Category Archives: Digitalna fizika

ŠTA ĆE SE VELIKO DEŠAVATI U 2023 ? VJEŠTAČKA INTELIGENCIJA, ETO ŠTA

Godine 2022. mnogi od nas su se prvi put upoznali – i zaintrigirali sa – mogućnosti umjetne inteligencije za generiranje slika poput Midjourney, DeepAI i DALL-E 2 za proizvodnju sofisticiranih i čudnih slika zasnovanih na „interpretacijama” pisanog unosa.

Zatim, kasnije tokom godine, ChatGPT je postao viralan.

Ova umjetna inteligencija koja stvara tekst može proizvesti izvanredne rečenice i eseje kao odgovor na gotovo svaki upit. Na primjer, može stvoriti uvjerljive scene iz Seinfelda, sastaviti pristojna pisma i biografije, predložiti planove prehrane i dati (potencijalno upitne) savjete za vezu.

Za mnoge ljude ovi pomaci su generalno pozitivni. Neki su istakli obećanje umjetne inteligencije kada je u pitanju pravljenje zanimljivih umjetničkih djela ili brzo pisanje teksta kako bismo uštedjeli vrijeme i trud. Drugi misle da bi generativna umjetna inteligencija mogla djelomično zamijeniti Googleov pretraživač i omogućiti početnicima da pišu kompjuterski kod.

Dok je sve ovo uzbuđenje trajalo, čulo se nekoliko glasova upozorenja. Kritičari su bili zabrinuti zbog prenaglašavanja AI i izjavili su da bi generativna AI mogla pogoršati toksičnu politiku, izbacivati ​​gluposti i zamijeniti umjetnike i novinare.

Nekoliko njih, uključujući jednog od osnivača OpenAI-ja, Elona Muska, tvrdi da je “opasno jaka” AI iza ugla. Možda kompjuterski naučnik koji je tvrdio da je Googleov chatbot LaMDA samosvjestan ipak nije bio tako daleko od istine?

KAKO TRENIRATI VAŠU AI (vještačku inteligenciju)


Generativna AI uključuje obuku kompjuterskog modela na brojnim primjerima. DALL-E-2 je obučen na 650 miliona slika prebačenih sa interneta da bi „razumeo“ kako su slike konstruisane i kako su različite reči ili fraze povezane sa komponentama slike.

ChatGPT je obučen za milijarde riječi i razgovora pronađenih na webu. To je moćna verzija „modela velikog jezika” koja koristi neku vrstu učenja s pojačanjem.

Ovo učenje s pojačanjem znači da ljudi nagrađuju samo ‘prikladne’ odgovore kako bi vodili model u stvaranju razumljivih odgovora. OpenAI koristi javne volontere kako bi poboljšao ChatGPT.

ChatGPT može pisati naizgled koherentne pasuse koji su relevantni za njegove upite koje su mu dali ljudi. Može otkloniti greške u kompjuterskom kodu, odgovoriti na složena matematička pitanja i objasniti složene ideje – često bolje od ljudi.

Ove mogućnosti bi nam potencijalno mogle uštedjeti vrijeme na pretraživanju informacija i poboljšati naše pisanje omogućavajući nam da pažljivo pregledamo i uredimo pokušaje AI. U stvari, neki akademici su koristili ChatGPT da generišu respektabilne sažetke za svoje radove.

Školska djeca bi mogla steći uvid eksperimentiranjem s načinom na koji AI odgovara na pitanja s kojima se bore. Ali isto tako, drugi učenici koji se oslanjaju na ove vrste AI za pisanje svojih eseja možda neće uspjeti naučiti kritičko razmišljanje – ili bilo šta uopće.

Dok neki tvrde da su procjene poput eseja koje možete uzeti kući ionako beskorisne, drugi misle da je promišljeno pisanje eseja vještina koja se najbolje razvija kada učenici mogu pažljivo oblikovati komad pisanja u svoje vrijeme.

Čak i više od varanja ugovora, AI ovo dovodi u opasnost.

ISTINA I POVERENJE
AI postavlja pitanja istine i povjerenja. Veliki jezički modeli rade jednostavno predviđajući sljedeću riječ u rečenici na osnovu podudaranja uzorka. Oni nisu eksplicitno naučeni da donose sudove o značenju ili istini.

Generativni modeli mogu proizvesti besmislene, nelogične ili lažne rezultate, dok zvuče savršeno samouvjereno. Meta je morao da povuče svoje naučno znanje AI model Galactica kada je dao previše netačnih odgovora na naučna pitanja.

A budući da ovi modeli apsorbiraju ogromne količine sadržaja koje je napravio čovjek, mogu generirati uvredljive slike ili tekst pristrasan prema manjinskim grupama.

Neki misle da su kompanije sa veštačkom inteligencijom previše samozadovoljne u vezi sa ovim rizicima. Metin Blenderbot je nedavno krenuo na kraj kada je pohvalio Pol Pota i preporučio filmove sa ocenom R za decu.

DALL-E 2 može napraviti privlačne slike miješanjem različitih stilova crtanja, poput Diznijevih crtanih filmova, i stilova slikanja uključujući impresionizam. ChatGPT može kombinovati stilove pisanja u svojim izlazima i proizvesti razuman tekst – barem može kada to bude ispravno.

ORIGINALNO I KREATIVNO?
Dakle, da li je generativna AI kreativna? U jednom smislu, da. Iako se rezultat oslanja na sadržaj koji je napravio čovjek, kombinacije elemenata mogu biti nove, a rezultati neočekivani i nepredvidivi.

Još 1950. pionirski AI mislilac Alan Turing rekao je da nas ‘puki’ deterministički kompjuteri mogu ‘iznenaditi’.

Ponekad su zaista smiješni. Postojao je jedan primjer ChatGPT-a koji je davao savjete u biblijskom stilu o tome kako ukloniti sendvič s puterom od kikirikija iz videorekordera. Očigledno, AI čak može izmisliti nove stvari, kao što je posuda za hranu s fraktalnom površinom, što nedvojbeno dovodi u pitanje zakon o patentima.

A ni kreativni ljudi nisu sasvim originalni: naš govor i pisanje također su ‘generirani’ od bezbroj riječi i rečenica kojima smo bili izloženi i apsorbirani.

Ali da li je AI originalan na način na koji neki ljudi mogu biti? Možda ne.

