P:
Com funcionen les empreses que intenten afegir un "velocímetre" a la intel·ligència artificial?
R:Algunes de les empreses que treballen en els avenços més nous en intel·ligència artificial s’estan concentrant a quantificar els avenços aconseguits i a fer una comparativa d’alguns aspectes sobre com ha evolucionat la intel·ligència artificial amb el pas del temps. Hi ha nombroses raons per les quals les empreses segueixen aquest tipus d’anàlisis. En general, intenten esbrinar fins a quin punt ha arribat la intel·ligència artificial, com s'aplica a les nostres vides i com afectarà els mercats.
Algunes empreses estan intentant fer un seguiment i controlar els seus progressos en intel·ligència artificial per esbrinar com poden afectar les llibertats civils les noves tecnologies o com poden crear noves realitats econòmiques. Segons l’enfocament de l’empresa, aquests tipus d’anàlisis poden prendre la forma d’intentar esbrinar com poden passar les dades dels usuaris a través dels sistemes, comprendre com funcionaran les interfícies o esbrinar quines són les capacitats que tenen les entitats d’intel·ligència artificial i com podrien utilitzar aquestes capacitats.
Quan es tracta de mètodes, les empreses que intenten fer referència a la intel·ligència artificial poden concentrar-se en desglossar informació abstracta, per exemple, un article Wired cita el projecte AI Index, on treballen investigadors com Ray Perrault, que treballa al laboratori sense ànim de lucre SRI International. en una visió detallada del que passa al camp de la intel·ligència artificial.
"És una cosa que cal fer, en part, perquè hi ha molta bogeria per allà on es dirigeix la IA", diu Perrault a l'article, comentant la motivació per assumir aquest tipus de projectes.
Explicant el funcionament de la intel·ligència artificial de referència, alguns experts expliquen que enginyers o altres parts poden intentar fer "proves dures" per a projectes d'intel·ligència artificial, per exemple, intentant "enganyar" o "derrotar" els sistemes d'intel·ligència artificial. Aquest tipus de descripcions és realment fonamentals per com les empreses puguin controlar i avaluar la intel·ligència artificial de debò. Una forma de pensar-ho és aplicar el mateix tipus d’idees que els programadors utilitzaven en temps passats per depurar sistemes de codis lineals.
Depurar els sistemes de codis lineals es tractava de trobar els llocs on el sistema funcionaria bé: on un programa es bloquejaria, on es congelaria, on funcionaria lentament, etc. Es tractava de trobar on els errors lògics aturarien o confondrien un projecte, on una funció no funcionaria correctament o on hi pot haver algun esdeveniment no desitjat per a usuaris.
Quan hi penseu, les proves modernes d’intel·ligència artificial poden ser un esforç similar en un pla molt diferent, perquè les tecnologies d’intel·ligència artificial són més cognitives que lineals, que les proves prenen una forma molt diferent, però els humans seguim buscant “els insectes. ”- formes en què aquests programes poden tenir conseqüències no desitjades, maneres d’actuar i fer mal a les institucions humanes, etc. Tenint en compte això, tot i que hi ha molts mètodes divergents diferents per crear un velocímetre o un punt de referència per al progrés de la intel·ligència artificial, els tipus de Les proves dures descrites anteriorment proporcionen als humans una visió única de fins a on ha arribat la intel·ligència artificial i què s’ha de fer per tal de mantenir-la amb més positius sense desenvolupar més negatius.
