Histerija o budućnosti vještačke inteligencije (AI) je svuda. Čini se da nema nedostatka senzacionalističkim vijestima o tome kako AI može izliječiti bolesti, ubrzati ljudske inovacije i poboljšati ljudsku kreativnost.

Samo gledajući na naslove medija, možda mislite da već živimo u budućnosti u kojoj se AI infiltrira u svaki aspekt društva.
Iako je nesporno da je AI otvorila mnoštvo obećavajućih mogućnosti, to je dovelo i do pojave načina razmišljanja koji se najbolje može opisati kao “rješenje AU-a”. Ovo je filozofija koja, s obzirom na dovoljno podataka, algoritmi mašinskog učenja mogu rješiti sve probleme čovečanstva.

Ali postoji veliki problem sa ovom idejom. Umjesto da podržava napredak AI, on zapravo ugrožava vrijednost mašinske inteligencije bez obzira na važne AI sigurnosne principe i postavljanje nerealnih očekivanja o tome šta AI stvarno može učiniti za čovječanstvo.

AI rješavatelj problema

Za samo nekoliko godina, rješenje AI-a je učinilo put od usta tehnoloških evangelista u Silikonskoj dolini do umova vladinih zvaničnika i kreatora politike širom svijeta.
Klatno se zamahlo od distopijskog shvatanja da će AI uništiti čovječanstvo utopijskom uverenju da je naš algoritamski spasilac ovde.

Sada vidimo da se vlade zalagaju za podršku nacionalnim inicijativama za intelektualnu svojinu i da se takmiče u tehnološkoj i retoričkoj utrci naoružanja kako bi dominirale na rastućem sektoru mašinskog učenja.

Na primjer, vlada Velike Britanije obećala je da će uložiti 300 miliona funti u istraživanje AI-a kako bi se pozicionirala kao lider na terenu.
Oduševljen transformativnim potencijalom AI, francuski predsjednik Emmanuel Macron obavezao se da će Francusku pretvoriti u globalni AI centar.
U međuvremenu, kineska vlada povećava svoj AI ličnost nacionalnim planom za stvaranje kineske industrijske industrije u vrijednosti do 150 milijardi američkih dolara do 2030. godine. Rješenje o AI-u je u porastu i tu je da ostane.

Neuronske mreže – lakše reći nego uraditi

Iako mnogi politički manifestovi utiču na transformativne efekte nadolazeće “AI revolucije”, oni imaju tendenciju da prenebregnu složenost oko primjene naprednih sistema za mašinsko učenje u stvarnom svetu.
Jedna od najperspektivnijih sorti AI tehnologije su neuronske mreže. Ovaj oblik mašinskog učenja je ohlapno modelovan nakon neuronske strukture ljudskog mozga, ali u mnogo većoj mjeri. Mnogi proizvodi bazirani na AI-u koriste neuronske mreže za zaključivanje obrasca i pravila iz velikog broja podataka.

Ali ono što mnogi političari ne razumiju je da jednostavno dodavanje neuronske mreže problemu neće automatski značiti da ćete pronaći rešenje. Slično tome, dodavanje neuronske mreže demokratiji ne znači da će ona biti trenutno inkluzivnija, fer ili personalizovana.

Izazivanje birokratije podataka

Sistemima AI je potrebno puno podataka za funkcionisanje, ali javni sektor obično nema odgovarajuću infrastrukturu podataka za podršku naprednom mašinskom učenju.
Većina podataka ostaje sačuvana u offline arhivama. Nekoliko digitalizovanih izvora podataka koji postoje imaju tendenciju sahranjivanja u birokratiji. Često se podaci prenose preko različitih vladinih odjeljenja kojima se svakom od njih zahtijeva posebna dozvola za pristup.
Prije svega, javnom sektoru obično nedostaje ljudski talenat sa pravim tehnološkim mogućnostima kako bi se u potpunosti iskoristile koristi od inteligencije mašine.

Iz ovih razloga, senzacionalizam nad AI privukao je mnoge kritike. Stuart Russell, profesor računarskih nauka u Berkeley-u, dugo se zalagao za realniji pristup koji se fokusira na jednostavne svakodnevne primjene AI umjesto hipotetičkog preuzimanja super-inteligentnih robota.
Slično tome, MIT-ov profesor robotike, Rodney Brooks, piše da “gotovo sve inovacije u robotici i AI zauzmu daleko, daleko, da budu stvarno široko raspoređene od ljudi na terenu”.
Jedna od mnogih poteškoća u primjeni sistema mašinskih učenja jeste da je AI izuzetno podložan napadima protivnika. To znači da zlonamjerni AI može usmjeriti drugi AI da ga primorava da napravi pogrešna predviđanja ili da se ponaša na određeni način.

Mnogi istraživači su upozorili protiv izbijanja AU bez odgovarajućih sigurnosnih standarda i odbrambenih mehanizama. Ipak, sigurnost AI i dalje ostaje često zanemarena tema.

Mašinsko učenje nije magija

Ako želimo da iskoristimo prednosti i minimiziramo potencijalne štete AI-a, moramo početi razmišljati o tome kako se mašinsko učenje može značajno primijeniti na određena područja vlasti, poslovanja i društva. To znači da moramo imati diskusiju o AI etici i nepoverenju koje mnogi ljudi imaju prema mašinskom učenju.
Najvažnije, moramo biti svjesni ograničenja AI-a i gdje ljudi još uvijek treba da preuzmu vodstvo. Umjesto slikanja nerealne slike o moći AI-a, važno je napraviti korak unazad i odvojiti stvarne tehnološke mogućnosti AI iz magije.

Već dugo vremena, Facebook je vjerovao da problemi poput širenja dezinformacije i govora mržnje mogu biti algoritamski identifikovani i zaustavljeni. Ali pod novim pritiskom zakonodavaca, kompanija je brzo obećala da će svoje algoritme zamijeniti vojskom od preko 10.000 ljudskih recenzenata.
Medicinska struka takođe je prepoznala da se AI ne može smatrati rješenjem za sve probleme. Program IBM Watson for Oncology je bio dio AI-a koji je trebalo da pomogne ljekarima da rade na raku.

Iako je razvijena da bi pružila najbolje preporuke, stručnjaci za ljudima smatraju da je teško vjerovati mašini. Kao rezultat toga, AI program je napušten u većini bolnica u kojima je testiran.
Slični problemi nastali su u pravnom domenu kada su algoritmi korišteni u sudovima u SAD da osuđuju kriminalce. Algoritam je izračunao rezultate procjene rizika i savjetovao sudije o odmjeravanju kazne. Utvrđeno je da sistem razvija strukturnu rasnu diskriminaciju i kasnije je napušten.

Ovi primjeri pokazuju da za sve ne postoji AI rješenje. Korišćenje AI-a jednostavno radi AI-a možda nije uvijek produktivno ili korisno. Nije svaki problem najbolje rješen primjenom inteligencije mašine.
Ovo je ključna lekcija za sve koji imaju za cilj povećanje ulaganja u nacionalne AI programe: sva rješenja dolaze sa troškovima, a ne može sve biti automatizirano.

Izvor: https://www.sciencealert.com/ai-machine-learning-solve-all-humanity-problems-unrealistic