PTSC 1.4
TUGAS PENGANTAR TEKNOLOGI SISTEM CERDAS 1.4
DOSEN : DONIE MARGAVIANTO, SKOM.,MMSI
___________________________________________________________________________________________
Kecerdasan Buatan
Definisi, Jenis, Contoh, Teknologi, Prospektifitas
AI
tidak boleh berhenti dalam mencapai tingkat manusia, ia harus melampaui
kemampuan manusia untuk mencapai potensi puncaknya.
Definisi:
Untuk
menjadi franker ada terlalu banyak definisi, beberapa di antaranya adalah
sebagai berikut.
Kemampuan
komputer digital atau robot yang dikendalikan komputer untuk melakukan tugas-tugas
yang umumnya dikaitkan dengan makhluk cerdas.
Sebuah
mesin menyelesaikan tugas-tugas yang melibatkan tingkat kecerdasan tertentu
yang sebelumnya dianggap hanya dilakukan oleh manusia
Apakah
simulasi proses kecerdasan manusia oleh mesin, terutama sistem komputer.
Proses-proses ini meliputi pembelajaran, penalaran, dan koreksi diri.
Kemampuan
mesin meniru perilaku manusia yang cerdas
Semua
definisi di atas adalah benar, tetapi apa yang sebenarnya menjadi intinya
adalah "seberapa dekat atau seberapa baik komputer dapat meniru atau
melampaui, jika dibandingkan dengan manusia"
Jenis
Kecerdasan Buatan (AI):
AI
dapat diklasifikasikan dalam beberapa cara ada dua jenis klasifikasi utama.
Tipe
1:
AI
lemah atau AI Sempit: Ini difokuskan pada satu tugas sempit, fenomena bahwa
mesin yang tidak terlalu cerdas untuk melakukan pekerjaan mereka sendiri dapat
dibangun sedemikian rupa sehingga mereka tampak pintar. Contohnya adalah
permainan poker di mana mesin mengalahkan manusia di mana semua aturan dan
gerakan dimasukkan ke dalam mesin. Di sini masing-masing dan setiap skenario
yang mungkin perlu dimasukkan sebelumnya secara manual. Setiap AI yang lemah
akan berkontribusi pada pembangunan AI yang kuat.
AI
yang kuat: Mesin yang benar-benar dapat berpikir dan melakukan tugas sendiri
seperti manusia. Tidak ada contoh yang tepat yang ada untuk ini tetapi beberapa
pemimpin industri sangat tertarik untuk semakin dekat untuk membangun AI yang
kuat yang telah menghasilkan kemajuan pesat.
Type2
(berdasarkan fungsionalitas):
Mesin
Reaktif: Ini adalah salah satu bentuk dasar AI. Itu tidak memiliki memori masa
lalu dan tidak dapat menggunakan informasi masa lalu untuk informasi untuk
tindakan di masa depan. Contoh: - Program catur IBM yang mengalahkan Garry
Kasparov pada 1990-an.
Memori
Terbatas: Sistem AI dapat menggunakan pengalaman masa lalu untuk
menginformasikan keputusan di masa depan. Beberapa fungsi pengambilan keputusan
dalam mobil self-driving telah dirancang dengan cara ini. Pengamatan digunakan
untuk menginformasikan tindakan yang terjadi di masa depan yang tidak begitu
jauh, seperti mobil yang telah mengubah jalur. Pengamatan ini tidak disimpan
secara permanen dan juga Chatbot Siri Apple.
Theory
of Mind: AI jenis ini harus dapat memahami emosi, kepercayaan, pikiran, harapan
orang, dan dapat berinteraksi secara sosial. Meskipun banyak perbaikan di
bidang ini, AI jenis ini belum lengkap.
Kesadaran
diri: AI yang memiliki kesadarannya sendiri, super cerdas, kesadaran diri dan
mahluk hidup (dengan kata sederhana manusia yang lengkap). Tentu saja, bot
semacam ini juga tidak ada dan jika tercapai itu akan menjadi salah satu
tonggak di bidang AI.
