Sisu
K:
Kuidas üritavad ettevõtted tehisintellekti tööle lisada "spidomeetri"?
A:
Mõned ettevõtted, kes tegelevad tehisintellekti uusimate edusammudega, on keskendunud saavutatud edusammude kvantifitseerimisele ja mõnede tehisintellekti aja jooksul arenenud aspektide võrdlusuuringutele. On palju põhjuseid, miks ettevõtted seda tüüpi analüüse teostavad. Üldiselt üritavad nad välja mõelda, kui kaugele on tehisintellekt jõudnud, kuidas see meie elule rakendub ja kuidas see turge mõjutab.
Mõned ettevõtted teevad ajurünnakuid ja jälgivad oma tehisintellekti arengut, et teada saada, kuidas uued tehnoloogiad võivad mõjutada kodanikuvabadusi või kuidas need võivad luua uue majandusreaalsuse. Sõltuvalt ettevõtte lähenemisviisist võivad seda tüüpi analüüsid toimuda katsetena välja selgitada, kuidas kasutajaandmed võivad süsteemides läbi voolata, saada aru, kuidas liidesed töötavad, või välja selgitada, mis võimalused on tehisintellekti üksustel ja kuidas nad neid võimalusi kasutada võivad.
Meetodite osas võivad tehisintellekti võrdlusnäitajaid proovivad ettevõtted keskenduda abstraktse teabe lagundamisele - näiteks viitab Wiredi artikkel AI-indeksi projektile, kus töötavad sellised teadlased nagu Ray Perrault, kes töötab mittetulundusühingus SRI International. tehisintellekti valdkonnas toimuva üksikasjaliku ülevaate kohta.
"See on midagi, mida tuleb teha, osaliselt seetõttu, et seal on nii palju hullust, et AI läheb," ütleb Perrault artiklis, kommenteerides motivatsiooni seda tüüpi projekti vastu võtta.
Selgitades, kuidas tehisintellekti võrdlusuuringud toimivad, selgitavad mõned eksperdid, et insenerid või muud osapooled võivad proovida tehisintellekti projektide jaoks nn tugevat testimist, näiteks üritades tehisintellekti süsteeme "trügida" või "lüüa". Selline kirjeldus läheb tõesti südamele, kuidas ettevõtted saavad tehisintellekti tõeliselt jälgida ja hinnata. Üks viis sellele mõelda on rakendada samu ideesid, mida programmeerijad varasematel aegadel lineaarsete koodisüsteemide silumiseks kasutasid.
Lineaarsete koodide süsteemide silumine oli mõeldud nende kohtade leidmiseks, kus süsteem hästi töötaks - kus programm krahhiks, kus see külmuks, kus see töötaks aeglaselt jne. See pidi leidma koha, kus loogilised vead projekti peatavad või segavad, kus funktsioon ei töötaks õigesti või kus võib esineda kasutaja tahtmatuid sündmusi.
Kui järele mõelda, võib tehisintellekti tänapäevane testimine olla samasugune ettevõtmine ka väga erineval tasandil - kuna tehisintellekti tehnoloogiad on pigem kognitiivsed kui lineaarsed, testimine toimub palju teistsugusel kujul, kuid inimesed otsivad ikkagi „vead” ”- viisid, kuidas nendel programmidel võivad olla soovimatud tagajärjed, viisid, kuidas need võivad välja käia ja kahjustada iniminstitutsioone, jne. Seda silmas pidades, ehkki on olemas palju erinevaid meetodeid, kuidas luua tehisintellekti edenemise jaoks spidomeeter või etalon, on Ülalkirjeldatud raske testimine annab inimestele ainulaadse ülevaate sellest, kui kaugele on tehisintellekt jõudnud ning mida tuleb teha, et see edastaks rohkem positiivseid, ilma et tekiks rohkem negatiivseid.