Zamislite to kao malo dijete. Može raditi jednu stvar jako dobro, na primjer igrati šah, ali to je to. Nema učenja, nema prilagođavanja. Samo slijedeći pravila.
𝗦𝘁𝗮𝗴𝗲 𝟮: AI svjestan konteksta i prošlosti
Kao tinejdžer koji se sjeća vašeg posljednjeg razgovora. Siri i Google Assistant žive ovdje. Oni se sjećaju prošlih interakcija kako bi napravili bolje buduće.
𝗦𝘁𝗮𝗴𝗲 𝟯: Usavršavanje pojedinih oblasti
Diplomirani fakultet AI. Zamislite IBM-ov Watson ili Googleov AlphaGo. Ove umjetne inteligencije su stručnjaci u jednom području, poput odgovaranja na trivijalnosti ili igranja društvenih igara.
𝗦𝘁𝗮𝗴𝗲 𝟰: 𝗔𝗜 koji misli i razmišlja
Sada govorimo o razini Sherlocka Holmesa. Ove umjetne inteligencije mogu razmišljati, razmišljati, pa čak i biti pomalo kreativne. Nisu ljudi, ali su sve bliži.
𝗦𝘁𝗮𝗴𝗲 𝟱: 𝗔𝗚I: Vještačka opšta inteligencija
Einstein AI. Može učiniti sve što čovjek može, intelektualno govoreći. Ali to je još uvijek teoretski, poput jednoroga ili savršene šalice kave.
𝗦𝘁𝗮𝗴𝗲 𝟲: 𝗔𝗦𝗜: Vještačka superinteligencija
Tony Stark AI. Pametniji od cijelog čovječanstva. Može riješiti probleme koje ne možemo ni razumjeti. Ali i pomalo zastrašujuće, zar ne?
𝗦𝘁𝗮𝗴𝗲 𝟳: 𝗔𝗜 𝗦𝗶𝗻𝗴𝘂larnost
Tačka bez povratka. AI postaje toliko pametan da se počinje poboljšavati suludom brzinom. To je kao radnja nekog naučno-fantastičnog filma, a mišljenja su podijeljena je li to uopće moguće.
Izgrađen pomoću transformatorskih modela, koji pokreću velike jezičke modele (LLM) kao što je ChatGPT, novi alat, life2vec, obučen je na skupu podataka koji je izvučen iz cijele populacije Danske—6 miliona ljudi. Danska vlada je skup podataka stavila na raspolaganje samo istraživačima.
Alat koji su istraživači izgradili na osnovu ovog složenog skupa podataka sposoban je da predvidi budućnost, uključujući životni vijek pojedinaca, s preciznošću koja premašuje najsavremenije modele. No, uprkos svojoj prediktivnoj moći, tim koji stoji iza istraživanja kaže da se najbolje koristi kao temelj za budući rad, a ne kao cilj sam po sebi.
“Iako koristimo predviđanje kako bismo procijenili koliko su ovi modeli dobri, alat se ne bi trebao koristiti za predviđanje na stvarnim ljudima”, kaže Tina Eliassi-Rad, profesorica informatike i inauguralni predsjednik Joseph E. Aoun, profesor na Northeastern University. “To je model predviđanja zasnovan na specifičnom skupu podataka određene populacije.”
Eliassi-Rad je u projekat unijela svoju ekspertizu etike vještačke inteligencije. „Ovi alati vam omogućavaju da sagledate svoje društvo na drugačiji način: politike koje imate, pravila i propise koje imate“, kaže ona. “O tome možete razmišljati kao o skeniranju onoga što se dešava na terenu.”
Uključivanjem društvenih naučnika u proces izrade ovog alata, tim se nada da će on donijeti pristup usredsređen na ljude razvoju AI koji ne gubi iz vida ljude usred ogromnog skupa podataka na kojem je njihov alat obučen.
Ovaj model nudi mnogo sveobuhvatniji odraz svijeta kako ga žive ljudska bića od mnogih drugih modela”, kaže Sune Lehmann, autorica rada, koji je nedavno objavljen u Nature Computational Science. Istraživački brifing na ovu temu predstavljen je u isti broj časopisa.
U srcu life2vec-a je ogroman skup podataka koji su istraživači koristili za obuku svog modela. Podacima raspolaže Statistički zavod Danske, centralni organ za dansku statistiku, i, iako su strogo regulirani, mogu im pristupiti neki članovi javnosti, uključujući istraživače. Razlog zašto je tako strogo kontrolisan je što uključuje detaljan registar svakog danskog državljanina.
Mnogi događaji i elementi koji čine život i koji su navedeni u podacima, od zdravstvenih faktora i obrazovanja do prihoda. Istraživači su koristili te podatke za kreiranje dugih obrazaca ponavljajućih životnih događaja kako bi se uključili u njihov model, uzimajući pristup transformatorskog modela koji se koristi za obuku LLM-a o jeziku i prilagođavajući ga za ljudski život predstavljen kao slijed događaja.
“Cijela priča o ljudskom životu, na neki način, može se smatrati i kao ogromna duga rečenica mnogih stvari koje se mogu dogoditi osobi”, kaže Lehmann, profesor mreže i nauke o složenosti na DTU Compute, Technical Univerzitet u Danskoj i prethodno postdoktorski saradnik na Northeastern.
Model koristi informacije koje uči posmatrajući milione sekvenci životnih događaja kako bi izgradio ono što se naziva vektorskim reprezentacijama u prostorima za ugradnju, gdje počinje kategorizirati i crtati veze između životnih događaja poput prihoda, obrazovanja ili zdravstvenih faktora. Ovi prostori za ugrađivanje služe kao osnova za predviđanja koja model na kraju napravi.
