At navigere i AI-labyrinten er en udfordring for regeringer

Nye udviklinger inden for kunstig intelligens skrider frem. Som en økonom, der har forsket i AI-revolutionen, Jeg ser 2018 som 1995, da det kommercielle internet blev født. Teknologien udvikler sig hurtigt, men de fleste virksomheder er først lige begyndt at finde ud af, hvordan de skal sætte det i gang.

Mens meget af medieopmærksomheden er fokuseret på virksomhedsapplikationer af kunstig intelligens, regeringer øger også deres fokus på denne forudsigelsesaktiverende teknologi.

I slutningen af ​​2016 lige da præsident Barack Obama forlod embedet, hans administration udgav fire rapporter om, hvordan man bedst forbereder den amerikanske økonomi på udviklingen og ankomsten af ​​kunstig intelligens.

Sidste måned, Frankrig udgav en omfattende rapport om kunstig intelligens under ledelse af Fields-medaljevinderen Cédric Villani. Præsident Emmanuel Macron understregede umiddelbarheden af ​​regeringens politiske valg for at sikre, at Frankrig er godt positioneret til at drage fordel af AI-innovation.

Navigerer i en labyrint

For at overveje de vigtigste politiske muligheder, der er tilgængelige for Canada, lad os overveje en analogi. At finde den optimale vej til at drage fordel af kunstig intelligens er som at navigere i en labyrint. De fleste lande er lige ved at vågne op til størrelsen af ​​præmien for at navigere i labyrinten hurtigt og på en måde, der stemmer overens med deres værdier.

Labyrinter har skarpe og overraskende sving. Bare fordi en mus er tæt på osten, betyder ikke, at den kommer der først. Dette er en forkortelse for at sige, at det er svært at vide, hvad den rigtige vej er - det er ikke nødvendigvis den korteste.

Hvad kan vi gøre for at øge chancen for, at musen (landet) med succes vil navigere i labyrinten? En mulighed er at øge størrelsen på osten. Det øger incitamentet til at bevæge sig hurtigt og arbejde hårdt med navigation.

For AI, det betyder at sikre, at innovatører kan drage fordel af AI-udvikling. For at opnå dette, vi har politiske løftestænger såsom konkurrencedygtige bevillinger til overbevisende forskningsforslag, priser for forskningsresultater og fjernelse af handelsbarrierer, så produkter kan sælges i hele verden.

Interessant nok, den franske rapport bruger ikke meget tid på sådanne muligheder. Og vi bør overveje, hvorfor det er det. Enkelt sagt, profitorienterede virksomheder ved allerede, at der er ost for enden af ​​labyrinten, men de ved ikke, hvilken type ost det er.

Hvor er osten?

Regeringen kunne sænke skatten på indkomsten for virksomheder, der anvender kunstig intelligens, men hvordan ville de identificere sådanne virksomheder, selv efter kendsgerningen? AI er en generel teknologi. Det kan bruges overalt. At skabe et incitament ville være som at promovere canadisk cheddar, men subsidierer tusindvis af andre ostetyper.

Den anden måde at forbedre labyrints ydeevne på er at gøre musen stærkere. Hvis en mus sulter, den er måske ikke udstyret til at klare sig gennem labyrinten. Så, du kan måske fede musen lidt og gøre den stærkere. For AI, dette er en verden af ​​skattelettelser for udgifter til kunstig intelligens, statstilskud til grundlæggende AI-forskning og tilskud til uddannelse af AI-talenter for at sikre, at canadiske virksomheder kan få det talent, de har brug for.

Canada viser sig at have nogle fordele. Bare denne måned, Canada 150 Research Chair-programmet førte University of Toronto til at ansætte Alan Aspuru-Guznik, ekspert i maskinlæring, kvantecomputere og kemi, fra sin faste stilling ved Harvard. Han så Canada som et land i overensstemmelse med hans værdier. Mere kritisk, han tilslutter sig et voksende videnskabeligt økosystem drevet af initiativer som Vector Institute for Artificial Intelligence.

Fjernelse af barrierer

Den sidste måde at forbedre labyrinten på er at fjerne barrierer. Mens nogle barrierer er karakteren af ​​innovation, andre er placeret der af regeringens politik. Det allerførste forslag i den franske AI-rapport omhandler dette — at sikre, at data er tilgængelige for at træne AI.

De fleste computerrelaterede projekter hungrer efter data og viden. Trods alt, Internettet er bare en stor dataoverførselsmotor. Men som jeg skitserer i min nye bog, Prediction Machines:The Simple Economics of Artificial Intelligence , når det kommer til AI, data er kritiske. Des bedre, mere omfattende og rigere data, jo bedre ydeevne har AI'en til sit hovedjob - forudsigelse.

Ligesom vores evne til at forudsige vejret afhænger af vejrdata indsamlet over hele kloden, og vores erfaring med at identificere objekter kommer fra en livslang erfaring lagret i vores erindringer, AI'er har brug for data for at opbygge deres evner.

Problemet er, at data kan være låst ned i forskellige siloer skabt af andre årsager end AI. Dette er i øjeblikket et aktuelt emne med hensyn til Facebooks brugerdata. Et par år siden, Facebook var friere med sine data, hvilket førte til en række forskellige anvendelser - nogle kreative og produktive og andre usmagelige.

Som reaktion på den nuværende krise, Facebook har nu låst dette. Du kan føle dig trøstet af det privatliv, der giver, men samtidig, det er blot endnu en barriere for, at data er tilgængelige for forskere og skabere uden for Facebook.

I virkeligheden, hvis vi ønsker at fremme AI, vi er nødt til at opmuntre snarere end at afskrække virksomheder fra at dele data. Og i nogle tilfælde, disse data – f.eks. sundhedsdata – ligger hos regeringerne.

Gør data tilgængelig

Jo hurtigere regeringer finder en måde at gøre disse data tilgængelige for forskning og kreative applikationer på en måde, der passende beskytter canadiernes privatliv, jo lettere vil labyrintnavigationen være for canadiske virksomheder at udnytte denne kraftfulde forudsigelsesteknologi til at forbedre deres produkter og tjenester, gør dem mere globalt konkurrencedygtige.

Den franske tilgang er at vælge nøglesektorer, hvor de vil gøre tingene lettere for virksomheder - noget de kalder "sandkasser". De undersøger fjernelsen af ​​visse regler for at fremme udvikling i sundhed (prædiktiv diagnostik, personlig medicin), transport (autonome køretøjer), forsvar (forudsige cyberangreb) og miljø (forudsige problemer i fødevareforsyningskæden).

Der er, selvfølgelig, mere til den franske rapport end blot at opmuntre til AI-udvikling. Uanset om de eller andre udvikler AI, rapporten afspejler tanker om, hvordan man beskytter franske arbejdere mod forstyrrelser og sikrer, at kunstig intelligens ikke fører til skævheder, som mennesker fremkalder – især hvad angår dimensionerne køn og race.

Den canadiske regering ville drage fordel af omhyggeligt at gennemgå det franske forslag, herunder de spekulative afsnit, der først gælder, når musen endelig når frem til osten.

I øjeblikket, Jeg opfordrer indtrængende den canadiske regering til at tænke over, om den mus er canadisk eller ej.

Denne artikel blev oprindeligt publiceret på The Conversation. Læs den originale artikel.