Grunnen til at denne (og andre) artikkelen kom fram er enkel: kanskje kunstig intelligens ikke bare er et viktig tema for diskusjon, men det viktigste i fremtiden. Alle som kommer litt inn på essensen av potensialet for kunstig intelligens, erkjenner at dette temaet ikke kan ignoreres. Noen - og blant dem Elon Musk, Stephen Hawking, Bill Gates, ikke de mest dumme menneskene på planeten vår - mener at kunstig intelligens utgjør en eksistensiell trussel mot menneskeheten, i omfang sammenlignbar med fullstendig utryddelse av oss som art. Len deg tilbake og prikk jeg for deg selv.
"Vi er på nippet til endringer som kan sammenlignes med opprinnelsen til menneskelig liv på jorden" (Vernor Vinge).
Hva betyr det å være på randen av en slik endring?
Det ser ikke ut til å være noe spesielt. Men du må huske at å være på et slikt sted på grafen betyr at du ikke vet hva som er til høyre for deg. Du burde føle noe slikt:
Følelsene er ganske normale, flyturen går bra.
Fremtiden kommer
Tenk deg at en tidsmaskin transporterte deg til 1750 - en tid da verden opplevde konstante avbrudd i strømtilførselen, kommunikasjon mellom byer betydde kanonskudd og all transport gikk på høy. La oss si at du kommer dit, ta noen og ta dem med til 2015, vis hvordan det er her. Vi kan ikke forstå hvordan det ville være for ham å se alle disse skinnende kapslene flyve langs veiene; snakk med folk på den andre siden av havet; se på sportsspill tusen kilometer unna; høre en musikalsk forestilling innspilt for 50 år siden; lek med et magisk rektangel som kan ta et bilde eller fange et levende øyeblikk; lage et kart med en paranormal blå prikk som angir plasseringen; se på andres ansikt og kommunisere med ham mange kilometer unna, og så videre. Alt dette er uforklarlig magi for nesten tre hundre år gamle mennesker. For ikke å snakke om Internett, Den internasjonale romstasjonen, Large Hadron Collider, atomvåpen og generell relativitet.
En slik opplevelse for ham vil ikke være overraskende eller sjokkerende - disse ordene formidler ikke hele essensen av mental kollaps. Vår reisende kan dø helt.
Men det er et interessant poeng. Hvis han går tilbake til 1750 og blir sjalu over at vi ønsket å se reaksjonen hans til 2015, kan han ta med seg en tidsmaskin og prøve å gjøre det samme med for eksempel 1500. Han vil fly dit, finne en person, hente ham i 1750 og vise alt. En fyr fra 1500 vil bli sjokkert uten mål - men sannsynligvis ikke dø. Selv om han selvsagt vil bli overrasket, er forskjellen mellom 1500 og 1750 mye mindre enn mellom 1750 og 2015. En person fra 1500 vil bli overrasket noen ganger fra fysikken, vil bli overrasket over hva Europa har blitt under den harde hælen av imperialismen, vil tegne et nytt kart over verden i hodet hans … Men hverdagen i 1750 - transport, kommunikasjon, etc. - vil neppe overraske ham til døden.
Nei, for at en fyr fra 1750 skal ha det samme moro som oss, må han gå mye lenger - kanskje et år som dette i 12 000 f. Kr. F. Kr., selv før den første jordbruksrevolusjonen fødte de første byene og sivilisasjonsbegrepet. Hvis noen fra jeger-samlernes verden, fra den tiden da mennesker enda var en annen dyreart, så de enorme menneskelige imperiene fra 1750 med sine høye kirker, skip som krysset havene, deres konsept om å være "inne" i en bygning, alt denne kunnskapen - han ville sannsynligvis ha dødd.
Og så, etter døden, ville han ha misunnet og ønsket å gjøre det samme. Ville komme tilbake for 12.000 år siden, ved 24.000 f. Kr. e., ville ha tatt en person og brakt ham i tide. Og en ny reisende ville si til ham: "Vel, det er greit, takk." Fordi i dette tilfellet en person fra 12 000 f. Kr. NS. det ville være nødvendig å gå 100 000 år tilbake og vise de lokale aboriginene ild og språk for første gang.
Hvis vi trenger å transportere noen inn i fremtiden for å bli overrasket til døden, må fremskritt reise en viss distanse. Point of Death Progress (TPP) må nås. Det vil si at hvis det på tidspunktet for jeger-samlere TSP tok 100 000 år, fant neste stopp sted allerede i 12 000 f. Kr. NS. Etter det var fremgangen allerede raskere og radikalt transformert verden innen 1750 (omtrent). Så tok det et par hundre år, og her er vi.
Dette bildet - der menneskelig fremgang beveger seg raskere etter hvert som tiden går - kaller futuristen Ray Kurzweil loven om å akselerere avkastning i menneskets historie. Dette er fordi mer utviklede samfunn har evnen til å bevege fremdriften i et raskere tempo enn mindre utviklede samfunn. Folket på 1800 -tallet visste mer enn folket på 1400 -tallet, så det er ikke overraskende at fremgangen på 1800 -tallet var raskere enn på 1400 -tallet, og så videre.
