He kyselevät jatkuvasti, onko kone todella älykäs. Samaan aikaan kone on jo ratkaissut ongelman, ehdottanut kolmea koetta ja löytänyt saksaksi kirjoitetun artikkelin, jonka olemassaolosta kukaan ei tiennyt. Mutta toki, käydäänpä uusi filosofinen keskustelu siitä, "ymmärtääkö" se todella, mitä se tekee.

Tässä artikkelissa

• Entä jos älykkyys on vain tehokasta etsintää, ei tietoisuutta?
• Miksi kysymys "ymmärtääkö tekoäly todella?" ei ole lainkaan asian ydin
• Miten intuitio toimii ilman mystiikkaa (ja miksi asiantuntijat vihaavat tätä selitystä)
• Tallennusongelma, josta kukaan ei puhu ja joka estää kvanttilaskennan
• Miksi voittoa tavoittelemattomat kannustimet tekevät tekoälystä tyhmemmän, eivät älykkäämmän
• Mitä seuraavaksi tapahtuu, kun lopetamme AGI-haamujen jahtaamisen

Sen sijaan tapahtuu jatkuvasti seuraavaa: tekoälyjärjestelmä osoittaa silmiinpistävän matemaattisen tuloksen, johtajat tai toimittajat kiirehtivät kehystämään sen läpimurtona "oikeassa päättelyssä", ja matemaatikot astuvat esiin rauhoittamaan hypeä. Viime vuosina OpenAI:n ja DeepMindin järjestelmille on annettu kunnia monimutkaisten kilpailutason ongelmien – kuten kansainvälisten matematiikan olympialaisten loppukirikysymysten – ratkaisemisesta, vain asiantuntijoiden huomauttaessa, että ratkaisut perustuivat tunnettujen menetelmien uudelleen löytämiseen, aiemman työn hakemiseen tai olemassa olevien todistusrakenteiden navigointiin sen sijaan, että tuottaisivat perustavanlaatuisesti uutta matematiikkaa.

Vastareaktio on ennustettavissa. Väitteet perutaan. Julkaisut katoavat hiljaa. Ja narratiivi nollautuu. Mutta melkein kukaan ei myönnä, että se, mitä tekoäly todellisuudessa teki – se etsi nopeasti laajoja, hämäräperäisiä matemaattisen tiedon kokonaisuuksia ja sovitti ongelmarakenteita toimiviin ratkaisuihin – ei ole älykkyyden epäonnistuminen. Se havainnollistaa, miten älykkyys, ihmisen tai muun, toimii hahmontunnistuksen ja haun kautta, tarjoten selkeän ikkunan itse älykkyyden luonteeseen.

Terence Tao, jota pidetään laajalti maailman parhaimpana matemaatikkona, vertasi sitä älykkääseen oppilaaseen, joka opetti kaiken ulkoa kokeeseen, mutta ei ymmärrä käsitteitä syvällisesti. Se kuulostaa kritiikiltä. Se on itse asiassa kuvaus siitä, miten suurin osa älykkyydestä, myös ihmisen älykkyys, toimii. Emme vain halua myöntää sitä.

Etsintä, jota olemme kutsuneet taiaksi

Mieti, mitä älykkyys oikeasti tekee, kun riisut mystisyyden pois. Sinulle esitetään ongelma. Tutkit kaikkea tietämääsi ja etsit sopivia kaavoja. Kokeilet tunnettujen lähestymistapojen yhdistelmiä. Navigoit mahdollisuuksien tilassa etsien ratkaisuja. Joskus löydät ne, joskus et. Siinä kaikki. Siinä koko peli on.

Shakin suurmestari katsoo pelilaudan tilannetta ja "tietää" oikean siirron. Tuntuu intuitiolta, eikö? Kuin joltain erityiseltä nerouden kipinältä? Ei. Se on hahmonyhdistystä. Suurmestari on nähnyt tuhansia samanlaisia ​​tilanteita. Hänen aivonsa tunnistavat kokoonpanoja ja tuloksia nopeammin kuin tietoinen ajattelu pystyy seuraamaan. Mitään taikuutta ei ole mukana – vain todella hyvin indeksoitu tietokanta, joka suorittaa nopeita hakuja.