AI naizgled (trenutno) nije sposoban stvoriti potpuno nove stilove ili žanrove pisanja ili slikanja, barem nijedan koji bi bio uvjerljiv. Malo je vjerovatno da će savremena umjetna inteligencija biti sljedeća Jane Austen ili Hokusai – ili se čak takmičiti sa manje istaknutim umjetnicima.

AI nedostaje nešto drugo što kreativni ljudi imaju.

Za razliku od ljudskih bića, AI nije primoran stvarati jer ga pokreće umjetnost ili zadivljuje znanost. AI se ne osjeća potaknutim da napravi nešto vrijedno ili se osjeća zadovoljnim svojim neosporno impresivnim kreacijama.

Čak i ljudska bića kojima potpuno nedostaje originalnosti i kreativnosti mogu razumjeti uzbuđenje kreativnih iskustava. AI ne može.

AI SLJEDEĆI SMELI KORACI
Ko zna šta AI ima u rukavu za ovu godinu? Pa, na osnovu brzine nedavnih dešavanja, mogla bi nas čekati neka iznenađenja.

AI nas može nastaviti impresionirati.

Samo nemojte očekivati da ćete vidjeti umjetnu inteligenciju koja je kreativna poput umjetnika ili naučnika, ili u koju možemo vjerovati da će biti potpuno istinita ili nepristrasna.

Izvor: https://pursuit.unimelb.edu.au/articles/what-ll-be-big-in-2023-ai-that-s-what

Nobelova nagrada za fiziku dodijeljena pionirima kvantne informacije

Nobelovu nagradu za fiziku 2022. zajednički su dobili Alain Aspect, John F. Clauser i Anton Zeilinger

Nobelova nagrada za fiziku 2022. zajednički je dodijeljena Alainu Aspectu, Johnu F. Clauseru i Antonu Zeilingeru za eksperimente sa zapletenim fotonima i njihov rad u pionirskoj kvantnoj informacijskoj znanosti.

Trio je osvojio 10 milijuna švedskih kruna, koje će ravnomjerno podijeliti laureati.

“Postaje sve jasnije da se pojavljuje nova vrsta kvantne tehnologije. Vidimo da je rad laureata sa zapetljanim stanjima od velike važnosti, čak i izvan temeljnih pitanja o tumačenju kvantne mehanike,” kaže Anders Irbäck, predsjednik Nobelovog odbora za fiziku.

Alain Aspect, rođen je 1947. u Agenu, Francuska. Doktorirao je 1983. na Sveučilištu Paris-Sud, Orsay, Francuska. Profesor je na Université Paris-Saclay i École Polytechnique, Palaiseau, Francuska.

John F. Clauser istraživački fizičar, SAD razvio je ideje Johna Bella, što je dovelo do praktičnog eksperimenta. Kada je izvršio mjerenja, ona su poduprla kvantnu mehaniku jasno kršeći Bellovu nejednakost. To znači da se kvantna mehanika ne može zamijeniti teorijom koja koristi skrivene varijable.

Anton Zeilinger, profesor na Sveučilištu u Beču, Austrija koristeći rafinirane alate i duge nizove eksperimenata. Anton Zeilinger je počeo koristiti zapletena kvantna stanja. Između ostalog, njegova istraživačka skupina demonstrirala je fenomen nazvan kvantna teleportacija, koji omogućuje premještanje kvantnog stanja s jedne čestice na drugu na velikoj udaljenosti.

Profesor na Université Paris-Saclay i École Polytechnique, Palaiseau, Francuska Alain Aspect razvio je postavku, koristeći je na način da zatvori važnu rupu u zakonu koja je ostala nakon rada Johna Clausera. Uspio je promijeniti postavke mjerenja nakon što je zapleteni par čestica napustio svoj izvor, tako da postavka koja je postojala kada su emitirani nije mogla utjecati na rezultat.

Izvor: https://www.nobelprize.org/

Da li je moguća astrofotografija bez teleskopa?

Najjednostavniji oblik astrofotografije bez teleskopa je pejzažna astrofotografija. Osnovno što morate imati je moderan digitalni fotoaparat, te čvrsti fotostativ. Ta oprema će vam ionako trebati za bilo kakvu kvalitetniju astrofotografiju. U ovom slučaju vam treba širokokutni objektiv, žarišne duljine 24 mm ili manje. Kraće žarišne duljine omogućiti će snimanje duljih ekspozicija, a da zvijezde ne postanu crtice zbog rotacije Zemlje oko svoje osi. Širokokutnim objektivom treba uhvatiti što veći dio noćnog neba u kombinaciji sa zanimljivim pejzažem. To mogu biti neke atraktivne građevine, ruševine, otoci u daljini ili planinski vrhovi – naravno, što dalje od umjetne rasvjete i svjetlosnog onečišćenja gradova. Sve postavke moraju biti podešene ručno, a najvažnije je pažljivo ručno izoštravanje na neku sjajnu zvijezdu koristeći “live view” na ekranu. Automatika u mrklom mraku jednostavno – ne funkcionira!

Dobre početne postavke su:

  • maksimalan otvor objektiva (najmanji f-broj)
  • vrijeme ekspozicije 15-30 sekundi (ekspozicije mogu biti dulje što je objektiv širokokutniji)
  • ISO 1600
  • obavezno spremanje fotografija u RAW formatu

Kod fotografija noćnog neba je izražen digitalni šum zbog kojeg je slika zrnata, što otežava daljnju obradu i gube se detalji. Zato se uvijek radi nekoliko uzastopnih fotografija koje se kasnije u obradi moraju registrirati (preklopiti) jedna preko druge, te uprosječiti kako bi se šum smanjio. Registracija je vrlo važna jer se položaji zvijezda na svim fotografijama moraju točno podudarati. Šum je na pojedinačnim fotografijama uvijek malo drukčiji, pa kad se uprosječi nekoliko fotografija (u slučaju pejzažne astrofotografije dovoljno ih je 10-20) dobijemo znatno “čišću” fotografiju.

