Vsebina
V:
Kako podjetja poskušajo umetnemu inteligenci dodati "merilnik hitrosti"?
A:
Nekatera podjetja, ki delajo na najnovejšem napredku umetne inteligence, se osredotočajo na količinsko opredelitev napredka, ki so ga dosegli, in primerjavo nekaterih vidikov razvoja umetne inteligence. Obstajajo številni razlogi, zakaj podjetja izvajajo tovrstne analize. Na splošno poskušajo ugotoviti, kako daleč je prišla umetna inteligenca, kako velja za naše življenje in kako bo vplivala na trge.
Nekatera podjetja se lotijo možganov in spremljajo napredek svoje umetne inteligence, da bi ugotovili, kako lahko nove tehnologije vplivajo na državljanske svoboščine ali kako lahko ustvarijo novo gospodarsko realnost. Te vrste analize so lahko odvisne od pristopa podjetij, ki poskušajo ugotoviti, kako lahko uporabniški podatki tečejo po sistemih, razumeti, kako bodo vmesniki delovali, ali ugotoviti, kakšne sposobnosti imajo subjekti umetne inteligence in kako lahko te zmogljivosti uporabljajo.
Kar zadeva metode, se lahko podjetja, ki poskušajo primerjati umetno inteligenco, osredotočijo na razčlenitev abstraktnih informacij - članek Wired na primer navaja projekt indeksa AI, kjer raziskovalci, kot je Ray Perrault, ki dela v neprofitnem laboratoriju SRI International, delajo na podrobnem posnetku dogajanja na področju umetne inteligence.
"To je nekaj, kar je treba storiti, deloma zato, ker je tam veliko norosti, kam gre AI," pravi Perrault v članku in komentira motivacijo za tovrstni projekt.
Nekateri strokovnjaki pojasnjujejo, kako deluje primerjalna umetna inteligenca in pojasnjujejo, da se inženirji ali druge stranke morda trudijo, da bi izvedli "težko testiranje" za projekte umetne inteligence, na primer skušajo "zvabiti" ali "poraziti" sisteme umetne inteligence. Takšen opis resnično gre v osrčje, kako lahko podjetja resnično spremljajo in ocenjujejo umetno inteligenco. Eden od načinov za razmišljanje o tem je uporaba istih idej, ki so jih programerji uporabljali v preteklih časih za odpravljanje težav z linearnimi kodnimi sistemi.
Odpravljanje napak pri linearnih kodnih sistemih je bilo namenjeno iskanju mest, kjer bi sistem dobro deloval - kjer bi se program zrušil, kje bi zamrznil, kjer bi tekel počasi itd. Šlo je za iskanje, kje bi logične napake ustavile ali zmedle projekt, kjer funkcija ne bi delovala pravilno ali kjer je morda kakšen nenamerni uporabniški dogodek.
Ko razmišljate o tem, je morda moderno testiranje umetne inteligence na podobnem prizadevanju na zelo drugačni ravni - ker so tehnologije umetne inteligence bolj kognitivne kot linearne, je testiranje v precej drugačni obliki, vendar ljudje še vedno iščejo "hrošče" "- načini, da imajo lahko ti programi nenamerne posledice, načini, kako lahko delujejo in škodijo človeškim ustanovam itd. Glede na to, čeprav obstaja veliko različnih divergentnih metod ustvarjanja merilnika hitrosti ali merila uspešnosti za napredek umetne inteligence, vrste zgoraj opisani trdi preizkusi bodo na splošno dali človeku edinstven vpogled v to, kako daleč je prišla umetna inteligenca in kaj je treba storiti, da bo ta prinesla več pozitivnih rezultatov, ne da bi pri tem nastala več negativnosti.