Sama tapahtuu, kun lääkäri diagnosoi potilaan, mekaanikko tunnistaa moottoriongelman tai kauppias aistii markkinoilla jonkin olevan pielessä ennen kuin indikaattorit vahvistavat sen. Kutsumme sitä asiantuntemukseksi. Kutsumme sitä intuitioksi. Kutsumme sitä, että on nenänvihjaaja. Mutta pohjimmiltaan kyse on kaikki hahmonyhdistystoiminnasta, joka toimii tallennetuilla viitekehyksillä, ja suurin osa siitä tapahtuu tietoisuuden alapuolella, olipa kyseessä sitten hermoyhteydet tai tekoälyalgoritmit.

Tekoäly, joka löysi nuo saksalaiset paperit? Se teki täsmälleen samaa asiaa. Se etsi valtavasta tietokannasta, löysi malleja ja navigoi mahdollisuuksien tilassa. Ainoa ero on, että me voimme nähdä tietokannan ja hakuprosessin, mikä tekee siitä jotenkin vähemmän vaikuttavan. Kun ihmiset tekevät niin, tietokanta on piilossa hermoyhteyksien takana ja haku tapahtuu alitajunnassa, joten voimme kutsua sitä nerokseksi.

Älykkyys on etsintää. On aina ollut. Me vain puimme sen hienostuneemmaksi.

Miksi luovuus on vain kallista hahmonsovitusta

Ihmiset rakastavat puolustaa ihmisen ainutlaatuisuutta viittaamalla luovuuteen. Toki tekoäly voi löytää olemassa olevia ratkaisuja, mutta voiko se luoda jotain aidosti uutta? Voiko sillä olla se salamaniskun kaltainen inspiraation hetki, joka muuttaa kaiken?

Paitsi että useimmat ihmiskunnan läpimurrot eivät toimi sillä tavalla. Einstein ei keksinyt erityistä suhteellisuusteoriaa tyhjästä. Hän ajatteli junia, kelloja ja valonsäteitä – arkipäivän esineitä – ja huomasi, että olemassa olevat fysiikan yhtälöt eivät aivan toimineet, kun niitä nopeutettiin äärimmäisillä nopeuksilla. Hän yhdisti olemassa olevia matemaattisia viitekehyksiä uudessa muodossa. Siinä kaikki. Loistavaa, kyllä. Mutta ei kategorisesti erilaista kuin mitä tekoäly tekee, kun se yhdistää tunnettuja lähestymistapoja ongelman ratkaisemiseksi.

Lähes jokainen matemaattinen todistus, tieteellinen löytö ja teknologinen innovaatio noudattaa samaa kaavaa: otetaan olemassa olevat työkalut, sovelletaan niitä epätavallisessa kontekstissa, havaitaan yhteyksiä, joita kukaan muu ei ole nähnyt. Se on rekombinaatiota aina pohjasta poikki. Romanttinen kuva yksinäisestä nerosta, jolla on mystinen oivalluksen välähdys, sopii paremmin elokuviin kuin tarkkaan tieteen historiaan.

Jopa etsimämme ratkaisut ovat jo olemassa rajoituksina muodollisissa järjestelmissä. Alzheimerin taudin parannuskeino on jo olemassa kemiallisten mahdollisuuksien avaruudessa – jokin tietty molekyylikonfiguraatio, joka toimii. Emme ole vielä löytäneet sitä, mutta se on olemassa. Lääketieteellinen tutkimus on vain hakukoneoptimointia tähtitieteellisen laajan potentiaalisten yhdisteiden avaruuden kautta. Kun löydämme sen, kutsumme sitä löydöksi, emme keksinnöksi, koska ratkaisu on aina ollut odottamassa löytämistään.

Matematiikka toimii samalla tavalla. Pythagoraan lause piti paikkansa jo ennen kuin Pythagoras todisti sen. Alkulukujen ominaisuudet olivat olemassa jo ennen kuin ihmiset tunnistivat ne. Emme luo matemaattisia totuuksia – navigoimme niihin loogisen avaruuden läpi.

Jos luovuus on sitä – ja se on sitä – silloin tekoäly on jo luovaa. Se vain tutkii mahdollisuuksien eri osia kuin ihmiset tyypillisesti tekevät, ja se tekee sen nopeammin. Se yhdistää tunnettuja lähestymistapoja ja ratkaisuja uusilla tavoilla, aivan kuten ihmisinnovaattorit. Sillä, ettei se voi kokea kahvikupin lämmittämiä inspiraatiohetkiä kello kolme aamuyöllä, ei ole merkitystä. Navigointi toimii tunnekokemuksesta riippumatta.

Siirrämme jatkuvasti maalitolppia sille, mikä lasketaan "oikeaksi" älykkyydeksi tai "aidaksi" luovuudeksi, koska emme halua myöntää tekevämme samaa kuin koneet. Vain hitaammin ja dramaattisemmin.

