Vedci sa už dlho snažia vytvoriť super-inteligentné roboty, ktoré by mali svoje vlastné pocity. Podľa najnovších objavov je to možné, avšak existuje príliš veľa prekážok a neznámych, ktoré stoja v ceste za úspechom tejto vízie.

Existuje spôsob, ako dať robotom schopnosť cítiť

Neurovedci Kingson Man a Antonio Damasio hovoria, že existuje možnosť, aby roboty dostali možnosť cítiť a vnímať pocity, emócie a podobne. Jednoducho stačí postaviť robota so schopnosťou vnímať nebezpečenstvo pre jeho vlastnú existenciu. Potom by si musel vyvinúť pocity, ktoré by zaistili správanie potrebné na zabezpečenie jeho vlastného prežitia.

„Dnešným robotom chýbajú pocity,“ píšu Man a Damasio v novom dokumente v Nature Machine Intelligence.

Man a Damasio navrhujú stratégiu na zavádzanie strojov s umelou inteligenciou (AI) pomocou umelého ekvivalentu emócií a pocitov. Tento návrh vo svojom jadre vyžaduje stroje určené na dodržiavanie biologického princípu homeostázy. Táto myšlienka hovorí, že život sa musí regulovať tak, aby zostal v úzkom rozmedzí vhodných podmienok. Tým myslíme napríklad udržiavanie teplotnej a chemickej rovnováhy v rámci limitov životaschopnosti. Takéto pocity by robota s umelou inteligenciou nielen motivovali k seba-záchrannému správaniu, ako tomu veria Man a Damasio.

Typické dnešné inteligentné stroje sú navrhnuté tak, aby vykonávali konkrétnu úlohu, na ktorú sú zostrojené ako napríklad diagnostikovanie chorôb, riadenie vozidla alebo hranie hier. Avšak inteligencia v jednom špecifickom odbore nie je to isté ako všeobecná ľudská inteligencia, ktorú využívame na zvládnutie najrôznejších situácií. Vedci už dlho hľadajú tajný recept na to, aby roboty mohli mať práve takúto formu všeobecnej inteligencie.

Recept na vôľu prežiť

Pocity vyplývajú z potreby prežiť. Keď ľudia udržiavajú robota v životaschopnom stave – všetky drôty sú pripojené, je správne množstvo elektrického prúdu, pohodlná teplota – robot sa nemusí starať o svoje vlastné „zdravie“”. Takže nepotrebuje pocity a emócie. V nevyhnutnom prípade proste len signalizuje, že potrebuje opravu.

Problém je však v tom, že ak chce robot vnímať takéto hrozby sám, musí porozumieť svojmu vnútornému stavu. Kľúčom k tomuto výsledku môžu byť dve ingrediencie. Prvou je tzv mäkká robotika (soft robotics) a hlboké učenie (deep learning). Pokrok v mäkkej robotike by mohol poskytnúť suroviny pre stroje s pocitmi. Na druhej strane, hlboké vzdelávanie si vyžaduje viac vrstiev neurónovej siete. Vzory v jednej vrstve vystavenej externému vstupu sa prenášajú na ďalšiu vrstvu a potom na ďalšiu. Hlboké učenie môže tieto vzorce rozdeliť do kategórií, identifikovať objekty alebo určiť, či CT sken odhalí príznaky rakoviny alebo inej choroby.

Dve hlavné pravidlá

V prípade úspešného vytvorenia takéhoto robota navrhujú Man a Damasio svoje vlastné pravidlá pre robotov: 1. Cítiť sa dobre. 2. Cítiť empatiu.

„Za predpokladu, že robot, ktorý už je schopný skutočne cítiť, bude povinne spájať jeho pocity a pocity ostatných, povedie to k etickému a spoločenskému správaniu,“ tvrdia neurovedci.

Otázkou však je, či sa takýto robot bude striktne držať týchto pravidiel alebo sa vymkne kontrole, pričom sa môže stať veľmi nebezpečným…

Čo čítať ďalej?

Únik ropy pri Brazílii môže spôsobiť obrovskú ekologickú katastrofu

Zdroj:
sciencenews.org

The post Vôľa prežiť môže dostať umelú inteligenciu (AI) na novú, nebezpečnú úroveň appeared first on KRYPTOMAGAZIN.

Umelá inteligencia nadobúda v spoločnosti stále väčší význam. Pomáha určiť, kto bude zamestnaný, kto dostane pôžičku, a dokonca i ako dlho strávi odsúdený vo väzení. Rozhodnutia, ktoré bežne robievali ľudia, teraz stále väčšmi vykonávajú algoritmy. Čo ak sa ale algoritmy mýlia?

Čo je kognitívny bias?

Kognitívny bias je systematická chyba v myslení, ktorá ovplyvňuje rozhodnutia a úsudky, ktoré ľudia robia. Možno tiež povedať, že ide o skratkovité myslenie alebo predsudok. Biasy sa často týkajú pamäte alebo pozornosti. Človek si jednoducho nemôže všetko pamätať a vnímať, a preto sú jeho pamäť i pozornosť selektívne.

Príkladom kognitívneho biasu je napríklad konfirmačný bias. Pri tomto biase si nevedomky všímame informácie, ktoré potvrdzujú náš názor, a ignorujeme všetko, čo nášmu názoru protirečí. Predstavte si, že si myslíte, že ľavorukí ľudia sú kreatívnejší. Nuž, vždy keď stretnete ľavorukú osobu, ktorá je kreatívna, utvrdíte sa vo svojom názore. Keď ale zbadáte pravorukého a kreatívneho človeka, existenciu tejto kombinácie odignorujete.