Za takvu obradu pejzažnih astrofotografija najčešće se koristi besplatni program Sequator. Na gornjem primjeru (izrez fotografije na 100% veličine) možete primjetiti kako se s 30 sekundi ekspozicije i 20 mm širokokutnim objektivom već vide tragovi zbog rotacije Zemlje. To se definitivno neće vidjeti na slikama pripremljenim za internet i društvene mreže, pa čak niti fotografije izrađene na papiru većih formata se neće gledati iz tolike blizine da bi tragovi smetali ukupnom dojmu. Alternativno, ekspozicija bi se mogla smanjiti na 20 sekundi.

Kako možemo dobiti detaljnije fotke?

OK, pejzažna astrofotografija je cool, ali na njima se vide “samo” sjajnija zviježđa i Mliječni put, a vi zapravo želite detaljnije fotke maglica i galaksija? Vjerovali ili ne, za tu namjenu se i dalje mogu koristiti fotografski objektivi (ili čak mali teleskopi specijalizirani za tu namjenu!) koji će nam omogućiti detaljniji pogled u svemirska prostranstva – bez komplikacija s velikim teleskopima i teškim astronomskim montažama. Ovdje se već govori o “pravoj” astrofotografiji gdje je potrebno koristiti motoriziranu montažu koja će kompenzirati rotaciju noćnog neba, tako da na fotografiji zvijezde ne budu izdužene crtice. Takve male motorizirane montaže se nazivaju “trackeri” – kompaktne su da mogu stati u ruksak ili foto torbu i mogu se postaviti na standardne fotostative. Na trackerima se najčešće koriste objektivi žarišnih duljina od 50 do 200 mm žarišne duljine. Žarišne duljine teleskopa su najčešće od 500 mm na više.

Zvijezde se prividno gibaju kružno oko sjevernog nebeskog pola koji se nalazi u blizini Sjevernjače. Da bi trackeri mogli precizno pratiti gibanje zvijezda, mora ih se precizno i usjeveriti. U tome im pomaže polarni tražilac. Što je preciznije usjeveravanje, biti će moguće snimati dulje ekspozicije i koristiti objektive većih žarišnih duljina. Pojedinačne ekspozicije su najčešće trajanja 2-3 minute.

Izvor: https://teleskopcentar.hr/astrofotografija-bez-teleskopa/

Šta su to satovi?

Prvo što treba primijetiti je da je gotovo sve sat. Smeće najavljuje dane sa sve lošijim mirisom. Bore označavaju godine. “Mogli biste odrediti vrijeme mjerenjem koliko se vaša kava ohladila na vašem stoliću”, rekao je Huber, koji je sada na Tehničkom univerzitetu u Beču i Institutu za kvantnu optiku i kvantne informacije Beč.

Rano u razgovorima u Barceloni Huber, Erker i njihove kolege shvatili su da je sat sve što podliježe nepovratnim promjenama: promjene u kojima se energija širi među više čestica ili u šire područje. Energija teži disipaciji – a entropija, mjera njenog rasipanja, ima tendenciju povećanja – jednostavno zato što postoji daleko, daleko više načina za raspodjelu energije nego za njenu visoku koncentraciju. Ova numerička asimetrija i znatiželjna činjenica da je energija započela ultrakoncentrirano na početku svemira, razlog su zašto se energija sada kreće prema sve raštrkanijim aranžmanima, jednu po jednu šalicu kave koja se hladi.

Čini se da ne samo da snažna tendencija širenja energije i nepovratni porast entropije uzrokuju strelicu vremena, već prema Huberu i kompaniji, također računaju satove. “Ireverzibilnost je zaista fundamentalna”, rekao je Huber. “Ovaj pomak u perspektivi smo htjeli istražiti.”

Kafa ne čini odličan sat. Kao i kod većine nepovratnih procesa, njegove interakcije s okolnim zrakom događaju se stohastički. To znači da morate izračunavati prosjek tokom dugog vremenskog razdoblja, obuhvaćajući mnoge slučajne sudare između molekula kave i zraka, kako biste precizno procijenili vremenski interval. Zato kafu, smeće ili bore ne nazivamo satovima.

To ime zadržavamo, shvatili su termodinamičari satova, za objekte čija je sposobnost mjerenja vremena poboljšana periodičnošću: neki mehanizam koji raspoređuje intervale između trenutaka u kojima se događaju nepovratni procesi. Dobar sat se ne menja samo. Otkucava.

Što su tikovi pravilniji, sat je tačniji. U svom prvom članku, objavljenom u Physical Review X 2017., Erker, Huber i koautori pokazali su da bolje mjerenje vremena ima svoju cijenu: što je veća točnost sata, to se više energije rasipa i više entropije proizvodi tokom otkucavanja.

Sat je mjerač protoka za entropiju ”, rekao je Milburn.

Otkrili su da bi idealan sat – koji otkucava savršenom periodičnošću – sagorio beskonačnu količinu energije i proizveo beskonačnu entropiju, što nije moguće. Stoga je tačnost satova u osnovi ograničena.

Zaista, u svom radu Erker i kompanija proučavali su tačnost najjednostavnijeg sata kojeg su se mogli sjetiti: kvantnog sistema koji se sastoji od tri atoma. “Vrući” atom povezuje se s izvorom topline, “hladan” atom se spaja s okolnom okolinom, a treći atom koji je povezan s oba druga “krpelja” podliježući pobudama i raspadima. Energija ulazi u sistem iz izvora topline, pokrećući krpelje, a entropija nastaje kada se otpadna energija ispušta u okoliš.

Istraživači su izračunali da otkucaji ovog troatomskog sata postaju pravilniji što sat proizvodi više entropije. Ovaj odnos između tačnosti sata i entropije “za nas je intuitivno imao smisla”, rekao je Huber, u svjetlu poznate veze između entropije i informacije.

“Postoji duboka veza između entropije i informacija”, rekao je Huber, pa bi svako ograničenje proizvodnje entropije sata trebalo prirodno odgovarati ograničenju informacija – uključujući, rekao je, “informaciju o vremenu koje je proteklo”.

U drugom radu objavljenom u Physical Review X ranije ove godine, teoretičari su proširili svoj model sata sa tri atoma dodavanjem složenosti-u suštini ekstra topli i hladni atomi povezani sa atomom koji otkucava. Pokazali su da ova dodatna složenost omogućava satu da koncentriše vjerovatnoću da se otkucaj dogodi u sve uže vremenske prozore, čime se povećava pravilnost i tačnost sata.