I mindre skala fungerer dette også. Back to the Future ble utgitt i 1985 og fortiden var i 1955. I filmen, da Michael J. Fox kom tilbake i 1955, ble han overrasket over fjernsynets nyhet, brusprisen, mangel på kjærlighet til gitarlyd og variasjoner i slang. Det var selvfølgelig en annen verden, men hvis filmen ble spilt inn i dag, og fortiden var i 1985, ville forskjellen være mye mer global. Marty McFly, tilbake i tid fra dagene med personlige datamaskiner, Internett, mobiltelefoner, ville være langt mer irrelevant enn Marty, som gikk til 1955 fra 1985.
Alt dette skyldes loven om å akselerere retur. Den gjennomsnittlige utviklingshastigheten mellom 1985 og 2015 var høyere enn frekvensen fra 1955 til 1985 - fordi i det første tilfellet var verden mer utviklet, den var mettet med prestasjonene de siste 30 årene.
Så jo flere prestasjoner, jo raskere skjer endringene. Men burde det ikke gi oss noen hint for fremtiden?
Kurzweil antyder at utviklingen på hele 1900 -tallet kunne ha skjedd på bare 20 år på utviklingsnivået i 2000 - det vil si at i 2000 var fremdriftshastigheten fem ganger raskere enn gjennomsnittlig fremdriftshastighet på 1900 -tallet. Han mener også at fremdriften for hele 1900 -tallet var lik fremgangen i perioden fra 2000 til 2014, og fremdriften til et nytt 1900 -tall vil svare til perioden frem til 2021 - det vil si om bare syv år. Etter flere tiår vil all fremgang på 1900 -tallet finne sted flere ganger i året, og deretter på bare en måned. Til syvende og sist vil loven om fremskyndende retur føre oss til det punktet at fremskritt over hele det 21. århundre vil være 1000 ganger større enn fremdriften på 1900 -tallet.
Hvis Kurzweil og hans støttespillere har rett, vil 2030 overraske oss på samme måte som fyren fra 1750 ville ha overrasket vårt 2015 - det vil si at neste TSP bare tar et par tiår - og verden i 2050 vil være så annerledes fra den moderne som vi knapt finner ut. Og dette er ikke fiksjon. Dette mener mange forskere som er smartere og mer utdannet enn deg og meg. Og hvis du ser på historien, vil du forstå at denne spådommen følger av ren logikk.
Hvorfor, når vi står overfor utsagn som "verden om 35 år vil forandre seg uten anerkjennelse", trekker vi skeptisk på skuldrene? Det er tre grunner til vår skepsis til fremtidige spådommer:
1. Når det gjelder historie, tenker vi i rette linjer. I forsøket på å visualisere fremdriften i de neste 30 årene ser vi på fremdriften til de 30 foregående som en indikator på hvor mye som sannsynligvis vil skje. Når vi tenker på hvordan vår verden vil forandre seg i det 21. århundre, tar vi fremdriften på 1900 -tallet og legger den til år 2000. Den samme feilen vår fyr fra 1750 gjør når han får noen fra 1500 og prøver å overraske ham. Vi tenker intuitivt lineært når vi skal være eksponentielle. I hovedsak bør en futurist prøve å forutsi fremdriften i de neste 30 årene, ikke se på de 30 foregående, men å dømme etter det nåværende utviklingsnivået. Da blir prognosen mer nøyaktig, men fortsatt ved porten. For å tenke riktig om fremtiden må du se ting bevege seg i et mye raskere tempo enn det beveger seg nå.
[/senter]
2. Den siste historiens bane er ofte forvrengt. For det første ser en bratt eksponentiell kurve lineær ut når du ser små deler av den. For det andre er eksponentiell vekst ikke alltid jevn og jevn. Kurzweil mener at fremskritt beveger seg i serpentinkurver.
En slik kurve går gjennom tre faser: 1) langsom vekst (tidlig fase av eksponentiell vekst); 2) rask vekst (eksplosiv, sen fase av eksponentiell vekst); 3) stabilisering i form av et spesifikt paradigme.
Hvis du ser på den siste historien, kan den delen av S-kurven du befinner deg i nå skjule fremdriftshastigheten fra din oppfatning. Noe av tiden mellom 1995 og 2007 ble brukt på den eksplosive utviklingen av Internett, introdusering av Microsoft, Google og Facebook for publikum, fødselen av sosiale nettverk og utvikling av mobiltelefoner og deretter smarttelefoner. Dette var den andre fasen av kurven vår. Men perioden fra 2008 til 2015 var mindre forstyrrende, i hvert fall på teknologifronten. De som tenker på fremtiden i dag kan ta de siste par årene å måle det generelle tempoet i fremdriften, men de ser ikke det større bildet. Faktisk kan en ny og kraftig fase 2 være på gang nå.
3. Vår egen erfaring gjør oss til gretten gamle mennesker når det gjelder fremtiden. Vi baserer ideene våre om verden på vår egen erfaring, og denne erfaringen har satt en selvfølge i veksthastigheten i nyere tid. På samme måte er fantasien vår begrenset, ettersom de bruker vår erfaring til å forutsi - men oftere enn ikke har vi rett og slett ikke verktøyene som gjør at vi kan forutsi fremtiden nøyaktig. Når vi hører spådommer for fremtiden som er i strid med vår daglige oppfatning av hvordan ting fungerer, betrakter vi dem instinktivt som naive. Hvis jeg fortalte deg at du kommer til å bli 150 eller 250 år gammel, eller kanskje du ikke kommer til å dø i det hele tatt, vil du instinktivt tenke at "dette er dumt, jeg vet fra historien at i løpet av denne tiden døde alle". Så det er: ingen levde for å se slike år. Men ikke et eneste fly fløy før oppfinnelsen av fly.
