Yapay Zeka – Devrim Henüz Gerçekleşmedi
Yapay Zeka – Devrim Henüz Gerçekleşmedi
Yapay Zeka (AI), mevcut dönemin mantrasıdır. Bu ifade teknoloji uzmanları, akademisyenler, gazeteciler ve risk kapitalistleri tarafından aynı şekilde vurgulanmaktadır. Teknik akademik alanlardan genel dolaşıma geçen birçok cümleyle olduğu gibi, cümlenin kullanımına eşlik eden ciddi bir yanlış anlama vardır.
Ancak bu, halkı bilim insanlarını anlamayan klasik bir durum değil burada bilim adamları genellikle halk kadar kandırılıyor. Çağımızın bir şekilde kendi kendimize rakip olan silikonda bir zekanın ortaya çıktığını görmesi fikri, hepimizi eğlendirir – bizi büyüleyen ve eşit ölçüde korkutan korku. Ve ne yazık ki, bizi rahatsız ediyor.
Şimdiki dönem hakkında söylenebilecek farklı bir anlatı var. İnsanları, bilgisayarları, verileri ve ölüm ya da ölüm kararlarını içeren, ama odak noktası silikon zekâ fantezilerinden başka bir şey olduğu aşağıdaki hikayeyi düşünün. Eşim 14 yıl önce hamileyken, ultrasonumuz vardı.
Odada bir genetikçi vardı ve fetusun kalbi çevresinde beyaz lekeler olduğunu belirtti. “Bunlar Down sendromu için belirteçler” dedi, ve riskiniz şimdi 20’de 1’e yükseldi.” Ayrıca bize, fetusun aslında Down sendromunun altında yatan genetik modifikasyonun amniyosentez yoluyla yapılıp yapılmadığını öğrenebileceğimizi bilmemize izin verdi.
Ancak amniyosentez riskliydi işlem sırasında fetusu öldürme riski kabaca 300’de 1 idi. İstatistikçi olarak, bu sayıların nereden geldiğini bulmaya karar verdim. Uzun lafın kısası, daha önce Birleşik Krallık’ta, kalsiyum birikimini yansıtan bu beyaz noktaların gerçekten Down sendromunun bir öngörüsü olarak kurulduğu bir istatistik analizinin daha önce 10 yıl içinde yapıldığını keşfettim.
Ancak, testimizde kullanılan görüntüleme makinesinin, Birleşik Krallık çalışmasında kullanılan makineden inç kare başına birkaç yüz piksel daha olduğunu fark ettim. Genetikçiye beyaz lekelerin muhtemelen yanlış pozitif olduğuna inandığımı kelimenin tam anlamıyla “beyaz gürültü” olduğuna inandığımı söylemek için geri döndüm.
“Ah, bu birkaç yıl önce Down sendromu teşhisinde neden bir yükseliş görmeye başladığımızı açıklıyor; Yeni makine geldiğinde o zaman.” Gerçekten de Down sendromunun bir belirleyicisi olarak kuruldu. Ancak, testimizde kullanılan görüntüleme makinesinin, Birleşik Krallık çalışmasında kullanılan makineden inç kare başına birkaç yüz piksel daha olduğunu fark ettim.
Genetikçiye beyaz lekelerin muhtemelen yanlış pozitif olduğuna inandığımı kelimenin tam anlamıyla “beyaz gürültü” olduğuna inandığımı söylemek için geri döndüm. “Ah, bu birkaç yıl önce Down sendromu teşhisinde neden bir yükseliş görmeye başladığımızı açıklıyor; Yeni makine geldiğinde o zaman.”
Gerçekten de Down sendromunun bir belirleyicisi olarak kuruldu. Ancak, testimizde kullanılan görüntüleme makinesinin, Birleşik Krallık çalışmasında kullanılan makineden inç kare başına birkaç yüz piksel daha olduğunu fark ettim.
Genetikçiye beyaz lekelerin muhtemelen yanlış pozitif olduğuna inandığımı kelimenin tam anlamıyla “beyaz gürültü” olduğuna inandığımı söylemek için geri döndüm. “Ah, bu birkaç yıl önce Down sendromu teşhisinde neden bir yükseliş görmeye başladığımızı açıklıyor; Yeni makine geldiğinde o zaman.”
