• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • AI:s nuvarande hype och hysteri kan sätta tekniken tillbaka med årtionden

    AI är inte så skrämmande som vi föreställer oss. Kredit:AndreyZH/Shutterstock

    De flesta diskussioner om artificiell intelligens (AI) kännetecknas av överdrift och hysteri. Även om några av världens mest framstående och framgångsrika tänkare regelbundet förutspår att AI antingen kommer att lösa alla våra problem eller förstöra oss eller vårt samhälle, och pressen rapporterar ofta om hur AI kommer att hota jobben och öka ojämlikheten, Det finns faktiskt väldigt lite bevis för att stödja dessa idéer. Vad mer, detta kan faktiskt vända folk mot AI-forskning, att få betydande framsteg inom tekniken att stanna.

    Överdriften kring AI härrör till stor del från dess marknadsföring av tekniska evangelister och egenintresserade investerare. Googles vd Sundar Pichai förklarade AI som "förmodligen det viktigaste som mänskligheten någonsin har arbetat med." Med tanke på AIs betydelse för Googles affärsmodell, han skulle säga det.

    Vissa hävdar till och med att AI är en lösning på mänsklighetens grundläggande problem, inklusive döden, och att vi så småningom kommer att gå samman med maskiner för att bli en ostoppbar kraft. Uppfinnaren och författaren Ray Kurzweil har berömt hävdat att denna "Singularitet" kommer att inträffa så snart som 2045.

    Hysterin kring AI kommer från liknande källor. Sådana som fysikern Stephen Hawking och miljardären tech-entreprenören Elon Musk varnade för att AI utgör ett existentiellt hot mot mänskligheten. Om AI inte förstör oss, domesagarna argumenterar, då kan det åtminstone orsaka massarbetslöshet genom jobbautomatisering.

    Verkligheten för AI är för närvarande väldigt annorlunda, särskilt när man ser på hotet från automatisering. Tillbaka 2013, forskare uppskattade att under de följande tio till 20 åren, 47 % av jobben i USA kunde automatiseras. Sex år senare, istället för en trend mot massjobblöshet, vi ser faktiskt den amerikanska arbetslösheten på en historisk låg nivå.

    Ännu fler arbetstillfällen har hotats för EU. Men tidigare bevis tyder på annat, med tanke på att mellan 1999 och 2010, automatisering skapade 1,5 miljoner fler jobb än den förstörde i Europa.

    AI gör inte ens avancerade ekonomier mer produktiva. Till exempel, under de tio åren efter finanskrisen, Arbetsproduktiviteten i Storbritannien växte i sin långsammaste genomsnittstakt sedan 1761. Bevis visar att även globala superstjärnföretag, inklusive företag som är bland de främsta investerarna i AI och vars affärsmodeller beror på det som Google, Facebook och Amazon, har inte blivit mer produktiva. Detta motsäger påståenden om att AI oundvikligen kommer att öka produktiviteten.

    Så varför förverkligas inte de samhällsomvandlande effekterna av AI? Det finns minst fyra skäl. Först, AI diffunderar genom ekonomin mycket långsammare än de flesta tror. Detta beror på att de flesta nuvarande AI bygger på att lära sig från stora mängder data och det är särskilt svårt för de flesta företag att generera tillräckligt med data för att göra algoritmerna effektiva eller helt enkelt ha råd att anlita dataanalytiker. En manifestation av den långsamma spridningen av AI är den växande användningen av "pseudo-AI" där ett företag verkar använda en online AI-bot för att interagera med kunder men som i själva verket är en människa som verkar bakom kulisserna.

    Den andra anledningen är att AI-innovation blir svårare. Maskininlärningstekniker som har drivit fram de senaste framstegen kan redan ha producerat sina mest lättillgängliga prestationer och verkar nu uppleva minskande avkastning. Den exponentiellt ökande kraften hos datorhårdvara, som beskrivs av Moores lag, kan också ta slut.

    Relaterat till detta är det faktum att de flesta AI-applikationer inte är så innovativa, med AI som oftast används för att finjustera och störa befintliga produkter snarare än att introducera radikalt nya produkter. Till exempel, Carlsberg investerar i AI för att förbättra kvaliteten på sitt öl. Men det är fortfarande öl. Heka är ett amerikanskt företag som producerar en säng med inbyggd AI för att hjälpa människor att sova bättre. Men det är fortfarande en säng.

    Tredje, den långsamma tillväxten av konsumentefterfrågan i de flesta västländer gör det olönsamt för de flesta företag att investera i AI. Ändå övervägs denna typ av gräns för efterfrågan nästan aldrig när effekterna av AI diskuteras, dels för att akademiska modeller för hur automatisering kommer att påverka ekonomin är fokuserade på arbetsmarknaden och/eller ekonomins utbudssida.

    Fjärde, AI utvecklas egentligen inte för allmän tillämpning. AI-innovation är överväldigande i visuella system, slutligen avsedd för användning i förarlösa bilar. Ändå är sådana bilar mest kända för sin frånvaro på våra vägar, och tekniska gränser innebär att de sannolikt kommer att förbli så under lång tid.

    Nytänkande behövs

    Självklart, AI:s lilla inverkan under det senaste förflutna utesluter inte större effekter i framtiden. Oväntade framsteg inom AI kan fortfarande leda till en "robocalypse". Men det måste komma från en annan typ av AI. Det vi för närvarande kallar "AI" – big data och maskininlärning – är inte riktigt intelligent. Det är i huvudsak korrelationsanalys, letar efter mönster i data. Maskininlärning genererar förutsägelser, inte förklaringar. I kontrast, mänskliga hjärnor är berättande enheter som genererar förklaringar.

    Som ett resultat av hypen och hysterin, många regeringar försöker ta fram nationella AI-strategier. Internationella organisationer skyndar sig att ses för att vidta åtgärder, hålla konferenser och publicera flaggskeppsrapporter om framtidens arbete. Till exempel hävdar United Nations University Center for Policy Research att AI "omvandlar den geopolitiska ordningen" och, ännu mer otroligt, att "en förändring i maktbalansen mellan intelligenta maskiner och människor redan är synlig."

    Den här "slingrande" debatten om AI:s nuvarande och nära framtida tillstånd hotar både en kapprustning av AI och kvävande regler. Detta kan leda till olämpliga kontroller och dessutom förlust av allmänhetens förtroende för AI-forskning. Det kan till och med påskynda ännu en AI-vinter – som inträffade på 1980-talet – där intresse och finansiering försvinner i år eller till och med årtionden efter en period av besvikelse. Allt i en tid då världen behöver mer, inte mindre, teknisk innovation.

    Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.




    © Vetenskap http://sv.scienceaq.com