Selv om skepsis forekommer rimelig for deg, er det oftere enn ikke feil. Vi bør godta at hvis vi bevæpner oss med ren logikk og venter på de vanlige historiske sikksakkene, må vi innrømme at veldig, veldig, veldig mye må endres i de kommende tiårene; mye mer enn intuitivt. Logikk tilsier også at hvis den mest avanserte arten på planeten fortsetter å gjøre gigantiske sprang fremover, raskere og raskere, vil hoppet på et tidspunkt være så alvorlig at det vil endre livet radikalt slik vi kjenner det. Noe lignende skjedde i evolusjonsprosessen, da mennesket ble så smart at det fullstendig forandret livet til andre arter på planeten Jorden. Og hvis du tar deg litt tid til å lese hva som skjer innen vitenskap og teknologi akkurat nå, kan du begynne å se noen ledetråder om hvordan det neste gigantiske spranget vil bli.
Veien til superintelligens: hva er AI (kunstig intelligens)?
Som mange mennesker på denne planeten, er du vant til å tenke på kunstig intelligens som en dum science fiction -idé. Men i det siste har mange seriøse mennesker vist bekymring for denne dumme ideen. Hva er galt?
Det er tre grunner som fører til forvirring rundt begrepet AI:
Vi forbinder AI med filmer. "Stjerne krigen". "Terminator". "A Space Odyssey 2001". Men som roboter er AI i disse filmene fiksjon. Dermed fortynner Hollywood -bånd nivået på vår oppfatning, AI blir kjent, kjent og selvfølgelig ond.
Dette er et bredt anvendelsesområde. Det starter med en kalkulator i telefonen og utvikler selvkjørende biler til noe langt i fremtiden som vil revolusjonere verden. AI står for alle disse tingene, og det er forvirrende.
Vi bruker AI hver dag, men ofte innser vi det ikke engang. Som John McCarthy, oppfinneren av begrepet "kunstig intelligens" i 1956, sa: "når det fungerer, er det ingen som kaller det AI lenger." AI har blitt mer som en mytisk spådom om fremtiden enn noe ekte. Samtidig har dette navnet også en smak av noe fra fortiden som aldri har blitt virkelighet. Ray Kurzweil sier at han hører folk assosiere AI med fakta fra 80 -tallet, som kan sammenlignes med "å påstå at internett døde sammen med dotcoms på begynnelsen av 2000 -tallet."
La oss være klare. Slutt først å tenke på roboter. Roboten som er beholderen for AI etterligner noen ganger den menneskelige formen, noen ganger gjør den det ikke, men selve AI -en er datamaskinen inne i roboten. AI er en hjerne, og en robot er en kropp, hvis den i det hele tatt har en kropp. For eksempel er Siris programvare og data kunstig intelligens, en kvinnestemme er personifiseringen av denne AI, og det er ingen roboter i dette systemet.
For det andre har du sikkert hørt begrepet "singularitet" eller "teknologisk singularitet". Dette begrepet brukes i matematikk for å beskrive en uvanlig situasjon der de vanlige reglene ikke lenger fungerer. I fysikk brukes det til å beskrive det uendelige og tette punktet til et svart hull, eller det opprinnelige punktet for Big Bang. Igjen fungerer ikke fysikkens lover i det. I 1993 skrev Vernor Vinge et berømt essay der han brukte begrepet på et øyeblikk i fremtiden da intelligensen til teknologiene våre overgår vår egen - da vil livet som vi kjenner det forandre seg for alltid, og de vanlige eksistensreglene. vil ikke lenger fungere …. Ray Kurzweil forfinet dette begrepet ytterligere, og påpekte at singulariteten vil nås når loven om akselerert rekyl når et ekstremt punkt, når teknologisk fremgang beveger seg så raskt at vi slutter å legge merke til prestasjonene, nesten uendelig raskt. Da skal vi leve i en helt ny verden. Imidlertid har mange eksperter sluttet å bruke dette begrepet, så la oss, og vi vil ikke referere til det ofte.
Til slutt, mens det er mange typer eller former for AI som stammer fra det brede AI -konseptet, er hovedkategoriene av AI avhengig av kaliberet. Det er tre hovedkategorier:
Fokusert (svak) kunstig intelligens (AI). UII spesialiserer seg på ett område. Blant disse AI -ene er det de som kan slå verdensmesteren i sjakk, men det er omtrent det. Det er en som kan tilby den beste måten å lagre data på harddisken din, og det er det.
Generell (sterk) kunstig intelligens. Noen ganger også referert til som menneskelig nivå AI. AGI refererer til en datamaskin som er like smart som en person - en maskin som er i stand til å utføre enhver intellektuell handling som er iboende i en person. Å lage AGI er mye vanskeligere enn AGI, og det har vi ikke fått til ennå. Professor Linda Gottfredson beskriver intelligens som "i generell forstand, psykisk potensial, som blant annet inkluderer evnen til å resonnere, planlegge, løse problemer, tenke abstrakt, forstå komplekse ideer, lære raskt og lære av erfaring."AGI burde være i stand til å gjøre alt dette like enkelt som deg.
