Q:
Kodėl kai kurios kompanijos ketina prie šiuolaikinių PG sistemų pridėti „žmonių atsiliepimų valdymą“?
A:Kai kurios kompanijos, dirbančios su pažangiausiomis AI technologijomis, stengiasi įdiegti žmonių kontrolę šioms sistemoms, suteikdamos mašininio mokymosi ir gilaus mokymosi įrankiams tiesioginę žmogaus priežiūrą. Šios įmonės taip pat nėra mažos žaidėjos - „Google“ „DeepMind“ ir Elono Musko „OpenAI“ yra du pagrindinių įmonių, kurios imasi praktinių žinių apie dirbtinio intelekto pažangą, pavyzdžiai. Turint tai omenyje, rezultatai skiriasi - pavyzdžiui, „DeepMind“ buvo ginčijamasi dėl savo noro pateikti svarbiausius duomenis visuomenei, o „OpenAI“ yra daug atviresnė dirbdama dirbtinio intelekto kontrolę.
Netgi tokie pastebimi dalykai, kaip Billas Gatesas, pasvarstydavo šiuo klausimu, Gatesas teigė, kad jis yra vienas iš daugelio, kuriam rūpi dirbtinio super intelekto atsiradimas, kuris tam tikrais būdais gali peržengti žmogaus kontrolę. Savo ruožtu Muskas taip pat paskelbė nerimą keliančią kalbą apie nesąžiningų AI galimybę.
Tai turbūt pati neatidėliotina priežastis, dėl kurios įmonės stengiasi pritaikyti žmonių kontrolę AI - mintis, kad dėl tam tikro technologinio išskirtinumo bus sukurta ypač galinga technologija, kurios žmonės tiesiog nebegali valdyti. Nuo tada, kai aušra kėlė žmonių ambicijas, mes įdėjome įrankius, kad įsitikintume, jog galime valdyti turimas galias - arkliams su virvelėmis ir dirželiais, elektra izoliuotuose laiduose ar bet kokiu kitu valdymo mechanizmu, turinčiu kontrolė yra prigimtinai žmogaus funkcija, todėl pasaulyje yra prasmė, kad dirbtiniam intelektui artėjant prie tikrojo funkcionalumo, žmonės taiko savo tiesioginį valdymą, kad galėtų kontroliuoti šią galią.
Tačiau baimė dėl intelektualių robotų nėra vienintelė priežastis, dėl kurios įmonės taiko žmonių valdymą mašinų mokymuisi ir AI projektams. Kita pagrindinė priežastis yra mašinų šališkumas - tai yra idėja, kad dirbtinio intelekto sistemos dažnai yra ribotos vertindamos aptariamus duomenis - kad jos sustiprintų bet kokį sistemai būdingą šališkumą. Dauguma specialistų, dirbančių su mašinų mokymusi, gali papasakoti siaubingų istorijų apie IT sistemas, kurios negalėjo vienodai elgtis su žmonių vartotojų grupėmis - nesvarbu, ar tai buvo lyties, ar etniniai skirtumai, ar koks nors kitas sistemos nesugebėjimas iš tikrųjų suprasti mūsų žmonių visuomenės niuansus ir kaip mes bendraujame su žmonėmis.
Tam tikra prasme mes galime žmonėms valdyti sistemas, nes bijome, kad jie gali būti per daug galingi, arba pakaitomis, nes bijome, kad jie gali būti nepakankamai galingi. Žmonių valdikliai padeda nukreipti mašininio mokymosi duomenų rinkinius, kad būtų daugiau tikslumo. Jie padeda sustiprinti idėjas, kurių kompiuteris tiesiog negali išmokti pats, arba dėl to, kad modelis nėra pakankamai sudėtingas, nes AI nėra pakankamai pažengusi į priekį, arba dėl to, kad kai kurie dalykai tiesiog slypi žmogaus pažinimo provincijoje. Dirbtinis intelektas puikiai tinka kai kuriems dalykams - pavyzdžiui, atlygio ir balų sistema leido dirbtiniam intelektui įveikti žmogų, žaidžiantį nepaprastai sudėtingame stalo žaidime „Eiti“, tačiau kitiems dalykams ši paskata pagrįsta sistema yra visiškai netinkamas.
Trumpai tariant, yra daugybė įtikinamų priežasčių, leidžiančių žmonėms tiesiogiai naudoti dirbtinio intelekto projektus. Net ir geriausios dirbtinio intelekto technologijos gali daug mąstyti savarankiškai, tačiau be realių biologinių žmogaus smegenų, galinčių apdoroti tokius dalykus kaip emocijos ir socialiniai papročiai, jie tiesiog nemato žmogaus paveikslo.
Kvalifikuota mašinų mokymosi įmonė gali padėti pasiekti šią pusiausvyrą pasitelkdama verslo ir dalykų ekspertus bei mašinų mokymosi kūrėjus, turinčius įgūdžių spręsti dideles verslo problemas.