Ukratko, nepovratan porast entropije omogućuje mjerenje vremena, dok periodičnost i složenost poboljšavaju performanse sata. Ali do 2019. nije bilo jasno kako provjeriti timske jednadžbe ili kakve su veze, ako ništa drugo, jednostavni kvantni satovi s onima na našim zidovima.

Fizičari su se trudili razumjeti kako se vrijeme kvantne mehanike može pomiriti s pojmom vremena kao četvrte dimenzije u Einsteinovoj općoj teoriji relativnosti, trenutnom opisu gravitacije. Savremeni pokušaji pomirenja kvantne mehanike i opće relativnosti često tretiraju četverodimenzionalno prostor-vremensko tkivo Einsteinove teorije kao pojavljivanje, neku vrstu holograma skuhanog apstraktnijim kvantnim informacijama. Ako je tako, i vrijeme i prostor trebali bi biti približni pojmovi.

Izvor: quantamagazine.org

Istraživači su ostvarili kvantno pamćenje u objektima udaljenim više od 50 km

Dok kvantni računari mogu raditi zanimljive stvari bez namjenske memorije, memorija bi pružila veliku fleksibilnost u pogledu vrsta algoritama koje bi mogli pokrenuti i kako kvantni sistemi mogu komunicirati jedni s drugima i s vanjskim svijetom. Izgradnja kvantne memorije je izuzetno izazovna, jer i čitanje i pisanje iz nje moraju biti izuzetno efikasni i precizni, a memorija mora raditi nešto što je netipično za kvantne sisteme: držati svoje stanje za značajno vrijeme.

No ako riješimo probleme, kvantna memorija nudi prilično neobična svojstva. Proces pisanja u kvantnu memoriju vrlo je sličan procesu kvantne teleportacije, što znači da se memorija potencijalno može prenijeti između različitih računarskih sredstava. A budući da je uređaj za pohranu kvantni objekt, postoji mogućnost da se dva qubita memorije na različitim lokacijama mogu ispreplesti, u suštini delokalizirajući vrijednost qubita.


U demonstraciji tog obećanja, kineski su istraživači ugradili kvantnu memoriju u objektima udaljenim više od 20 kilometara. Zasebno su izveli i zapetljavanje s fotonima koji su prešli 50 kilometara optičkog kabla. Ali proces prijenosa i umetanja dolazi s nesretnom nuspojavom: traje toliko dugo da memorija u međuvremenu izgubi koherenciju.

Kvantni grad
Osnovni obrisi eksperimenta poprilično su jasni za postupak koji je pomalo mutan. Ovdje se koriste kubiti mali oblaci hladnih atoma (oko stotinu miliona atoma za svaki). Smješteni su u stanje u kojem se atomi ne razlikuju iz kvantne perspektive i tako se mogu tretirati kao jedan kvantni objekt. Budući da će se kvantno stanje rasporediti istovremeno po svim atomima, to pruža malo veću stabilnost od ostalih oblika kvantne memorije. Stanje atomskog oblaka čita se i piše pomoću fotona, a atomi se postavljaju u optičku šupljinu koja hvata ove fotone. To osigurava da fotoni imaju mnogo mogućnosti za interakciju s atomskim oblakom, povećavajući efikasnost operacija.

Kad se stanje memorije postavi fotonom pisanja, atomski kolektiv emitira drugi foton što ukazuje na uspjeh. Polarizacija ovog fotona sadrži podatke koji se odnose na stanje atoma, pa služi kao sredstvo za zapetljavanje memorije.

Nažalost, taj foton je na talasnoj dužini koja i nije baš korisna jer se teži gubljenju tokom prijenosa. Dakle, istraživači su žrtvovali malo efikasnosti za puno korisnosti. Koristili su uređaj koji pomiče valnu dužinu fotona s bliskog infracrvenog na valnu dužinu koja se koristi u standardnim komunikacijskim vlaknima. Oko 30 posto fotona izgubljeno je, ali preostali se mogu prenijeti s visokom učinkovitošću preko postojećih vlakana (pod uvjetom da se tamo postavi pravi hardver gdje vlakno završi).


Postoje gubici zbog filtriranja buke i uvlačenja fotona u vlakno, ali cijeli je proces efikasan preko 30 posto, za kraj. U ovom slučaju, dva kraja su bila udaljena 11 km, na Kineskom univerzitetu za nauku i tehnologiju i softverskom parku Hefei.

Autori su stvorili dva kbita kvantne memorije, generisali fotone iz oba i poslali te fotone zasebnim kablovima u Software Park. Tamo su fotoni poslani kroz uređaj koji im je onemogućavao razlikovanje, zapetljavanje. Pošto su oni zauzvrat bili isprepleteni s kvantnom memorijom koja ih je proizvela, dva qubita memorije su tada bila isprepletena. Dok su boravili u istom laboratoriju, geometrija vlakana mogla je biti proizvoljna – bila je ekvivalentna isprepletanju dva bita memorije koja su bila udaljena 22 km.

To je veliki korak u odnosu na prethodni rekord od 1,4 km.

Idite dugo
Kako bi malo rastegnuli stvari, istraživači su se tada okrenuli dugom kalem kabelu. Dva fotona poslana su niz kabel i potom manipulirana tako da je bilo nemoguće odrediti koji su put krenuli kablom. To ih je opet zbunjivalo, a time i uspomene koje su u prvi plan emitirale fotone. Proces je zahtijevao da se prati faza dolaznih fotona, što je znatno teže, a samim tim i smanjena je ukupna efikasnost.

Za vlaknastu stazu dugu 50 km, to je dovelo do prilično niske efikasnosti, i to između 10-4. Što znači da se vrijeme za postizanje posrnuća povećalo – u ovom slučaju preko pola sekunde. I to je problem, jer je tipični životni vijek qubita pohranjenog u ovoj memoriji 70 mikrosekundi, što je puno kraće od procesa zamicanja. Dakle, pristup definitivno spada u kategoriju “nije baš spremno za proizvodnju”.

I to je nesretno jer pristup otvara niz vrlo intrigantnih mogućnosti. Jedan je da bi širenje qubita kroz dva objekta ovom delokalizacijom moglo omogućiti da se izvede jedan kvantni proračun na udaljenim objektima – moguće u onima koji koriste različit hardver koji ima različite snage i slabosti. A istraživači napominju da postoji tehnika koja se naziva zamjena zamke koja može još više proširiti udaljenost između memorija-qubita – pod uslovom da se kubiti drže u svom stanju. Ali ako sve to uključi neku količinu pogreške, ta će se greška brzo nagomilati i učiniti čitavu stvar beskorisnom.