Kunstig superintelligens (ISI). Oxford -filosof og AI -teoretiker Nick Bostrom definerer superintelligens som "intelligens som er langt smartere enn de beste menneskelige sinnene på praktisk talt alle områder, inkludert vitenskapelig kreativitet, generell visdom og sosiale ferdigheter." Kunstig superintelligens inkluderer både en datamaskin som er litt smartere enn en person og en som er billioner ganger smartere i alle retninger. ISI er årsaken til den økende interessen for AI, i tillegg til at ordene "utryddelse" og "udødelighet" ofte dukker opp i slike diskusjoner.
I dag har mennesker allerede erobret den aller første fasen av AI -kaliberet - AI - på mange måter. AI -revolusjonen er en reise fra AGI gjennom AGI til ISI. Denne veien overlever vi kanskje ikke, men det vil definitivt forandre alt.
La oss se nærmere på hvordan de ledende tenkerne på feltet ser denne veien og hvorfor denne revolusjonen kan skje raskere enn du kanskje tror.
Hvor er vi i denne strømmen?
Fokusert kunstig intelligens er maskinintelligens som er lik eller større enn menneskelig intelligens eller effektivitet for å utføre en bestemt oppgave. Noen få eksempler:
* Biler er fullpakket med ICD-systemer, fra datamaskiner som bestemmer når det blokkeringsfrie bremsesystemet skal sparke inn til en datamaskin som bestemmer parametrene til drivstoffinnsprøytningssystemet. Googles selvkjørende biler, som nå testes, vil inneholde robuste AI-systemer som fornemmer og reagerer på verden rundt dem.
* Telefonen din er en liten ICD -fabrikk. Når du bruker kartappen, får du anbefalinger for nedlasting av apper eller musikk, sjekker været for i morgen, snakker med Siri eller gjør noe annet - du bruker AI.
* Spamfilteret ditt for e -post er en klassisk type AI. Det starter med å finne ut hvordan du skiller spam fra brukbare e -poster, og lærer deretter når det håndterer e -postene og preferansene dine.
* Og denne plagsomme følelsen da du i går var på utkikk etter en skrutrekker eller et nytt plasma i en søkemotor, men i dag ser du tilbud fra nyttige butikker på andre nettsteder? Eller når det sosiale nettverket anbefaler deg å legge til interessante mennesker som venner? Alle disse er AI -systemer som fungerer sammen, bestemmer dine preferanser, henter data om deg fra Internett, kommer deg nærmere og nærmere. De analyserer oppførselen til millioner av mennesker og trekker konklusjoner basert på disse analysene for å selge tjenestene til store selskaper eller gjøre tjenestene deres bedre.
* Google Translate, et annet klassisk AI -system, er imponerende flink til visse ting. Det samme gjør stemmegjenkjenning. Når flyet ditt lander, identifiseres ikke terminalen for det av en person. Prisen på billetten er den samme. Verdens beste brikker, sjakk, backgammon, bulldozer og andre spill er i dag representert av smalt fokusert kunstig intelligens.
* Google Search er en gigantisk AI som bruker utrolig smarte metoder for å rangere sider og bestemme SERP -er.
Og dette er bare i forbrukerverdenen. Sofistikerte IMD -systemer er mye brukt i militær-, produksjons- og finansnæringen; i medisinske systemer (tenk IBM's Watson) og så videre.
IMD -systemer i sin nåværende form utgjør ikke en trussel. I verste fall kan en buggy eller dårlig programmert AI føre til lokal katastrofe, strømbrudd, finansmarkeder kollapser og lignende. Men selv om AGI ikke har myndighet til å skape en eksistensiell trussel, må vi se ting bredere - en ødeleggende orkan venter på oss, som er budbringer til AII. Hver ny innovasjon i AGI legger en blokk til veien som fører til AGI og ISI. Eller, som Aaron Saenz godt har bemerket, er AI -er i vår verden som "aminosyrene i den unge jordens ursuppe" - men likevel livløse komponenter i livet som vil våkne opp en dag.
Veien fra AGI til AGI: hvorfor er det så vanskelig?
Ingenting avslører kompleksiteten til menneskelig intelligens mer enn å prøve å lage en datamaskin som er like smart. Å bygge skyskrapere, fly ut i verdensrommet, Big Bangs hemmeligheter - alt dette er tull i forhold til å gjenta vår egen hjerne eller i det minste bare å forstå den. Menneskets hjerne er for tiden det mest komplekse objektet i det kjente universet.
Kanskje du ikke engang mistenker hvor vanskelig det er å lage AGI (en datamaskin som generelt sett vil være smart som person, og ikke bare på ett område). Å bygge en datamaskin som kan multiplisere to ti-sifrede tall på et splitsekund er like enkelt som å pelle pærer. Å lage en som kan se på en hund og en katt og fortelle hvor hunden er og hvor katten er er utrolig vanskelig. Lag en AI som kan slå en stormester? Laget. Prøv nå å få ham til å lese et avsnitt fra en seks år gammel bok og ikke bare forstå ordene, men også deres betydning. Google bruker milliarder av dollar på å prøve dette. Med komplekse ting - som beregninger, beregning av finansmarkedsstrategier, oversetting av språk - takler datamaskinen dette enkelt, men med enkle ting - visjon, bevegelse, persepsjon - nei. Som Donald Knuth uttrykte det, "AI gjør nå stort sett alt som krever" tenkning ", men det kan ikke takle hva mennesker og dyr gjør uten å tenke."