Bu, birkaç yıl önce Down sendromu teşhisinde neden artmaya başladığımızı açıklıyor; Yeni makine geldiğinde o zaman. “Bu, birkaç yıl önce Down sendromu teşhisinde neden artmaya başladığımızı açıklıyor; Yeni makine geldiğinde o zaman.”
Amniyosentezi yapmadık ve birkaç ay sonra sağlıklı bir kız doğdu. Fakat bölüm beni rahatsız etti, özellikle de zarfın geri hesaplanmasından sonra, binlerce insanın dünya çapında aynı gün tanı koyduğunu, çoğunun amniyosentez yapmayı seçtiğini ve bazı bebeklerin öldüğünü ikna ettim.
Ve bu her gün bir şekilde düzeltilinceye kadar oldu. Bu bölümün gösterdiği sorun benim kişisel tıbbi bakımımla ilgili değildi; çeşitli yerlerde ve zamanlarda değişkenleri ve sonuçları ölçen, istatistiksel analizler yapan ve sonuçları başka yerlerde ve zamanlarda kullanan tıbbi bir sistem hakkındaydı.
Problem sadece kendi başlarına veri analizi yapmakla kalmadı, aynı zamanda veri tabanı araştırmacılarının kanıt dedikleri şeyle de geniş ölçüde, verilerin nerede ortaya çıktığını.
Verilerden ne gibi çıkarımlar alındı ve bu durumun bu durumla ne kadar ilgisi var? Eğitimli bir insan tüm bunları durum bazında halledebilse de, mesele, bu kadar ayrıntılı bir insan denetimine ihtiyaç duymadan bunu yapabilen gezegensel bir tıbbi sistem tasarlamaktı.
Aynı zamanda bir bilgisayar bilimcisiyim ve bu tür gezegensel ölçek çıkarım ve karar verme sistemlerini kurmak için gereken ilkelerin, bilgisayar bilimini istatistiklerle harmanlamanın ve insan haklarını hesaba katmanın gerekli olmadığını düşündüm.
Eğitimimde bulun. Ve sadece tıbbi alanda değil, aynı zamanda ticaret, ulaşım ve eğitim gibi alanlarda da ihtiyaç duyulacak olan bu ilkelerin geliştirilmesinin, en azından bizi göz kamaştıracak AI sistemleri inşa etmelerinde olduğu kadar önemli olduğu ortaya çıktı. onların oyun oynama ya da sensorimotor becerileri.
Yakında herhangi bir zamanda istihbarat’ı anlamaya gelip gelmeyeceğimizde, bilgisayarları ve insanları insan yaşamını geliştirecek şekillerde bir araya getirme konusunda elimizde büyük bir zorluk var. Bu zorluk, bazıları tarafından “yapay zeka” yaratılmasına bağlı olarak görülmekle birlikte, aynı zamanda daha kesin olarak ancak daha az saygı göstermeden yeni bir mühendislik dalı oluşturulması olarak görülebilir.
On yıllardır inşaat mühendisliği ve kimya mühendisliği gibi, bu yeni disiplin, birkaç önemli fikrin gücünü yerine getirmeyi, insanlara yeni kaynaklar ve yetenekler getirmeyi ve bunu güvenle yapmayı amaçlamaktadır. İnşaat mühendisliği ve kimya mühendisliği fizik ve kimya üzerine inşa edilmiş olsa da, bu yeni mühendislik disiplini, önceki yüzyılın bilgi, algoritma, veri gibi – maddelere verdiği fikirlere dayanacaktır.
Yapı taşları ortaya çıkmaya başlarken, bu blokları bir araya getirme ilkeleri henüz ortaya çıkmamıştır ve bu yüzden şu anda bloklar geçici olarak bir araya getirilmektedir.
Böylece, insanlar inşaat mühendisliği yapmadan önce binalar ve köprüler inşa ettikleri gibi, insanlar makineleri, insanları ve çevreyi kapsayan toplumsal ölçekli, çıkarım ve karar verme sistemlerinin inşasına devam ediyorlar. Tıpkı erken binalar ve köprüler bazen yere düştüğü gibi – öngörülemeyen şekillerde ve trajik sonuçlarla – erken toplumsal ölçekte çıkarım ve karar verme sistemlerimizin birçoğu zaten ciddi kavramsal kusurlar ortaya koyuyor.
