa yhdistämättömiin AGI:ihin verrattuna.
• Päivitettävyys: Ainoa ero tämän AGI:n välillä päivitettävyyden suhteen on se, että ne voivat käyttää päivityksiä reaaliajassa langattomasti sen sijaan, että heidän pitäisi käydä päivitysvarastossa ja kytkeytyä siihen.
• Kollektiivinen: Ihmisistä ei tullut maapallon hallitseva laji, ei siksi, että olisimme suurin tai vahvin eläin, vaan siksi, että opimme kommunikoimaan ja tekemään yhteistyötä eri tavoilla saavuttaaksemme yhteisiä tavoitteita, Woolly Mammuthin metsästämisestä kansainvälisen avaruusaseman rakentamiseen. AGI-tiimi nostaisi tämän yhteistyön uudelle tasolle. Kun otetaan huomioon kaikki yllä luetellut kognitiiviset edut ja yhdistettynä kyky kommunikoida langattomasti sekä henkilökohtaisesti että pitkien etäisyyksien yli, tuleva AGI-tiimi/pesämieli voisi teoriassa käsitellä projekteja paljon tehokkaammin kuin ihmisryhmä. 

Lopuksi, viimeinen AGI-tyyppi on versio ilman fyysistä muotoa, joka toimii tietokoneen sisällä ja jolla on pääsy täyteen laskentatehoon ja verkkoresursseihin, jotka sen luojat tarjoavat. Scifi-esityksissä ja kirjoissa nämä AGI:t ovat yleensä asiantuntevia virtuaalisia avustajia/ystäviä tai avaruusaluksen pirteää käyttöjärjestelmää. Mutta verrattuna kahteen muuhun AGI-luokkaan, tämä tekoäly eroaa seuraavilla tavoilla:

• Nopeus: Rajoittamaton (tai ainakin sen laitteiston rajoissa, johon sillä on pääsy).
• Muisti: rajoittamaton  
• Suorituskyky: Päätöksenteon laadun paraneminen sen ansiosta, että sillä on pääsy superlaskentakeskuksiin.
• Päivitettävyys: Absoluuttinen, reaaliaikainen ja rajoittamaton valikoima kognitiivisia päivityksiä. Tietenkin, koska tällä AGI-kategorialla ei ole fyysistä robottimuotoa, sillä ei tietenkään ole tarvetta fyysisille päivityksille, elleivät päivitykset ole tarkoitettu supertietokoneisiin, joissa se toimii.
• Kollektiivinen: Kuten edellinen AGI-luokka, tämä ruumiiton AGI tekee tehokasta yhteistyötä AGI-kollegoidensa kanssa. Kuitenkin, koska niillä on suorempi pääsy rajoittamattomaan laskentatehoon ja pääsy verkkoresursseihin, nämä AGI:t ovat yleensä johtavia rooleja yleisessä AGI-kollektiivissa. 

Milloin ihmiskunta luo ensimmäisen yleisen tekoälyn?

Ei ole asetettu päivämäärää, jolloin tekoälytutkimusyhteisö uskoo keksivänsä laillisen AGI:n. Kuitenkin a 2013 kysely Maailman johtavien tekoälytutkimusajattelijoiden Nick Bostrom ja Vincent C. Müllerin 550 maailman huippututkijan suorittama mielipiteiden keskiarvo laskettiin kolmeen mahdolliseen vuoteen:

• Mediaani optimistinen vuosi (10 % todennäköisyys): 2022
• Mediaani realistinen vuosi (50 % todennäköisyys): 2040
• Pessimistisen vuoden mediaani (90 % todennäköisyys): 2075 

Sillä, kuinka tarkkoja nämä ennusteet ovat, ei ole oikeastaan ​​väliä. Tärkeää on se, että valtaosa tekoälytutkimusyhteisöstä uskoo, että keksimme AGI:n elinaikanamme ja suhteellisen varhain tällä vuosisadalla. 

Kuinka yleisen tekoälyn luominen muuttaa ihmiskuntaa

Tutkimme näiden uusien tekoälyn vaikutusta yksityiskohtaisesti tämän sarjan viimeisessä luvussa. Sanomme kuitenkin tässä luvussa, että AGI:n luominen on hyvin samanlainen kuin yhteiskunnallinen reaktio, jonka koemme, jos ihmiset löytäisivät elämän Marsista. 

Yksi leiri ei ymmärrä merkitystä ja jatkaa ajattelua, että tiedemiehet tekevät ison sopimuksen uuden tehokkaamman tietokoneen luomisesta.

Toinen leiri, joka todennäköisesti koostuu luddiiteista ja uskonnollisista ihmisistä, pelkää tätä AGI:ta, koska se pitää kauhistuksena, että se yrittää tuhota ihmiskunnan SkyNet-tyyliin. Tämä leiri puolustaa aktiivisesti AGI:iden poistamista/tuhoamista kaikissa muodoissaan.

Toisaalta kolmas leiri näkee tämän luomuksen modernina henkisenä tapahtumana. Kaikilla tärkeillä tavoilla tämä AGI on uusi elämänmuoto, joka ajattelee eri tavalla kuin me ja jonka tavoitteet ovat erilaiset kuin omamme. Kun AGI:n luomisesta on ilmoitettu, ihmiset eivät enää jaa maapalloa vain eläinten kanssa, vaan myös uuden luokan keinotekoisten olentojen rinnalla, joiden älykkyys on sama tai parempi kuin omamme.

Neljännelle leirille osallistuu liike-elämän kiinnostuneita, jotka selvittävät, kuinka he voivat käyttää AGI:itä erilaisiin liiketoiminnan tarpeisiin, kuten työmarkkinoiden aukkojen täyttämiseen ja uusien tavaroiden ja palveluiden kehittämisen nopeuttamiseen.

Seuraavaksi meillä on edustajia kaikilta hallintotasoilta, jotka kompastuvat yrittäessään saada järkeä AGI:n sääntelemisestä. Tämä on taso, jolla kaikki moralisointi ja filosofiset keskustelut nousevat päähän, erityisesti siitä, pitäisikö näitä AGI:itä kohdella omaisuutena vai henkilöinä. 

Ja lopuksi, viimeinen leiri on armeija ja kansalliset turvallisuusvirastot. Itse asiassa on hyvä mahdollisuus, että ensimmäisen AGI:n julkinen ilmoitus voi viivästyä kuukausia tai vuosia pelkästään tämän leirin takia. Miksi? Koska AGI:n keksiminen johtaa lyhyessä ajassa keinotekoisen superälyn (ASI) luomiseen, joka edustaa valtavaa geopoliittista uhkaa ja mahdollisuus, joka ylittää huomattavasti ydinpommin keksimisen. 

Tästä syystä seuraavat muutamat luvut keskittyvät kokonaan ASI-aiheeseen ja siihen, selviääkö ihmiskunta sen keksimisen jälkeen.

(Liian dramaattinen tapa lopettaa luku? Varmasti.)

Future of Artificial Intelligence -sarja

Tekoäly on huomisen sähköä: tekoälyn tulevaisuus P1

Kuinka luomme ensimmäisen tekoälyn: tekoälyn tulevaisuus P3 

Tuhoaako keinotekoinen superäly ihmiskunnan? Tekoälyn tulevaisuus P4

Kuinka ihmiset puolustautuvat tekoälyä vastaan: tekoälyn tulevaisuus P5

Elävätkö ihmiset rauhassa tekoälyn hallitsemassa tulevaisuudessa? Tekoälyn tulevaisuus P6