Q:
Як компанії намагаються додати «спідометр» до роботи штучного інтелекту?
A:Деякі компанії, що працюють над новітніми досягненнями штучного інтелекту, зосереджуються на кількісному оцінці прогресу, який вони досягли, та порівнянні деяких аспектів того, як з часом розвивався штучний інтелект. Існує чимало причин, через які компанії проводять такі типи аналізу. Загалом вони намагаються з’ясувати, наскільки далеко зайшов штучний інтелект, як він стосується нашого життя та як це вплине на ринки.
Деякі компанії проводять мозковий штурм і відстежують прогрес свого штучного інтелекту, щоб з’ясувати, як нові технології можуть впливати на громадянські свободи чи як вони можуть створити нові економічні реалії. Залежно від підходу компанії, такі типи аналізу можуть приймати форму спроб з'ясувати, як користувацькі дані можуть протікати через системи, розуміючи, як працюватимуть інтерфейси, або з'ясовувати, які можливості мають об'єкти штучного інтелекту та як вони можуть використовувати ці можливості.
Що стосується методів, компанії, які намагаються орієнтувати штучний інтелект, можуть зосередитись на виведенні абстрактної інформації - наприклад, стаття Wired цитує проект індексу AI, де працюють такі дослідники, як Рей Перро, який працює в некомерційній лабораторії SRI International. на детальному знімку того, що відбувається в області штучного інтелекту.
"Це щось, що потрібно зробити, частково тому, що там так багато шаленості щодо того, куди йде ШІ", - говорить Перро у статті, коментуючи мотивацію до участі в такому проекті.
Роз'яснюючи, як працює тестування штучного інтелекту, деякі експерти пояснюють, що інженери чи інші сторони, можливо, намагаються провести «жорсткі випробування» для проектів штучного інтелекту, наприклад, намагаючись «обдурити» або «перемогти» системи штучного інтелекту. Цей опис справді лежить в основі того, як компанії можуть по-справжньому контролювати та оцінювати штучний інтелект. Один із способів задуматися над цим - застосувати ті самі ідеї, які програмісти використовували в минулі часи для налагодження лінійних систем коду.
Налагодження лінійних систем коду полягало в тому, щоб знайти місця, де система буде працювати добре - де програма вийде з ладу, де вона замерзне, де буде працювати повільно і т. Д. Йшлося про те, де логічні помилки зупиняють або заплутують проект, де функція не працює належним чином або де може бути якась ненавмисна подія користувача.
Якщо ви подумаєте над цим, сучасне тестування штучного інтелекту може бути подібним зусиллям у зовсім іншій площині - оскільки технології штучного інтелекту є більш пізнавальними, ніж лінійні, тестування має набагато іншу форму, але люди все ще шукають «помилок "- способи, що ці програми можуть мати непередбачувані наслідки, способи їх дії та заподіяння шкоди людським установам тощо. Зважаючи на це, хоча існує багато різних розбіжних методів створення спідометра або еталону для прогресу штучного інтелекту, типи жорстке випробування, описане вище, як правило, дасть людям унікальне уявлення про те, наскільки далеко зайшов штучний інтелект, і що потрібно зробити, щоб він мав більше позитивів, не розвиваючи більше негативів.
