Yolanda Gil, en forskningsdirektør ved USC Viterbi Information Sciences Institute (ISI), medforfatter til en ny 20-årig kunstig intelligens køreplan. Kredit:USC Viterbi.
Yolanda Gil, formand for Association for the Advancement of Artificial Intelligence (AAAI), diskuterer, hvad der skal til for at flytte AI fremad uden at flytte sikkerheden bagud.
Året er 2031. Et udbrud af en meget smitsom myggebåret virus i USA har spredt sig hurtigt til større byer rundt om i verden. Det er alt sammen hænder på dækket for at stoppe sygdommen i at sprede sig – og det inkluderer implementering af kunstig intelligens (AI) systemer, som gennemsøger online nyheder og sociale medier for relevante data og mønstre.
Arbejde med disse resultater, og data indsamlet fra adskillige hospitaler rundt om i verden, forskere opdager et interessant link til en sjælden neurologisk tilstand, og en behandling udvikles. Inden for få dage, sygdommen er under kontrol. Det er ikke svært at forestille sig dette scenarie – men om fremtidige AI-systemer vil være kompetente nok til at udføre jobbet afhænger i høj grad af, hvordan vi tackler AI-udvikling i dag.
Det fremgår af en ny 20-årig køreplan for kunstig intelligens, som er medforfatter af Yolanda Gil, en USC datalogi forskningsprofessor og forskningsdirektør ved USC Viterbi Information Sciences Institute (ISI), med datalogieksperter fra universiteter i hele USA.
For nylig udgivet af Computing Community Consortium, finansieret af National Science Foundation, køreplanen har til formål at identificere udfordringer og muligheder i AI-landskabet, og informere fremtidige beslutninger, politikker og investeringer på dette område.
Som formand for Association for the Advancement of Artificial Intelligence (AAAI), Gil var formand for køreplanen sammen med Bart Selman, en datalogi professor ved Cornell University.
Vi talte med Gil om, hvad AI betyder i dag, hvad der skal til for at bygge mere intelligent og kompetent kunstig intelligens i fremtiden, og hvordan man sikrer, at AI fungerer sikkert, når det nærmer sig mennesker i sin intelligens.
Interviewet er blevet komprimeret og redigeret for klarhedens skyld.
Hvorfor påtog du dig AI Roadmap-indsatsen med Computing Community Consortium?
Vi ønskede virkelig at fremhæve, hvad der skal til for at AI-systemer bliver mere intelligente på lang sigt. Så, du tænker på samtalegrænseflader som Siri og Alexa – selv i dag, de har stadig mange begrænsninger. Hvad skulle der til for at gøre dem AI-systemer mere bevidste om vores verden? For eksempel, for dem at forstå "Hvad er en mor?" og "Hvorfor er det vigtigt at minde mig om min mors fødselsdag?" Det er den slags spørgsmål, vi stiller i betænkningen.
Vi ønskede at forstå, hvilken forskning der er nødvendig for vores AI-systemer – samtalegrænseflader, de selvkørende biler, robotterne – for at have yderligere muligheder. Hvis vi ikke investerer i langsigtede forskningsområder, der er måske ikke en næste generation af systemer, der vil forstå, hvad vores verden handler om, som vil blive bedre til at lære om deres opgaver, og det vil være mere kompetent.
Hvad betyder udtrykket kunstig intelligens egentlig for dig i 2019?
AI handler i virkeligheden om at studere og skabe evner, som vi typisk forbinder med intelligent adfærd. Disse har tendens til at være relateret til sindet, intelligens og tanke, i modsætning til mere småskala reaktiv adfærd.
Vi tænker normalt på intelligens i form af evner, der involverer tænkning, ræsonnement, læring; i forhold til at håndtere information og komplekse opgaver, der påvirker verden omkring os. Ting som, kan man lære, når man har været igennem mange oplevelser? Eller eksempler? Kan du lære af at observere nogen udføre en opgave? Kan du lære af dine egne fejl? Kan du lære af at blive forklaret, hvordan noget fungerer?