Ada
banyak cara AI dapat dicapai beberapa diantaranya adalah sebagai berikut:
Pembelajaran
Mesin (ML): Ini adalah metode di mana target (tujuan) didefinisikan dan
langkah-langkah untuk mencapai target itu dipelajari oleh mesin itu sendiri
dengan pelatihan (mendapatkan pengalaman). Misalnya untuk mengidentifikasi
objek sederhana seperti apel atau jeruk. Sasaran dicapai bukan dengan secara
eksplisit menentukan rincian tentang hal itu dan mengkodekannya tetapi itu sama
seperti kita mengajar seorang anak dengan menunjukkan beberapa gambar yang
berbeda dan karenanya memungkinkan mesin untuk menentukan langkah-langkah untuk
mengidentifikasinya seperti sebuah apel atau jeruk.
Natural
Language Processing (NLP): Natural Language Processing secara luas
didefinisikan sebagai manipulasi otomatis bahasa alami, seperti ucapan dan
teks, oleh perangkat lunak. Salah satu contoh terkenal dari hal ini adalah
deteksi spam email karena kita dapat melihat bagaimana peningkatannya dalam
sistem email kita.
Visi:
Dapat dikatakan sebagai bidang yang memungkinkan mesin untuk melihat. Visi alat
berat menangkap dan menganalisis informasi visual menggunakan kamera, konversi
analog-ke-digital, dan pemrosesan sinyal digital. Ini dapat dibandingkan dengan
penglihatan manusia tetapi tidak terikat oleh keterbatasan manusia yang
memungkinkannya untuk melihat melalui dinding (sekarang akan menarik jika kita
dapat memiliki implan yang dapat membuat kita melihat melalui dinding).
Biasanya dicapai melalui pembelajaran mesin untuk mendapatkan hasil terbaik sehingga
kita dapat mengatakan bahwa kedua bidang ini saling terkait.
Robotika:
Ini adalah bidang teknik yang berfokus pada desain dan pembuatan robot. Robot
sering digunakan untuk melakukan tugas yang sulit bagi manusia untuk melakukan
atau melakukan secara konsisten. Contohnya termasuk jalur perakitan mobil, di
rumah sakit, pembersih kantor, menyajikan makanan, dan menyiapkan makanan di
hotel, berpatroli di area pertanian dan bahkan sebagai petugas polisi.
Baru-baru ini pembelajaran mesin telah digunakan untuk mencapai hasil yang baik
tertentu dalam membangun robot yang berinteraksi secara sosial (Sophia)
Kendaraan
Otonom: Area AI ini telah mengumpulkan banyak perhatian. daftar kendaraan
termasuk mobil, bus, truk, kereta api, kapal, kapal selam, dan drone terbang
autopilot dll.
Ancaman
kecerdasan buatan
Kecerdasan
buatan rumit dan mudah diimplementasikan atau dibuat secara keliru - karena
banyak faktor yang tidak terduga - yang belum kita ramalkan. Sebagian besar
karena itu terlihat mudah atau hasilnya tampaknya benar - seperti yang kami
harapkan. Kita harus menghindari anggapan ini.
Ketika
saya berbicara tentang kecerdasan buatan, itu bisa merujuk pada sesuatu yang
fisik - robot - atau sesuatu yang kurang fisik - kode. Pada akhirnya keduanya
bertemu. Sebagai kode perlu sesuatu yang dapat menampungnya.
Tombol
berhenti
Jadi
kita tahu bahwa internet dapat sangat bermanfaat dalam kurva belajar dan
pemahaman otak manusia. Hari ini ada beberapa A.I. implementasi sudah melakukan
tugas tunggal, dalam dunia kecilnya sendiri. Misalnya, catur A.I. sulit
dikalahkan, tetapi memintanya untuk mengendarai mobil tidak mungkin. Itu sama
sekali tidak tahu apa itu mobil atau bahkan bagaimana jalan itu bekerja. Ia
hanya tahu tentang bagian-bagian di papan tulis, langkah-langkah yang dapat
dibuat setiap bagian dan hasil dari masing-masing langkah itu. Tetapi cawan
suci kecerdasan buatan bukanlah bagaimana membuat catur A.I. lebih baik, itu
adalah bagaimana kita dapat membuat 'umum A.I', yang memiliki parameter yang
sama seperti kita - manusia.