Ve ne yazık ki, bir sonraki ortaya çıkan ciddi kusurun ne olacağını tahmin etmekte pek de iyi değiliz. Eksik olduğumuz analiz ve tasarım ilkeleri ile bir mühendislik disiplinidir.
Bu konularla ilgili güncel halk diyalogu sıklıkla AI’yı, yeni ortaya çıkan teknolojinin kapsamı ve sonuçları hakkında düşünmeyi zorlaştıran entelektüel bir joker karakter olarak kullanmaktadır. Son zamanlarda ve tarihsel olarak AI’nın neye işaret ettiğini daha dikkatli düşünerek başlayalım.
Günümüzde özellikle kamusal alanda AI olarak adlandırılanların çoğu, son birkaç on yılda “Makine Öğrenimi” (ML) olarak adlandırılan şeydir. ML, verileri işleyen, tahminler yapan ve karar vermede yardımcı olan algoritmalar tasarlamak için istatistiklerden, bilgisayar bilimlerinden ve diğer birçok disiplinlerden (aşağıya bakınız) gelen fikirleri harmanlayan algoritmik bir alandır.
Gerçek dünya üzerindeki etki açısından, ML sadece son zamanlarda değil, gerçek şeydir. Nitekim, ML’nin devasa endüstriyel alaka düzeyine dönüşeceği, 1990’ların başlarında açıkça belliydi ve yüzyılın başlarında Amazon gibi ileriye dönük şirketler zaten işlerinde ML’yi kullanıyorlardı, sahtekarlıkta görev kritik sorunları çözüyorlardı.
Tespit ve tedarik zinciri tahmini ve öneri sistemleri gibi tüketiciye yönelik yenilikçi hizmetler oluşturmak. Veri setleri ve bilgi işlem kaynakları takip eden yirmi yılda hızlı bir şekilde büyüdükçe, ML’nin yakında yalnızca Amazon’a değil, kararların büyük ölçekli verilere bağlanabileceği herhangi bir şirkete de güç sağlayacağı açıktı.
Yeni iş modelleri ortaya çıkacaktı. Veri Bilimi ifadesi, bu olguya atıfta bulunmak üzere, ölçeklenebilir, sağlam ML sistemleri kurmak için veri tabanı ve dağıtık sistemler uzmanlarıyla ortaklaşa olmak için ML algoritma uzmanlarının gerekliliğini ve daha geniş sosyal ve çevresel kapsamı yansıtmak için kullanılmaya başlanmıştır. sonuçta ortaya çıkan sistemler.
Bu fikir ve teknoloji eğilimlerinin birleştiği son birkaç yılda AI olarak yeniden markalandı. Bu yeniden markalaşma biraz incelemeye değer.
Tarihsel olarak, AI ibaresi, 1950’lerin sonunda, yazılım ve donanımda insani zekâya sahip bir varlığın gerçekleştirilmesinin asıl arzusuna atıfta bulunmak için yazılmıştı. Yapay olarak zeki bir varlığın fiziksel olarak en azından zihinsel olarak olmasa da bizden biri gibi görünmesi gerektiği fikrini vurgulayarak, bu özlemi ifade etmek için insan taklit Al ibaresini kullanacağız. Bu büyük ölçüde akademik bir girişimdi.
Yöneylem araştırması, istatistik, örüntü tanıma, bilgi teorisi ve kontrol teorisi gibi ilgili akademik alanlar zaten mevcutken ve çoğu zaman insan zekasından ve hayvan zekasından ilham alırken, bu alanların tartışmalı bir şekilde düşük seviye sinyalleri ve kararlarına odaklanıldı.
Diyelim ki yaşadığı ormanın üç boyutlu yapısını algılayabilecek bir sincap, şubeleri arasında sıçramak bu alanlara ilham vericiydi. AI, farklı bir şeye odaklanmak içindir insanların akıl ve düşünmek için üst düzey veya bilişsel yetenekleri.
Altmış yıl sonra, ancak, üst düzey akıl yürütme ve düşünce zor kalır. Şimdi AI olarak adlandırılan gelişmeler, çoğunlukla düşük seviye örüntü tanıma ve hareket kontrolü ile ilgili mühendislik alanlarında ve istatistik alanında ortaya çıkmıştır; disiplinde veride örüntü bulma ve sağlam tahminler yapmaya odaklanmış, hipotez ve karar testleri.