Jedan od životnih događaja koji su istraživači predvidjeli bila je vjerovatnoća smrtnosti osobe.
“Kada vizualiziramo prostor koji model koristi za predviđanje, on izgleda kao dugačak cilindar koji vas vodi od male vjerovatnoće smrti do visoke vjerovatnoće smrti”, kaže Lehmann. “Onda možemo pokazati da je na kraju, gdje postoji velika vjerovatnoća smrti, mnogo tih ljudi zaista umrlo, a na kraju gdje je mala vjerovatnoća smrti, uzroci smrti su nešto što nismo mogli predvidjeti, poput automobila nesreće.”
Rad takođe ilustruje kako je model sposoban da predvidi pojedinačne odgovore na standardni upitnik ličnosti, posebno kada je reč o ekstrovertnosti.
Eliassi-Rad i Lehmann primjećuju da, iako model daje vrlo precizna predviđanja, ona su zasnovana na korelacijama, visoko specifičnim kulturnim i društvenim kontekstima i vrstama predrasuda koje postoje u svakom skupu podataka.
“Ova vrsta alata je poput opservatorije društva – a ne svih društava”, kaže Eliassi-Rad. “Ova studija je rađena u Danskoj, a Danska ima svoju kulturu, svoje zakone i sopstvena društvena pravila. Da li se to može uraditi u Americi je druga priča.”
S obzirom na sva ta upozorenja, Eliassi-Rad i Lehmann svoj prediktivni model gledaju manje kao krajnji proizvod, a više kao početak razgovora. Lehmann kaže da su velike tehnološke kompanije vjerovatno godinama stvarale ove vrste prediktivnih algoritama u zaključanim sobama. On se nada da ovaj rad može početi stvarati otvorenije, javno razumijevanje o tome kako ovi alati funkcionišu, za šta su sposobni i kako bi se trebali i ne bi trebali koristiti.
Uspon inteligentnih mašina je tu da ostane. Vještačka inteligencija se odnosi na sposobnost mašina da obavljaju zadatke za koje bi normalno bila potrebna ljudska inteligencija. Ovo uključuje stvari poput prepoznavanja obrazaca, rješavanja problema, učenja i donošenja odluka. Termin AI prvi je skovao kompjuterski naučnik John McCarthy 1956. Od tada, polje AI je dramatično poraslo i napravilo značajan napredak u posljednjih nekoliko godina.
Primjene umjetne inteligencije mogu se naći u mnogim industrijama, uključujući zdravstvo, finansije i maloprodaju. Na primjer, AI se koristi u medicinskom snimanju za pomoć u otkrivanju bolesti kao što je rak i u finansijskim uslugama za sprječavanje prijevara. AI se također koristi u službi za korisnike kako bi se korisnicima pružila personaliziranija iskustva.
Vrste vještačke inteligencije
Veštačka inteligencija se može podeliti u četiri kategorije: reaktivne mašine, ograničeno pamćenje, teorija uma i samosvesna.
Reaktivne mašine: AI sistemi koji su sposobni da izvršavaju određene zadatke u realnom vremenu, ali nemaju sposobnost da se sete prošlih događaja. Na primjer, šahovski kompjuter koji može pobijediti ljudskog protivnika je reaktivna mašina. Ograničena memorija: AI sistemi imaju sposobnost pamćenja prošlih događaja, ali mogu koristiti samo ove informacije za donošenje odluka u sadašnjem trenutku. Primjer ove vrste AI je samovozeći automobil koji može pamtiti prošle događaje kako bi donosio odluke u sadašnjem trenutku. Teorija uma: AI sistemi su sposobni razumjeti ljudske emocije i namjere. Ova vrsta AI je još uvijek u ranoj fazi razvoja i još nije u širokoj upotrebi. Samosvjesni: AI sistemi su sposobni razumjeti vlastitu svijest i mogu donositi odluke na osnovu tog razumijevanja. Ova vrsta AI je još uvijek čisto teoretska i još ne postoji.
Metode umjetne inteligencije
Postoji nekoliko metoda koje se koriste za razvoj sistema veštačke inteligencije, uključujući mašinsko učenje, duboko učenje, obradu prirodnog jezika i robotiku.
Mašinsko učenje je metoda umjetne inteligencije koja koristi algoritme za učenje iz podataka i predviđanja. Ova vrsta AI se koristi u mnogim aplikacijama, uključujući prepoznavanje slika i obradu prirodnog jezika. Duboko učenje je podskup mašinskog učenja koji koristi umjetne neuronske mreže za učenje iz podataka. Ova vrsta AI se koristi u aplikacijama kao što su kompjuterski vid i prepoznavanje govora. Obrada prirodnog jezika (NLP) je metoda veštačke inteligencije koja se fokusira na sposobnost mašina da razumeju i tumače ljudski jezik. NLP se koristi u aplikacijama kao što su prevođenje jezika i analiza osjećaja. Robotika je primjena AI u fizičkim robotima. Ova vrsta AI se koristi u aplikacijama kao što su samovozeći automobili i industrijska automatizacija.
Prednosti i nedostaci umjetne inteligencije
Postoji nekoliko prednosti korištenja umjetne inteligencije, uključujući povećanu efikasnost, bolje donošenje odluka i smanjenje ljudske greške. Na primjer, AI može pomoći u smanjenju troškova i povećanju produktivnosti u mnogim industrijama. AI također može donositi odluke brže i preciznije od ljudi, smanjujući rizik od ljudske greške.
