ปัญญาประดิษฐ์เป็นนักฆ่า (งาน) หรือไม่?

ปัญญาประดิษฐ์เป็นนักฆ่า (งาน) หรือไม่?

ทุกวันนี้ไม่มีการขาดแคลนคำเตือนที่น่ากลัวเกี่ยวกับอันตรายของปัญญาประดิษฐ์ผู้เผยพระวจนะสมัยใหม่ เช่น นักฟิสิกส์ Stephen Hawking และนักลงทุน Elon Musk ทำนายถึงความเสื่อมของมนุษยชาติที่ใกล้เข้ามา ด้วยการกำเนิดของปัญญาประดิษฐ์ทั่วไปและโปรแกรมอัจฉริยะที่ออกแบบเอง AI ใหม่ที่ฉลาดยิ่งขึ้นจะปรากฏขึ้น และสร้างเครื่องจักรที่ฉลาดขึ้นอย่างรวดเร็วซึ่งจะแซงหน้าเราในที่สุด

เมื่อเราไปถึงสิ่งที่เรียกว่าAI singularityจิตใจและร่างกายของเราจะล้าสมัย 

มนุษย์อาจรวมกับเครื่องจักรและพัฒนาต่อไปเป็นไซบอร์ก

AI ซึ่งเป็นสาขาวิชาทางวิทยาศาสตร์ที่มีรากฐานมาจากวิทยาการคอมพิวเตอร์ คณิตศาสตร์ จิตวิทยา และประสาทวิทยาศาสตร์ มีจุดมุ่งหมายเพื่อสร้างเครื่องจักรที่เลียนแบบการทำงานด้านความรู้ความเข้าใจของมนุษย์ เช่น การเรียนรู้และการแก้ปัญหา

ตั้งแต่ปี 1950เป็นต้นมา สถานที่แห่งนี้ได้ดึงดูดจินตนาการของสาธารณชน แต่ตามประวัติศาสตร์แล้ว ความสำเร็จของ AI มักจะตามมาด้วยความผิดหวัง ซึ่งส่วนใหญ่เกิดจากการคาดการณ์ที่สูงเกินจริงของผู้มีวิสัยทัศน์ทางเทคโนโลยี

ในปี 1960 หนึ่งในผู้ก่อตั้งสาขา AI เฮอร์เบิร์ต ไซมอนทำนายว่า “เครื่องจักรจะมีความสามารถภายในยี่สิบปี ในการทำงานทุกอย่างที่มนุษย์สามารถทำได้” (เขาไม่พูดอะไรเกี่ยวกับผู้หญิงเลย)

Marvin Minsky ผู้บุกเบิกโครงข่ายประสาทเทียมเป็นคนตรงกว่า “ภายในชั่วอายุคน” เขากล่าวว่า “… ปัญหาของการสร้าง ‘ปัญญาประดิษฐ์’ จะได้รับการแก้ไขอย่างมาก”

แต่กลายเป็นว่าNiels Bohr นักฟิสิกส์ชาวเดนมาร์กต้นศตวรรษที่ 20 พูดถูก (มีรายงานว่า) เหน็บว่า “การทำนายเป็นเรื่องยากมาก โดยเฉพาะอย่างยิ่งเกี่ยวกับอนาคต”

ปัจจุบัน ความสามารถของ AI รวมถึงการรู้จำเสียง ประสิทธิภาพที่เหนือกว่าในเกมเชิงกลยุทธ์ เช่นหมากรุกและ เกม โกะรถยนต์ที่ขับเคลื่อนด้วยตัวเองและ การ เปิดเผยรูปแบบที่ฝังอยู่ในข้อมูลที่ซับซ้อน

แต่ AI กำลังก้าวหน้า ความอิ่มอกอิ่มใจของ AI ล่าสุดเกิดขึ้นในปี 2009 

โดยการเรียนรู้โครงข่ายประสาทเทียมเชิงลึก ที่เร็วขึ้น มากปัญญาประดิษฐ์ประกอบด้วยคอลเลคชันขนาดใหญ่ของหน่วยคำนวณที่เชื่อมต่อกันซึ่งเรียกว่าเซลล์ประสาทเทียม ซึ่งคล้ายกับเซลล์ประสาทในสมองของเราอย่างหลวมๆ ในการฝึกเครือข่ายนี้ให้ “คิด” นักวิทยาศาสตร์ได้จัดเตรียมตัวอย่างปัญหาที่ได้รับการแก้ปัญหาไว้มากมาย