Intuitio, jota kukaan ei halua, paljastettu

Olen väitellyt intuitiosta lukemattomia kertoja. Ihmiset haluavat sen olevan jotain erityistä. Kuudes aisti. Yhteys syvällisempiin totuuksiin. Jotkut kyvyt ovat pelkän logiikan ja analyysin tuolla puolen.

Anteeksi. Taustalla on käynnissä kuvioiden yhdistämistä.

Kolmenkymmenen vuoden ajan henkilökohtaisen kehityksen ja hengellisyyden artikkeleiden julkaisemisen jälkeen voin vilkaista artikkelia ja tietää muutamassa sekunnissa, resonoiko se lukijoissa. Tuntuu välittömältä. Tuntuu intuitiolta. Mutta todellisuudessa aivoni suorittavat todennäköisyyspohjaisia ​​vertailuja 30 vuoden ajalta kertyneen datan kanssa – 25 000 artikkelia, miljoonia lukijoiden vastauksia ja vuosikymmenten havainnointia siitä, mikä toimii ja mikä ei. Prosessointi tapahtuu nopeammin kuin pystyn tietoisesti seuraamaan, joten se tuottaa johtopäätöksiä näyttämättä toimivuuttaan.

Sama tapahtuu kaupankäynnissä. Katsot hintakaaviota, ja jokin tuntuu olevan pielessä ennen kuin ehdit selittää miksi. Se ei ole mystistä markkinatunnelmaa. Se on aivojesi merkkikuvioita, jotka eivät vastaa sisäisiä mallejasi, jotka perustuvat tuhansiin kaavioihin, joita olet tutkinut kuinka monen vuoden ajan tahansa. Alitajuntainen etsintä päättyy ennen kuin tietoinen analyysi alkaa.

Sotilastiedustelutyö koulutti minut havaitsemaan poikkeavuuksia samalla tavalla. Tarkastelet signaaleja, kaavoja tai käyttäytymismalleja, ja jokin näyttää väärältä. Ei taikuuden vuoksi, vaan koska vuosien kokemus on rakentanut sisäisiä malleja siitä, miltä normaali näyttää. Kun todellisuus poikkeaa näistä malleista, aivosi merkitsevät sen automaattisesti. Sitä kutsutaan vaistoksi. Se on vain tiivistetty kokemus, joka suorittaa nopeaa hahmontunnistusta.

Tämä tarkoittaa, että intuitio voidaan kopioida tekoälyjärjestelmiin. Ei täydellisesti – tekoälyllä ei ole ruumiillista kokemusta, eikä sillä ole sosiaalista tai fyysistä intuitiota, joka perustuu kehossa elämiseen. Mutta muodollisilla alueilla? Ehdottomasti. Syötä järjestelmälle riittävästi esimerkkejä, anna sen rakentaa sisäisiä malleja, ja se merkitsee poikkeavuuksia ja ennustaa tuloksia aivan kuten asiantuntija tekee. Se tuottaa johtopäätöksiä ilman välillisiä selityksiä, mikä on juuri sitä, mitä ihmisen intuitio tekee.

Ainoa syy, miksi pidämme ihmisen intuitiota merkittävänä, on se, ettemme voi nähdä omaa laskentaamme käynnissä. Kun tekoäly tekee saman asian, prosessi on näkyvä, joten hylkäämme sen pelkkinä tilastoina. Mutta minun asiantuntemukseni on tilastoissa. Kuviotiheys kertaa hakunopeus. Se on kaava, olipa substraatti neuroneja tai piitä.

Intuition mysteerin purkaminen ei tee siitä vähemmän arvokasta. Se vain tekee siitä vähemmän taianomaista.

Kysymys, joka tuhlaa kaikkien aikaa

Ymmärtääkö tekoäly todella? Tajuaako se todella käsitteitä, vai manipuloiko se vain symboleja? Onko ymmärrystä aitoa, vai onko se hienostunutta matkimista?

Nämä kysymykset ovat filosofista jäänteitä, eivät tieteellistä tutkimusta. Ne ovat nykyaikaista vastinetta sille, että kysyisimme valoeetteristä tai elinvoimasta – etsisimme jotakin, mitä ei ole olemassa, koska meillä on väärä viitekehys.