Međutim, postoji i nekoliko nedostataka korištenja AI. Jedna od najvećih briga je gubitak posla, jer AI može automatizirati mnoge poslove koje su ranije obavljali ljudi. Osim toga, postoji rizik od algoritamske pristranosti, jer AI sistemi mogu donositi odluke na koje utiču podaci na kojima su obučeni. Konačno, postoje sigurnosni problemi povezani s umjetnom inteligencijom, kao što je mogućnost hakovanja AI sistema ili korištenja u zlonamjerne svrhe.
Etička razmatranja vještačke inteligencije
Kako se AI sve više integrira u naše živote, važno je razmotriti etičke implikacije ove tehnologije. Neka od ključnih etičkih razmatranja uključuju zabrinutost za privatnost, odgovornost za radnje AI i algoritamsku pristrasnost.
Zabrinutost za privatnost je glavni problem sa AI, budući da AI sistemi mogu prikupljati i pohranjivati ogromne količine ličnih podataka. Ovi podaci se mogu koristiti u zlonamjerne svrhe ili prodati trećim stranama, ugrožavajući privatnost ljudi.
Još jedna etička briga je odgovornost za radnje AI. Kako AI sistemi postaju autonomniji, postaje sve nejasnije ko je odgovoran za njihove postupke. Na primjer, ko je odgovoran ako samovozeći automobil izazove nesreću?
Konačno, algoritamska pristrasnost je značajan problem u AI. AI sistemi su dobri onoliko koliko su dobri podaci na kojima su obučeni, a ako su podaci pristrasni, AI sistem će takođe biti pristrasan. To može rezultirati odlukama koje nepravedno diskriminiraju određene grupe ljudi.
Budućnost vještačke inteligencije
Budućnost umjetne inteligencije je uzbudljiva, s mnogo napretka na horizontu. Tehnologija AI brzo napreduje i postaje sve više integrirana s drugim tehnologijama kao što su Internet stvari (IoT) i blockchain.
U budućnosti, AI ima potencijal da ima dubok uticaj na društvo. AI ima potencijal da riješi neke od najvećih svjetskih problema, kao što su klimatske promjene, bolesti i siromaštvo. Međutim, također je važno razmotriti potencijalne nedostatke AI i osigurati da se AI razvija i koristi na odgovoran način.
Zaključak
U zaključku, umjetna inteligencija je polje koje se brzo razvija i ima potencijal da promijeni način na koji živimo i radimo. Međutim, važno je razmotriti etičke implikacije ove tehnologije i osigurati da se AI razvija i koristi na odgovoran način. Uz kontinuirani napredak u AI tehnologiji, budućnost AI je uzbudljiva i možemo očekivati da ćemo vidjeti mnoge uzbudljive nove primjene AI u godinama koje dolaze.
Reference Geek’s Guide to the Galaxy. „„Djevojka s plakata“ istražuje privlačnost države nadzora.” WIRED, 21. oktobar 2022., https://www.wired.com/brandlab/2015/04/rise-machines-future-lots-robots-jobs-humans/. Pristupljeno 6. februara 2023.
Alati umjetne inteligencije – posebno neuronske mreže – bili su dobri za fizičare. Godinama je ova tehnologija pomagala istraživačima da rekonstruiraju putanje čestica u eksperimentima s akceleratorima, traže dokaze o novim česticama i otkrivaju gravitacijske valove i egzoplanete. Dok alati veštačke inteligencije očigledno mogu učiniti mnogo za fizičare, pitanje je sada, prema Maksu Tegmarku, fizičaru sa Tehnološkog instituta u Masačusetsu,: „Možemo li nešto da vratimo?“
Tegmark vjeruje da njegovi kolege fizičari mogu dati značajan doprinos nauci o umjetnoj inteligenciji, i to je učinio svojim glavnim istraživačkim prioritetom. Jedan od načina na koji bi fizičari mogli da pomognu u unapređenju AI tehnologije, rekao je, bio bi da zamijene algoritame “crne kutije” neuronskih mreža, čiji je rad uglavnom nedokučiv, dobro shvaćenim jednačinama fizičkih procesa.
Ideja nije potpuno nova. Generativni AI modeli zasnovani na difuziji – procesu koji, na primjer, uzrokuje da se mlijeko sipano u šoljicu kafe ravnomjerno raširi – prvi put su se pojavili 2015. godine, a kvalitet slika koje generiraju značajno se poboljšao od tada. Ta tehnologija pokreće popularni softver za proizvodnju slika kao što su DALL·E 2 i Midjourney. Sada, Tegmark i njegove kolege uče da li bi drugi generativni modeli nadahnuti fizikom mogli raditi jednako dobro kao modeli zasnovani na difuziji, ili čak i bolje.
Krajem prošle godine, Tegmarkov tim je predstavio obećavajuću novu metodu za proizvodnju slika nazvanu Poissonov generativni model toka (PFGM). U njemu su podaci predstavljeni nabijenim česticama, koje se u kombinaciji stvaraju električno polje čija svojstva zavise od raspodjele naboja u bilo kojem trenutku. Zove se Poissonov model toka jer kretanjem naelektrisanja upravlja Poissonova jednačina, koja proizlazi iz principa koji kaže da elektrostatička sila između dva naboja varira obrnuto s kvadratom udaljenosti između njih (slično formulaciji Newtonove gravitacije) .
Taj fizički proces je u srcu PFGM-a. “Naš model se može gotovo u potpunosti okarakterizirati snagom i smjerom električnog polja u svakoj tački u svemiru”, rekao je Yilun Xu , diplomirani student na MIT-u i koautor rada. “Ono što neuronska mreža nauči tokom procesa obuke je kako procijeniti to električno polje.” I na taj način može naučiti da stvara slike jer se slika u ovom modelu može sažeto opisati električnim poljem.