Læring er kun et aspekt af AI. Der er også andre aspekter, der har med ræsonnement at gøre, planlægning og organisering. Og så andre dele af kunstig intelligens relateret til naturligt sprog og kommunikation, og andre relateret til robotteknologi.
Så, der er en masse forskellige intelligente adfærd, som vi inkluderer under paraplyen af AI. I betragtning af at vi har masser af AI-systemer omkring os, et nøglespørgsmål er:Hvordan ophøjer vi dem til at have den næste generation af kapaciteter?
Forsøger AI-forskere virkelig at efterligne menneskelig tankegang? Eller er maskinintelligens noget helt andet?
Godt, meget forskning ser på menneskelig adfærd som inspiration til kunstig intelligens, eller som mål, ved at forsøge at modellere menneskelig intelligens og menneskelig adfærd. Men det er kun en del af samfundet.
Der er andre forskere, ligesom mig, der ser på menneskelig adfærd og bruger det som en motivation til at skabe eller konstruere maskiner, der "tænker, "Uden hensyntagen til, hvordan menneskelig hukommelse fungerer, eller hvad kognitive eksperimenter fortæller os om menneskelig tankegang, eller menneskets biologi eller hjernen. Så, vi har mere en ingeniørmæssig tilgang.
Og nogle gange ser du AI, der berører begge dele - så du vil have virkelig menneskeinspirerede kognitive systemer, der nærmer sig intelligente opgaver, som mennesker ville gøre dem. For eksempel, nogle robotter forsøger at fremstå som menneskelige, men en masse andre robotter vil bare udføre den opgave, og du ved, det er lige meget, hvordan de ser ud. Forskningen skrider frem på tværs af begge områder.
Hvad synes du er særligt imponerende i den nuværende AI-forskning?
At se den succes, som disse systemer har i vigtige anvendelser som medicin og andre videnskabsområder - det er meget spændende for mig. AI-systemer er blevet brugt i medicin i årtier nu, men de var meget komplekse og tidskrævende at bygge, og de ville kun have acceptabel ydeevne på visse områder. Jeg tror nu, vi ser AI-systemer trænge ind i nye områder inden for medicin. For eksempel, AI-systemer er meget gode til at identificere tumorer eller visse typer celler baseret på patologibilleder.
Hvilke store udfordringer tror du skal overvindes for at flytte nålen i AI?
Rapporten fremhæver mange udfordringer organiseret i tre store forskningsområder. En stor udfordring er at integrere efterretningskapaciteter. Lige nu, for eksempel, du har robotter, der støvsuger, du har AI-systemer, der taler, men det er meget svært at integrere disse separate muligheder for at arbejde sammen.
Den anden er kommunikation:hvordan forbinder AI med mennesker og formidler information. I dag, vi taler med AI-systemer, men der er ingen indsatser i samtalen, så misforståelser accepteres, og et produktivt resultat er ønskeligt, men ikke afgørende. Men hvad nu hvis disse ting virkelig betød noget?
Den tredje er selvbevidst læring, så f.eks. hvad skal der til for en kunstig intelligens at tænke:"Jeg burde ikke bruge det, jeg har lært, fordi jeg ikke har set nok eksempler på det endnu" eller "med de få eksempler, jeg har set, Jeg burde analysere dem på nye måder for at få mere information ud af dem." Vi har ikke systemer, der kan gøre det endnu.
Disse spørgsmål præsenterer en meget ambitiøs og spændende forskningsdagsorden for kunstig intelligens i de næste 20 år.
Hvad skal ændres for at AI-forskning kan gøre større fremskridt?
Resultaterne fra rapporten viser, at at forfølge denne forskningsdagsorden, vi skal udvide meget af den nuværende universitetsinfrastruktur til kunstig intelligens. Vi er nødt til at bevæge os ind i en æra, hvor der er mere omfattende akademiske samarbejder om AI-problemer, og mere omfattende ressourcer såsom hardware, dataressourcer og åbne softwareværktøjssæt.