Ketika
kita berupaya menciptakan A.I. umum ini, yang sedekat manusia dengan kita, kita
harus membangun mekanisme yang memungkinkan A.I. bertindak dengan cara yang
mereka lakukan, karena itu adalah kepentingan terbaik manusia. Hal-hal yang
kita inginkan. Sebagai contoh jika kita meminta robot untuk membuat teh, ia
akan ingin melakukan tugas ini apa pun yang terjadi. Jika robot dalam
perjalanan ke dapur melintasi jalannya dengan bayi Anda merangkak di lantai,
itu tidak akan mengubah jalannya. Langsung ke dapur. Tugas adalah hal
terpenting pada saat itu. Kita dapat membangun di tombol berhenti untuk
menghindari tragedi robot yang menghancurkan bayi di jalurnya. Tetapi robot
tidak akan membiarkan Anda menekan tombol, karena tugas - dan dengan demikian
hadiah - membuatkan Anda secangkir teh. Bagaimana kita bisa mengatasi ini?
Buat
tombol pada tombol stop hadiah yang sama seperti membuat teh. Hasilnya mungkin
robot akan menekan tombol itu segera.
Diam-diam
membangun kode, sehingga kita dapat mematikan robot dari kejauhan. Namun
akhirnya robot akan belajar tentang rahasia ini dan mengubah kodenya sendiri.
Ancaman
1: Parameter
Sebelum
kita dapat membuat perangkat, robot, atau bahkan manusia yang melakukan
pekerjaan, kita menggunakan parameter, faktor yang menentukan aturan atau
ketentuan untuk mengoperasikan tugas yang diberikan. Mudah dikatakan, semuanya
berfungsi berdasarkan satu fungsi besar yang secara otomatis berjalan ketika
Anda memulai suatu sistem. Fungsi dapat saling memperluas dan dapat melewati
parameter seperti angka, teks atau bahkan fungsi lainnya. Dan parameter itu
sangat penting untuk hasil yang dikembalikan. Semakin kecil fungsinya - semakin
sedikit kode - semakin mudah untuk debug dan pikirkan semua skenario yang
mungkin dilakukan sebelumnya. Segera setelah kami membangun kerangka fungsi,
segala sesuatunya menjadi rumit dan parameter tunggal yang salah dapat
mengakibatkan pemecahan kode, melakukan tugas yang salah, atau bahkan loop yang
tidak pernah berakhir.
Masukan
untuk itu sangat penting dan Anda harus memiliki semua hasil yang mungkin
tercakup sebelum Anda menjalankan kode. Pada contoh tombol stop, jika Anda
tidak memberi kode pada kemungkinan persilangan bayi dan pentingnya bayi dalam
lingkup tugas. Robot tidak akan mengerti mengapa Anda mencoba menekan tombol
stop dan robot akan mencoba menghentikan Anda melakukannya.
Ancaman
2: Belajar
Belajar
sebagai ancaman bagi A.I. Kedengarannya seperti paradoks, tetapi tidak.
Pembelajaran terkontrol adalah sesuatu yang harus kita dorong, tetapi itu tidak
akan mencegah fase pembelajaran lainnya. Begitu fungsi semakin rumit, sulit
untuk melakukan debug dan memikirkan setiap skenario yang mungkin. Jumlah data
terlalu banyak untuk dikendalikan. Kita tahu apa yang kita masukkan ke
dalamnya, tetapi tidak tahu pasti apa yang akan dipelajari ekstra atau
bagaimana itu akan mempengaruhi pembelajaran di masa depan. Bandingkan dengan
pendidikan. Anda mencoba mengajari anak-anak Anda hal-hal penting dalam
kehidupan, tetapi di sepanjang jalan, Anda tidak dapat mengendalikan setiap
langkah dalam proses belajar. Begitu seorang anak bertambah besar, ia akan
lebih dapat mengendalikan keputusan, minat, dan pembelajarannya sendiri.