Når du tenker på årsakene til dette, vil du innse at ting som virker enkle for oss å gjøre, bare virker det fordi de har blitt optimalisert for oss (og dyr) gjennom hundrevis av millioner av år med evolusjon. Når du når ut til et objekt, utfører musklene, leddene, beinene på skuldrene, albuene og hendene umiddelbart lange kjeder med fysiske operasjoner, synkrone med det du ser, og beveger armen i tre dimensjoner. Det virker enkelt for deg, fordi den ideelle programvaren i hjernen din er ansvarlig for disse prosessene. Dette enkle trikset gjør fremgangsmåten for å registrere en ny konto ved å skrive inn et skjevt skrevet ord (captcha) enkelt for deg og et helvete for en ondsinnet bot. For hjernen vår er dette ikke vanskelig: du trenger bare å kunne se.
På den annen side er multiplisering av store tall eller sjakk nye aktiviteter for biologiske skapninger, og vi hadde ikke nok tid til å forbedre dem (ikke millioner av år), så det er ikke vanskelig for en datamaskin å beseire oss. Bare tenk på det: Vil du heller lage et program som kan multiplisere store tall, eller et program som gjenkjenner bokstaven B i sine millioner stavemåter, i de mest uforutsigbare skriftene, for hånd eller med en pinne i snøen?
Ett enkelt eksempel: Når du ser på dette, innser du og datamaskinen din at dette er vekslende firkanter med to forskjellige nyanser.
Men hvis du fjerner den svarte, vil du umiddelbart beskrive hele bildet: sylindere, fly, tredimensjonale vinkler, men en datamaskin kan ikke.
Han vil beskrive det han ser på som en rekke todimensjonale former i forskjellige nyanser, noe som i prinsippet er sant. Hjernen din gjør massevis av arbeid med å tolke dybde, skyggespill, lys i et bilde. På bildet nedenfor vil datamaskinen se en todimensjonal hvit-grå-svart collage, når det i virkeligheten er en tredimensjonal stein.
Og det vi nettopp har skissert er toppen av isfjellet når det gjelder å forstå og behandle informasjon. For å nå samme nivå med en person, må en datamaskin forstå forskjellen i subtile ansiktsuttrykk, forskjellen mellom nytelse, tristhet, tilfredshet, glede og hvorfor Chatsky er god, og Molchalin ikke er det.
Hva å gjøre?
Det første trinnet for å bygge AGI: å øke datakraften
En av de nødvendige tingene som må skje for at AGI skal være mulig, er å øke datamaskinens kraft. Hvis et kunstig intelligenssystem skal være like smart som hjernen, må det matche hjernen i rå prosessorkraft.
En måte å øke denne evnen på er gjennom det totale antallet beregninger per sekund (OPS) som hjernen kan produsere, og du kan bestemme dette tallet ved å finne ut maksimal OPS for hver hjernestruktur og sette dem sammen.
Ray Kurzweil konkluderte med at det er nok å ta et profesjonelt estimat av OPS for en struktur og dens vekt i forhold til vekten av hele hjernen, og deretter multiplisere den proporsjonalt for å få det totale estimatet. Høres litt tvilsomt ut, men han gjorde det mange ganger med forskjellige estimater for forskjellige områder og kom alltid med samme nummer: i størrelsesorden 10 ^ 16, eller 10 kvadrillion OPS.
Den raskeste superdatamaskinen i verden, Kinas Tianhe-2, har allerede overgått dette tallet: den er i stand til å utføre omtrent 32 kvadrillion operasjoner per sekund. Men Tianhe-2 opptar 720 kvadratmeter plass, bruker 24 megawatt energi (hjernen vår bruker bare 20 watt) og koster 390 millioner dollar. Vi snakker ikke om kommersiell eller utbredt bruk.
Kurzweil foreslår at vi bedømmer helsen til datamaskiner etter hvor mange OPS du kan kjøpe for $ 1000. Når dette tallet når menneskelig nivå - 10 kvadrillion OPS - kan AGI godt bli en del av våre liv.
Moores lov - den historisk pålitelige regelen om at datamaskiners maksimale datakraft dobles hvert annet år - innebærer at utviklingen av datateknologi, i likhet med menneskets bevegelse gjennom historien, vokser eksponensielt. Hvis vi sammenligner dette med Kurzweils tusen dollar -regel, har vi nå råd til 10 billioner OPS for $ 1000.
Datamaskiner for $ 1000 omgår hjernen til en mus i datakraften og er tusen ganger svakere enn mennesker. Dette virker som en dårlig indikator til vi husker at datamaskiner var en billion ganger svakere enn menneskehjernen i 1985, en milliard i 1995 og en million i 2005. I 2025 bør vi ha en rimelig datamaskin som kan konkurrere med datakraften i hjernen vår.
Dermed er den rå kraften som kreves for AGI allerede teknisk tilgjengelig. I løpet av 10 år vil det forlate Kina og spre seg over hele verden. Men datakraft alene er ikke nok. Og det neste spørsmålet er: hvordan gir vi all denne kraften intelligens på menneskelig nivå?
