Apakah itu AI ( Artificial Intelligence ) ?
Melihat sebuah teknologi yang paling menarik, namun paling disalahpahami, bidang penelitian Hollywood telah memiliki waktu yang mudah untuk menempatkan kecerdasan buatan (AI) dalam Toolbox teknologi dystopian. Pada layar lebar, itu digunakan untuk mendasari plot yang melibatkan tentara pembunuh robot, tetapi pada kenyataannya, para ahli bermain dengan memperbaiki AI setiap hari-menciptakan hal-banyak lebih berguna yang dapat membentuk cara kita hidup dan bekerja di tahun yang akan datang.
Tip untuk menjadi teknologi yang paling mengganggu sepanjang masa, dan mungkin untuk memicu revolusi industri baru, AI tinggal di mana-mana sekarang, dari laboratorium peneliti untuk ruang tamu Anda. Ini membantu perusahaan keamanan secara otonom mendeteksi dan mengurangi serangan Cyber, itu membantu militer mendeteksi ancaman yang masuk dan Alexa adalah mengisi kamar Anda dengan musik saat Anda memasak hari minggu Anda panggang.
AI telah mengambil pekerjaan dari manusia sudah dan akan terus melakukannya karena menjadi lebih luas-diadopsi dan efektif. Tetapi dengan kehilangan pekerjaan datang keuntungan pekerjaan-sektor AI booming Inggris menarik bakat dari seluruh dunia dan perusahaan seperti Oracle telah mulai untuk memperluas basis AI mereka di Inggris sebagai peluang peningkatan dan pengembangan berkembang.
Namun, meskipun kita mendengar istilah yang cukup banyak, AI adalah, pada kenyataannya, sebagian besar disalahpahami dan salah kutip bidang penelitian. Ini adalah istilah yang sering digunakan secara bergantian dengan mesin atau pembelajaran mendalam (ML & DL), dan karena itu, nuansa AI umumnya diabaikan.
Contoh AI
AI dianggap sebagai istilah payung untuk berbagai teknologi yang berbeda. Dengan demikian, bagaimana AI disebarkan secara signifikan.
Industri otomotif, khususnya, telah melihat perubahan dramatis selama beberapa tahun terakhir sebagai akibat dari AI. Gagasan untuk menciptakan kendaraan otonom mampu merespon secara real time untuk bahaya di jalan adalah sesuatu yang sebagian besar produsen sekarang bereksperimen dengan AI .
Bagi kebanyakan orang, pertemuan pertama mereka dengan bentuk AI akan melalui perangkat rumah pintar seperti Amazon Echo atau Google Home. Asisten pintar ini mengandalkan pengenalan suara yang akurat untuk relay data dari internet, apakah itu dalam bentuk jawaban atas pertanyaan, pertanyaan tentang cuaca, atau bermain lagu dari platform streaming musik. Meskipun analisis data semacam ini adalah tingkat permukaan yang relatif, perangkat seperti ini memberi kita sekilas tentang peran sehari-hari yang bisa dimainkan oleh AI satu hari.
Namun, AI bukan tanpa kontroversi. Badan publik dan organisasi di seluruh dunia menjadi prihatin tentang perkembangan teknologi, terutama ketika datang untuk menghilangkan potensi bias.
Algoritme sudah digunakan untuk membantu menginformasikan keputusan yang sangat sensitif, seperti panjang kalimat Kustodian berdasarkan riwayat kriminal, atau apakah mempekerjakan seseorang berdasarkan CV mereka. Ini meskipun kekhawatiran bahwa kurangnya keragaman dalam pengembangan teknologi mengarah ke algoritma baik mengabaikan atau menguntungkan demografi tertentu. Akibatnya, pengembangan ' etika AI ' sekarang menjadi fokus pemerintah baik di Inggris dan di seluruh Eropa.
Namun, untuk memahami kompleksitas AI secara penuh, penting untuk memerinci berbagai dimensi dari istilah tersebut.
AI lemah vs AI kuat
Kami menemukan bentuk yang paling sederhana dari AI dalam produk konsumen sehari-hari. Dikenal sebagai ' AI lemah ', Mesin ini dirancang untuk menjadi sangat cerdas dalam melakukan tugas tertentu. Sebuah contoh dari hal ini adalah Apple siri, yang dirancang untuk tampil sangat cerdas tetapi sebenarnya menggunakan Internet sebagai sumber informasi. Asisten Virtual dapat berpartisipasi dalam percakapan, tetapi terbatas untuk melakukannya dengan cara yang membatasi dan telah ditentukan sebelumnya yang dapat menyebabkan hasil yang tidak akurat.