Jumlah
yang sama untuk A.I. Kita tahu apa yang kita masukkan ke dalamnya, tetapi
begitu menjadi lebih pintar kita akan kehilangan kendali. Kita dapat mencoba
membujuk A.I., sama seperti yang kita lakukan dengan jenis kita sendiri -
manusia lain. Tapi kami tidak bisa memprediksi hasilnya juga, seperti ketika
kami memiliki A.I pertama kami. mesin kopi berbasis dengan satu tugas
sederhana.
Ancaman
3: Cakupan
Lingkup
adalah jangkauan di mana kode - kecerdasan buatan - hidup. Kode yang hidup
dalam ruang lingkup tidak akan pernah bisa masuk ke ruang lingkup orang tua.
Sementara ruang lingkup orang tua dapat mengganggu anaknya. Ini terdengar
seperti latihan yang baik dan aman. Tetapi bagaimana jika sebenarnya tidak ada
ruang lingkup orang tua atau ruang lingkup dapat memasuki lingkup lain yang
hidup di tingkat akses yang sama atau kita membangun titik akses untuk
menghubungkan ruang lingkup dengan beberapa tingkat akses, sehingga dapat
melakukan beberapa jenis yang dibutuhkan transfer atau kontrol data.
Mungkin
lingkup sepenuhnya disegel. Tetapi ketika ruang lingkup orang tua menunjukkan
celah, semua peringatan keamanan menghilang. Bandingkan ini dengan seorang
tahanan. Cakupannya adalah penjara dan penghalang adalah dinding. Mari kita
asumsikan tembok penjara tidak bisa dipecahkan. Selama tidak ada ruang lingkup
orang tua yang terlibat, situasi ini mungkin berlangsung selamanya. Tetapi
dalam ruang lingkup penjara, penjaga penjara “disuntik”. Mereka memiliki hak
dan hak istimewa orang tua tetapi juga ada dalam ruang lingkup penjara.
Kegagalan kecil dengan penjaga penjara - perilaku korup - dan yang disebut
lingkup tertutup rusak.
Adalah
ilusi bahwa ketika bermain di kotak pasir, tidak ada yang akan tumpah.
Bahaya
dengan mempercayai ruang lingkup tertutup yang aman adalah bahwa kita tidak
akan melihat pencampuran data atau mungkin terlambat. Kami akan memiliki
kontrol yang lebih sedikit atau mekanisme berhenti tidak akan berfungsi lagi.
Ancaman
4: Mitos
Pertama-tama,
apa itu mitos? Ini adalah kepercayaan pada sesuatu yang tidak ada, tetapi hanya
dalam pikiran dan imajinasi kita sendiri. Walaupun mitos bisa terlihat seperti
benda fisik karena dapat memiliki aset, bukan berarti itu nyata.
Beberapa
mitos yang kita bahas hari ini:
1.
Italia, AS (negara)
2.
Islam, Kristen (agama)
3.
Heineken, XS4ALL (perusahaan)
4.
Euro, Dolar, Bitcoin (uang)
5.
Kapitalisme, Komunisme (sistem sosial 'ekonomi')
Segera
setelah kita berhenti percaya pada mitos di atas, keberadaan mereka akan
hilang. Ada hal-hal di suatu negara, agama yang 'memiliki' aset, perusahaan
dapat memiliki kantor, mobil, komputer, uang dapat dicetak di atas kertas dan
sistem 'ekonomi' sosial dapat memiliki jejak pada sejarah. Sulit untuk percaya
bahwa negara Anda adalah mitos, seperti yang Anda lihat di peta. Tetapi jika
kita semua berhenti percaya pada negara tertentu, apakah itu benar-benar layak?