PFGM može kreirati slike istog kvaliteta kao one proizvedene pristupima zasnovanim na difuziji i to 10 do 20 puta brže. „Koristi fizičku konstrukciju, električno polje, na način koji nikada ranije nismo vidjeli“, rekao je Hananel Hazan , kompjuterski naučnik sa Univerziteta Tufts. “To otvara vrata mogućnosti da se drugi fizički fenomeni iskoriste za poboljšanje naših neuronskih mreža.”
Modeli difuzije i Poissonovog toka imaju mnogo toga zajedničkog, osim što su zasnovani na jednačinama uvezenim iz fizike. Tokom treninga, model difuzije dizajniran za generisanje slike obično počinje sa slikom — recimo psa — a zatim dodaje vizuelni šum, mijenjajući svaki piksel na nasumičan način sve dok njegove karakteristike ne postanu potpuno pokrivene (iako ne budu potpuno eliminirane). Model tada pokušava obrnuti proces i stvoriti psa koji je blizak originalu. Jednom obučen, model može uspješno kreirati pse – i druge slike – počevši od naizgled praznog platna.
Modeli Poissonovog toka rade na skoro isti način. Tokom treninga, postoji proces naprijed, koji uključuje postepeno dodavanje šuma jednom oštroj slici, i proces obrnutog u kojem model pokušava ukloniti taj šum, korak po korak, sve dok se početna verzija uglavnom ne obnovi. Kao i kod generisanja zasnovanog na difuziji, sistem na kraju nauči da pravi slike koje nikada nije video tokom treninga.
Ali fizika koja leži u osnovi Poissonovih modela je potpuno drugačija. Difuziju pokreću termodinamičke sile, dok Poissonov tok pokreću elektrostatičke sile. Potonji predstavlja detaljnu sliku koristeći raspored naelektrisanja koji može stvoriti vrlo komplicirano električno polje. To polje, međutim, uzrokuje da se naboji ravnomjernije rasporede tokom vremena – baš kao što se mlijeko prirodno raspršuje u šoljici kafe. Rezultat je da samo polje postaje jednostavnije i ujednačenije. Ali ovo uniformno polje prepuno buke nije potpuna prazna ploča; još uvijek sadrži sjeme informacija iz kojih se slike mogu lako sastaviti.
Početkom 2023. tim je nadogradio svoj Poissonov model, proširivši ga tako da obuhvati čitavu porodicu modela. Proširena verzija, PFGM++, uključuje novi parametar, D , koji omogućava istraživačima da prilagode dimenzionalnost sistema. Ovo može napraviti veliku razliku: u poznatom trodimenzionalnom prostoru, jačina električnog polja koje proizvodi naboj je obrnuto proporcionalna kvadratu udaljenosti od tog naboja. Ali u četiri dimenzije, jačina polja prati inverzni zakon kocke. A za svaku dimenziju prostora i svaku vrijednost D , taj odnos je nešto drugačiji.
Ta jedina inovacija dala je Poissonovim modelima toka daleko veću varijabilnost, pri čemu ekstremni slučajevi nude različite prednosti. Kada je D nizak, na primjer, model je robusniji, što znači da je tolerantniji na greške napravljene u procjeni električnog polja. “Model ne može savršeno predvidjeti električno polje,” rekao je Ziming Liu , još jedan diplomirani student na MIT-u i koautor oba rada. “Uvijek ima nekih odstupanja. Ali robusnost znači da čak i ako je vaša greška u procjeni velika, i dalje možete generirati dobre slike.” Dakle, možda nećete završiti sa psom svojih snova, ali ćete ipak završiti sa nečim što liči na psa.
S druge strane, kada je D visok, neuronska mreža postaje lakša za treniranje, zahtijevajući manje podataka za ovladavanje svojim umjetničkim vještinama. Tačan razlog nije lako objasniti, ali duguje se činjenici da kada ima više dimenzija, model ima manje električnih polja za praćenje — a time i manje podataka za asimilaciju.
Poboljšani model, PFGM++, “daje vam fleksibilnost da interpolirate između ta dva ekstrema,” rekla je Rose Yu , kompjuterski naučnik sa Univerziteta Kalifornije u San Dijegu.
I negdje unutar ovog raspona leži idealna vrijednost za D koja uspostavlja pravu ravnotežu između robusnosti i lakoće treninga, rekao je Xu. „Jedan od ciljeva budućeg rada biće pronalaženje sistematskog načina pronalaženja te slatke tačke, tako da možemo izabrati najbolji mogući D za datu situaciju bez pribegavanja pokušajima i greškama.”
Drugi cilj istraživača MIT-a uključuje pronalaženje više fizičkih procesa koji mogu pružiti osnovu za nove porodice generativnih modela. Kroz projekat pod nazivom GenPhys , tim je već identifikovao jednog obećavajućeg kandidata: potencijal Yukawa, koji se odnosi na slabu nuklearnu silu. “Razlikuje se od Poissonovog toka i modela difuzije, gdje je broj čestica uvijek očuvan,” rekao je Liu. “Yukawa potencijal vam omogućava da uništite čestice ili podijelite česticu na dva dijela. Takav model bi, na primjer, mogao simulirati biološke sisteme u kojima broj ćelija ne mora ostati isti.”
Ovo bi moglo biti plodonosno istraživanje, rekao je Yu. “To bi moglo dovesti do novih algoritama i novih generativnih modela s potencijalnim primjenama koje se protežu dalje od generiranja slika.”