Ništa od ovoga ne bi smjelo umanjiti postignuća koja su ovdje prikazana, ali pokazuje koliko još uvijek moramo ići. Neučinkovitost koja se pojavljuje na svakom koraku procesa, svaki predstavlja poseban inženjerski i / ili fizički izazov s kojim se moramo suočiti prije nego što bilo što od toga bude primjenjivo u stvarnom svijetu.

Izvor: Nature

Testabilna teorija sugerira da informacije imaju masu i da bi mogle objasniti tamnu materiju svemira

Einsteinova teorija posebne relativnosti donijela nam je jednu od najpoznatijih jednadžbi u nauci,

E = mc2,

i pokazala da su energija i masa ekvivalentne. U našem modernom, visokotehnološkom svijetu, operacije koje uključuju pohranu i obradu digitalnih podataka zahtijevaju ogromne količine energije. To ustupa mjesto teoriji koja stoji iza principa ekvivalencije masa-energija-informacija, ideji da, jer bit informacije je energija, mora imati i masu.
Landauerov princip povezuje termodinamiku i digitalne informacije putem logičke nepovratnosti. Eksperimenti su dokazali da postupak brisanja malo informacija rasipa toplotnu energiju, ali jednom kada se informacije stvore, one se mogu pohraniti bez gubitka energije. Melvin Vopson predlaže da se to dogodi jer jednom kada se stvore informacije, ona dobiju ograničenu masu.
“Ova je ideja u principu laboratorijski ispitiva”, rekao je Vopson. Predlaže da se izvrše mjerenja mase uređaja za digitalno pohranjivanje podataka kad ima punu memoriju. Ako ima više mase nego kad je izbrisana memorija uređaja, to bi značilo da je ekvivalencija podataka sa masom-energijom tačna.







Ako se teorija potvrdi, implikacije bi imale utjecaj koji bi mogao promijeniti način na koji gledamo na čitav svemir.
“Više od 60 godina neuspješno pokušavamo otkriti, izolovati ili razumjeti misterioznu tamnu materiju”, rekao je Vopson. “Ako informacija zaista ima masu, digitalni informativni svemir bi sadržavao puno toga, a možda bi ta tamna tvar koja nedostaje mogla biti informacija.”
Nažalost, uzimanje izuzetno malih mjerenja potrebnih za takvu preciznost trenutno može biti nedostižno. Vopson predlaže da bi sljedeći korak u dobijanju odgovora mogao biti osjetljiv interferometar sličan LIGO-u ili ultra osjetljivoj Kibble ravnoteži.

Izvor: https://aip.scitation.org/doi/10.1063/1.5126530?fbclid=IwAR0LT6EUXoN9KCiVdhbkclACrmCKrXxAbR7HPYNBB8o6rohDL1mElTxaH2M

Evolucijski argument protiv stvarnosti

Kognitivni naučnik Donald Hofman koristi evolucionističku teoriju igara kako bi pokazao da naše percepcije nezavisne stvarnosti moraju biti iluzije

Dok prolazimo kroz naš svakodnevni život, pretpostavljamo da su naše percepcije – prizori, zvukovi, teksture, ukusi – tačan prikaz stvarnog svijeta. Naravno, kada se zaustavimo i razmislimo o tome – ili kada se nađemo zavarani percepcijskom iluzijom – shvatamo sa trzajem da ono što percipiramo nikada nije svijet direktno, već da naš mozak najbolje pretpostavlja kakav je taj svijet, vrsta unutrašnje simulacije spoljne realnosti. Ipak, mi se oslanjamo na činjenicu da je naša simulacija prilično pristojna. Da nije, evolucija bi nas do sada uklonila? Prava stvarnost bi mogla biti zauvijek izvan našeg dosega, ali zasigurno naša osjetila daju nam barem naznaku o tome kako je to stvarno.

Ne tako, kaže Donald D. Hoffman, profesor kognitivne nauke na Univerzitetu Kalifornija, Irvine. Hofman je protekle tri decenije proveo proučavajući percepciju, vještačku inteligenciju, evolucionu teoriju igara i mozak, a njegov zaključak je dramatičan: svijet koji nam predstavljaju naše percepcije nije ništa slično stvarnosti. Štaviše, kaže on, sama evolucija treba da se zahvali za ovu veličanstvenu iluziju, jer maksimizira evolucijsku sposobnost vožnje istinom do istrebljenja.

Postizanje pitanja o prirodi stvarnosti, i odvajanje posmatrača od posmatranog, je poduhvat koji zaokružuje granice neuroznanosti i fundamentalne fizike. Na jednoj strani ćete naći istraživače koji češu svoje brade surovim pokušavajući da shvate kako gruda sive mase od tri kilograma, koja ne poštuje ništa više od običnih zakona fizike, može dovesti do svjesnog iskustva prvog lica. Ovo je prikladno nazvan “teški problem”.

S druge strane su kvantni fizičari, čudeći se čudnoj činjenici da kvantni sistemi ne izgledaju kao određeni objekti lokalizirani u svemiru sve dok ih ne promatramo – bilo da smo svjesni ljudi ili neživih mjernih uređaja. Eksperiment nakon eksperimenta je pokazao – prkoseći zdravom razumu – da ako pretpostavimo da čestice koje sačinjavaju obične objekte imaju objektivno postojanje, nezavisno od posmatrača, dobijamo pogrešne odgovore. Centralna lekcija kvantne fizike je jasna: ne postoje javni objekti koji stoje tamo u nekom već postojećem prostoru. Kao što je fizičar John Wheeler rekao: “Korisno je, kao što je to uobičajenim okolnostima reći da svijet postoji” tamo negdje “neovisno od nas, to stajalište više ne može biti podržano.”

Dakle, dok se neuroznanstvenici bore da shvate kako takva stvar može postojati kao stvarnost u prvom licu, kvantni fizičari moraju da se uhvate u koštac sa misterijom kako može postojati bilo šta osim stvarnosti u prvom licu. Ukratko, svi putevi vode nazad do posmatrača. I tu možete naći Hofmana – koji graniči sa granicama, pokušavajući napraviti matematički model posmatrača, pokušavajući doći do stvarnosti iza iluzije. Quanta Magazine ga je intervijusao da sazna više. Slijedi uređena i sažeta verzija razgovora.