Di sisi lain, dalam bentuk yang paling kompleks, AI secara teoritis mungkin memiliki semua fungsi kognitif yang dimiliki manusia, seperti kemampuan untuk belajar, memprediksi, alasan dan melihat isyarat situasional. Ini ' AI kuat ' dapat dianggap sebagai tujuan akhir, tetapi manusia belum menciptakan sesuatu yang dianggap sebagai AI sepenuhnya independen.
Saat ini, pekerjaan yang paling menarik terletak di tengah kedua jenis AI ini. Idenya adalah dengan menggunakan penalaran manusia sebagai panduan, tetapi tidak harus mereplikasi seluruhnya. Misalnya, superkomputer IBM Watson dapat menyaring ribuan dataset untuk membuat kesimpulan berbasis bukti.
Terapan vs Umum
Mungkin cara yang lebih berguna untuk mendefinisikan AI adalah melihat bagaimana itu disebarkan.
Applied, atau ' Narrow ', AI, mengacu pada mesin yang dibangun untuk tugas tertentu. Ini adalah aplikasi yang paling sukses dari teknologi dalam industri, memungkinkan sistem untuk membuat rekomendasi berdasarkan perilaku masa lalu, menelan jumlah besar data untuk membuat prediksi yang lebih akurat atau saran. Dengan cara ini, mereka dapat belajar untuk melakukan diagnosa medis, mengenali gambar, dan bahkan memperdagangkan saham dan saham. Meskipun bentuk sempit AI ini brilian di bidangnya sendiri, ini tidak dirancang untuk melakukan pengambilan keputusan sehari-hari.
General AI tetap menjadi bidang fiksi ilmiah. Daripada dilatih pada jenis data tertentu untuk melakukan satu tugas dengan sangat baik, seperti yang diterapkan (atau sempit) AI, AI umum akan melihat sebuah mesin mampu melakukan tugas apapun yang bisa manusia. Ini akan melibatkan, misalnya, itu bisa belajar pelajaran dari satu jenis situasi dan menerapkan pelajaran untuk situasi yang sama sekali baru.
Sementara AI umum menghasilkan banyak kegembiraan dan penelitian, itu masih jauh-mungkin untungnya, karena ini adalah jenis AI Sci-Fi penulis membahas ketika berbicara tentang singularitas-saat ketika kuat AI akan bangkit dan menaklukkan kemanusiaan.
Pembelajaran mesin & pembelajaran mendalam
Sementara AI umum mungkin menarik perhatian publik yang paling, itu adalah bidang AI Terapan yang memiliki keberhasilan terbesar dan efek terbesar pada industri. Mengingat sifat terfokus AI, sistem telah dikembangkan yang tidak hanya meniru proses berpikir manusia, tetapi juga mampu belajar dari data yang mereka proses-dikenal secara luas sebagai ' mesin belajar '.
Contoh dari ini adalah pengenalan gambar, yang semakin menjadi bidang yang dipimpin AI. Sebuah sistem dapat dirancang untuk memanipulasi pra-scripted rutinitas yang menganalisis bentuk, warna dan objek dalam gambar, memindai jutaan gambar dalam rangka untuk mengajar sendiri bagaimana mengidentifikasi dengan benar gambar.
Namun, karena proses ini dikembangkan dengan cepat menjadi jelas bahwa pembelajaran mesin mengandalkan terlalu banyak pada dorongan manusia dan menciptakan margin lebar kesalahan jika gambar kabur atau ambigu.
Pembelajaran yang mendalam bisa dibilang yang paling kuat dari pengembangan algoritma AI dan pembelajaran mesin. Dalam istilah dasar, pembelajaran mendalam secara efektif melibatkan penciptaan jaringan saraf buatan, yang pada dasarnya adalah mengambil komputerisasi di jalan otak mamalia bekerja.
Otak manusia misalnya terdiri dari neuron yang terhubung bersama-sama dengan sinapsis dalam jaringan besar. Jaringan ini akan mengambil informasi, mengatakan apa yang dilihat orang, dan membedah dengan nugget data mengalir ke setiap neuron yang bekerja untuk mencari tahu apa yang sedang melihat, katakanlah jika bagian dari gambar berisi objek tertentu atau warna.
Jaringan saraf buatan melakukan hal ini hanya dengan menggunakan node daripada neuron, yang membedah informasi melakukan perhitungan dan menetapkan nilai untuk seberapa besar kemungkinan mereka merasa itu adalah mereka melihat warna tertentu atau bentuk.
Bagian belajar yang mendalam berasal dari lapisan bahwa jaringan saraf buatan yang terdiri dari, sebagai tidak seperti otak, node tidak semua terhubung bersama-sama. Dengan demikian, dalam jaringan saraf pembelajaran mendalam Idenya adalah bahwa sekali satu lapisan selesai menganalisis data yang sedang diproses, itu kemudian diturunkan ke lapisan berikutnya di mana ia dapat dianalisis kembali menggunakan informasi kontekstual tambahan.
