Yolanda Gil, ordförande för Association for the Advancement of Artificial Intelligence (AAAI), diskuterar vad som krävs för att flytta AI framåt utan att flytta säkerheten bakåt.

Året är 2031. Ett utbrott av ett mycket smittsamt myggburet virus i USA har spridit sig snabbt till storstäder runt om i världen. Allt är händer på däck för att stoppa sjukdomen från att spridas – och det inkluderar utbyggnaden av artificiell intelligens (AI)-system, som letar igenom nyheter och sociala medier online efter relevant data och mönster.

Att arbeta med dessa resultat, och data som samlats in från många sjukhus runt om i världen, forskare upptäcker en intressant koppling till ett sällsynt neurologiskt tillstånd och en behandling utvecklas. Inom några dagar, sjukdomen är under kontroll. Det är inte svårt att föreställa sig detta scenario – men om framtida AI-system kommer att vara tillräckligt kompetenta för att göra jobbet beror till stor del på hur vi tacklar AI-utvecklingen idag.

Det är enligt en ny 20-årig färdplan för artificiell intelligens, medförfattare av Yolanda Gil, en professor i datavetenskaplig forskning vid USC och forskningsdirektör vid USC Viterbi Information Sciences Institute (ISI), med datavetenskapsexperter från universitet i hela USA

Nyligen publicerad av Computing Community Consortium, finansierad av National Science Foundation, färdplanen syftar till att identifiera utmaningar och möjligheter i AI-landskapet, och för att informera framtida beslut, politik och investeringar på detta område.

Som ordförande för Association for the Advancement of Artificial Intelligence (AAAI), Gil ledde färdplanen tillsammans med Bart Selman, en professor i datavetenskap vid Cornell University.

Vi pratade med Gil om vad AI betyder idag, vad som krävs för att bygga mer intelligent och kompetent AI i framtiden, och hur man säkerställer att AI fungerar säkert när den närmar sig människor i sin intelligens.

Intervjun har förtätats och redigerats för tydlighetens skull.

Varför genomförde du AI Roadmap-satsningen med Computing Community Consortium?

Vi ville verkligen lyfta fram vad som krävs för att AI-system ska bli mer intelligenta på lång sikt. Så, du tänker på konversationsgränssnitt som Siri och Alexa – även idag, de har fortfarande många begränsningar. Vad skulle det krävas för att göra dem AI-system mer medvetna om vår värld? Till exempel, för att de ska förstå "Vad är en mamma?" och "Varför är det viktigt att påminna mig om min mammas födelsedag?" Det är den typen av frågor vi ställer i rapporten.

Vi ville förstå vilken forskning som behövs för våra AI-system – konversationsgränssnitten, de självkörande bilarna, robotarna – för att ha ytterligare kapacitet. Om vi ​​inte investerar i långsiktiga forskningsområden, det kanske inte finns en nästa generation av system som kommer att förstå vad vår värld handlar om, som kommer att bli bättre på att lära sig om deras uppgifter, och det blir mer kompetent.

Vad betyder egentligen frasen artificiell intelligens för dig 2019?

AI handlar egentligen om att studera och skapa förmågor som vi vanligtvis förknippar med intelligenta beteenden. Dessa tenderar att vara relaterade till sinnet, intelligens och tanke, i motsats till mer småskaliga reaktiva beteenden.

Vi brukar tänka på intelligens i termer av förmågor som involverar tänkande, resonemang, inlärning; när det gäller att hantera information och komplexa uppgifter som påverkar omvärlden. Saker som, kan du lära dig när du har gått igenom många upplevelser? Eller exempel? Kan du lära dig av att observera någon som gör en uppgift? Kan du lära dig av dina egna misstag? Kan du lära dig av att förklaras hur något fungerar?

Lärande är bara en aspekt av AI. Det finns även andra aspekter som har med resonemang att göra, planera och organisera. Och så andra delar av AI relaterade till naturligt språk och kommunikation, och andra relaterade till robotik.

Så, det finns många olika intelligenta beteenden som vi inkluderar under paraplyet för AI. Med tanke på att vi har många AI-system runt omkring oss, en nyckelfråga är:Hur lyfter vi dem till att ha nästa generations kapacitet?

Försöker AI-forskare verkligen efterlikna mänskliga tankar? Eller är maskinintelligens något helt annat?

Väl, mycket forskning ser på mänskligt beteende som en inspiration för AI, eller som mål, genom att försöka modellera mänsklig intelligens och mänskligt beteende. Men det är bara en del av samhället.

Det finns andra forskare, som jag, som tittar på mänskligt beteende och använder det som en motivation för att skapa eller konstruera maskiner som "tänker, "utan hänsyn till hur mänskligt minne fungerar, eller vad kognitiva experiment säger oss om mänskligt tänkande, eller mänsklig biologi eller hjärnan. Så, vi tar mer av ett tekniskt tillvägagångssätt.

Och ibland ser du AI som berör båda – så du kommer att ha verkligt mänskligt inspirerade kognitiva system som närmar sig intelligenta uppgifter som människor skulle göra dem. Till exempel, vissa robotar försöker framstå som mänskliga, men många andra robotar kommer bara att göra vilken uppgift och du vet, det spelar ingen roll hur de ser ut. Forskningen går framåt inom båda områdena.

Vad tycker du är särskilt imponerande i aktuell AI-forskning?

Att se framgången med dessa system i viktiga tillämpningar som medicin och andra vetenskapsområden - det är väldigt spännande för mig. AI-system har använts inom medicin i decennier nu, men de var mycket komplexa och tidskrävande att bygga, och de skulle bara ha acceptabel prestanda inom vissa områden. Jag tror att vi nu ser AI-system penetrera nya områden inom medicinen. Till exempel, AI-system är mycket bra på att identifiera tumörer eller vissa typer av celler baserat på patologibilder.