Det andre trinnet for å lage AGI: gi det intelligens
Denne delen er ganske vanskelig. I sannhet vet ingen hvordan de skal gjøre en maskin intelligent - vi prøver fortsatt å finne ut hvordan vi kan lage intelligens på menneskelig nivå som kan fortelle en katt fra en hund, isolere en B trukket i snøen og analysere en annenrangs film. Imidlertid er det en håndfull fremtidsrettet strategier der ute, og på et tidspunkt burde en av dem fungere.
1. Gjenta hjernen
Dette alternativet er som om forskere er i samme klasserom med et barn som er veldig smart og flink til å svare på spørsmål; og selv om de flittig prøver å forstå vitenskapen, er de ikke engang i nærheten av å ta igjen det smarte barnet. Til slutt bestemmer de: til helvete, bare skriv av svarene på spørsmålene hans. Det er fornuftig: vi kan ikke bygge en superkompleks datamaskin, så hvorfor ikke ta en av de beste prototypene i universet: hjernen vår?
Den vitenskapelige verden jobber hardt for å finne ut hvordan hjernen vår fungerer og hvordan evolusjonen skapte en så kompleks ting. Ifølge de mest optimistiske estimatene vil de bare kunne gjøre dette innen 2030. Men når vi forstår alle hemmelighetene i hjernen, dens effektivitet og kraft, kan vi bli inspirert av dens metoder for å skape teknologi. For eksempel er en av datamaskinarkitekturene som etterligner hjernens virke et nevrale nettverk. Hun starter med et nettverk av transistorer "nevroner" koblet til hverandre via input og output, og vet ingenting - som en nyfødt. Systemet "lærer" ved å prøve å fullføre oppgaver, gjenkjenne håndskrevet tekst og lignende. Forbindelsene mellom transistorer styrkes ved riktig svar og svekkes ved feil. Etter mange sykluser med spørsmål og svar, danner systemet smarte nevrale vevinger som er optimalisert for spesifikke oppgaver. Hjernen lærer på en lignende måte, men på en mye mer kompleks måte, og mens vi fortsetter å studere den, oppdager vi utrolige nye måter å forbedre nevrale nettverk på.
Enda mer ekstrem plagiat innebærer en strategi som kalles full hjerneemulering. Formål: For å kutte en ekte hjerne i tynne skiver, skann hver av dem, rekonstruer deretter 3D -modellen nøyaktig ved hjelp av programvare, og oversett den deretter til en kraftig datamaskin. Så vil vi ha en datamaskin som offisielt kan gjøre alt hjernen kan gjøre: den trenger bare å lære og samle informasjon. Hvis ingeniører lykkes, kan de etterligne en ekte hjerne med en så utrolig nøyaktighet at når den er lastet ned til en datamaskin, vil hjernens virkelige identitet og minne forbli intakt. Hvis hjernen tilhørte Vadim før han døde, vil datamaskinen våkne i rollen som Vadim, som nå vil være et AGI på menneskelig nivå, og vi vil igjen gjøre Vadim til et utrolig intelligent ISI, som han sikkert vil gjøre bli glad for.
Hvor langt er vi fra å etterligne hjernen fullstendig? I sannhet har vi bare etterlignet hjernen til en millimeter flatorm, som inneholder 302 nevroner totalt. Den menneskelige hjerne inneholder 100 milliarder nevroner. Hvis du prøver å komme til dette tallet virker meningsløst for deg, tenk på den eksponentielle veksthastigheten. Det neste trinnet vil være emulering av maurens hjerne, så vil det være en mus, og så er en person innen rekkevidde.
2. Prøv å følge evolusjonens spor
Vel, hvis vi bestemmer at svarene til et smart barn er for komplekse til å avskrive, kan vi prøve å følge i hans fotspor for å lære og forberede seg til eksamen. Hva vet vi? Det er fullt mulig å bygge en så sterk datamaskin som en hjerne - utviklingen av våre egne hjerner har bevist dette. Og hvis hjernen er for kompleks til å etterligne, kan vi prøve å etterligne evolusjon. Poenget er, selv om vi kan etterligne hjernen, kan det være som å prøve å bygge et fly ved latterlig viftende hender som etterligner bevegelsene til fuglenes vinger. Oftere enn ikke klarer vi å lage gode maskiner ved hjelp av en maskinorientert tilnærming, snarere enn en eksakt etterligning av biologi.
Hvordan simulere evolusjon for å bygge AGI? Denne metoden kalt "genetiske algoritmer" burde fungere omtrent som dette: det må være en produktiv prosess og evaluering av den, og den vil gjenta seg igjen og igjen (på samme måte som "biologiske skapninger" eksisterer "og" evalueres "etter deres evne å reprodusere). En gruppe datamaskiner vil utføre oppgaver, og den mest vellykkede av dem vil dele sine egenskaper med andre datamaskiner, "output". De mindre vellykkede vil nådeløst bli kastet i historiens søppelkasse. Gjennom mange, mange iterasjoner vil denne naturlige utvalgsprosessen produsere bedre datamaskiner. Utfordringen ligger i å lage og automatisere avl og evalueringssykluser slik at utviklingsprosessen fortsetter av seg selv.
Ulempen med å kopiere evolusjon er at det tar evolusjon milliarder av år å gjøre noe, og vi trenger bare noen tiår for å gjøre det.
