Skynet jest prawdziwy, ale nas nie zniszczy (mam nadzieję)

Skynet jest prawdziwy, ale nas nie zniszczy (mam nadzieję) Robotyka i sztuczna inteligencja pozwalają nam przekazać ważne obowiązki maszynom. Rozmawialiśmy z wiceprezesem General Electric ds. badań oprogramowania, dr Colinem Parrisem, aby dowiedzieć się, czy powinniśmy. Evan Dashevsky Autor: Evan Dashevsky 28 marca 2017 (Otwiera się w nowym oknie) (Otwiera się w nowym oknie) (Otwiera się w nowym oknie) Colin Paris To było dziwne, że reżyser James Cameron przedstawił światu Skynet – fikcyjną super sztuczną inteligencję, która starała się wykorzenić ludzkość – w 1984 roku. Zgodnie z tradycją Terminatora, Skynet został stworzony w ówczesnych latach 90., aby usunąć element ludzki z amerykańskiej obrony nuklearnej. Ale potem Skynet stał się samoświadomy, zainicjował globalny nuklearny holokaust i stworzył armię zabójczych botów, aby zabić ocalałych, bla bla bla bla. Oczywiście ta przyszła dystopia została wymyślona na długo przed pojawieniem się czegoś takiego jak zdolne roboty czy sztuczna inteligencja. Szybko do 2017 roku, a technologia opcjonalna dla człowieka jest dostępna nie tylko w prawdziwym świecie, ale inżynierowie starają się opracować sposoby, aby dać im jeszcze więcej obowiązków. Na całym świecie autonomiczne mini-Skynety stają się (miejmy nadzieję życzliwą?) rzeczywistością. Chociaż prawdopodobnie w najbliższym czasie nie przekażemy algorytmowi czegoś tak niepewnego, jak kody wystrzeliwania broni nuklearnej, społeczeństwo staje się coraz bardziej zależne od technologii do wykonywania innych ważnych zadań. W rzeczywistości ten świat stał się tak złożony, że jest to praktycznie konieczność. Nasza infrasturcutre nie tylko pojawia się w Internecie, ale zyskuje również zdolność przewidywania i reagowania. Naszym algorytmom powierzyliśmy zadanie wykrywania naruszeń bezpieczeństwa (otwiera się w nowym oknie) w złożonych systemach, handlując większością światowych akcji (otwiera się w nowym oknie), a nawet przewidywania, kiedy takie rzeczy, jak części silnika samolotu, mogą się zepsuć, zanim to się stanie . W tym celu inżynierowie coraz częściej wykorzystują takie rzeczy, jak „cyfrowe bliźniaki”, aby pomóc w przewidywaniu i podejmowaniu decyzji. Cyfrowe bliźniaki to wirtualne reprezentacje rzeczywistych obiektów (zazwyczaj istotnej infrastruktury, takiej jak turbiny w elektrowni). Te bliźnięta wykorzystują dane w czasie rzeczywistym, aby przewidzieć, kiedy coś może się nie udać (w ten sposób umożliwiając opiekunom – które same są coraz bardziej zautomatyzowane – naprawianie problemów, zanim się pojawią). Ale jeśli sztuczna inteligencja jest rodzajem intelektu, czy trafne byłoby opisanie cyfrowych bliźniaków jako formy wyobraźni? „Tak, jest. Ale jest to wyobraźnia skupiona wokół tego, co faktycznie wie i jej przeszłej historii, a także na temat środowiska i tego, jak z niego korzystasz” – wyjaśnia dr Colin Parris, wiceprezes ds. badań oprogramowania w General Electric i wiodący twórca technologii cyfrowych bliźniaków, który był niedawnym gościem serii wywiadów dla PCMag, The Convo. „Ta wyobraźnia mówi, że„ dobrze opierając się na tych danych, być może będę musiała być utrzymana w tym czasie ”. Ale cyfrowe bliźniaki nie są sprowadzane do danych wejściowych z jednego źródła — są w stanie wykorzystać doświadczenia całej floty. Jeśli algorytm zauważy na przykład, że określona część samolotu zaczyna ulegać zużyciu po 2000 lądowaniach w deszczowych warunkach, może zasygnalizować załogom serwisowym przy następnym serwisowaniu. Ale nadanie systemowi prawdziwej inteligencji to coś więcej niż kontrolka „czasu na przegląd” na desce rozdzielczej samochodu; chodzi o poprawę jego zdolności w czasie. Dziedzina sztucznej inteligencji zwana „uczeniem maszynowym” pozwala komputerom na opanowanie zadań niezależnych od ludzkich wskazówek. To łączenie zebranych doświadczeń ułatwia umysłowi ula, który rekompensuje brak zdrowego rozsądku. Bez tego cyfrowego ducha czasu złożone technologie, takie jak autonomiczne samochody, nigdy nie byłyby możliwe. Pojedynczy człowiek-programista — a nawet armia programistów — nigdy nie zdoła stworzyć oprogramowania, które przewidzi każdy rzeczywisty scenariusz drogowy, ale autonomiczne samochody mogą uczyć się dzięki obserwacji. Na przykład samojezdny samochód może nie rozpoznawać osoby na wózku inwalidzkim, ale obserwując, jak ludzie reagują na ten nowatorski kształt, który dzieli cechy z osobą i samochodem, oprogramowanie może dowiedzieć się, że jest to rodzaj pieszego, który powinien być traktowane jako takie. cyfrowa technologia bliźniacza Oprogramowanie nie tylko poprawia się dzięki obserwowaniu zachowań kierowców, ale także rejestruje, co działało, gdy inne autonomiczne samochody były w drodze (a co ważniejsze, co nie działało). Ta wspólna nauka pozwala maszynom poruszać się w złożonym świecie z wieloma nieprzewidzianymi zmiennymi. Kiedy połączysz wirtualne modelowanie i technologie predykcyjne z postępami w robotyce, możesz zobaczyć, jak infrastruktura stanie się jeszcze bardziej autonomiczna. Ta automatyzacja jest problematyczna z punktu widzenia bezrobocia, ale niekoniecznie jest całkowitą stratą dla ludzkości. „Istnieją pewne prace, które są nudne, brudne i niebezpieczne. Chcę się upewnić, że nie ma w nich zbyt często ludzi” – wyjaśnia Parris. „Podam ci przykład. Mamy platformy wiertnicze na środku oceanu, które mają gigantyczne stosy, których używają do spalania paliwa. Ktoś musi wejść na te stosy i zobaczyć, czy jest na nich rdza – to 200