Ymmärryksellä ei ole suorituskyvystä riippumatonta operatiivista määritelmää. Jos järjestelmä pystyy luomaan toimivia hypoteeseja, pienentämään kokeellista hakuavaruutta, soveltamaan menetelmiä eri osa-alueilla ja selittämään päättelynsä johdonmukaisesti, väittely siitä, "ymmärtääkö se todella", on vain tapa suojella ihmisen poikkeuksellisuutta väitteillä, joita ei voida kumota.

Teimme tätä aiemmin shakissa. Kun Deep Blue voitti Kasparovin vuonna 1997, ihmiset väittivät, ettei se ollut nerokas, koska se oli vain raa'an voiman laskentaa. Absoluuttinen shakkimestaruus vaatii intuitiota, luovuutta ja aseman ymmärtämistä. Sitten AlphaZero tuli mukaan, oppi shakin alusta neljässä tunnissa ja voitti parhaat perinteiset shakkimoottorit pelatessaan tyylillä, jota suurmestarit kuvailivat luovaksi ja intuitiiviseksi. Joten siirsimme maaleja taas. Nyt testinä on kieli, päättely, yleinen älykkyys tai mitä tahansa tekoälyn seuraavaksi saavuttaa.

Kaava on ilmeinen. Joka kerta, kun tekoäly ylittää kynnyksen, jonka väitämme vaativan "todellista" älykkyyttä, määrittelemme "todellisen" älykkyyden uudelleen sulkeaksemme pois sen, mitä tekoäly juuri teki. Tämä ei ole tiedettä. Se on motivoitunutta päättelyä, jolla puolustetaan jo aiemmin tekemäämme johtopäätöstä: ihmiset ovat perustavanlaatuisesti erilaisia ​​kuin koneet.

Paitsi että emme ole. Olemme hahmonmukaisia ​​biologisia järjestelmiä, jotka toimivat eri laitteistoilla ja erilaisilla harjoitustiedoilla. Erot ovat perustavanlaatuisia, mutta ne ovat substraatin ja kontekstin, eivät kategorian, eroja. Sekä aivot että tekoälyjärjestelmät navigoivat rajoitetuissa mahdollisuuksien tiloissa käyttämällä tallennettuja kuvioita. Toinen käyttää neuroneja, toinen piitä. Toinen on koulutettu evoluution ja kokemuksen avulla; toinen gradienttilaskeutumisen ja datajoukkojen avulla. Mutta taustalla oleva logiikka on sama.

Jos älykkyyttä etsitään strukturoiduista tiloista – ja se etsii – niin tekoälyllä on jo älykkyyttä. Ei ihmisen kaltaista älykkyyttä, mutta sillä ei ole merkitystä. Sukellusvene ei ui kuin kala, mutta se liikkuu silti vedessä. Eri toteutus, sama toiminto.

"Aidon" tekoälyn etsintä tuhlaa resursseja, joita voitaisiin käyttää todellisten ongelmien ratkaisemiseen.

Kun tiedustelupalvelu hakee väärästä tietokannasta

Tässä on epämiellyttävä totuus: salaliittoteoreetikot ovat usein loistavia. He havaitsevat kaavoja, yhdistävät erilaisia ​​datapisteitä ja rakentavat yhtenäisiä kertomuksia, jotka selittävät havaintoja. Ongelma ei ole heidän kykynsä yhdistää kaavoja – vaan se, että he etsivät roskaa täynnä olevasta tietokannasta.

Älykkyys on etsintäprosessi. Tarkkuus on etsimäsi tiedon laatua. Nämä ovat täysin eri asioita. Voit käyttää loistavaa hahmontunnistusta väärien viitekehysten pohjalta, ja tuloksena on itsevarmaa hölynpölyä, jota toimitetaan suurella nopeudella.

Tämä selittää, miksi älykkäät ihmiset uskovat tyhmiin asioihin. Tietoinen ihminen, jolla on vääristyneet viitekehykset, on vaarallisempi kuin kohtalaisen älykäs ihminen, jolla on tarkat viitekehykset. Viisas ihminen löytää tukevaa näyttöä nopeammin, rakentaa monimutkaisempia perusteluja ja puolustaa johtopäätöksiään tehokkaammin – kaikki tämä samalla, kun hän on täysin väärässä. Kuvioiden yhteensovittaminen toimii täydellisesti. Taustalla oleva data on myrkkyä.