Nitekim, 1980’lerin başında David Rumelhart tarafından yeniden keşfedilen ve şimdi AI devrimi olarak adlandırılan ve şimdi 1950’lerde kontrol teorisi alanında ortaya çıkan ünlü “geri yayılma” algoritması ve 1960’larda. İlk uygulamalarından biri, Apollo uzay gemilerinin ayağını öne doğru sürdüklerini optimize etmekti.
1960’lı yıllardan bu yana çok ilerleme kaydedilmiştir, ancak tartışmalı olarak insan taklidi AI’nın peşinden gelmemiştir. Aksine, Apollo uzaylarında olduğu gibi, bu fikirler genellikle perde arkasına gizlenmiş ve belirli mühendislik zorluklarına odaklanmış araştırmacıların el işi olmuştur.
Genel olarak herkes tarafından görülmese de, belge alımı, metin sınıflandırması, sahtekarlık tespiti, öneri sistemleri, kişiselleştirilmiş arama, sosyal ağ analizi, planlama, tanılama ve A / B testi gibi alanlarda araştırma ve sistem geliştirme önemli bir başarı olmuştur bunlar Google, Netflix, Facebook ve Amazon gibi güçlü şirketlere sahip olan gelişmeler.
Biri, bütün bunlara AI olarak atıfta bulunmayı kabul edebilir ve gerçekten de olduğu gibi. Bu tür bir etiketleme, kendilerini aniden AI araştırmacıları olarak adlandırılanı bulmak için uyanan optimizasyon veya istatistik araştırmacılarına sürprizlik gösterebilir. Ancak, araştırmacıların etiketlenmesi bir yana, en büyük sorun, bu tek, kötü tanımlanmış kısaltmanın kullanılmasının önlenmesidir. Oyundaki entelektüel ve ticari konuların açık bir şekilde anlaşılması.
Son yirmi yılda, sanayi ve akademi alanlarında, genellikle İstihbarat Artışı (IA) olarak adlandırılan insan taklit AI’nın tamamlayıcı bir özleminde büyük ilerleme görüldü. Burada hesaplama ve veriler insan zekasını ve yaratıcılığını artıran hizmetler oluşturmak için kullanılır. Bir arama motoru, IA insan hafızasını ve gerçek bilgiyi artırır, doğal dil çevirisini bir insanın iletişim kurma yeteneğini arttırır bir örneği olarak görülebilir.
Bilgisayar tabanlı ses ve görüntü üretimi, sanatçılar için bir palet ve yaratıcılık artırıcı işlevi görür. Bu tür hizmetler makul bir şekilde üst düzey akıl yürütmeyi ve düşünceyi içerebilse de, şu anda yapmazlar çoğunlukla insanların faydalanabileceği örüntüleri yakalayan çeşitli dizi eşleştirme ve sayısal işlemler gerçekleştirirler.
Okuyucunun son bir kısaltmaya tahammül edeceğini ümit ederek, insan ortamlarını daha destekleyici, ilginç ve güvenli kılan bir hesaplama, veri ve fiziksel varlıklar ağının bulunduğu bir Akıllı Altyapı (II) disiplini verelim. Bu tür altyapı, bireysel insanlar ve toplumlar için çok büyük etkileri olan ulaşım, ilaç, ticaret ve finans gibi alanlarda görünmeye başlıyor.
Bu ortaya çıkma bazen bir Nesnelerin İnterneti ile ilgili konuşmalarda ortaya çıkar, ancak bu çaba genellikle, bunları analiz edebilen bu şeylerle ilgili en büyük zorluklara değil, internete şeyler koyma problemini ifade eder. dünyayla ilgili gerçekleri keşfetmek için veri akışları.
Örneğin, kişisel fıkralarıma dönersek, yaşamlarımızı, insan vücudunun içinde ve çevresinde konumlanan doktorlar ve cihazlar arasında veri akışlarını ve veri analiz akışlarını düzenleyen toplumsal ölçekte bir tıbbi sistemde yaşamayı hayal edebiliriz. teşhis ve bakım sağlamada insan zekasına yardımcı olur. Sistem vücuttaki hücrelerden, DNA’dan, kan testlerinden, çevreden, populasyon genetiğinden ve ilaçlar ve tedaviler hakkındaki geniş bilimsel literatürden gelen bilgileri içerecektir.