สมมติว่าเรามีคอลเลกชั่นภาพเนื้อเยื่อทางการแพทย์ ซึ่งแต่ละภาพประกอบกับการวินิจฉัยว่าเป็นมะเร็งหรือไม่เป็นมะเร็ง เราจะส่งภาพแต่ละภาพผ่านเครือข่าย โดยขอให้ “เซลล์ประสาท” ที่เชื่อมต่อกันคำนวณความน่าจะเป็นของมะเร็ง

จากนั้นเราจะเปรียบเทียบการตอบสนองของเครือข่ายกับคำตอบที่ถูกต้อง ปรับการเชื่อมต่อระหว่าง “เซลล์ประสาท” กับการจับคู่ที่ล้มเหลว เราทำขั้นตอนนี้ซ้ำ ปรับแต่งไปเรื่อย ๆ จนกว่าคำตอบส่วนใหญ่จะตรงกับคำตอบที่ถูกต้อง

ในที่สุดโครงข่ายประสาทนี้จะพร้อมทำสิ่งที่นักพยาธิวิทยาทำตามปกติ นั่นคือ ตรวจดูภาพเนื้อเยื่อเพื่อทำนายมะเร็ง

นี่ไม่ต่างจากการที่เด็กเรียนรู้ที่จะเล่นเครื่องดนตรี: เธอฝึกฝนและเล่นเพลงซ้ำๆ จนกว่าจะสมบูรณ์แบบ ความรู้ถูกเก็บไว้ในเครือข่ายประสาท แต่การอธิบายกลไกนั้นไม่ง่าย

เครือข่ายที่มี “เซลล์ประสาท” หลายชั้น (ดังนั้นชื่อเครือข่ายประสาท “ลึก”) จะใช้งานได้จริงก็ต่อเมื่อนักวิจัยเริ่มใช้โปรเซสเซอร์แบบขนานหลายตัวบนชิปกราฟิกสำหรับการฝึกอบรม

เงื่อนไขอีกประการหนึ่งสำหรับความสำเร็จของการเรียนรู้เชิงลึกคือชุดตัวอย่างที่แก้ไขแล้วจำนวนมาก ขุดค้นอินเทอร์เน็ต โซเชียลเน็ตเวิร์ก และวิกิพีเดีย นักวิจัยได้สร้างคอลเลกชันรูปภาพและข้อความจำนวนมาก ทำให้เครื่องสามารถจำแนกรูปภาพ จดจำเสียงพูด และแปลภาษาได้

นักวิทยาศาสตร์ไม่เห็นการพัฒนาความเข้าใจของ AI เกี่ยวกับความหมายของรูปภาพและข้อความ หากเราแสดงการ์ตูน Snoopy ให้กับเครือข่ายลึกที่ได้รับการฝึกฝน มันสามารถจดจำรูปร่างและสิ่งของต่างๆ ได้ เช่น สุนัขที่นี่ เด็กผู้ชายที่นั่น แต่จะไม่ถอดรหัสความสำคัญของมัน (หรือดูอารมณ์ขัน)

นอกจากนี้ เรายังใช้โครงข่ายประสาทเทียมเพื่อแนะนำรูปแบบการเขียนที่ดีขึ้นให้กับเด็กๆ เครื่องมือของเราแนะนำให้ปรับปรุงรูปแบบ การสะกดคำ และไวยากรณ์ได้ดีพอสมควร แต่ไม่มีประโยชน์เมื่อพูดถึงโครงสร้างเชิงตรรกะ การให้เหตุผล และการไหลของความคิด

โมเดลปัจจุบันไม่เข้าใจองค์ประกอบที่เรียบง่ายของเด็กนักเรียนอายุ 11 ปีด้วยซ้ำ

แนะนำ : โทรศัพท์มือถือ ราคาถูก | รีวิวนาฬิกา | เครื่องมือช่าง | ลายสัก รอยสัก | ประวัติดารา