Alasan mengapa sulit untuk memahami bahwa item-item di atas dalam daftar adalah
semua mitos adalah bahwa mereka besar. Banyak orang percaya pada mereka. Dan
perlu banyak ketidakpercayaan untuk memecahnya. Semakin banyak orang
mempercayai sebuah mitos, semakin sulit untuk mempertanyakannya dan semakin
keras revolusi harus dihancurkan.
Apa
hubungan mitos dengan A.I?
Ada dua pemikiran tentang ini. Keberadaan fisik A.I.
dapat digunakan untuk mempertahankan atau merusak mitos, yang akan mengarah
pada revolusi keras. Karena kebanyakan mitos memiliki jangkauan yang luas.
Kedua A.I. bisa tumbuh menjadi mitos dengan sendirinya. Dan saya pikir sudah.
Orang-orang percaya bahwa umat manusia membutuhkan jaringan berfikir sendiri
ini untuk mengambil langkah berikutnya pada tangga evolusi. Itu tumbuh menjadi
iman yang didasarkan pada teknologi.
Percaya
sama dengan mitos, karena mitos tidak ada oleh hukum alam. Percaya pada A.I.
menjadikannya mitos yang kuat sendiri dan bahkan jika kita akan menemukan
kekurangan dalam penciptaan A.I. dan akan sulit untuk meruntuhkannya.
satu-satunya hal yang tersisa adalah menghancurkan aset fisik yang memberi A.I.
keberadaannya terjamah. Segera setelah kami mencapai titik ini, A.I. begitu
banyak dijalin ke dalam kehidupan sehari-hari manusia, yang berarti perusakan
sebagian besar umat manusia, atau mungkin perbedaan kita sendiri.
Apa
Dampak Negatif Kecerdasan Buatan (AI)?
Kecerdasan
buatan (AI) melakukan banyak hal baik dan akan terus memberikan banyak manfaat
bagi dunia modern kita, tetapi seiring dengan kebaikannya, pasti akan ada
konsekuensi negatifnya. Semakin cepat kita mulai merenungkan apa yang mungkin
terjadi, semakin siap kita untuk mengurangi dan mengelola bahaya.
Apa
Dampak Negatif Kecerdasan Buatan (AI)?
Fisikawan
legendaris Stephen Hawking membagikan peringatan yang tidak menyenangkan ini:
"Keberhasilan dalam menciptakan AI yang efektif bisa menjadi peristiwa terbesar
dalam sejarah peradaban kita. Atau yang terburuk. Jadi kita tidak bisa tahu
apakah kita akan dibantu oleh AI tanpa batas atau diabaikan olehnya dan
dikesampingkan, atau mungkin dihancurkan olehnya. "
Langkah
pertama untuk dapat mempersiapkan dampak negatif dari kecerdasan buatan adalah
dengan mempertimbangkan apa dampak negatif tersebut. Inilah beberapa yang
utama:
1.
AI Bias
Karena
algoritma AI dibangun oleh manusia, mereka dapat memiliki bias bawaan oleh
mereka yang baik secara sengaja atau tidak sengaja memperkenalkan mereka ke
dalam algoritma. Jika algoritma AI dibangun dengan bias atau data dalam set
pelatihan yang diberikan kepada mereka untuk dibiaskan, mereka akan
menghasilkan hasil yang dibiaskan. Realitas ini dapat mengakibatkan konsekuensi
yang tidak diinginkan seperti yang telah kita lihat dengan algoritma perekrutan
yang diskriminatif dan chatbot Microsoft yang menjadi rasis. Ketika perusahaan
membangun algoritma AI, mereka perlu dikembangkan dan dilatih secara
bertanggung jawab.
2.
Kehilangan Pekerjaan Tertentu
Sementara
banyak pekerjaan akan diciptakan oleh kecerdasan buatan dan banyak orang
memprediksi peningkatan bersih dalam pekerjaan atau setidaknya mengantisipasi
jumlah yang sama akan diciptakan untuk menggantikan yang hilang berkat
teknologi AI, akan ada pekerjaan yang dilakukan orang saat ini bahwa mesin akan
mengambil alih. Ini akan membutuhkan perubahan pada program pelatihan dan
pendidikan untuk mempersiapkan tenaga kerja masa depan kita serta membantu
transisi pekerja saat ini ke posisi baru yang akan memanfaatkan kemampuan
manusia mereka yang unik.
