211service.com
Din bedste holdkammerat kan en dag blive en algoritme
PAR
Google lancerer en indsats, som den håber kan gøre mennesker og intelligente maskiner til produktive arbejdskammerater.
Gennem et projekt kaldet People + AI Research, eller PAIR, vil Google frigive værktøjer designet til at hjælpe med at gøre AI-systemernes indre funktioner mere gennemsigtige. Virksomheden lancerer også flere forskningsinitiativer, der har til formål at finde nye måder, hvorpå mennesker og AI-systemer kan samarbejde effektivt.
Der er på det seneste blevet gjort meget ud af potentialet for kunstig intelligens til at eliminere job og erstatte mennesker, men i virkeligheden kan teknologien ofte tjene som en kraftfuld ny slags værktøj, der kun er i stand til at automatisere en del af en persons arbejde.
At finde ud af, hvordan man får mennesker og AI-algoritmer til at samarbejde effektivt, kan have stor økonomisk betydning, og det kan forme den måde, arbejdsstyrken er uddannet på. Det kan også spille en rolle i at dæmpe negative reaktioner på automatiseringens voksende rolle i mange sammenhænge (se Ødelægger teknologi jobs? og Hvem vil eje robotterne?).
Barbara Grosz , en professor ved Harvard University, som længe har argumenteret for, at computerforskere bør designe AI-systemer til at komplementere i stedet for at erstatte mennesker, siger, at denne tilgang er nødvendig, fordi AI stadig er så begrænset i, hvad den kan. Grosz tilføjer, at menneskelige og maskinelle kapaciteter kan summere til mere end summen af deres dele. AI-systemer skal ligesom alle computere udvikles til de mennesker, der skal bruge dem, siger hun.
En vis fornemmelse af, hvordan AI-algoritmer kan samarbejde med mennesker, kan ses i spil. Skak- eller Go-spillere kan slå sig sammen med computerprogrammer for at præstere på et højt niveau. Dette kræver et nyt sæt færdigheder og en ny tilgang til hvert spil.
De sidste par år har set hurtige fremskridt inden for maskinlæring med dramatiske forbedringer i teknisk ydeevne, skrev forskerne i et blogindlæg, hvor de annoncerede initiativet. Men vi tror på, at kunstig intelligens kan gå meget længere – og være mere nyttig for os alle – hvis vi bygger systemer med mennesker i tankerne i starten af processen.
PAIR ledes af Fernanda Viégas og Martin Wattenberg, forskere, der har specialiseret sig i at udvikle visualiseringer, der gør kompleks information mere forståelig. Viégas og Wattenberg har tidligere udviklet en række værktøjer til at belyse adfærden af komplekse og abstrakte maskinlæringsmodeller. Uigennemsigtigheden af sådanne modeller er en voksende bekymring for dem, der håber at implementere dem i en bredere vifte af indstillinger (se The Dark Secret at the Heart of AI).
PAIR-projektet udkommer i dag to værktøjer til at visualisere den slags store datasæt, der bruges til at træne en maskinlæringsmodel til at lave nyttige forudsigelser. Disse visualiseringer kan hjælpe en dataforsker med at identificere anomalier i træningsdata.
Grosz siger, at det er særligt udfordrende at bygge AI-systemer, der fungerer godt med mennesker, dels fordi disse systemer kan være komplekse og uigennemsigtige, men også fordi det er en stor udfordring at interagere med et menneske på en intelligent måde. I enhver situation skal du være i stand til at modellere en persons mentale tilstand, siger hun.