Sadece tek bir hastaya ve bir doktora değil, tüm insanlar arasındaki ilişkilere de odaklanacaktı tıpkı şu anki tıbbi testlerin bir insan (veya hayvan) üzerinde yapılan deneylerin diğer insanların bakımına katılmasını sağladığı gibi. Alaka düzeyi, kanıt ve güvenilirlik kavramlarının korunmasına yardımcı olur, mevcut bankacılık sisteminin finans ve ödeme alanındaki bu tür zorluklara odaklanması.
Ve böyle bir sistemde ortaya çıkan bir çok problemi öngörebilirken – mahremiyet meseleleri, sorumluluk meseleleri, güvenlik meseleleri, vb. Bu meseleler şovmenler olarak değil, zorluk olarak görülmelidir.
Şimdi kritik bir konuya geldik: Klasik insan taklit AI üzerinde çalışmak bu daha büyük zorluklara odaklanmanın en iyi yolu mu yoksa tek yolu mu? ML’nin en müthiş başarı hikayelerinden bazıları aslında insan taklit AI ile ilgili alanlarda bilgisayarla görme, konuşma tanıma, oyun oynama ve robotik gibi alanlarda olmuştur.
Bu yüzden belki de bu gibi alanlarda daha fazla ilerleme beklemeliyiz. Burada dikkat edilmesi gereken iki nokta var. Birincisi, gazeteleri okumaktan haberim olmamasına rağmen, insanın taklit AI’deki başarısı gerçekte sınırlı kalmıştır insan taklit AI özlemlerinin gerçekleştirilmesinden çok uzağız. Ne yazık ki, insan taklidi yapay zekada sınırlı ilerleme kaydetme heyecanı ve korkusu, diğer mühendislik alanlarında bulunmayan aşırı coşku ve medyanın dikkatine yol açar.
İkincisi, ve daha da önemlisi, bu alanlardaki başarı, önemli IA ve II sorunlarını çözmek için ne yeterli ne de gereklidir. Yeterlilik tarafında, kendi kendine sürüş arabaları düşünün. Böyle bir teknolojinin gerçekleştirilmesi için, insan yeterlilikleri veya insan yeterliliği eksikliği ile çok az ilişkisi olabilecek bir dizi mühendislik probleminin çözülmesi gerekecektir. Genel ulaşım sistemi (II sistemi) mevcut hava trafiği kontrol sistemine, gevşek bağlı, öne bakan, dikkatsiz insan sürücülerinin mevcut koleksiyonundan daha fazla benzeyecektir.
İnce hava kararlarını bildirmek için özellikle büyük miktarlarda veri kullanımı ve uyarlamalı istatistiksel modelleme konusunda mevcut hava trafik kontrol sisteminden çok daha karmaşık olacaktır. Ön planda olması gereken zorluklar.
Gereksinim argümanına gelince, bazen insan taklit AI aspirasyonunun IA ve II özlemlerini azalttığı, çünkü bir insan taklit AI sisteminin yalnızca AI’nın klasik sorunlarını çözemeyeceği örneğin, örneğin Turing testi, ama aynı zamanda IA ve II problemlerini çözmek için de en iyi bahis olacaktır. Böyle bir argümanın tarihsel bir önceliği yoktur. İnşaat mühendisliği, yapay bir marangoz veya duvarcı ustası yaratmayı öngörerek gelişti mi? Yapay bir kimyager oluşturma açısından kimya mühendisliği çerçevelenmeli midir? Daha da politik olarak: amacımız kimyasal fabrikalar kurmaksa, önce bir kimya fabrikası kurmayı düşünen yapay bir kimyager oluşturmalı mıydık?
İlgili bir argüman, insan zekasının bildiğimiz tek tür zeka olduğu ve bunu ilk adım olarak taklit etmemiz gerektiğidir. Fakat insanlar aslında bazı akıl yürütme türlerinde pek iyi değillerdir eksikliklerimiz, önyargılarımız ve sınırlamalarımız var. Dahası, eleştirel olarak, modern II sistemlerinin karşı karşıya kalması gereken büyük ölçekli karar verme türlerini yerine getirmedik ya da II bağlamında ortaya çıkan belirsizlik türleri ile başa çıkmadık. Biri tartışabilir.