Som inspiration, vi peger på milliardbestræbelser, der gjorde en væsentlig forskel i verden:The Human Genome Project, som virkelig drev feltet af genomics; eller LIGO-projektet, hvilket førte til den eksperimentelle observation af gravitationsbølger. Det, vi siger, er, medmindre vi er på det investeringsniveau, det vil tage meget lang tid at nå det næste niveau af AI-egenskaber.
I USA, vi har mange fantastiske forskere og de bedste universiteter. Jeg mener, at vi skal fortsætte med at støtte individuelle forskningsprojekter, som vi har gjort tidligere, men vi er nødt til at tilføje et væsentligt nyt lag af meget større indsats. Det er grunden til, at rapporten anbefaler oprettelsen af multi-dekadal, forskningscentre på flere universiteter, der vil tage sig af store spørgsmål og store organisationer dedikeret til specifikke problemer.
Hvad er du mest begejstret for i løbet af de næste 20 år i kunstig intelligens?
Jeg tror, at anvendelsen af kunstig intelligens til videnskabelig forskning og opdagelse har potentialet til virkelig at ændre verden, og dette er fokus for min forskning. Der er mange udfordringer i forhold til at repræsentere videnskabelig viden på en maskinlæsbar måde, at integrere AI-systemer som en del af forskningsprocessen. Så, at styrke videnskabsmænd med bedre værktøjer er et virkelig spændende område for mig. Min drøm er, at om 20 år, en videnskabsmand vil komme ind på kontoret om morgenen, og deres AI-system vil fortælle dem om interessante resultater, det arbejdede på natten over. Vi vil være i stand til at gøre opdagelser i et hurtigere tempo, fra at finde kur mod sygdomme til bedre forvaltning af naturressourcer, såsom vand.
Vejen frem ser spændende ud, mildest talt, men hvordan sikrer vi, at folk ikke bliver udeladt, når AI bevæger sig fremad?
Vi skal sikre, at der er rimelige muligheder for alle for at få adgang til denne teknologi. Vi er nødt til at skubbe AI til børnehaveniveau, give børn en mulighed for at forstå, hvordan denne teknologi kan påvirke deres liv, hele vejen til college.
I rapporten, vi anbefaler karrierer for AI-ingeniører ikke kun på doktorgradsniveau, men på alle niveauer, herunder bachelorgrader og endda gymnasieeksamener i AI. Vi har brug for teknikere til at reparere robotter, at forberede data til AI-systemer, og at bruge AI-værktøjer i nye applikationsområder.
Er folk berettigede i deres bekymringer om AI?
Jeg tror, at vi skal være klar over, at når kunstig intelligens bliver implementeret i det virkelige liv i bestemte sektorer, det skaber nye udfordringer for sikkerheden, tillid, og etik. Min første bekymring er de mennesker, der implementerer og betjener AI-systemer, snarere end selve AI-systemet – det er derfor, jeg ville gerne se mere engagement i politik og etisk brug af AI.
I dag, mange AI-implementeringer gennemgår ikke et stadie af sikkerhedsteknisk og etisk tænkning om den særlige brug af teknologien. Så, Det synes jeg, vi skal investere meget mere i. I rapporten, vi anbefaler oprettelsen af nye grader og karriereveje eksplicit om AI-etik og sikkerhed i AI-teknik.
Det er også vigtigt at bemærke, at disse problemer ikke kun er AI-forskernes problem. AI-forskning har så mange konsekvenser og så mange forbindelser til hver disciplin. AI-forskere er oprigtigt begejstrede for at engagere sig i andre samfund. Vi håber, at rapporten vil bidrage til at fremme denne dialog på tværs af discipliner og samfund, på USC og videre.
Hvad synes du er den største myte om kunstig intelligens?
Jeg tror, at mennesker tilskriver intelligens meget generøst. Vi interagerer med et AI-system, og vi begynder at forestille os, at det virkelig forstår os, bare fordi den sagde "hej". Men i virkeligheden, den forstod ikke rigtig noget. AI-systemer opfattes ofte som værende mere dygtige, end de faktisk er. Så, når du bruger eller interagerer med et AI-system, bruge nogle kritiske tænkning om, hvad det virkelig er i stand til på dette tidspunkt.