Sammensmeltningen af menneske og maskine vil ikke stoppe stigningen af maskiner

Tesla CEO og grundlægger OpenAI Elon Musk i sidste uge foreslog, at menneskeheden kunne ophæve din frygt i anledning af maskiner (fx robotter) som følge af fusionen med de samme maskiner, og bliver cyborgs. Men de moderne tendenser inden for kunstig intelligens, skærpet især for software og teknologi, dyb læring rejse alvorlig tvivl i jorden sådanne udtalelser, især på lang sigt. Det er forbundet ikke blot med den hardware begrænsninger, men med den rolle, som den menneskelige hjerne i alt dette.

Den speciale af Masken er meget ligetil: det er nok udviklet brain-computer interfaces vil tillade mennesker til massivt at øge deres kapacitet, bedre udnyttelse af teknologier, såsom machine learning og dyb læring. Men denne udveksling er to måde. Brain-computer interfaces vil også bidrage til at udfylde hullerne i machine learning algoritmer på bekostning af mennesker, for eksempel, når du foretager kontekstuelle beslutninger. Selve ideen er ikke ny. Licklider og andre tænker om muligheden for og konsekvenserne af "symbiose mellem menneske og computer" i midten af det 20. århundrede.

Der var langsom. Ikke mindst på grund af udviklingen af hardware. "Hvis grunden til, at hardware (hardware) er såkaldte fordi det er svært (svært)," sagde Tony Fadell, Skaberen af iPod. Og til at skabe hardware, der vil være forbundet med økologiske systemer vil blive endnu mere vanskeligt.

Moderne teknologi er primitive sammenlignet med billeder af brain-computer interfaces i sci-Fi film som the Matrix.

Særheder dyb læring

Under forudsætning af, at hardware problem vil i sidste ende blive løst, er der stadig andre problemer. Det sidste årti, utrolige fremskridt i forskning i dyb læring har vist, at nogle forhindringer der skal overvindes, er ikke så enkel.

Først og fremmest, at vi forstår bare ikke, og kan ikke beskrive, hvordan funktionen af komplekse neurale netværk. Vi stoler på simpel teknologi som en regnemaskine, fordi vi ved, at hun altid vil gøre præcis, hvad vi ønsker af den. Hans fejl — det er næsten altid et resultat af forkerte handlinger på den del af personen.

For Eksempel, vi vil gerne Supplere os maskine vil give os mulighed for at blive perfekt i matematik. Så i stedet for at skulle få en lommeregner eller en smartphone, så vi kunne komme i tanke om beregning og få øjeblikkelig respons fra support køretøjer.

Det bliver kompliceret, når vi forsøger at forbinde mere komplekse funktioner, at de foreslåede metoder for machine learning. For eksempel, dyb læring.

Lad os Sige, at du arbejder som en sikkerhed medarbejder i lufthavnen, og din hjerne fuldender den maskine, som automatisk scanner tusindvis af enkeltpersoner, som du ser hver dag, advarsel om eventuelle risici for sikkerhed.

De Fleste machine learning lider af den berygtede problem: når en lille ændring i udseende eller genstanden kan forårsage en fejl i systemet, og ikke tillader det at præcist at klassificere objektet. Ændre billedet af en mand på 1% — og maskine-system kan tænke, at det er en Cykel.

Terrorister eller kriminelle kan udnytte forskellige sårbarheder i de maskiner, uden sikkerhedskontrol. Dette problem forhindrer, at online sikkerhed. De mennesker, omend i begrænset omfang-på nogle måder, er ikke sårbare over for sådanne runder.

På Trods af det faktum, at de maskiner, der har et ry for at være upartisk, machine learning teknologi, der også lider af bias, og kan endda vise racistisk adfærd, hvis du kan indtaste de relevante data. Denne uforudsigelighed, har betydelige følger for, hvordan folk vil oprette forbindelse til maskinen, og hvor tillid til hende.

i robot

Tillid er en to-vejs gade. Det menneskelige sind er meget kompleks og dynamisk aktivitet. Da bilen for at forstå, hvad en del af den menneskelige tilbøjelighed til at ignorere? I sidste ende, vi alle står over for det, det er ikke indse i denne rapport. Hvordan til at skabe en teknologi, der vil hjælpe dig med at rekruttere folk til at arbejde?

Til en vis grad kan vi se den tillid, problemer i hjerne-computer-interfaces, hvis vi ser på, hvordan det forsvar rundt om i verden forsøger at løse spørgsmålet om befolkningens tillid til maskiner på en blandet slagmarken. Folk forsøger at have tillid til de maskiner og maskine — mænd.

Der er en parallel mellem den kæmpe robot, der tager den etiske beslutning om at ignorere en ulovlig ordre, givet af en person, og hvad der sker i brain-computer interface: maskinen skal fortolke en persons tanker og filtrere ud af det flygtige tanker og dybe ubevidste fordomme.

I forsvaret scenarier, den logiske rolle i den menneskelige hjerne, vil være at teste etik i sådanne beslutninger. Men hvad så når den menneskelige hjerne vil være forbundet med en maskine, der er i stand til at foretage logiske konklusioner baseret på de data, på sådan en skala, ingen hjerne ikke kan fatte og forstå?

På lang sigt, spørgsmålet er hvornår og hvordan befolkningen vil blive inddraget i processer, som i stigende grad er bestemt af maskiner. Meget snart maskiner vil begynde at foretage medicinske beslutninger, som nogen person eller gruppe af personer, der ikke kan forstå. Hvilken rolle så vil hjernen spille i denne proces?

I nogle tilfælde, automation og personale-folk kan øge antallet af arbejdspladser, men denne effekt vil være flygtigmest sandsynligt. De samme robotter og automation systemer, der vil forbedre, indtil de fjerner de har skabt arbejdspladser. På samme måde, de mennesker, der kommer til at spille en "nyttig" rolle i brain-computer interfaces bliver mindre og mindre, der er involveret i denne kæde, fordi teknologien vil forbedre.

Tanken er at bevare relevansen af menneskeheden ved at integrere den menneskelige hjerne med kunstig synes attraktiv. Men vi har endnu til at finde ud af, hvad der vil være bidrag til at gøre den menneskelige hjerne, hvis udviklingen af teknologier outruns udvikling af hjernen, en million gange.