3.
Pergeseran dalam Pengalaman Manusia
Jika
AI mengambil alih tugas-tugas kasar dan memungkinkan manusia untuk secara
signifikan mengurangi jumlah waktu yang mereka butuhkan untuk suatu pekerjaan,
kebebasan ekstra mungkin tampak seperti utopia pada pandangan pertama. Namun,
untuk merasakan hidup mereka memiliki tujuan, manusia perlu menyalurkan
kebebasan yang baru mereka temukan ke dalam kegiatan baru yang memberi mereka
manfaat sosial dan mental yang sama dengan yang digunakan oleh pekerjaan
mereka. Ini mungkin lebih mudah bagi beberapa orang dan komunitas daripada yang
lain. Kemungkinan akan ada pertimbangan ekonomi juga ketika mesin mengambil
alih tanggung jawab yang biasa dilakukan manusia untuk dibayar. Manfaat ekonomi
dari peningkatan efisiensi cukup jelas pada laporan laba-rugi bisnis, tetapi
manfaat keseluruhan untuk masyarakat dan kondisi manusia sedikit lebih buram.
4.
Regulasi Global
Walaupun
dunia kita adalah tempat yang jauh lebih kecil daripada sebelumnya karena
teknologi, ini juga berarti bahwa teknologi AI yang memerlukan undang-undang
dan peraturan baru perlu ditentukan di antara berbagai pemerintah untuk
memungkinkan interaksi global yang aman dan efektif. Karena kita tidak lagi
terisolasi satu sama lain, tindakan dan keputusan mengenai kecerdasan buatan di
satu negara dapat dengan mudah mempengaruhi orang lain dengan sangat mudah.
Kami melihat ini sudah berjalan, di mana Eropa telah mengadopsi pendekatan
regulasi yang kuat untuk memastikan persetujuan dan transparansi, sementara AS
dan khususnya Cina memungkinkan perusahaannya untuk menerapkan AI jauh lebih
bebas.
5.
Peretasan yang Dipercepat
Kecerdasan
buatan meningkatkan kecepatan apa yang dapat dicapai dan dalam banyak kasus,
kecerdasan ini melebihi kemampuan kita sebagai manusia untuk mengikuti. Dengan
otomatisasi, tindakan jahat seperti phishing, pengiriman virus ke perangkat
lunak dan mengambil keuntungan dari sistem AI karena cara mereka melihat dunia,
mungkin sulit bagi manusia untuk mengungkap hingga ada rawa yang sebenarnya
untuk dihadapi.
6.
AI Terorisme
Demikian
pula, mungkin ada bentuk baru terorisme yang memungkinkan AI untuk ditangani:
Dari perluasan drone otonom dan pengenalan kawanan robot ke serangan jarak jauh
atau pengiriman penyakit melalui nanorobots. Organisasi penegakan hukum dan
pertahanan kita perlu menyesuaikan dengan potensi ancaman yang ada saat ini.
Diperlukan
waktu dan pertimbangan manusia yang luas untuk menentukan cara terbaik untuk
mempersiapkan masa depan dengan aplikasi kecerdasan buatan yang lebih banyak
lagi untuk memastikan bahwa meskipun ada potensi dampak buruk dengan adopsi
lebih lanjutnya, hal ini diminimalisir semaksimal mungkin.
Seperti
halnya dengan peristiwa yang mengganggu, ini bukan situasi yang mudah untuk
dipecahkan, tetapi selama kita masih memiliki manusia yang terlibat dalam
menentukan solusi, kita akan dapat mengambil keuntungan dari banyak manfaat
kecerdasan buatan sambil mengurangi dan mengurangi dampak negatif.