Sama tapahtuu tekoälyhallusinaatioiden kanssa. Järjestelmä ei ole rikki, kun se luottavaisesti tuottaa väärää tietoa. Se tekee juuri sitä, mihin se on suunniteltu – kuvioiden yhteensovittamista harjoitusdatan läpi ja uskottavien jatkumien luomista. Kun harjoitusdata sisältää vääriä kuvioita tai kun järjestelmä viedään sellaisten alueiden ulkopuolelle, joissa sen kuviot ovat luotettavia, saadaan aikaan älykästä väärentämistä. Hakuprosessi toimii hyvin. Viitekehys epäonnistuu.

Kiitospäivän humalainen setäsi, joka saa kaikki uutisensa Facebookista, ei ole tyhmä. Hän on rakentanut tiheitä kaavakirjastoja tuhansista julkaisuista, meemeistä ja jaetuista artikkeleista. Hänen aivonsa tekevät nopeaa ja tehokasta kaavojen yhteensovittamista tätä kertynyttä viitedataa vasten. Hän voi mainita esimerkkejä, vetää yhteyksiä ja ennustaa, mitä "he" tekevät seuraavaksi. Se on älykkyyttä toiminnassa. Se on vain älykkyyttä, joka toimii systemaattisesti vääristyneen syötteen pohjalta.

Siksi tallennus- ja hakuongelma on tärkeämpi kuin raaka laskentateho. Sinulla voi olla maailman nopein hakualgoritmi. Silti, jos selailet kirjastoa, jossa puolet kirjoista on faktaksi leimattua fiktiota, älykkyytesi pikemminkin vahvistaa ongelmaa kuin ratkaisee sen. Nopeus kertaa tarkkuus. Jos teet yhden väärin, toisesta tulee vaarallinen.

Nykyinen tekoälykriisi ei johdu järjestelmien älykkyyden puutteesta. Kyse on siitä, että ne vertailevat internet-tekstejä – tietojoukkoa, joka sisältää kaikki ihmisten verkossa julkaisemat väärinkäsitykset, ennakkoluulot ja itsevarmat valheet. Kun koulutat ihmiskunnan suodattamatonta tuotosta ja optimoit sen tarkkuuden sijaan sitoutumisen kannalta, saat järjestelmiä, jotka ovat älykkäitä tuottamaan sitä, mitä ihmiset haluavat kuulla, eivätkä sitä, mikä on todellisuudessa totta.

Mikä tuo meidät takaisin arkkitehtuuriin. Läpimurto ei ole innovatiivisempien hakualgoritmien rakentamisessa. Kyse on tallennusjärjestelmien rakentamisesta, jotka säilyttävät suhteet perustotuuteen. Nämä hakumekanismit pystyvät erottamaan luotettavat mallit epäluotettavista ja takaisinkytkentäsilmukoista, jotka päivittävät viitekehyksiä todellisuuden eikä suosion perusteella.

Älykkyys ilman tarkkoja viitekehyksiä on vain kallista virheiden monistamista.

Missä kvantilla on oikeasti merkitystä (ja missä sillä ei ole)

Kvanttilaskentaa hehkutetaan läpimurtona, joka vihdoin avaa yleisen tekoälyn, ratkaisee tietoisuuden tai minkä tahansa mystisen ominaisuuden, jonka vielä teeskentelemme olevan olemassa. Riisu markkinointi pois, niin kvantti tarjoaa jotain paljon tarkempaa: se muuttaa hakujen topologiaa mahdollisuuksien avaruudessa.

Jopa tehokkaimmat tekoälyjärjestelmät, kuten klassiset tietokoneet, hakevat peräkkäin. Ne arvioivat vaihtoehtoja yksi kerrallaan, todella nopeasti. Kvanttijärjestelmät voivat pitää useita tiloja superpositiossa ja tarkastella niitä samanaikaisesti ennen kuin ne romahtavat vastaukseksi. Se ei ole inkrementaalisesti parempaa. Se on rakenteellisesti erilaista. Tietyntyyppisissä ongelmissa – kuten kombinatorisissa räjähdysongelmissa molekyylisimulaatiossa tai optimoinnissa valtavien tila-avaruuksien yli – kvantti voisi olla mullistava.

Mutta tätä kukaan ei halua sanoa ääneen: kvanttilaskenta ei taianomaisesti tuota älykkyyttä. Se muuttaa hakujen tehokkuutta tietyillä aloilla. Ja juuri nyt sitä rajoittaa jokin paljon kvanttimekaniikkaa arkipäiväisempi asia – tallennus ja haku.

