Videnskab
 science >> Videnskab >  >> Elektronik

Hvad er hemmeligheden til at sikre, at kunstig intelligens ikke stjæler dit job? Arbejd med det, ikke imod det

Kredit:Shutterstock

Uanset om det er atleter på en sportsplads eller berømtheder i junglen, er der intet, der fanger vores opmærksomhed som dramaet ved at dyste om en enkelt pris. Og når det kommer til udviklingen af ​​kunstig intelligens (AI), er nogle af de mest fængslende øjeblikke også blevet leveret i neglebidende finish.

I 1997 blev IBMs Deep Blue skakcomputer stillet op mod stormester og regerende verdensmester Garry Kasparov, efter at have tabt til ham året før.

Men denne gang vandt AI. Det populære kinesiske spil Go var det næste, i 2016, og igen var der en kollektiv indånding, da Googles AI vandt. Disse konkurrencer illustrerer elegant, hvad der er unikt ved AI:vi kan programmere det til at gøre ting, vi ikke selv kan, såsom at slå en verdensmester.

Men hvad nu hvis denne indramning slører noget livsvigtigt - at menneskelig og kunstig intelligens ikke er det samme? AI kan hurtigt behandle enorme mængder data og blive trænet til at udføre specifikke opgaver; menneskelig intelligens er væsentligt mere kreativ og tilpasningsdygtig.

Det mest interessante spørgsmål er ikke, hvem der vinder, men hvad kan mennesker og AI opnå sammen? At kombinere begge former for intelligens kan give et bedre resultat, end begge kan opnå alene.

Dette kaldes kollaborativ intelligens. Og dette er præmissen for CSIROs nye A$12 millioner Collaborative Intelligence (CINTEL) Future Science Platform, som vi leder.

Skakmatkammerater

Selvom skak er blevet brugt til at illustrere AI-menneskelig konkurrence, er det også et eksempel på kollaborativ intelligens. IBMs Deep Blue slog verdensmesteren, men gjorde ikke mennesker forældede. Menneskelige skakspillere, der samarbejder med AI, har vist sig at være overlegne i forhold til både de bedste AI-systemer og menneskelige spillere.

Og selvom sådan "freestyle" skak kræver både fremragende menneskelige færdigheder og AI-teknologi, kommer de bedste resultater ikke blot ved at kombinere den bedste AI med den bedste stormester. Processen, hvorigennem de samarbejder, er afgørende.

Så for mange problemer - især dem, der involverer komplekse, variable og svære at definere kontekster - vil vi sandsynligvis opnå bedre resultater, hvis vi designer AI-systemer eksplicit til at arbejde med menneskelige partnere og giver mennesker færdighederne til at fortolke AI-systemer.

Et simpelt eksempel på, hvordan maskiner og mennesker allerede arbejder sammen, findes i sikkerhedsfunktionerne i moderne biler. Lane Keep assist-teknologi bruger kameraer til at overvåge vognbanemarkeringer og justerer styretøjet, hvis bilen ser ud til at køre ud af sin vognbane.

Maskiner kan udføre gentagne og farlige arbejde, men kun i et fastlagt miljø. De kan ikke overføre deres færdigheder, som mennesker kan. Kredit:Shutterstock

Men hvis den fornemmer, at føreren aktivt styrer væk, vil den afstå, så mennesket forbliver ansvarlig (og AI fortsætter med at hjælpe i den nye vognbane). Dette kombinerer styrkerne ved en computer, såsom ubegrænset koncentration, med menneskets, såsom at vide, hvordan man reagerer på uforudsigelige begivenheder.

Der er potentiale for at anvende lignende tilgange til en række andre udfordrende problemer. I cybersikkerhedsmiljøer kunne mennesker og computere arbejde sammen for at identificere, hvilke af de mange trusler fra cyberkriminelle der er de mest presserende.

På samme måde kan kollaborativ intelligens inden for biodiversitetsvidenskab bruges til at give mening i et massivt antal prøver, der er anbragt i biologiske samlinger.

Lægger fundamentet

Vi ved nok om kollaborativ intelligens til at sige, at den har et enormt potentiale, men det er et nyt forskningsfelt – og der er flere spørgsmål end svar.

Gennem CSIROs CINTEL-program vil vi udforske, hvordan mennesker og maskiner arbejder og lærer sammen, og hvordan denne måde at samarbejde på kan forbedre menneskets arbejde. Specifikt vil vi behandle fire grundlag for kollaborativ intelligens:

  1. samarbejdende arbejdsgange og processer . Kollaborativ intelligens kræver nytænkning af arbejdsgange og processer for at sikre, at mennesker og maskiner komplementerer hinanden. Vi vil også undersøge, hvordan det kan hjælpe folk med at udvikle nye færdigheder, der kan være nyttige på tværs af områder af arbejdsstyrken
  2. situationsbevidsthed og forståelseshensigt . At arbejde hen imod de samme mål og sikre, at mennesker forstår en opgaves aktuelle fremskridt
  3. tillid . Samarbejdsbaserede efterretningssystemer vil ikke fungere uden folk, der har tillid til maskinerne. Vi skal forstå, hvad tillid betyder i forskellige sammenhænge, ​​og hvordan man etablerer og fastholder tillid
  4. kommunikation . Jo bedre kommunikation mellem mennesker og maskine er, jo bedre samarbejde. Hvordan sikrer vi, at begge forstår hinanden?

Roboterne er gentænkt

Et af vores projekter vil involvere at arbejde sammen med det CSIRO-baserede robotteknologi- og autonome systemteam for at udvikle et rigere menneske-robotsamarbejde. Kollaborativ intelligens vil gøre det muligt for mennesker og robotter at reagere på ændringer i realtid og træffe beslutninger sammen.

For eksempel bruges robotter ofte til at udforske miljøer, der kan være farlige for mennesker, såsom i redningsmissioner. I juni blev robotter sendt for at hjælpe med eftersøgnings- og redningsoperationer, efter at en 12-etagers lejlighedsbygning kollapsede i Surfside, Florida.

Ofte er disse missioner dårligt definerede, og mennesker skal bruge deres egen viden og færdigheder (såsom ræsonnement, intuition, tilpasning og erfaring) for at identificere, hvad robotterne skal gøre. Selvom det i starten kan være svært at udvikle et ægte menneske-robothold, vil det sandsynligvis være mere effektivt på lang sigt til komplekse missioner.

Varme artikler