Misalnya, dalam kasus sistem AI yang dirancang untuk memerangi penipuan Bank, lapisan pertama dapat menganalisis informasi dasar seperti nilai transaksi terakhir, sementara lapisan kedua kemudian dapat menambahkan data lokasi untuk menginformasikan analisis.
Setelah data telah melewati setiap lapisan jaringan saraf tiruan muncul dengan jawaban untuk mengatakan, "Apakah ada anjing dalam gambar ini". Jika jawabannya melayani adalah benar maka jaringan dikonfigurasi dengan benar untuk setidaknya mencoba untuk melihat anjing dalam gambar.
Jika tidak, maka data tersebut kemudian dikirim kembali melalui jaringan dalam proses yang disebut backpropagation di mana jaringan readjusts nilai yang masing-masing hidung telah diberikan kepada segmen data itu melihat sampai secara efektif muncul dengan jawaban terbaik; itu sangat sulit untuk belajar jaringan saraf mendalam untuk datang dengan jawaban definitif benar sehingga berusaha jawaban yang paling mungkin.
Dalam kasus Google AlphaGo, sistem yang mengalahkan juara pemain Go di 2016, jaringan saraf pembelajaran mendalam terdiri dari ratusan lapisan, masing-masing memberikan informasi tambahan kontekstual. Sementara pembelajaran mesin adalah jenis AI, ada perbedaan antara dua istilah-Baca lebih lanjut tentang mereka di sini.
Apakah ada risiko?
Seperti halnya dengan teknologi apapun, AI menyajikan risiko serta peluang. Ini jatuh sebagian besar menjadi dua Kategori: eksistensial dan ekonomi.
Pada sisi ekonomi, semakin maju AI mendapatkan peran lebih akan mampu memenuhi yang dinyatakan akan dilakukan oleh manusia. Untuk bisnis-pada awalnya blush setidaknya-ini tampaknya investasi yang sangat baik: sementara pengeluaran awal untuk sistem AI canggih mungkin tinggi, dan akan ada biaya berkelanjutan dalam hal hosting dan pemeliharaan, kemungkinan akan biaya kurang dari gaji gabungan dari PEO itu menggantikan, terutama ketika manfaat, seperti pensiun, dan pajak diperhitungkan.
Sementara manufaktur dan pertanian telah di akhir yang tajam dari revolusi ini, karena mereka selalu berada di masa lalu, industri lain-termasuk hukum, pendidikan dan jurnalisme-sekarang juga pada peningkatan risiko otomatisasi.
Ini menjadi masalah khusus jika lebih banyak pekerjaan yang dihapus dari perekonomian daripada ada yang baru untuk menggantikannya, yang menimbulkan momok pengangguran tumbuh. Hal ini, pada gilirannya, bisa menurunkan upah dan mengurangi pendapatan sekali pakai, yang menyebabkan lebih sedikit orang yang mampu membeli produk dan ekonomi yang pernah melambat.
Berbagai Mitigations telah diusulkan untuk masalah ini, seperti empat hari kerja minggu atau Universal Basic Income. Beberapa orang percaya bahwa keprihatinan tersebut tidak beralasan, bagaimanapun, seperti yang sebelumnya tidak dipikirkan-dari pekerjaan akan diciptakan untuk manusia dan sistem AI.
Risiko eksistensial dari AI kurang mendesak tetapi berpotensi lebih serius.
Ini berkisar dari malware cerdas yang dapat beradaptasi dengan cepat untuk menggagalkan pertahanan Cyber, untuk lebih gaya Sci-Fi ide seperti Skynet dari seri Terminator.
Malware bertenaga AI digunakan sebagai senjata Cyber bisa menghancurkan negara bangsa dalam serangan yang ditargetkan, menyebabkan masalah jangka panjang untuk negara itu tidak hanya pada tingkat administrasi atau infrastruktur, tetapi juga bagi warga yang mencoba untuk pergi tentang kehidupan sehari-hari mereka. Selain itu, jika ada kesalahan dalam pengkodean atau penyebaran, potensi yang ada untuk pembuat kehilangan kontrol malware, yang kemudian dapat berbalik terhadap siapa pun dan semua orang-termasuk mereka.
Dalam Terminator, sistem AI Skynet keuntungan kesadaran diri, memutuskan (benar atau salah) bahwa manusia menimbulkan ancaman eksistensial untuk itu, dan preempts upaya kita untuk menghancurkannya dengan menghancurkan kita dengan senjata nuklir kita sendiri. Untungnya, kemungkinan sebuah sistem sadar diri adalah jauh, dengan asumsi itu mungkin untuk menciptakan hal seperti itu sama sekali, jadi untuk saat ini, kita dapat menempatkan ide dalam sebuah kotak yang bertanda "James Cameron et al".
0 Comments