Sammanslagningen av människa och maskin kommer inte att stoppa ökningen av maskiner

Teslas VD och grundare OpenAI Elon Musk i förra veckan föreslog att mänskligheten skulle kunna annullera din rädsla för rise of the machines (dvs robotar) till följd av samgåendet med samma maskiner och bli cyborger. Men, moderna trender inom området artificiell intelligens, vässade särskilt för programvara och teknik djupt lärande ger upphov till allvarliga tvivel i marken sådana uttalanden, särskilt på lång sikt. Det är kontakten inte bara med hårdvara begränsningar, men med den roll av den mänskliga hjärnan i allt detta.

Avhandlingen av Mask är mycket enkel: det är tillräckligt utvecklad hjärna-dator-gränssnitt gör det möjligt för människor att kraftigt öka deras kapacitet, bättre användning av teknik, lärande och djupt lärande. Men detta utbyte är två sätt. Hjärna-dator-gränssnitt kommer också att bidra till att fylla de luckor som finns i maskinen lärande algoritmer på bekostnad av människor, till exempel, när du gör kontextuella beslut. Själva idén är inte ny. Licklider och andra som funderar på den möjligheten och konsekvenserna av att "symbios mellan människa och dator" i mitten av 20-talet.

Ikraft. Inte minst på grund av den utveckling inom hårdvara. "Om anledningen till maskinvara (hårdvara) kallas så eftersom det är svårt (svårare),", sade Tony Fadell, Skaparen av iPod. Och för att skapa hårdvara som kommer att förknippas med ekologiska system kommer att vara ännu svårare.

Modern teknik är primitiva jämfört med bilder av hjärna-dator-gränssnitt i sci-Fi filmer som the Matrix.

Quirks djup inlärning

Förutsatt att hårdvaran problem kommer så småningom att lösas, men det finns fortfarande andra problem. De senaste tio åren, otroliga framsteg inom forskning djup inlärning har visat att en del hinder att övervinna är inte så enkelt.

För det första, vi förstår inte och kan inte beskriva hur funktionen av komplexa neurala nätverk. Vi litar på enkel teknik som en kalkylator, eftersom vi vet att hon alltid kommer att göra exakt vad vi vill ha från det. Hans misstag — det är nästan alltid resultatet av felaktiga åtgärder på den del av den personen.

Till Exempel, vill vi gärna Komplettera oss att maskinen skulle göra det möjligt för oss att bli perfekt i aritmetik. Så istället för att ha för att få en miniräknare eller en smartphone, kan vi tänka på beräkning och få omedelbart svar från support fordon.

Det blir komplicerat när vi försöker ansluta mer komplexa funktioner, förslag till metoder för maskininlärning. Till exempel, djupt lärande.

Låt oss Säga att du arbetar som säkerhetspersonal på flygplats och din hjärna klar maskinen, som automatiskt skannar av tusentals individer som du ser varje dag, varning om eventuella risker för säkerhet.

De Flesta maskininlärning drabbas av den ökända problem: när en liten förändring i utseende eller föremål kan orsaka ett fel i systemet och inte gör det möjligt att korrekt klassificera objekt. Ändra bilden av en man med 1 procent — och maskin-system kan tycka att det är en Cykel.

Terrorister eller brottslingar kan använda olika sårbarheter av maskiner, förbi säkerhetskontroller. Detta problem hindrar av online-säkerhet. Människor, om än begränsad i vissa avseenden, är inte utsatta för sådana rundor.

Trots att maskinerna har ett rykte om sig opartisk, maskininlärning teknik också lider av bias och kan även visa rasistiskt beteende, om du mata in relevanta data. Denna oförutsägbarhet har betydande konsekvenser för hur människor kommer att ansluta till maskinen och hur man kan lita på henne.

jag robot

Förtroende är en dubbelriktad gata. Det mänskliga sinnet är mycket komplex och dynamisk verksamhet. Eftersom bilen att förstå vad en del av människors fördomar att ignorera? I slutändan är vi alla står inför det, det är inte inser i denna rapport. Hur skapa en teknik som kommer att hjälpa dig att rekrytera personer till arbete?

I viss utsträckning kan vi se lita på frågor i hjärna-dator-gränssnitt, - om vi tittar på hur försvaret runt om i världen försöker att lösa frågan om folkets förtroende i maskiner på en blandad slagfältet. Människor försöker att lita på maskin och maskin — män.

Det finns en parallell mellan striderna robot, som tar etiska beslut att ignorera en olaglig ordning som ges av en person, och vad som händer i hjärna-dator-gränssnitt: maskinen ska tolka en persons tankar och filtrera ut de flyktiga tankar och djupa, omedvetna fördomar.

I försvar scenarier, den logiska roll i den mänskliga hjärnan kommer att vara att testa etik av sådana beslut. Men vad händer när den mänskliga hjärnan kommer att vara ansluten till en maskin som kan göra logiska slutsatser baserade på data på en sådan skala, ingen hjärna inte kan förstå och förstå?

På lång sikt, frågan är när och hur människor kommer att vara involverade i de processer, som i allt högre grad bestäms av maskiner. Mycket snart maskiner kommer att börja göra medicinska beslut att en person eller en grupp av människor inte kan förstå. Vilken roll kommer då att hjärnan spela i denna process?

I vissa fall, kombinationen av automatisering och personal-människor kan öka antalet arbetstillfällen, men denna effekt kommer att vara flyktigmest troligt. Samma robotar och automation system kommer att förbättra tills de tar bort de har skapat jobb. På samma sätt, de människor som kommer att spela en "användbar" roll i hjärna-dator-gränssnitt blir mindre och mindre engagerad i denna kedja, eftersom den teknik som kommer att förbättra.

Tanken av att bevara betydelsen av mänskligheten genom att integrera den mänskliga hjärnan med konstgjorda verkar attraktivt. Men vi har ännu att räkna ut vad som kommer att vara bidrag för att göra den mänskliga hjärnan, om utveckling av teknik outruns utvecklingen av hjärnan en miljon gånger.