QUANTA MAGAZINE: Ljudi često koriste Darwinovu evoluciju kao argument da naše percepcije tačno odražavaju stvarnost. Kažu: „Očigledno moramo na neki način da se uhvatimo za realnost, jer bi inače bili odavno izbrisani. Ako mislim da vidim palmu, ali je to stvarno tigar, u nevolji sam.

Evolucija nas je oblikovala percepcijama koje nam omogućavaju da preživimo. Ali dio toga uključuje skrivanje od nas stvari koje ne trebamo znati. A to je gotovo sva stvarnost, bez obzira na stvarnost.

DONALD HOFFMAN: U redu. Klasičan argument je da su naši preci koji su tačnije gledali imali konkurentsku prednost u odnosu na one koji su manje precizno gledali i zato su vjerovatnije prenijeli svoje gene koji su kodirani za one točnije percepcije, tako da nakon tisuća generacija možemo biti sasvim sigurni smo da smo potomci onih koji su videli tačno, i tako vidimo tačno. To zvuči vrlo uvjerljivo. Ali mislim da je to potpuno pogrešno. To pogrešno shvata osnovnu činjenicu o evoluciji, a to je da se radi o funkcijama fitnesa – matematičkim funkcijama koje opisuju koliko dobro određena strategija postiže ciljeve opstanka i reprodukcije. Matematički fizičar Chetan Prakash dokazao je teoremu koju sam osmislio i koja kaže: Prema evoluciji prirodnom selekcijom, organizam koji vidi stvarnost onakvu kakva je, nikada neće biti prikladnija od organizma jednake složenosti koji ne vidi ništa od stvarnosti, već je samo podešen na fitness. Nikad.


Napravili ste računarske simulacije da biste to pokazali. Možete li dati primjer?
Pretpostavimo da u stvarnosti postoji resurs, kao što je voda, i možete kvantificirati koliko ga ima u objektivnom poretku – vrlo malo vode, srednje količine vode, puno vode. Pretpostavimo da je vaša fitnes funkcija linearna, tako da vam malo vode daje malo kondicije, srednja voda vam daje srednju kondiciju, a puno vode vam daje puno kondicije – u tom slučaju, organizam koji vidi istinu o vodi u svijet može pobijediti, ali samo zato što se funkcija fitnesa podudara s istinskom strukturom u stvarnosti. Generalno, u stvarnom svijetu to nikada neće biti slučaj. Nešto mnogo prirodnije je zvono – recimo, premalo vode umirete od žeđi, ali previše vode vas udavljuje, a samo negdje između je dobro za opstanak. Funkcija fitnesa ne odgovara strukturi u stvarnom svijetu. I to je dovoljno da se istina izruči. Na primer, organizam podešen na fitnes može da vidi male i velike količine nekog resursa kao, recimo, crveno, da bi ukazao na nisku fizičku sposobnost, dok bi mogli da vide srednje količine kao zelene, što ukazuje na visoku sposobnost. Njegove percepcije će biti prilagođene fitnesu, ali ne istini. To neće vidjeti nikakvu razliku između malog i velikog – on samo vidi crveno – iako takva razlika postoji u stvarnosti.

Ali kako gledanje lažne stvarnosti može biti korisno za opstanak organizma?
Postoji metafora koja nam je dostupna samo u proteklih 30 ili 40 godina, a to je interfejs za radnu površinu. Pretpostavimo da postoji plava pravougaona ikona u donjem desnom uglu radne površine vašeg računara – da li to znači da je sama datoteka plava i pravougaona i da živi u donjem desnom uglu vašeg računara? Naravno da ne. Ali to su jedine stvari koje se mogu tvrditi o bilo čemu na radnoj površini – to je boja, položaj i oblik. To su jedine kategorije koje su vam dostupne, a ipak nijedna od njih nije istinita u vezi same datoteke ili bilo čega u računaru. Nisu mogli biti istiniti. To je zanimljiva stvar. Niste mogli da napravite pravi opis unutrašnjih djelova računara ako je vaš celokupan pogled na stvarnost bio ograničen na radnu površinu. Pa ipak, radna površina je korisna. Ta plava pravougaona ikona vodi moje ponašanje i krije kompleksnu stvarnost koju ne moram znati. To je ključna ideja. Evolucija nas je oblikovala percepcijama koje nam omogućavaju da preživimo. Oni usmjeravaju adaptivno ponašanje. Ali dio toga uključuje skrivanje od nas stvari koje ne trebamo znati. A to je gotovo sva stvarnost, bez obzira na stvarnost. Ako biste morali da provedete svo to vrijeme dok ste to shvatili, tigar bi vas pojeo.

Dakle, sve što vidimo je jedna velika iluzija?
Mi smo oblikovani tako da imamo percepcije koje nas održavaju na životu, tako da ih moramo shvatiti ozbiljno. Ako vidim nešto što smatram zmijom, neću je pokupiti. Ako vidim voz, ne ulazim ispred njega. Razvio sam ove simbole da bi me održao u životu, tako da ih moram shvatiti ozbiljno. Ali logično je da smatramo da ako moramo ozbiljno shvatiti, moramo to shvatiti i doslovno.

Ako zmije nisu zmije i vozovi nisu vlakovi, šta su oni?
Zmije i vlakovi, kao i čestice fizike, nemaju objektivne karakteristike koje su nezavisne od posmatrača. Zmija koju vidim je opis stvoren od strane mog senzornog sistema da bi me informisao o zdravstvenim posljedicama mojih postupaka. Evolucija oblikuje prihvatljiva rješenja, a ne optimalna. Zmija je prihvatljivo rješenje problema da mi kažeš kako da se ponašam u situaciji. Moje zmije i vlakovi su moje mentalne reprezentacije; vaše zmije i vlakovi su vaše mentalne reprezentacije.

