Industrija
18.02.2018 12:24
Posodobljeno 2 meseca nazaj.

Deli z drugimi:

Share

Umetna inteligenca ne bo “ukradla” naših služb, temveč nam bo celo pomagala

Umetna inteligenca ne bo "ukradla" naših služb, temveč nam bo celo pomagala
Umetna inteligenca ne bo "ukradla" naših služb, temveč nam bo celo pomagala

Stroji prihajajo! Približno tako se počutimo, ko dandanes poslušamo številne napovedi, kako bodo roboti prevzeli naša delovna mesta, kako bodo “ukradli” naš prostor pod soncem in nas celo spremenili v “sužnje” njihovih robotskih potreb. Strokovnjaki so si glede zadeve precej neenotni, eni pravijo, da bodo roboti zgolj nadomestili naše delo, drugi napovedujejo “vstajo strojev” (nekaj podobnega kot v filmih o Terminatorju), spet drugi pomirjajo situacijo in govorijo ravno nasprotno. Komu torej verjeti?


Kot kažejo rezultati zadnje raziskave raziskovalcev na Carnegie Mellon University in Massachusetts Institute of Technology je strah pred zgoraj naštetimi scenariji, vsaj na kratki rok, popolnoma odveč. Umetna inteligenca bi lahko v kočni fazi celo pomagala ljudem, da v svojem delu postanejo bolj učinkoviti, hitrejši in uspešnejši. Torej napovedi, da bo umetna inteligenca popolnoma prevzela nadzor na človeškim življenjem, vsaj na kratki rok, ne držijo in jih moramo jemati zelo z rezervo.


Tom Mitchell, eden od avtorjev raziskave na Univerzi Carnegie Mellon, pravi: “Naši zaključki kažejo na to, da se popolna nadomestitev današnjih delovnih mest s strani računalnikov ne bo zgodila, temveč bo prišlo do evolucije in redefinicije delovnih mest in opravil, ki jih opravljamo danes. Govorimo o načinu, ki bo avtomatiziral opravila, ki so lahko avtomatizirane, to pa bo pomenilo več časa za naloge, ki jih morda do sedaj zaradi časovne stiske nismo mogli izvršiti”. Recimo vzemimo primer zdravnikov, ki se na dnevni ravni srečujejo s tonami papirjev. Ko bo umetna inteligenca vpeljana v zdravstveni sistem do te mere, da bo sposobna nadomestiti delo s papirji, bo to pomenili veliko časa za zdravnika, ki bo lahko ta čas izkoristil za pogovore s pacienti in dejansko obravnavo primerov.

Študija, ki je bila objavljena v znanstveni reviji Science, je pod drobnogled vzela učenje strojev/računlanikov, en steber umetne inteligence, ki računalnikom omogoča, da se naučijo, kako izvesti določeno nalogo glede na zbrane podatke in vzorce, ki iz teh podatkov nastanejo. Načinov, kje vse bi umetna inteligenca dejansko prišla prav, je ogromno, znanstveniki pa so si enotni, da je potrebno pazljivo pristopiti do zadeve, kajti hitro se lahko zgodi, da tehnologija uide izpod nadzora, kar pa je najbolj goreče že opozarjal Elon Musk.


Avtorja raziskave, Tom Mitchell in Erik Brynjolfsson, sta identificirala 21 kriterijev za določanje, ali lahko umetne inteligenca opravi 1.000 različnih poklicev. Kriteriji so med drugim vsebovali faktorje kot so recimo, če je na voljo veliko število podatkov, ali so ti podatki že dostopni na spletu, ali recimo zaposleni morajo sami potegniti prave pozete z podanimi podatki itd. Vidimo lahko, da kakorhitro je govora o umetni inteligenci, je govora istočasno tudi o podatkih.


Mitchell je izpostavil primer dermatologa, čigar naloga je postaviti morebitno diagnozo kožnega raka, glede na fotografije pacientove kože. Na slikah so različni kazalci, ki bi lahko pomenili diagnozo kožnega raka, vendar je na koncu moral dermatolog sam odločiti, ali diagnozo potrdi ali jo ovrže. Prej omenjeni podatki bi v tem primeru bile številne fotografije rakavih in nerakavih znamenj, ki so dostopne zdravniku. Ravno ti isti podatki so med drugim dostopni tudi na spletu, če smo slučajno kdaj bili predolgo na soncu, smo zagotovo že pogledali kakšno tovrstno fotografijo.

Mitchell je potrdil, da je računalniški algoritem natančneje ocenil podane primere kot dermatolog: “Zgodilo se je to, da se je računalniški algoritem v primeru 130.000 testnih primerov naučil, katero znamenje je rakavo in katero ne. Program je uspel priti do boljših rezultatov kot človek dermatolog”.


Torej, če povsem poenostavimo, računalniški algoritem je na podlagi primerov rakavih in nerakavih znamenj sam bil sposoben določiti diagnozo na novih znamenjih, ki jih prej še ni videl. Ravno to je bistvo učenja strojev/računalnikov, da so na podlagi predhodnih vzorcev sposobni sklepati in odločiti nove primere.


Vas zanima več iz te teme?
robotika

Prijavi napako v članku