Bir AI sisteminin sadece insan zekasını taklit etmekle kalmayıp aynı zamanda düzeltmesini ve keyfi olarak büyük problemlere ölçeklenmesini de sağlar. Fakat biz şimdi bilim kurgu alanındayız kurgu ortamını eğlendirirken bu tür spekülatif argümanlar ortaya çıkmaya başlayan kritik IA ve II problemleri karşısında ilerleyen ana stratejimiz olmamalı. İA ve II sorunlarını, insan-taklit bir AI gündeminin bir sonucu olarak değil, kendi özleriyle çözmemiz gerekir.
İnsani taklit AI araştırmalarında merkezi tema olmayan II sistemlerinde algoritmik ve altyapı zorluklarını belirlemek zor değildir. II sistemler, hızla değişen ve küresel anlamda tutarsız olma ihtimali bulunan dağılmış bilgi depolarını yönetme yeteneğini gerektirir.
Bu tür sistemler zamanında, dağıtılmış kararlar alırken bulutsal etkileşimlerle başa çıkmalı ve bazı kişiler hakkında çok fazla veri ve çoğu kişi hakkında çok az veri bulunan uzun kuyruk fenomenleriyle uğraşmalıdırlar. İdari ve rekabetçi sınırlar arasında veri paylaşmanın zorluklarını ele almaları gerekir.
Son olarak ve özel önem taşıyan II sistemleri, teşvikler ve fiyatlandırma gibi ekonomik fikirleri, insanları birbirine ve değerli ürünlere bağlayan istatistiksel ve hesaplamalı altyapıların alanına getirmelidir.pazarlar . Veri analizinin üreticileri ve tüketicileri birbirine bağladığı bu tür pazarların ortaya çıkması için çığlık atan müzik, edebiyat ve gazetecilik gibi alanlar var. Ve bu, gelişen sosyal, etik ve yasal normlar bağlamında yapılmalıdır.
Elbette, klasik insan taklit AI problemleri de büyük ilgi çekmeye devam ediyor. Ancak, veri toplama, derin öğrenme altyapısının konuşlandırılması ve belirli dar tanımlanmış insan becerilerini taklit eden sistemlerin – ortaya çıkacak açıklayıcı ilkeler gibi taklit edilmesi yoluyla yapay zeka araştırması yapmaya odaklanmak.
Klasik AI’daki büyük açık problemlerden dikkati saptırmak. Bu problemler arasında doğal dil işleme yapan sistemlere anlam ve akıl yürütme ihtiyacı, nedensellik çıkarımı ve temsil etme ihtiyacı, belirsizliğin hesaplanabilir şekilde izlenebilir gösterimlerini geliştirme ihtiyacı ve uzun vadeli hedefleri formüle eden ve izleyen sistemler geliştirme ihtiyacı dahildir.
Bunlar insan taklit AI’da klasik hedeflerdir, ancak AI devrimi üzerine şu anki karmaşasında.
IA aynı zamanda çok önemli kalacaktır, çünkü öngörülebilir gelecek için bilgisayarlar, gerçek dünyadaki durumlar hakkında soyut bir şekilde akıl yürütme yetenekleri bakımından insanları eşleştiremeyecektir. En acil sorunlarımızı çözmek için insanların ve bilgisayarların iyi düşünülmüş etkileşimlerine ihtiyacımız olacak. Ve bilgisayarların, insan yaratıcılığının yerini almasını değil, bunun ne anlama geleceğini yeni insan yaratıcılığı seviyelerini tetiklemelerini isteyeceğiz.
Görünüşe göre tomurcuklanma araştırma gündemini Norbert Wiener’den (daha sonra MIT’de eski bir profesörden) ayırmak için AI terimini açıklayan , John McCarthy’ydi (Dartmouth’da profesör ve yakında MIT’de görev yapmak için). Wiener, kendi araştırma sistemleri, istatistik, örüntü tanıma, bilgi teorisi ve kontrol teorisi ile yakından ilişkili bir vizyon olan kendi akıllı sistemler vizyonunu belirtmek için sibernetik’i seçti. Öte yandan, McCarthy, mantığa olan bağları vurguladı. İlginç bir tersine, şu anki dönemde, McCarthy’nin terminolojisi bayrağı altında baskın çıkan Wiener’in entelektüel gündemidir. (Ancak bu durum kesinlikle geçicidir; sarkaç AI’de çoğu alanda olduğundan daha fazla sallanır.)