Nedavno je u funkciju pušten tzv. CHAT GPT za koji su svi vjerojatno već čuli. Preko te aplikacije možete da saznate odgovore na skoro sva vaša pitanja na način kao da ih neki ekspert odgovara iako odgovor piše kompjuterski program koji je treniran na milijarde podatala sa interneta i iz raznih izvora informacija. Bez da idem u tehničke detalje kako šta funkcionira, osvrnuti ću se na to zašto sam impresioniran ovim novitetom u svijetu informacionih tehnologija.
Prva stvar koju sam primjetio jest da skoro savršeno gramatički odgovora i to na našem jeziku što je čudno ako se uzme u obzir da naš jezik i nije baš puno zastupljen u svijetu. Druga stvar koja je primjetna jest da zadatke iz fizike rješava na zadovoljavajućoj osnovi uz detaljna objašnjenja rješenja. Treća primjetna stvar je svestranost odnosno da mu se može postaviti pitanje iz skoro svih oblasti koje postoje i također nevjerojatno brzo odgovara, puno brže nego što bi prosječna osoba stigla da progugla odgovor.
Nakon što je izašao chat gpt koji je funkcionirao na gpt 3 tehnologiji ubrzo je izašla i gpt 4 verzija koja je još naprednije i tačnija.
Osim što je openai.com stranica izbacila chat opciju u međuvremenu je i kompanija Microsoft na svoj bing pretraživač uključila chat opciju za koju su otkrili da radi preko gpt 4, a također je i Google izbacio svoju verziju BARD. Razne velike kompanije širom svijeta počele su da se takmiče u tome ko će bolju stvar da ponudi što je savršeno dobra stvar za dalji napredak ove tehnologije. Osim što je inače brže ovo steklo veliki broj korisnika i dalji razvoj je sve brži i brži.
Jedna od primjena je da za svaku sliku ovo može da dadne detaljan opis što je npr. korisno za slijepe osobe koje mogu slikati, a da im ova tehnologija opiše sve šta je oko njih.
Druga moguća primjena jest da će ljudi zahvaljujući ovoj tehnologiji možda uspjeti da komuniciraju sa nekima od životinja i da razumiju njihove znakove.
Iako je bezbroj mogućih primjena vještačke inteligencije od kojih su mnoge već u upotrebi, mnogi su ili u strahu ili izbjegavaju da i prodaju ovu stvar. I jedno i drugo može da se razumije, ali nesumnjivo je da će ovo promijeniti svijet kakav znamo i da je tehnologija korak bliže da bude pametna kao i ljudi ako ne i pametnija.
Za one koji žele isprobati ovaj chat, možete to uraditi preko:
chat.openai.com
bing.com
you.com
Revolucije se rijetko dešavaju, ali onda kada se dese u početku znaju da budu neprimjetne sve dok se sve ne promijeni. Sa CHAT GPT revolucija je počela, ali da je se primjeti treba imati volje i hrabrosti i imati otvoren um.
Elon Musk po prvi put je pokazao sučelje mozga i računara svoje kompanije Neuralink. U najavi od 28. avgusta, Neuralink je predstavio prototipove svog uređaja i pokazao svinje s uređajima ugrađenim u mozak.
Uređaj podsjeća na novčić s izuzetno tankim žicama koji dolaze s njegove jedne strane. Dizajniran je za implantaciju u lubanju, sa žicama ugrađenim nekoliko milimetara u površinu mozga. Te žice tada mogu otkriti kada neuroni pucaju, ili emitirati vlastite električne signale kako bi neuroni pucali. Musk je pokazao video neurona koji reagiraju na elektrode.
Na kraju se nada da će ovi mali uređaji moći i čitati i pisati neuronske signale, pomažući u medicinskim problemima koji potiču iz mozga i kičme, a možda čak i omogućujući ljudima da integrišu računare u svoj mozak u dalekoj budućnosti, rekao je Musk.
Neuralink tim je otkrio tri svinje kako bi demonstrirao uređaj: prva, nazvana Joyce, nije imala implantat, a druga, nazvana Gertrude, implantat koji je nadzirao neurone u njušci. Musk je prikazao ekran na kojem su se prikazivali živi signali s Gertrudinog uređaja Neuralink dok se vrtjela okolo u nekom sijenu, nastalom kada je njuškom dodirivala hranu ili zemlju.
Trećoj svinji, zvanoj Dorothy, ugrađen je implantat, a zatim uklonjen. “Ono što Dorothy ilustrira je da možete staviti u Neuralink, ukloniti ga i biti zdrav, sretan i nerazlučiv od normalne svinje”, rekao je Musk. To će biti važno za ljudske korisnike, rekao je, jer će možda htjeti da uklone ili nadograde svoje implante.
„Izazovni deo koji su povukli je to što životinja izgleda sa zadovoljstvom i hoda okolo i ponaša se normalno, a podaci se bežično prenose“, kaže Timir Datta-Chaudhuri sa Feinstein instituta za medicinska istraživanja u Njujorku. “Drugi ljudi koji su možda učinili nešto slično, obično imaju životinju na operativnom stolu pod anestezijom sa žicama koje dolaze iz njenog mozga.”
Iako je ovo impresivno, kaže Datta-Chaudhuri, to još uvijek nije sasvim dovoljno da se dokaže da su uređaji sigurni. Musk je rekao da se implantacija može izvršiti uz relativno malo krvarenja u mozgu. “Nekako mislite da ako nešto ubodete žicom sigurno će iskrvariti, ali zapravo u vrlo malim razmjerima neće”, rekao je.
Umanjili su potencijalnu štetu na mozgu, ali ta šteta ponekad nije lako uočljiva čak ni kod ljudi, a kamoli kod svinja “, kaže Datta-Chaudhuri. “Ne znate da li svinja sada ima ljagu ili se druge svinje zapravo ne druže s njom jer to djeluje čudno.”
