Jūsų geriausias komandos draugas kada nors gali tapti algoritmu

PORA

„Google“ pradeda pastangas, kurios, jos nuomone, gali paversti žmones ir protingas mašinas produktyviais darbo draugais.

Vykdydama projektą „People + AI Research“ arba „PAIR“, „Google“ išleis įrankius, skirtus AI sistemų veikimui padaryti skaidresnį. Bendrovė taip pat pradeda keletą mokslinių tyrimų iniciatyvų, kuriomis siekiama rasti naujų būdų, kaip žmonėms ir AI sistemoms veiksmingai bendradarbiauti.

Pastaruoju metu daug kalbama apie dirbtinio intelekto galimybes panaikinti darbo vietas ir pakeisti žmones, tačiau iš tikrųjų ši technologija dažnai gali būti galinga naujos rūšies priemonė, galinti automatizuoti tik dalį žmogaus darbo.

Suvokimas, kaip priversti žmones ir dirbtinio intelekto algoritmus veiksmingai bendradarbiauti, gali turėti didelę ekonominę reikšmę ir formuoti darbo jėgos išsilavinimo būdą. Tai taip pat gali turėti įtakos neigiamai reakcijai į augantį automatizavimo vaidmenį daugelyje nustatymų (žr. Ar technologijos naikina darbus? ir Kam priklausys robotai?).

Barbara Grosz , Harvardo universiteto profesorius, kuris ilgą laiką tvirtino, kad kompiuterių mokslininkai turėtų kurti AI sistemas, kurios papildytų, o ne pakeistų žmones, teigia, kad toks požiūris reikalingas, nes dirbtinis intelektas vis dar labai ribotas. Grosz priduria, kad žmogaus ir mašinos galimybės gali sudaryti daugiau nei jų dalių suma. AI sistemos, kaip ir visi kompiuteriai, turi būti sukurtos žmonėms, kurie ketina jomis naudotis, sako ji.

Žaidimuose galima pastebėti, kaip dirbtinio intelekto algoritmai gali bendradarbiauti su žmonėmis. Šachmatų ar „Go“ žaidėjai gali dirbti kartu su kompiuterinėmis programomis, kad atliktų aukštesnį lygį. Tam reikia naujų įgūdžių ir naujo požiūrio į kiekvieną žaidimą.

Per pastaruosius kelerius metus mašininio mokymosi pažanga buvo sparčiai tobulinama, o techniniai rezultatai labai pagerėjo, rašė tyrėjai tinklaraščio įraše, kuriame skelbiama apie iniciatyvą. Tačiau manome, kad dirbtinis intelektas gali nueiti daug toliau – ir būti mums visiems naudingesnis – jei kursime sistemas atsižvelgdami į žmones proceso pradžioje.

PAIR vadovauja Fernanda Viégas ir Martin Wattenberg, mokslininkai, kurie specializuojasi kuriant vizualizacijas, kurios daro sudėtingą informaciją suprantamesnę. Viégas ir Wattenberg anksčiau sukūrė daugybę įrankių, skirtų išsiaiškinti sudėtingų ir abstrakčių mašininio mokymosi modelių elgseną. Tokių modelių nepermatomumas kelia vis didesnį susirūpinimą tiems, kurie tikisi juos pritaikyti įvairesniuose nustatymuose (žr. „The Dark Secret at the Heart of AI“).

Šiandien išleidžiamas projektas PAIR du įrankiai vizualizuoti, kokie dideli duomenų rinkiniai naudojami mašininio mokymosi modeliui mokyti, kad būtų galima daryti naudingas prognozes. Šios vizualizacijos gali padėti duomenų mokslininkui nustatyti mokymo duomenų anomalijas.

Groszas sako, kad ypač sudėtinga sukurti dirbtinio intelekto sistemas, kurios gerai veiktų su žmonėmis, iš dalies dėl to, kad šios sistemos gali būti sudėtingos ir neskaidrios, bet ir dėl to, kad protingas bendravimas su žmogumi yra didelis iššūkis. Kiekvienoje situacijoje reikia turėti galimybę modeliuoti žmogaus psichinę būseną, sako ji.

paslėpti