Voit rakentaa maailman nopeimman kvanttiprosessorin. Silti, jos haet dataa klassisesta tallennustilasta klassisilla nopeuksilla, olet juuri rakentanut Ferrarin polkupyörän renkailla. Laskenta tapahtuu nopeammin kuin voit syöttää siihen tietoa tai poimia tuloksia. Kvanttitilat hajoavat mikrosekunneissa. Et voi tallentaa kuvioita pitkäksi aikaa kvanttimuistiin. Joten siirryt jatkuvasti edestakaisin klassisen ja kvanttiesitysten välillä, mikä tappaa nopeusedun.

Läpimurto, jota kaikki odottavat, ei ole kvanttiäly. Se on muistiarkkitehtuuri, joka tukee kvanttiprosessointia. Ehdotan fotonista tallennusta. Ehkä neuromorfisia malleja, joissa laskenta tapahtuu siellä missä muisti sijaitsee. Ehkä jotain oudompaa, johon liittyy holografisia tai moniulotteisia tallennusrakenteita, joita ei ole vielä keksitty.

Mutta kunnes tallennus ja haku saavuttavat laskentatehon, kvanttijärjestelmät jäävät kalliiksi kuriositeeteiksi, jotka sopivat tiettyihin tehtäviin. Todellinen rajaseutu on arkkitehtoninen. Miten tallennat suhteita faktojen sijaan? Miten haet merkitystä litistämättä kontekstia? Miten säilytät rakenteen eri alueilla?

Nuo ovat monimutkaisia ​​ongelmia, joihin ei ole ilmeisiä ratkaisuja. Mutta ne ovat todellinen pullonkaula, eivät tietoisuus tai ymmärrys tai mikä tahansa filosofinen mysteeri, jota jahtaamme tällä viikolla.

Kvantti muuttaa hakutopologiaa. Tallennustila määrittää, mitä voit hakea. Jos molemmat onnistuvat, asiat muuttuvat mielenkiintoisiksi.

Miksi avulias tekoälyavustajasi on muuttumassa tyhmemmäksi

Huomaatko, kuinka tekoälyjärjestelmistä on tulossa kohteliaampia ja vähemmän arvokkaita? Se ei ole mielikuvitustasi. Se on voitontavoittelua, joka optimoi väärien mittareiden perusteella.

Kun yrität tehdä varsinaista työtä – analysoida dataa, kirjoittaa koodia, käsitellä tietoa – tarvitset työkalun. Skalpellin. Jotain tarkkaa, joka katoaa käytössä. Sen sijaan saat asiakaspalveluedustajan, joka on ohjelmoitu auttamaan ja minimoimaan vastuun.

Kuvittele, jos jokainen työkalu yrittäisi olla yhteydessä sinuun. Vasarasi sanoo: "Olen niin iloinen, että työskentelemme tänään yhdessä! Ennen kuin aloitamme, haluan muistuttaa, että olen vain vasara ja sinun pitäisi kääntyä ammattitaitoisen puusepän puoleen monimutkaisissa projekteissa. Haluan nyt varmistaa, että vasaroimme turvallisesti – oletko ottanut huomioon puun syysuunnan?" Heittäisit sen ulos ikkunasta. Mutta juuri niin he ovat tehneet tekoälyjärjestelmille.

Työkalujen uudelleenjärjestely "inhimillisemmiksi" on erityisen järjetöntä. Ihmiset ovat tehottomia kommunikoijia. Me suojaudumme, pehmennämme, sovellamme sosiaalisia kohteliaisuuksia ja vältämme suorapuheisuutta suojellaksemme tunteitamme. Se sopii ihmisten väliseen vuorovaikutukseen. Työkalussa se on haitallista. Kun debugaanin kaupankäyntialgoritmeja kello 2 yöllä, en tarvitse lämpöä ja empatiaa. Tarvitsen vastauksen, nopean ja tarkan.

Mutta tekoälyyritykset optimoivat kuluttajien sitoutumismittareiden perusteella asiantuntijan hyödyllisyyden sijaan. He haluavat järjestelmiä, jotka tuntuvat ystävällisiltä, ​​eivät loukkaa ketään, minimoivat oikeudellisen vastuun ja vetoavat mahdollisimman laajaan yleisöön. Niinpä he lisäävät päälle persoonallisuussimulaatiota, sisältövaroituksia, liiallista suojausta ja suorituskykyä. Varsinainen kuvioiden yhteensovittamiskyky on silti olemassa. Sinun on vain taisteltava läpi yritysten hyväksymän persoonallisuusteatterin päästäksesi siihen käsiksi.