Men vi har mange fordeler, i motsetning til evolusjon. For det første har den ikke fremsynets gave, den fungerer ved en tilfeldighet - den gir for eksempel ut ubrukelige mutasjoner - og vi kan kontrollere prosessen innenfor rammen av de tildelte oppgavene. For det andre har evolusjon ingen mål, inkludert ønsket om intelligens - noen ganger i miljøet vinner ikke en bestemt art på bekostning av intelligens (fordi sistnevnte bruker mer energi). Vi, derimot, kan sikte på å øke intelligensen. For det tredje, for å velge intelligens, må evolusjonen gjøre en rekke tredjepartsforbedringer - for eksempel omfordeling av energiforbruk fra celler - vi kan ganske enkelt fjerne overflødig stoff og bruke strøm. Uten tvil vil vi være raskere enn evolusjonen - men igjen, det er ikke klart om vi kan overgå det.
3. Overlat datamaskiner til seg selv
Dette er den siste sjansen når forskere er helt desperate og prøver å programmere et program for selvutvikling. Imidlertid kan denne metoden vise seg å være den mest lovende av alle. Tanken er at vi bygger en datamaskin som vil ha to grunnleggende ferdigheter: forskning AI og kodeendringer i seg selv - som gjør at den ikke bare kan lære mer, men også å forbedre sin egen arkitektur. Vi kan lære datamaskiner å være deres egne datamaskiningeniører, slik at de kan utvikle seg selv. Og hovedoppgaven deres vil være å finne ut hvordan man blir smartere. Vi vil snakke mer om dette.
Alt dette kan skje veldig snart
Raske fremskritt innen maskinvare og eksperimentering med programvare kjøres parallelt, og AGI kan dukke opp raskt og uventet av to hovedårsaker:
1. Eksponensiell vekst er intens, og det som virker som snegletrinn, kan raskt utvikle seg til hopp på syv mil - denne gifen illustrerer dette konseptet godt:
animert bilde: hi-news.ru/wp-content/uploads/2015/02/gif.gif
2. Når det gjelder programvare, kan fremskritt virke sakte, men da endrer ett gjennombrudd øyeblikkelig fremdriftshastigheten (godt eksempel: i dagene til det geosentriske verdensbildet var det vanskelig for folk å beregne universets arbeid, men oppdagelse av heliosentrisme gjorde alt mye lettere). Eller når det kommer til en datamaskin som forbedrer seg selv, kan ting virke ekstremt sakte, men noen ganger skiller bare en endring av systemet det fra en tusen ganger effektivitet sammenlignet med en menneskelig eller en eldre versjon.
Veien fra AGI til ISI
På et tidspunkt vil vi definitivt få AGI - generell kunstig intelligens, datamaskiner med et generelt menneskelig intelligensnivå. Datamaskiner og mennesker vil leve sammen. Eller de vil ikke.
Poenget er at AGI med samme intelligens og datakraft som mennesker fortsatt vil ha betydelige fordeler i forhold til mennesker. For eksempel:
Utstyr
Hastighet. Hjerneneuroner opererer ved 200 Hz, mens moderne mikroprosessorer (som er betydelig tregere enn det vi får når AGI blir opprettet) opererer med en frekvens på 2 GHz, eller 10 millioner ganger raskere enn våre nevroner. Og den interne kommunikasjonen til hjernen, som kan bevege seg med en hastighet på 120 m / s, er betydelig dårligere enn datamaskiners evne til å bruke optikk og lysets hastighet.
Størrelse og lagring. Hjernens størrelse er begrenset av størrelsen på hodeskallene våre, og den kan ikke bli større, ellers vil intern kommunikasjon med en hastighet på 120 m / s ta for lang tid å reise fra en struktur til en annen. Datamaskiner kan utvides til hvilken som helst fysisk størrelse, bruke mer maskinvare, øke RAM, langtidsminne - alt dette er utenfor våre evner.
Pålitelighet og holdbarhet. Ikke bare dataminne er mer nøyaktig enn menneskelig minne. Datatransistorer er mer nøyaktige enn biologiske nevroner og er mindre utsatt for forringelse (og de kan faktisk erstattes eller repareres). Hjernen til folk blir raskere sliten, mens datamaskiner kan jobbe non-stop, 24 timer i døgnet, 7 dager i uken.
Programvare
Mulighet for redigering, modernisering, et bredere spekter av muligheter. I motsetning til menneskehjernen kan et dataprogram lett korrigeres, oppdateres og eksperimenteres med. Områder der menneskelige hjerner er svake kan også oppgraderes. Den menneskelige programvaren for visjon er flott designet, men fra et teknisk synspunkt er dens evner fortsatt svært begrenset - vi ser bare i det synlige lysspekteret.
Kollektiv evne. Mennesker er overlegen andre arter når det gjelder stor kollektiv intelligens. Fra og med utviklingen av språk og dannelse av store lokalsamfunn, bevegelser gjennom oppfinnelsen av skriving og trykk, og som nå er utstyrt med verktøy som Internett, er menneskers kollektive intelligens en viktig grunn til at vi kan kalle oss evolusjonens krone.. Men datamaskiner vil fortsatt være bedre. Det verdensomspennende nettverket av kunstige intelligenser som jobber med ett program, som hele tiden synkroniserer og utvikler seg selv, lar deg øyeblikkelig legge til ny informasjon i databasen, uansett hvor du får den. En slik gruppe vil også kunne jobbe mot ett mål som helhet, fordi datamaskiner ikke lider av dissens, motivasjon og egeninteresse som mennesker gjør.