Vilka stora utmaningar tror du måste övervinnas för att flytta nålen i AI?

Rapporten belyser många utmaningar organiserade i tre stora forskningsområden. En stor utmaning är att integrera intelligenskapacitet. Just nu, till exempel, du har robotar som dammsuger, du har AI-system som talar, men det är väldigt svårt att integrera dessa separata förmågor för att fungera tillsammans.

Den andra är kommunikation:hur ansluter AI till människor och förmedlar information. I dag, vi pratar med AI -system, men det finns inga insatser i konversationen, så missförstånd accepteras, och ett produktivt resultat är önskvärt, men inte avgörande. Men tänk om dessa saker verkligen var viktiga?

Det tredje är självmedvetet lärande, så till exempel, vad skulle det ta för en AI att tänka:"Jag borde inte använda det jag har lärt mig eftersom jag inte har sett tillräckligt många exempel på det ännu" eller "med tanke på de få exemplen jag har sett, Jag borde analysera dem på nya sätt för att få ut mer information ur dem." Vi har inga system som kan göra det ännu.

Dessa frågor presenterar en mycket ambitiös och spännande forskningsagenda för AI under de kommande 20 åren.

Vad måste förändras för att AI-forskning ska göra större framsteg?

Resultaten från rapporten visar att, att driva denna forskningsagenda, vi behöver bygga ut mycket av den nuvarande universitetsinfrastrukturen för AI. Vi måste gå in i en era där det finns mer omfattande akademiska samarbeten kring AI-problem, och mer betydande resurser som hårdvara, dataresurser och öppna programvaruverktyg.

Som inspiration, vi pekar på miljardsatsningar som gjorde en betydande skillnad i världen:The Human Genome Project, som verkligen drev genomikområdet; eller LIGO-projektet, vilket ledde till experimentell observation av gravitationsvågor. Vad vi säger är om vi inte är på den investeringsnivån, det kommer att ta mycket lång tid att komma till nästa nivå av AI-kapacitet.

I USA, vi har många fantastiska forskare och de bästa universiteten. Jag tror att vi måste fortsätta att stödja enskilda forskningsprojekt som vi har gjort tidigare, men vi måste lägga till ett betydande nytt lager av mycket större ansträngningar. Det är därför som rapporten rekommenderar skapandet av multi-decadal, multiuniversitetsforskningscentra som kommer att ta sig an stora frågor och stora organisationer som ägnar sig åt specifika problem.

Vad är du mest exalterad över under de kommande 20 åren inom AI?

Jag tror att tillämpningen av AI för vetenskaplig forskning och upptäckt har potential att verkligen förändra världen, och detta är fokus för min forskning. Det finns många utmaningar när det gäller att representera vetenskaplig kunskap på ett maskinläsbart sätt, att integrera AI-system som en del av forskningsprocessen. Så, Att ge forskare bättre verktyg är ett riktigt spännande område för mig. Min dröm är att om 20 år, en forskare kommer in på kontoret på morgonen och deras AI-system kommer att berätta för dem om intressanta resultat som det arbetade med över natten. Vi kommer att kunna göra upptäckter i en snabbare takt, från att hitta botemedel mot sjukdomar till att bättre hantera naturresurser, som vatten.

Vägen framåt ser spännande ut, minst sagt, men hur säkerställer vi att människor inte lämnas utanför när AI går framåt?

Vi måste se till att det finns rättvisa möjligheter för alla att få tillgång till denna teknik. Vi måste driva AI till dagisnivå, ge barnen en möjlighet att förstå hur denna teknik kan påverka deras liv, hela vägen till college.

I rapporten, vi rekommenderar karriärer för AI-ingenjörer, inte bara på doktorandnivå, men på alla nivåer, inklusive kandidatexamen och till och med gymnasieexamen i AI. Vi behöver tekniker för att reparera robotar, att förbereda data för AI-system, och att använda AI-verktyg i nya applikationsområden.

Är människor berättigade i sin oro för AI?

Jag tror att vi måste vara medvetna om att när AI används i verkliga livet i vissa sektorer, det skapar nya utmaningar för säkerheten, förtroende, och etik. Min första oro är människorna som distribuerar och driver AI-system, snarare än själva AI-systemet — det är därför jag skulle vilja se mer engagemang i policy och etisk användning av AI.

I dag, många AI-installationer går inte igenom ett skede av säkerhetsteknik och etiskt tänkande om just den användningen av tekniken. Så, Jag tycker att vi borde satsa mycket mer på det. I rapporten, vi rekommenderar skapandet av nya examina och karriärvägar uttryckligen om AI-etik och säkerhet inom AI-teknik.

Det är också viktigt att notera att dessa frågor inte bara är AI-forskarnas problem. AI-forskning har så många förgreningar och så många kopplingar till varje disciplin. AI-forskare är verkligen glada över att engagera sig med andra samhällen. Vi hoppas att rapporten kommer att bidra till att främja denna dialog mellan discipliner och samhällen, vid USC och vidare.

Vad tycker du är den största myten om AI?

Jag tror att människor tillskriver intelligens till AI väldigt generöst. Vi interagerar med ett AI-system, och vi börjar inbilla oss att det verkligen förstår oss, bara för att det sa "hej". Men i verkligheten, den förstod egentligen ingenting. AI-system uppfattas ofta som mer kapabla än vad de faktiskt är. Så, när du använder eller interagerar med ett AI-system, använd lite kritiskt tänkande om vad den verkligen är kapabel till vid denna tidpunkt.