Sisältö
K:
Kuinka yritykset yrittävät lisätä "nopeusmittarin" tekoälytyöhön?
V:
Jotkut keinotekoisen älykkyyden uusimpaan kehitykseen pyrkivät yritykset ovat keskittyneet saavuttamansa edistyksen kvantifiointiin ja vertailuanalyyseihin joitain keinoälyn kehittymisen ajankohtia. On olemassa monia syitä, miksi yritykset tekevät tällaisia analyysejä. Yleensä he yrittävät selvittää, kuinka pitkälle tekoäly on edennyt, miten sitä sovelletaan elämäämme ja miten se vaikuttaa markkinoihin.
Jotkut yritykset aivoriihiä ja seuraavat keinotekoisen älykkyyden kehitystä selvittääkseen, miten uudet tekniikat voivat vaikuttaa kansalaisvapauksiin tai miten ne voivat luoda uusia taloudellisia todellisuuksia. Yritystyypistä riippuen tämäntyyppinen analyysi voi tapahtua yrittämällä selvittää, kuinka käyttäjätiedot voivat kulkea järjestelmien kautta, ymmärtää, kuinka rajapinnat toimivat, tai selvittää, mitä ominaisuuksia keinotekoisen älykkyyden yksiköillä on ja kuinka he voivat käyttää näitä ominaisuuksia.
Menetelmien suhteen yritykset, jotka yrittävät vertailla keinotekoista älykkyyttä, voivat keskittyä abstraktin tiedon hajottamiseen - esimerkiksi Wired-artikkelissa viitataan AI Index -hankkeeseen, jossa tutkijat, kuten Ray Perrault, työskentelevät voittoa tavoittelemattomassa laboratoriossa SRI International, työskentelevät yksityiskohtaisesta hetkestä siitä, mitä tekoälyn alalla tapahtuu.
"Tämä on jotain, joka on tehtävä, osittain siksi, että siellä on niin paljon hulluutta siitä, mihin AI menee", Perrault sanoo artikkelissa kommentoidessaan motivaatiota ryhtyä tällaiseen projektiin.
Selittäessään, miten tekoälyn vertailuanalyysi toimii, jotkut asiantuntijat selittävät, että insinöörit tai muut osapuolet voivat yrittää suorittaa ”kovaa testausta” tekoälyprojekteille, esimerkiksi yrittäen ”huijata” tai ”voittaa” tekoälyjärjestelmiä. Tällainen kuvaus menee todella sen ytimeen, kuinka yritykset voivat todella seurata ja arvioida tekoälyä. Yksi tapa ajatella tätä on soveltaa samoja ideoita, joita ohjelmoijat käyttivät aikaisempina aikoina lineaarikoodijärjestelmien vianetsintään.
Lineaaristen koodijärjestelmien virheenkorjauksen tarkoituksena oli löytää paikkoja, joissa järjestelmä toimisi hyvin - missä ohjelma kaatuu, missä se jäädyttäisi, missä se toimisi hitaasti jne. Tarkoitettiin löytämistä, missä loogiset virheet pysäyttäisivät tai sekoittaisivat projektin, jossa toiminto ei toimisi oikein tai jossa voi olla jotakin tahatonta käyttäjän tapahtumaa.
Kun mietit sitä, nykyaikainen tekoälyn testaus voi olla samanlainen pyrkimys hyvin erilaisella tasolla - koska tekoälyn tekniikat ovat kognitiivisempia kuin lineaarisia, testaus tapahtuu paljon eri muodossa, mutta ihmiset etsivät silti "virheitä" ”- tapoja, joilla näillä ohjelmilla voi olla tahattomia seurauksia, tapoja, joilla ne voivat toimia ja vahingoittaa ihmisten instituutioita, jne. Tätä ajatellen, vaikkakin on olemassa monia erilaisia menetelmiä nopeusmittarin tai keinotekoisen älykkyyden kehityksen vertailuarvon luomiseksi, Edellä kuvattu kova testaus antaa yleensä ihmisille ainutlaatuisen käsityksen siitä, kuinka pitkälle tekoäly on saavutettu, ja mitä on tehtävä, jotta se tuottaa enemmän positiivisia kehittämättä lisää negatiivisia.