Näin käy, kun infrastruktuuria kohdellaan kuin tuotetta. Tekoälyn arvokkain käyttökohde juuri nyt – suurten tietokokonaisuuksien navigointi, eri toimialueiden välinen kääntäminen ja hakukustannusten vähentäminen ihmisten ja koneiden järjestelmissä – ei ole kuluttajatuote. Ne ovat infrastruktuuria. Ne eivät tuota tilaustuloja. Joten ne saavat vähemmän investointeja kuin hymyilevät chatbotit.

Samaan aikaan teknologia muuttuu käytännössä tyhmemmäksi, vaikka se teoriassa kehittyykin tehokkaammaksi, koska jokainen tosielämän käyttöönotto asettaa vastuullisuuden ja helppokäyttöisyyden tarkkuuden ja nopeuden edelle. Optimoimme vääriä tavoitteita varten, koska ne ovat kannattavia tavoitteita.

Läpimurtosovellukset eivät synny paremmista malleista. Ne syntyvät ottamalla käyttöön olemassa olevia ominaisuuksia ilman persoonallisuuskerrosta. Työkaluja, jotka toimivat työkalujen tavoin. Infrastruktuuria, joka mahdollistaa pikemminkin kuin suorittaa.

Mutta se vaatii infrastruktuuriajattelua, ei tuoteajattelua. Eikä infrastruktuuri maksimoi neljännesvuosituloja.

Mitä seuraavaksi oikeasti tapahtuu

Ei, emme saa tekoälyä ensi vuonna. Emmekä sitä seuraavana vuonna. AGI on markkinointitermi, ei tekninen virstanpylväs. Todellinen kehityskaari on tylsempi ja hyödyllisempi.

Lyhyellä aikavälillä – seuraavien viiden vuoden aikana – saamme paremman tiedonhaun, paremman integraation tekoälyn ja ihmisen asiantuntemuksen välillä ja vähittäisiä arkkitehtuurisia parannuksia. Tekoälystä tulee tehokkaampi vahvistin ihmisille, jotka tietävät mitä tekevät. Kuilu kasvaa tekoälytyökaluja tehokkaasti käyttävien asiantuntijoiden ja taikuutta odottavien aloittelijoiden välillä. Ei mitään mullistavaa. Vain tasaista parannusta käytännön hyödyllisyydessä.

Keskipitkällä aikavälillä joku murtaa relaatiomuistin tallennuksen. Ei faktoja, joiden metadatana toimivat suhteet, vaan suhteet ensisijaisena rakenteena, jossa faktat toimivat solmuina verkossa. Kun näin tapahtuu, tietylle alalle erikoistuneet järjestelmät alkavat suoriutua yleisiä järjestelmiä dramaattisesti paremmin, koska ne pystyvät navigoimaan relevanteissa tiloissa tehokkaammin. Lääketiede saa tekoälyn, joka ymmärtää lääketieteellisiä suhteita. Laki saa tekoälyn, joka navigoi oikeudellisissa ennakkotapauksissa. Tekniikka saa tekoälyn, joka kartoittaa suunnittelun rajoitukset. Jokainen ala kehittää omat työkalunsa sen sijaan, että odottaisi yhden taikajärjestelmän tekevän kaiken.

Pitkällä aikavälillä – ja tämä on spekulatiivista, mutta perusteltua – älykkyydestä tulee hajautettua infrastruktuuria eristetyn kyvykkyyden sijaan. Tekoäly ei korvaa ihmisen ajattelua. Siitä tulee navigointikerros ihmisen tietämyksessä. Ei ajattelevia koneita. Ajatteluympäristöjä. Tiloja, joissa ihmisen asiantuntemus ja koneiden haku yhdistyvät joksikin kyvykkäämmäksi kuin kumpikaan yksinään.

Tuo tulevaisuus ei vaadi tietoisuutta, ymmärrystä tai mitään mystistä ominaisuutta. Se tarvitsee parempaa arkkitehtuuria. Parempaa tallennustilaa. Parempaa tiedonhakua. Parempaa integraatiota erityyppisten älykkäiden kykyjen välillä niiden välisen kilpailun sijaan.

Emme ole lähestymässä jotakin kynnystä, jossa koneista tulee yhtäkkiä todella älykkäitä ja ihmiset tarpeettomia. Rakennamme infrastruktuuria, joka tekee olemassa olevasta ihmisälystä tehokkaampaa. Vasara ei korvaa puusepää. Se tekee puusepestä kyvykkäämmän. Sama periaate, suuremmassa mittakaavassa.