Tokom najave, članovi Neuralink tima izrazili su svoje dugoročne nade za uređaj, počevši od vraćanja vida osobama s ozljedama oka i ograničavanjem bola, do snimanja sjećanja i telepatije.
Neki od ovih ciljeva su realniji od drugih, kaže Datta-Chaudhuri. Na primjer, Musk je govorio o zaobilaženju ozljeda kičme kako bi se vratio pokret paraliziranim osobama, što će, kako je rekao, biti u fokusu prvih kliničkih ispitivanja kompanije na ljudima, koja počinju uskoro. Uređaji slični Neuralinku to su postigli, pa nije neobično očekivati da i Neuralink to učini.
S druge strane, za podvig poput čitanja sjećanja ili misli bilo bi potrebno detaljno razumijevanje mozga kojeg jednostavno još nemamo, s naprednom tehnologijom koja bi se mogla podudarati, kaže Datta-Chaudhuri.
“Osjećam da još puno toga moraju naučiti i bit će to teška bitka za njih”, kaže on. “Ali ova snježna kugla mogla bi se zakotrljati i pretvoriti u nešto veće, jednostavno zbog prednosti brenda i što je Elon Musk vezan za njega, taj društveni reflektor.”
“Roboti polako mijenjaju sve više ljudi na njihovim radnim mjestima, a analitičari tvrde da pandemije ubrzava taj proces.
“Ljudi obično kažu da žele imati ljudski element u svojim interakcijama, ali je koronavirus to promijenio. On će nastaviti mijenjati preference potošača te zaista otvoriti nove prilike na automatizaciju”, izjavio je Martin Ford koji je ranije pisao o tome kako će roboti biti integrisani u ekonomiju u narednim desetljećima.
Velike i male kompanije koje se šire danas koriste robote kako bi se poštovalo društveno distanciranje i smanjio broj radnika koji fizički moraju biti prisutni na radnom mjestu. Roboti se koriste i za obavljanje poslova radnika koji svoj posao ne mogu raditi od kuće. Walmart, najveći lanac prodavnica u Americi, koristi robote za čišćenje podova. Roboti u Južnoj Koreji se koriste za mjerenje temperature pacijentima i raspodjelu sredstva za dezinfekciju ruku.
Dok eksperti upozoravaju da mjere društvenog distanciranja moraju biti na snazi i sljedeće godine, roboti bi mogli postati sve traženiji. Kompanije koje proizvode sredstva za čišćenje i dezinfekciju imaju sve više posla. UVD Robots, danska kompanija koja proizvodi robote za dezinfekciju UV svjetlošću, prodala je stotine robota bolnicama u Kini i Evropi.
Prodavnice i restorani koji nude hranu za ponijeti sve više koriste robote. Esperti kažu da će se roboti sve više upotrebljavati kako se budu pokretali zaustavljeni biznisi. Roboti bi mogli čistiti škole i urede.
Ipak, još uvijek ima ograničenja, jer automatske kase u prodanicama moraju biti nadzirane s obzirom da mnogi od tih sistema ne rade sasvim dobro ili se kvare, tako da ih kupci nerijetko izbjegavaju.
Industrija hrane je također pogodna za korištenje robota zbog zabrinutosti za zdravlje. Restorani brze hrane poput McDonald’sa već testiraju robote na funkciji huhara i posluge.
Skladišta poput Amazonovih i Walmartovih već imaju robote koji povećavaju efikasnost, a koronavirus bi mogao utjecati na njihovo povećanje kako bi radili na zadacima sortiranja, pakovanja i isporuke. To bi moglo pomoći radnicima koji se tranutno žale da na poslu ne mogu poštovati društveno distanciranje, ali bi s druge strane mogli ostati bez posla zbog robota. Jednom kada kompanija zamijeni radnika robotom, teško da će ga ponovo vratiti na posao. Istina je da je proizvodnja i integracija robota skupa, ali kad počnu raditi, obično su jeftiniji od ljudske radne snage.
Vještačka inteligencija se razvija kako bi zamijenila učitelje, fitness trenere i finansijske savjetnike. Facebook i Google se oslanjaju na vještačku inteligenciju kako bi se uklanjali neumjesni komentari, objavio je BBC.”
Američko ministarstvo energetike objavilo je da će se superkompjuter Summit koristiti za pokušaj pronalaska lijeka za bolest Covid-19. Da pojasnimo: Naziv korona virusa koji uzrokuje Covid-19 je SARS-CoV-2.
Summit je mašina od 10 MW izgrađena sa 4.608 čvorova za obradu. Svaki čvor sadrži 2x Power9 CPU na 3.07GHz i šest Nvidia Volta V100 GPU-a. To je najbrži superračunalo na Zemlji, sa demonstriranim performansama od 148,6 petaFLOPS u Linpacku i vrhunskim performansama od preko 200 petaFLOPS.
Razlog zbog kojeg DOE prisvaja najbrže svjetske superračunalo za projekat je taj što je pokušaj pronalaženja metoda inhibiranja ili napada virusa računski prezahtjevan problem. IBM piše:
Kada pokušavaju razumjeti nove biološke spojeve, poput virusa, istraživači u mokrim laboratorijima razvijaju mikroorganizam i vide kako reagira u stvarnom životu na uvođenje novih spojeva, ali ovo može biti spor proces bez računala koji mogu izvoditi digitalne simulacije da suzi raspon potencijalnih varijabli, ali čak i tada postoje izazovi. Kompjuterske simulacije mogu ispitati kako različite varijable reagiraju s različitim virusima, ali kada se svaka od tih pojedinačnih varijabli može sastojati od milijuna ili čak milijardi jedinstvenih podataka i složenih s potrebom da se pokrene više simulacija, to može brzo postati kompjutaciono jako zahtjevno.