Ancak, McCarthy ve Wiener’ın belirli tarihsel perspektiflerinin ötesine geçmemiz gerekiyor.
Dar bir sanayi alt kümesine ve dar bir akademi alt kümesine odaklanan AI konusundaki mevcut kamu diyalogunun, AI, IA ve II’nin tüm kapsamı tarafından sunulan zorluklara ve fırsatlara bağlanma riski taşıdığını fark etmemiz gerekir.
Bu kapsam, süper kurgu makinelerinin bilim kurgu hayallerinin veya kabuslarının gerçekleşmesi hakkında daha az şey ifade ediyor ve insanların günlük yaşamlarında daha mevcut ve etkili hale geldikçe teknolojiyi anlama ve biçimlendirme ihtiyacı hakkında daha fazla şey ifade ediyor. Dahası, bu anlayış ve şekillendirmede, sadece teknolojik açıdan uyarılanlar arasında bir diyalog değil, yaşamın her kesiminden farklı sesler grubuna ihtiyaç vardır. İnsan taklidi yapay zekasına dar bir şekilde odaklanmak, uygun şekilde çok çeşitli seslerin duyulmasını önler.
Endüstri birçok gelişmeleri yönlendirmeye devam edecektir ederken, akademi aynı zamanda en yenilikçi teknik fikirlerden bazılarını sağlanmasında, aynı zamanda diğer araştırmacılarla birlikte hesaplamalı ve istatistiksel disiplinlerden insanları getirmekte değil, önemli bir rol oynamaya devam edecektir katkıları disiplinler ve perspektiflere şiddetle ihtiyaç vardır – özellikle de sosyal bilimler, bilişsel bilimler ve beşeri bilimler.
Öte yandan, beşeri bilimler ve bilimler ileriye doğru ilerledikçe temel olmakla birlikte, daha önce benzeri görülmemiş ölçek ve kapsamdaki mühendislik çabalarından başka bir şeyden bahsettiğimizi iddia etmemeliyiz toplum yeni türden eserler inşa etmeyi hedefliyor. Bu eserler iddia edildiği gibi çalışmak için inşa edilmelidir.
Bize tıbbi tedaviler, ulaşım seçenekleri ve bu sistemlerin gerçekten işe yaramadığı gerçeğini öğrendikten sonra, insan yaşamı ve mutluluk açısından zarar veren hatalar yaptıklarını bulmak için ticari fırsatlarda yardımcı olacak sistemler kurmak istemiyoruz. Bu bağlamda, vurguladığım gibi, veri odaklı ve öğrenme odaklı alanlar için ortaya çıkacak bir mühendislik disiplini var. Bu alanların göründüğü kadar heyecan verici olduğu gibi, henüz bir mühendislik disiplini olarak görülemezler.
Dahası, tanık olduğumuz şeyin yeni bir mühendislik dalı yaratması olduğu gerçeğini benimsemeliyiz. Mühendislik terimi genellikle dar anlamda akademi ve ötesinde soğuk, etkileyici olmayan makine tonları ve insanlar tarafından kontrol kaybının olumsuz çağrışımları ile çağrılır. Ancak bir mühendislik disiplini olmasını istediğimiz şey olabilir.
Mevcut dönemde, tarihsel olarak yeni bir şeyi insan merkezli bir mühendislik disiplini tasarlama konusunda gerçek bir fırsata sahibiz.
Ortaya çıkan bu disipline bir isim vermemize karşı koyacağım, ancak AI kısaltması ileri doğru yer tutucu isimlendirme olarak kullanılmaya devam ederse, bu yer tutucunun gerçek sınırlamalarının farkında olalım. Kapsamımızı genişletelim, yutturmacalarını azaltalım ve gelecekteki ciddi zorlukları tanıyalım.
Tavsiye yazı: İşletmeler Neden Makine Öğreniminde Başarısız Oluyor?