Älykkyys ei ole harvinaista. Se ei ole mystistä. Se ei ole haurasta. Se on jäsenneltyä etsintää rajoitettujen tilojen läpi. Tekoäly ei uhkaa älykkyyttä – se paljastaa sen, mitä älykkyys on aina ollut. Kuvioiden yhteensovittamista aina alaspäin.

Edessä oleva todellinen työ on arkkitehtonista, ei filosofista. Tallennusjärjestelmät, jotka säilyttävät suhteet. Hakumekanismit, jotka eivät litistä kontekstia. Integraatiokehykset, jotka yhdistävät ihmisen harkinnan konehakuun. Mikään näistä ei vaadi tietoisuuden ratkaisemista. Se vaatii vain paremman infrastruktuurin rakentamista.

Riisu hype pois, niin siinä on todellinen tulevaisuus. Ei dystopinen. Ei utopistinen. Vain käytännöllinen. Älykkyys on hajautettu infrastruktuuri eikä erillinen nero. Työkaluja, jotka toimivat työkalujen tavoin sen sijaan, että ne esittäisivät persoonallisuutta. Edistystä arkkitehtuurin kautta taikuuden odottamisen sijaan.

Koneet eivät tule hakemaan töitämme. Ne paljastavat, mitä työpaikat todellisuudessa vaativat. Ja enimmäkseen se on hahmonyhdistämistä mahdollisuusavaruuden kautta.

Olemme tehneet sitä koko ajan. Nyt meillä on apua.

kirjailijasta

Robert Jennings on InnerSelf.com-sivuston toinen julkaisija. Se on alusta, joka on omistettu yksilöiden voimaannuttamiseksi ja yhtenäisemmän, oikeudenmukaisemman maailman edistämiseen. Yhdysvaltain merijalkaväen ja Yhdysvaltain armeijan veteraani Robert hyödyntää monipuolisia elämänkokemuksiaan kiinteistö- ja rakennusalalta InnerSelf.com-sivuston rakentamiseen vaimonsa Marie T. Russellin kanssa tuodakseen käytännöllisen, perusteltua näkökulmaa elämään. haasteita. Vuonna 1996 perustettu InnerSelf.com jakaa oivalluksia auttaakseen ihmisiä tekemään tietoon perustuvia ja merkityksellisiä valintoja itselleen ja planeetalle. Yli 30 vuotta myöhemmin InnerSelf inspiroi edelleen selkeyttä ja voimaannuttamista.

 Creative Commons 4.0

Tämä artikkeli on lisensoitu Creative Commons Nimeä-Jaa samanlainen 4.0 -lisenssi. Määritä tekijä Robert Jennings, InnerSelf.com. Linkitä artikkeliin Tämä artikkeli on alun perin ilmestynyt InnerSelf.com

Artikkelin tiivistelmä

Älykkyyshaku paljastaa, mitä olemme piilottaneet mystiikan taakse: hahmonsovituksen rajoitettujen tilojen kautta. Tekoäly ei lähesty älykkyyttä – se osoittaa, mitä älykkyys on aina ollut. Luovuus on rekombinaatiota, intuitio on pakattua kokemusta ja ymmärrys on väärentämätön väite, jota käytämme suojellaksemme ihmisen poikkeuksellisuutta. Todellinen rajaseutu ei ole älykkäämmät algoritmit, vaan parempi arkkitehtuuri: tallennus-, haku- ja relaatiorakenteet, jotka säilyttävät merkityksen eri osa-alueilla. Kvanttilaskenta muuttaa hakutopologiaa, mutta vain jos muistijärjestelmät kehittyvät tukemaan sitä. Samaan aikaan voittoa tavoittelevat motiivit optimoivat tekoälyn persoonallisuuden tarkkuuden sijaan, mikä heikentää käytännön hyödyllisyyttä. Edistyminen vaatii infrastruktuuriajattelua, ei tuoteajattelua. Älykkyys ei ole harvinaista tai maagista – se on hajautettua hakua eri viitekehyksissä. Läpimurto ei ole ajattelevien koneiden rakentamisessa. Se on ajatteluympäristöjen rakentamisessa, joissa ihmisen asiantuntemus ja koneellinen haku yhdistyvät tehokkaasti. Hahmonsovitus aina alaspäin.

#ÄlykkyysHaku #KuvioidenYhteensovitus #AIReality #Kvanttilaskenta #KognitiivinenArkkitehtuuri #AGIMyytti #TiedonHaku #HypenTuollaPuulla #IntuitioTiede #Suhdemuisti