Zahvaljujući superkompjuteru, istraživači su u nekoliko dana pregledali 8000 spojeva i identificirali 77 potencijalno korisnih spojeva malih molekula koji pokazuju dokaze inhibiranja SARS-CoV-2.
Samit je bio potreban kako bismo brzo dobili rezultate simulacije koji su nam potrebni. Trebalo nam je dan ili dva, dok bi na normalnom računaru trebalo nekoliko mjeseci, “rekao je Jeremy Smith, predsjedavajući na Univerzitetu u Tennesseeju, direktor UT / ORNL Centra za molekularnu biofiziku i glavni istraživač u studiji. „Naši rezultati ne znače da smo pronašli lijek ili tretman za COVID-19. Mi se, međutim, nadamo da će naši računski nalazi istovremeno obaviti buduće studije i pružiti okvir koji će eksperimentalisti koristiti za daljnje istraživanje ovih spojeva. “
Ako ste pročitali da je Covid-19 u nekim aspektima sličan SARS-u, rana istraga virusa dovela je do tog zaključka. SARS i koronavirus dijele neke uobičajene strategije infekcije, što je dovelo do neke nade da se može pronaći inhibitorni agens. Koristeći Summit, Micholas Smith (nije pogreška pri tisku) testirao je kako se jedinjenja vezuju za „špic“ proteina S kako bi otkrili što može umanjiti šansu za uspešnu infekciju.
Otkad je obavljen prvi rad, pušten je tačniji model S-proteina kod koronavirusa. Tim koji koristi Summit planira ponovo pokrenuti svoju početnu analizu korištenjem detaljnijeg modela, koji može neke spojeve skinuti s liste ili tretirati na vrh.
Naučnici su naglasili da se svi njihovi radovi moraju testirati eksperimentalno, ali sad smo vidjeli neke dokaze da računari mogu biti korisni za ovakve proračune. Iako je veoma rano, naučnici su počeli da otkrivaju nove tretmane lijekovima pomoću mašinskog učenja.
Broj koronavirusa u svijetu raste ubrzano otkako je virus pobjegao iz Kine. Najbolji dan za virus od početka praćenja bio je 19. 2. kada je zabilježeno 516 novih slučajeva. Do 28. februara imali smo do 1.503 nova slučaja. 10. marta zabilježeno je 4.390 novih slučajeva koronavirusa. Broj osoba zaraženih Covid-19 na dan porastao je za 2,92 puta u samo 11 dana. To je puno manje loše od apokaliptičnih scenarija koji se obično predviđaju u filmovima o medicinskim katastrofama, ali to je ipak visoka stopa rasta. Ako se nastavi, gledaćemo 12.822 novih slučajeva dnevno do 22. marta i 37.441 novi slučajeva dnevno do 2. aprila.
Dobra vijest je, međutim, da se ukupni broj teških / ozbiljnih slučajeva i dalje smanjuje u apsolutnom iznosu. Prema Worldometers.info, za koji se čini da održava ažurirano svakodnevno praćenje, ukupan broj teških / ozbiljnih slučajeva smanjio se sa 11.553 22. februara na 5.771 10. marta, između ostalog je samo jedan dan od ozbiljnih slučajeva označeno je prema gore i to je bio mali skok, sa 6.272 na 6.401. Brojka je nastavila da opada.
Na pitanje hoće li Covid-19 imati značajan utjecaj na svjetsku ekonomiju već je odgovoreno: da. Otkazane su brojne glavne konferencije, što je lokalnim zajednicama oduzelo prihod. Aviokompanije izvještavaju o visokim padovima letenja uporedivim sa hitom koji su izveli nakon 11. rujna. Budući da su kineske tvornice zatvorene tjednima, cijela talijanska zemlja pod karantenom, a deseci milijuna ljudi koji sada praktikuju socijalno distanciranje (dobrovoljno ili na neki drugi način), pitanje hoćemo li osjetiti utjecaj u Sjedinjenim Državama je jasno: Da. Možda će trebati vremena da se stigne – ekonomski utjecaj događaja na udaljenim obalama može putovati različitim brzinama – ali usporavanja i otkazivanja već pogađaju kompanije.
Znači li to da trebate potrošiti i kupiti dvije tone proizvoda od papira za jednokratnu upotrebu? Ne. Ali to znači da će, na jedan ili drugi način, Covid-19 utjecati na naše živote.
Naftni rat koji je započeo između Rusije i Saudijske Arabije ove sedmice odličan je primjer kako SARS-CoV-2 može potaknuti globalnu recesiju, čak i ako se ispostavi da je medicinski rizik manji nego što se mislilo. Budući da Rusi i Saudijci doprinose da se vidi tko može naplaćivati manje nafte, američka proizvodnja nafte iz škriljaca možda će morati prestati ako cijene padnu predaleko. To bi imalo vlastiti utjecaj i na američku ekonomiju.
Još niko ne zna kuda se ovaj voz kreće, ali svi smo zajedno u njemu.
Ako je vjerovati procurjelom Google istraživačkom radu, revolucionarni novi oblik računala upravo je izvršio proračun koji je prethodno bio nemoguć čak i na najmoćnijim modernim superračunalima.
Istraživači koji rade na jednom od kvantnih računara tehnološkog giganta postigli su ono što je poznato kao kvantna nadmoć, tvrdi papir, na taj način najavljujući novu eru neshvatljivo moćnih mašina.
U njihovim eksperimentima, izračunavanje koje bi trajalo tradicionalne superračunare otprilike 10.000 godina oduzelo je Googleovom kvantnom računaru samo 200 sekundi. „Prema našem saznanju“, navodi se u radu, „ovaj eksperiment označava prvo računanje koje se može obaviti samo na kvantnom procesoru“.