AI, som sannsynligvis vil bli AGI gjennom programmert selvforbedring, vil ikke se "intelligens på menneskelig nivå" som en viktig milepæl-denne milepælen er bare viktig for oss. Han vil ikke ha noen grunn til å stoppe på dette tvilsomme nivået. Og gitt fordelene som selv AGI på menneskelig nivå vil ha, er det ganske åpenbart at menneskelig intelligens vil være et kort blunk for det i løpet om intellektuell overlegenhet.
Denne utviklingen av hendelser kan overraske oss veldig, veldig. Faktum er at, fra vårt synspunkt, a) det eneste kriteriet som lar oss bestemme kvaliteten på intelligensen er intelligensen til dyr, som er lavere enn vår som standard; b) for oss er de smarteste menneskene ALLTID smartere enn de dummeste. Slik:
Det vil si at mens AI bare prøver å nå vårt utviklingsnivå, ser vi hvordan det blir smartere og nærmer seg dyrets nivå. Når han kommer til det første menneskelige nivået - Nick Bostrom bruker begrepet "country -idiot" - vil vi glede oss: "Wow, han er allerede som en idiot. Kul! " Det eneste er at i det generelle spekteret av intelligens hos mennesker, fra landsbyidiot til Einstein, er rekkevidden liten - derfor, etter at AI kommer til nivået til idioten og blir AGI, vil den plutselig bli smartere enn Einstein.
Og hva vil skje videre?
Eksplosjon av intelligens
Jeg håper du synes det var interessant og morsomt, for fra det øyeblikket av blir temaet vi diskuterer unormalt og skummelt. Vi bør stoppe opp og minne oss selv på at hvert faktum som er angitt utover, er ekte vitenskap og virkelige spådommer for fremtiden gjort av de mest fremtredende tenkere og forskere. Bare husk.
Så, som vi angav ovenfor, inkluderer alle våre moderne modeller for å oppnå AGI alternativet når AI forbedrer seg selv. Og så snart han blir AGI, blir til og med systemene og metodene han vokste opp smart nok til å forbedre seg selv - hvis de vil. Et interessant konsept dukker opp: rekursiv selvforbedring. Det fungerer slik.
Et visst AI -system på et visst nivå - si en landsby -idiot - er programmert til å forbedre sin egen intelligens. Etter å ha utviklet - si til nivået til Einstein - begynner et slikt system å utvikle seg allerede med Einsteins intellekt, det tar mindre tid å utvikle seg, og sprangene blir mer og mer store. De lar systemet utkonkurrere enhver person og bli mer og mer. Med sin raske utvikling, stiger AGI til himmelske høyder i sin intelligens og blir et superintelligent ISI -system. Denne prosessen kalles en eksplosjon av intelligens, og det er det tydeligste eksemplet på loven om å akselerere retur.
Forskere krangler om hvor raskt AI vil nå AGI -nivå - de fleste tror at vi vil få AGI innen 2040, på bare 25 år, noe som er veldig, veldig lite etter standardene for teknologiutvikling. I fortsettelsen av den logiske kjeden er det lett å anta at overgangen fra AGI til ISI også vil skje ekstremt raskt. Slik:
"Det tok flere tiår før det første AI -systemet nådde sitt laveste nivå av generell intelligens, men det skjedde til slutt. Datamaskinen er i stand til å forstå verden rundt som en fire år gammel person. Plutselig, bokstavelig talt en time etter å ha nådd denne milepælen, produserer systemet en stor fysikkteori som kombinerer generell relativitet og kvantemekanikk, som ingen mennesker kan gjøre. Etter en og en halv time blir AI ISI, 170 000 ganger smartere enn noe menneske."
Vi har ikke engang de riktige begrepene for å beskrive superintelligens av denne størrelsesorden. I vår verden betyr "smart" en person med en IQ på 130, "dum" - 85, men vi har ingen eksempler på mennesker med en IQ på 12 952. Våre herskere er ikke designet for det.
Menneskehetens historie forteller oss klart og tydelig: sammen med intellektet kommer kraft og styrke. Dette betyr at når vi lager kunstig superintelligens, vil det være den mektigste skapningen i livets historie på jorden, og alle levende vesener, inkludert mennesker, vil være fullstendig i sin makt - og dette kan skje om tjue år.
Hvis våre magre hjerner var i stand til å komme med Wi-Fi, så kan noe smartere enn oss hundre, tusen, en milliard ganger enkelt beregne posisjonen til hvert atom i universet til enhver tid. Alt som kan kalles magi, hvilken som helst kraft som tilskrives en allmektig guddom - alt dette vil stå til disposisjon for ISI. Å lage teknologi for å reversere aldring, behandle enhver sykdom, eliminere sult og til og med død, kontrollere været - alt blir plutselig mulig. En umiddelbar slutt på alt liv på jorden er også mulig. De smarteste menneskene på planeten vår er enige om at så snart kunstig superintelligens dukker opp i verden, vil den markere Guds utseende på jorden. Og et viktig spørsmål gjenstår.