Kako ste se prvi put zainteresovali za ove ideje?
Kao tinejdžer, bio sam veoma zainteresovan za pitanje “Da li smo mi mašine?” Moje čitanje nauke je sugerisalo da jesmo. Ali moj tata je bio sveštenik, au crkvi su govorili da nismo. Tako da sam odlučio da moram to sam da shvatim. To je svojevrsno osobno pitanje – ako sam mašina, htio bih to otkriti! A ako nisam, volio bih da znam, koja je to posebna magija izvan stroja? Tako sam na kraju 1980-ih otišao u laboratoriju za vještačku inteligenciju u MIT-u i radio na percepciji mašine. Istraživačko polje vida uživalo je novi uspeh u razvoju matematičkih modela za specifične vizuelne sposobnosti. Primijetio sam da dijele zajedničku matematičku strukturu, pa sam pomislio da bi bilo moguće zapisati formalnu strukturu za promatranje koja je obuhvatila sve njih, možda sve moguće načine promatranja. Delimično me je inspirisao Alan Turing. Kada je izumio Turingovu mašinu, pokušavao je da smisli izračunavanje, i umesto da stavi zvona i zviždaljke na njega, rekao je: Hajde da uzmemo najjednostavniji, najslabiji matematički opis koji bi mogao da funkcioniše. I taj jednostavan formalizam je osnova za nauku računanja. Zato sam se zapitao, da li mogu da obezbjedim sličnu jednostavnu formalnu osnovu za nauku posmatranja?

Matematički model svijesti.
Tako je. Moja intuicija je bila, postoje svjesna iskustva. Imam bolove, ukuse, mirise, sva moja čulna iskustva, raspoloženja, emocije i tako dalje. Zato ću samo reći: Jedan dio ove strukture svijesti je skup svih mogućih iskustava. Kada imam iskustvo, na osnovu tog iskustva, možda želim da promjenim ono što radim. Zato moram da imam kolekciju mogućih akcija koje mogu da preduzmem i strategiju odlučivanja koja, s obzirom na moja iskustva, omogućava mi da promjenim način na koji se ponašam. To je osnovna ideja cijele stvari. Imam prostor X iskustava, prostor G akcija, i algoritam D koji mi omogućava da izaberem novu akciju s obzirom na moja iskustva. Tada sam postavio W za svijet, koji je takođe prostor vjerovatnoće. Nekako svijet utiče na moje percepcije, tako da postoji percepcija P od svijeta do mojih iskustava, a kada se ponašam, mijenjam svijet, tako da postoji mapa A iz prostora djelovanja prema svijetu. To je cijela struktura. Šest elemenata. Tvrdnja je: Ovo je struktura svijesti. Stavio sam to tamo da ljudi imaju nešto da kritikuju.

Ali ako postoji W, kažete da postoji spoljni svijet?

Evo u pitanju je upečatljiva stvar. Mogu izvući W iz modela i staviti svjestan agent na njegovo mjesto i dobiti krug svjesnih agenata. U stvari, možete imati čitave mreže proizvoljne složenosti. I to je svijet.


Svijet su samo drugi svjesni agenti?

Ja to zovem svjesni realizam: Objektivna realnost su samo svjesni agenti, samo tačke gledišta. Zanimljivo, mogu uzeti dva svjesna agenta i dati im interakciju, a matematička struktura te interakcije također zadovoljava definiciju svjesnog agenta. Ova matematika mi nešto govori. Mogu uzeti dva uma, i oni mogu stvoriti novi, jedinstveni um. Evo konkretnog primjera. Imamo dvije hemisfere u našem mozgu. Ali kada radite operaciju podjeljenog mozga, kompletnu sekciju korpusa kalosuma, dobijate jasne dokaze o dvije odvojene svjesti. Prije nego što se to dogodilo, činilo se da postoji jedna jedinstvena svijest. Dakle, nije nevjerovatno da postoji jedan svjesni agent. Pa ipak, postoji i slučaj da tamo postoje dva svjesna agenta i to možete vidjeti kada se razdvoje. Nisam to očekivao, matematika me je prisilila da to prepoznam. To sugeriše da mogu uzeti odvojene posmatrače, sastaviti ih i stvoriti nove posmatrače, i nastaviti to raditi beskonačno. Jedino što postoji su svjesni agenti.

Ako su svjesni agenti skroz dole, sva gledišta prvog lica, šta se dešava sa naukom? Nauka je oduvijek bila opis trećeg lica sveta

.
Ideja da ono što radimo mjeri javno dostupne objekte, ideju da objektivnost proizlazi iz činjenice da vi i ja možemo da izmjerimo isti objekat u istoj situaciji i dobijemo iste rezultate – od kvantne mehanike je sasvim jasno da to ideja mora ići. Fizika nam govori da ne postoje javni fizički objekti. Pa šta se dešava? Evo kako ja mislim o tome. Mogu da razgovaram sa vama o glavobolji i vjerujem da efikasno komuniciram sa vama, jer ste imali svoje glavobolje. Ista stvar je istinita kao i za jabuke i Mesec i Sunce i Univerzum. Baš kao što imate svoju glavobolju, imate svoj mjesec. Ali pretpostavljam da je relevantno slično mojoj. To je pretpostavka koja može biti lažna, ali to je izvor moje komunikacije, i to je najbolje što možemo učiniti u smislu javnih fizičkih objekata i objektivne nauke.

Ne izgleda kao da mnogi ljudi iz neuroznanosti ili filozofije uma razmišljaju o fundamentalnoj fizici. Mislite li da je to bio kamen spoticanja za one koji pokušavaju da shvate svijest?
Mislim da jeste. Ne samo da ignorišu napredak u fundamentalnoj fizici, oni su često eksplicitni o tome. Oni će otvoreno reći da kvantna fizika nije relevantna za aspekte funkcije mozga koji su uzročno uključeni u svijest. Oni su sigurni da to moraju biti klasična svojstva neuronske aktivnosti, koja postoje nezavisno od bilo kojeg posmatrača – stope pikovanja, jačine veze na sinapsama, možda i dinamička svojstva. Sve su to vrlo klasični pojmovi pod Njutnovom fizikom, gdje je vrijeme apsolutno i objekti apsolutno postoje. A onda su [neuroznanstvenici] misteriozni zašto ne napreduju. Oni se ne koriste nevjerovatnim uvidima i otkrićima koje je fizika napravila. Ti uvidi su tu da bismo ih koristili, a ipak moje polje kaže: “Držaćemo se Njutna, hvala vam. Ostat ćemo 300 godina iza naše fizike.”