Računanje je uključivalo provjeru je li veliki skup brojeva doista slučajni – poznat kao problem slučajnog uzorkovanja – i za sada je samo test dokaza koncepta. Možda nema mnogo neposrednih praktičnih primjena osim pronalaženja slučajnih brojeva, ali moguće posljedice bi mogle promjeniti svijet.
Šta je kvantni računar? Fizičar Richard Feynman prvi ga je teoretizirao 1982. godine, kvantna računala su u osnovi različita od klasičnih računala na način prijenosa i pohrane podataka.
Umjesto da koriste tradicionalne bitove – ‘1’ i ‘0’ koji se koriste u digitalnoj komunikaciji – kvantna računala koriste qubite.
One postoje u stanju superpozicije, što znači da mogu istovremeno djelovati kao ‘1’ i ‘0’.
Samim time, svaki novi qubit koji se doda u sistem za kvantno računanje čini ga eksponencijalno moćnijim od klasičnih računara.
Ko radi na njima i zašto? Pored Googlea, mnoge najveće svjetske kompanije trenutno razvijaju kvantne računarske sisteme.
Tehnološke firme poput IBM, Intel i Microsoft grade svoje mašine i ulažu ogromne količine resursa kako ne bi propustili sljedeću računalnu revoluciju.
Manje firme poput kanadskog D-Wave-a takođe grade kvantna računara, koja organizacije poput Nasa i CIA navodno koriste.
Izvanredni potencijal kvantnih računala znači da bi ih mogli koristiti za transformiranje svega, od cyber sigurnosti i komunikacija, do zdravstvene zaštite i prognoziranja vremena.
Za šta su još sposobni kvantni računari?
Fizičar David Deutsch, jedan od prvih pionira kvantnih računara, jednom je slavno tvrdio da bi mogli riješiti probleme za koje bi današnjim računarima trebalo duže od vremena starosti svemira.
Google-ov procurivani istraživački rad možda je samo dokaz koncepta, ali pretpostavlja hipotezu da bi se kvantni čip mogao jednog dana koristiti za simulaciju naučnih eksperimenata koji bi u stvarnom životu bili skupi ili nepraktični.
Elon Musk želi da umetne implantante koji podržavaju Bluetooth u mozak, tvrdeći da bi ti uređaji mogli omogućiti telepatiju i popraviti motoričku funkciju kod osoba sa povredama.
Govoreći u utorak, CEO Tesla (TSLA) i SpaceX je rekao da će se njegovi uređaji za Neuralink sastojati od sićušnog čipa spojenog na 1.000 žica dimenzija jedne desetine širine ljudske kose.
Čip ima USB-port, isti adapter koji koristi Appleov (AAPL) Macbooks, i povezuje se preko Bluebooth-a sa malim kompjuterom koji se nosi preko uha i pametnog telefona, rekao je Musk.
“Ako želiš nešto da zabiješ u mozak, ne želiš da to bude veliko”, reče Musk, igrajući se malom dimenzijom uređaja.
Neuralink, pokretač koji je osnovao Musk, kaže da ovi uređaji mogu koristiti onima koji traže poticaj za pamćenje ili žrtvama moždanog udara, pacijentima koji boluju od raka, kvadriplegičarima ili drugima sa urođenim manama.
Kompanija kaže da se do 10 jedinica može staviti u mozak pacijenta. Čipovi će se povezati sa iPhone aplikacijom koju korisnik može da kontroliše.
Uređaje će instalirati robot koji je izgradio startup. Musk je rekao da će robot, kada bude operisan od strane hirurga, izbušiti 2 milimetarske rupe u lobanji osobe. Dio uređaja na čipu će utaknuti rupu u lobanji pacijenta.
“Interfejs za čip je bežični, tako da nemate žice koje vam iskaču iz glave. To je vrlo važno”, dodao je Musk.
Upotreba bi mogla početi prije kraja 2020. godine, kaže Musk, uporedivši proceduru sa Lasik kirurgijom za korekciju oka, koja zahtijeva lokalni anestetik.
Musk je rekao da je ovaj najnoviji projekat pokušaj da se koristi umjetna inteligencija (AI) kako bi imala pozitivan učinak na čovječanstvo. Prethodno je pokušao da skrene pažnju na potencijal AI da nanese štetu ljudima.
On je uložio oko 100 miliona dolara u Neuralink iz San Francisca, prema New York Timesu.
Muskov plan da razvije ljudske kompjuterske implantate dolazi na sličan način od strane Googlea (GOOGL) i Facebooka (FB). Ali kritičari nisu sigurni da bi klijenti trebali vjerovati tehnološkim kompanijama s podacima prenesenim izravno iz mozga.
“Ideja da se velikim kompanijama povjere naši podaci o mozgu treba da stvore određeni nivo nelagode za društvo”, rekao je Daniel Newman, glavni analitičar u Futurum Research i koautor knjige Human / Machine.
“Nema dokaza da bismo trebali vjerovati ili biti zadovoljni kretanjem u tom smjeru”, dodao je on.
Iako bi tehnologija mogla pomoći onima koji imaju neku vrstu povrede mozga ili traume, “prikupljanje podataka iz neobrađene moždane aktivnosti moglo bi dovesti ljude u veliki rizik i može ih se koristiti za uticaj, manipulaciju i eksploataciju “, rekao je za CNN Business Frederike Kaltheuner iz organizacije Privacy International.“ Ko ima pristup tim podacima? Da li se ovi podaci dijele s trećim stranama? Ljudi moraju imati potpunu kontrolu nad svojim podacima. ”