Umelá inteligencia a bias

Mnoho dnešných aplikácií umelej inteligencie je založených na hlbokom učení. Tieto algoritmy hľadajú v dátach vzorce, ktoré ďalej aplikujú. Motto takejto umelej inteligencie by mohlo znieť: „Nájdi vzorec, aplikuj vzorec!“ Táto umelá inteligencia sa dokáže učiť a určitým spôsobom aj vnímať. A tiež sa dopúšťa biasov.

V USA sa používa v súdnom procese softvér, ktorý napríklad predikuje pravdepodobnosť recidívy u páchateľov. Táto umelá inteligencia teda napovedá, aké bude ďalšie správanie súdeného. Ukázalo sa, že softvér zrejme trpí biasom. A tak černoch a beloch, ktorí vykonajú rovnaký trestný čin, sú umelou inteligenciou vnímaní odlišne. A rovnako odlišne znie i predpoveď ohľadom ich budúceho konania.

Iným príkladom sú dokumentované prípady, kedy umelá inteligencia nepustila aziatov cez pasovú kontrolu, pretože podľa nej majú aziati zatvorené oči a pri kontrole systémom predsa musíte mať oči otvorené. S užšími očami softvér jednoducho neráta. V Amazone zas zistili, že ich algoritmus na nábor nových zamestnancov nemá rád ženy. Ups, ďalší bias.

Zaujíma vás, čo si umelá inteligencia myslí o kryptomenách? Prečítajte si o našom experimente! Aj Čína používa umelú inteligenciu počas súdnych procesov. Ako? Čítajte tu!

Ako sa umelá inteligencia učí predsudkom?

Za najčastejšie vysvetlenie chýb v úsudkoch umelej inteligencie sú považované dáta a to dvomi spôsobmi. Po prvé, už samotné dáta, z ktorých algoritmus vychádza a v ktorých hľadá vzorce, obsahujú biasy, respektíve reflektujú existujúce predsudky v spoločnosti. Tie sa umelá inteligencia naučí a ďalej ich replikuje. Po druhé, dáta nereprezentujú realitu, pretože je algoritmus nakŕmený veľkým počtom fotiek bielych mužov a malým počtom čiernych mužov. Je zrejmé, že algoritmus bude následne horšie rozoznávať tváre čiernych mužov.

Chyby sa dejú aj inde. Keď vytvárate algoritmus, má slúžiť určitému účelu, napríklad predikovať schopnosť splácať úver zákazníka. Problémom je, že už samotná táto „schopnosť“ je myšlienkovým konštruktom, ktorý musí byť preložený do jazyka algoritmu a musí byť nejakým spôsobom počítateľný. Atribúty, ktoré zvolíte, ovplyvnia výsledky.

Čo čítať ďalej?

AlphaZero od Google – revolúcia v oblasti umelej inteligencie

Nepremeškajte naše ďalšie spravodajstvo a prihláste sa na odber noviniek (návod nájdete tu). Nezabudnite nás tiež sledovať na našom Facebooku a najnovšie aj na Instagrame a Twitteri.

Zdroje:
wired.com
technologyreview.com

The post Má aj umelá inteligencia predsudky? appeared first on KRYPTOMAGAZIN.

Počuli ste už niekedy pojem dátová sila? Sú to obrovské úložiská dát (väčšinou firemné). Problémom je, že väčšina týchto dát nikdy neprejde analýzou, pretože je to príliš drahé a náročné. DxChain si na tento problém posvieti. Tento ambiciózny projekt integruje blockchain a už existujúce, centralizované technológie.  

Získajte exkluzívne členstvo na Trading11 iba za 10 € mesačne

DxChain chce v podstate vytvoriť komplexné riešenie pre prácu s veľkými dátami. V prvom rade chce DxChain poskytnúť možnosť ukladať dáta na obrej decentralizovanej sieti. To by malo značne znížiť náklady na ukladanie dát. Užívatelia, ktorý poskytnú svoje úložiská, budú odmeňovaní v DX tokenoch. Ďalej chce tento projekt vytvoriť decentralizovanú vrstvu pre zdieľanie výpočtovej sily (podobne ako Hypernet). Vďaka tejto vrstve bude možné dáta analyzovať a pracovať s nimi. Účastníci na sieti budú platení v DX tokenoch aj za zdieľanie výpočtovej sily.

Projekt chce svoj cieľ dosiahnuť pomocou integrácie existujúcej a funkčnej technológie Hadoop. Hadoop je open-source systém na spracovanie a ukladanie veľkých dát. Je však centralizovaný. Vďaka spojeniu systému Hadoop s multi-chain architektúrou DxChainu by malo byť možné znížiť náklady, vytvoriť bezpečnú sieť a využiť tak výpočtovú silu užívateľov siete. Projekt má otvorený whitelist, takže ak oň máte záujem, neváhajte.

Základné informácie:

• Blockchain pre veľké dáta
• Multi-chain architektúra
• Integrácia technológie Hadoop
• Zdieľanie výpočtovej sily
• Zdieľanie úložného priestoru
• Podpora Machine learningu (strojové učenie)

Kompletnú analýzu ICO DxChain nájdete na Trading11.

Oficiálny web: https://www.dxchain.com/

Nepremeškajte naše ďalšie spravodajstvo a prihláste sa na odber noviniek (návod nájdete tu). Nezabudnite nás tiež sledovať na našom Facebooku a najnovšie aj na Instagrame a Twitteri.

Preložené z českého originálu, ktorý pre vás pripravil Adam.

The post ICO DxChain (DX) – Kompletné riešenie pre analýzu veľkých dát appeared first on KRYPTOMAGAZIN.