Pretpostavljam da reaguju na stvari kao što su Roger Penrose i model Stuarta Hameroffa, gdje još uvijek imate fizički mozak, još uvijek je u svemiru, ali navodno je to neki kvantni podvig. Nasuprot tome, vi kažete: “Gledajte, kvantna mehanika nam govori da moramo preispitati same pojmove“ fizičkih stvari ”koje se nalaze u“ prostoru ”.

Mislim da je to apsolutno tačno. Neuroznanstvenici kažu: “Ne moramo da se pozivamo na takve kvantne procese, ne treba nam kvantne talasne funkcije koje se urušavaju unutar neurona, već možemo koristiti klasičnu fiziku da opišemo procese u mozgu.” veća lekcija kvantne mehanike: Neuroni, mozgovi, prostor … ovo su samo simboli koje koristimo, oni nisu stvarni. Nije da postoji klasičan mozak koji radi neku kvantnu magiju. To je da nema mozga! Kvantna mehanika kaže da klasični objekti – uključujući mozak – ne postoje. Dakle, ovo je daleko radikalnija tvrdnja o prirodi stvarnosti i ne uključuje povlačenje mozga iz nekih lukavih kvantnih proračuna. Dakle, čak ni Penrose nije to dovoljno shvatio. Ali većina nas, znate, rođeni smo realisti. Mi smo rođeni fizičari. Ovo je stvarno, stvarno kontraintuitivno.

Da se vratimo na pitanje koje ste počeli kao tinejdžer, da li smo mi mašine?
Formalna teorija o svjesnim agentima koju sam razvijao je računski univerzalna – u tom smislu, to je teorija mašina. I zato što je teorija računski univerzalna, mogu da dobijem  sve kognitivne nauke i neuronske mreže iz nje. Ipak, za sada ne mislim da smo mašine – djelom zato što razlikujem matematički prikaz i stvar koja se predstavlja. Kao svjesni realist, postuliram svjesna iskustva kao ontološke primitive, najosnovnije sastojke svijeta. Tvrdim da su iskustva pravi novac carstva. Iskustva svakodnevnog života – moj pravi osjećaj glavobolje, moj pravi okus čokolade – to je zaista krajnja priroda stvarnosti.

Izvor: https://www.quantamagazine.org/the-evolutionary-argument-against-reality-20160421/

 

 

 

 

 

 

Neki fizičari počinju sumnjati u fizičku stvarnost

Provokativni novi članak u “Scientific American” promovira ideju da ono što je fundamentalno realno u svemiru – njegova stvarna, bazna realnost – nisu kvarkovi, polja i kvantne pojave koje ga čine.

Umjesto toga, prema naučniku i filozofu Bernardu Kastrupu, neki počinju da sumnjaju da je materija samo iluzija – i da je jedino što je stvarno informacija.


Svemir informacija

Osnovna ideja je da fizički univerzum postoji jer ga mi percipiramo – to je neka vrsta masovne halucinacije koju koristimo da bismo shvatili matematičke odnose objekata.

Nemojte se čuditi, ovo je prilično strana ideja. Ali, prema Kastrupu, dobija zamaha u naučnom svijetu.


“Za neke fizičare, ovo ukazuje da je ono što mi zovemo “materija”, sa svojom čvrstinom i konkretnošću – iluzija; da je samo matematički aparat koji oni osmisle u svojim teorijama doista stvaran, a ne percipirani svijet koji je napravljen da bi se aparat opisao ”, napisao je Kastrup.

Izvor: https://futurism.com/the-byte/physicists-suspect-reality-illusion?fbclid=IwAR1eQ98FoOKXd2uYFcY7HYYsT27C5ZO7sbfRpA8cKUq7ArMFZOsiV58P44Y

Fizičar Elon Musk: Ja ću najaviti proizvod “Neuralink” koji povezuje vaš mozak sa kompjuterima

Elon Musk kaže da će uskoro najaviti proizvod Neuralink-a koji može učiniti nekoga supermoćnim povezivanjem njegovog mozga na računar.
On kaže da Neuralink povećava brzinu prijenosa podataka između mozga i računara i da će mogućiti ljudima biti bolji u konkurenciji sa AI.

“Mislim da ćemo imati nešto interesantno da objavimo za nekoliko mjeseci … što je bolje nego što bilo ko misli da je moguće”, rekao je izvršni direktor kompanije Tesla na “Joe Rogan Experience”. “Najbolji scenario, mi se efikasno spojimo sa AI.”

Musk, čija preduzeća uključuju kompaniju pod imenom Neuralink, kaže da će njegova nova tehnologija biti u stanju da poveže ljude direktno sa kompjuterima, što će nam omogućiti da postanemo “simbiotski” sa vještačkom inteligencijom.

Musk je tvrdio da, pošto smo već praktično vezani za naše telefone, mi smo već kiborzi. Mi nismo toliko pametni kao što možemo biti, jer prijenos podataka između informacija koje možemo dobiti od naših telefona do naših mozgova nije brz koliko bi trebao i mogao biti.

“To će omogućiti svima koji žele da imaju nadljusku kogniciju”, rekao je Musk. “Svako ko želi.”

Rogan je pitao koliko su različiti ovi ljudi kiborzi od redovnih ljudi i kako su radikalno poboljšani.

“Koliko ste pametniji sa telefonom ili kompjuterom u odnosu kad ste bez njega? Ustvari ste puno pametniji,” rekao je Musk. “Možete da odgovorite na bilo koje pitanje prilično odmah, možete zapamtiti neke stvari besprijekorno, vaš telefon može savršeno da pamti video snimke i slike, a vaš telefon je već produžetak vas, već ste kiborzi, većina ljudi ne shvata da ste.” Međutim, brzina prijenosa podataka između vas i vaših mobitela i računara je spora, veoma spora, kao mali protok informacija između vašeg biološkog ja i vašeg digitalnog ja. Moramo napraviti taj mali protok kao džinovsku rijeku, ogroman, širokopojasni interfejs. ”


Musk je rekao da misli da će to ljudima dati bolju šansu protiv vještačke inteligencije.

“Scenario spajanja sa AI je onaj koji izgleda kao vjerovatno najbolji. Ako ga ne možete pobijediti, pridružite mu se”, rekao je Musk.

Evo zašto vještačka inteligencija (AI) ne može rješiti sve naše probleme pa i one iz fizike

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