Kecerdasan
Buatan Mengubah Setiap Aspek Perang
Ketika
pesawat angkatan laut menukik rendah di atas hutan, itu menjatuhkan seikat
perangkat ke kanopi di bawah ini. Beberapa mikrofon, mendengarkan langkah
gerilya atau pengapian truk. Yang lainnya adalah detektor seismik, yang
disesuaikan dengan getaran kecil di tanah. Yang paling aneh dari semuanya
adalah sensor penciuman, mengendus amonia dalam urin manusia. Puluhan ribu
organ elektronik ini mengirimkan data mereka ke drone dan ke komputer. Dalam
beberapa menit, pesawat-pesawat tempur akan menuju untuk mengebom lapangan
kotak yang ditata secara algoritmik. Operasi Igloo White adalah masa depan
perang — pada tahun 1970.
Upaya
Amerika untuk memotong jalur Ho Chi Minh yang mengalir dari Laos ke Vietnam
tidak berhasil. Harganya sekitar $ 1 milyar setahun (sekitar $ 7,3 milyar dalam
dolar hari ini) - $ 100.000 ($ 730.000 hari ini) untuk setiap truk yang
dihancurkan — dan tidak menghentikan infiltrasi. Namun daya pikat perang semi-otomatis
tidak pernah pudar. Gagasan untuk mengumpulkan data dari sensor, memprosesnya
dengan algoritma yang dipicu oleh kekuatan pemrosesan yang semakin besar dan
bekerja pada output lebih cepat daripada musuh terletak di jantung pemikiran
militer di seluruh kekuatan terbesar dunia. Dan hari ini hal itu sedang
dikuasai oleh perkembangan baru dalam kecerdasan buatan (ai).
Contoh
Masa Depan Kecerdasan Artificial
“[AI]
akan mengubah dunia lebih dari apa pun dalam sejarah umat manusia. Lebih dari
listrik. ”- AI peramal dan pemodal ventura Dr. Kai-Fu Lee, 2018
Di
sebuah gedung yang tidak mencolok yang dekat dengan pusat kota Chicago, Marc
Gyongyosi dan kru IFM / Onetrack yang kecil namun terus berkembang. SA memiliki
satu aturan yang mengatur semuanya: berpikir sederhana. Kata-kata tersebut
ditulis dalam font sederhana pada selembar kertas sederhana yang menempel di
dinding belakang lantai atas ruang kerja dua lantai industri mereka. Apa yang
mereka lakukan di sini dengan kecerdasan buatan, bagaimanapun, tidak sederhana
sama sekali.
Duduk
di mejanya yang berantakan, terletak di dekat meja ping-pong yang sering
digunakan dan prototipe drone dari masa kuliahnya ditangguhkan di atas kepala,
Gyongyosi meninju beberapa kunci pada laptop untuk menarik rekaman video kasar
dari seorang pengemudi forklift yang mengoperasikan kendaraannya di sebuah
gudang . Itu ditangkap dari courtesy onet Onetrack.AI “sistem penglihatan
forklift.”
Menggunakan
pembelajaran mesin dan visi komputer untuk deteksi dan klasifikasi berbagai
"acara keselamatan," perangkat berukuran kotak sepatu tidak melihat
semuanya, tetapi masih banyak. Seperti cara pengemudi memandang saat dia
mengoperasikan kendaraan, seberapa cepat dia mengemudi, di mana dia mengemudi,
lokasi orang-orang di sekitarnya dan bagaimana operator forklift lain memanuver
kendaraan mereka. Perangkat lunak IFM secara otomatis mendeteksi pelanggaran
keselamatan (misalnya, penggunaan ponsel) dan memberi tahu manajer gudang
sehingga mereka dapat segera mengambil tindakan. Tujuan utamanya adalah untuk
mencegah kecelakaan dan meningkatkan efisiensi. Pengetahuan belaka bahwa salah
satu perangkat IFM sedang menonton, klaim Gyongyosi, telah memiliki "efek
yang sangat besar."
"Jika
Anda berpikir tentang kamera, itu benar-benar merupakan sensor terkaya yang
tersedia untuk kita hari ini pada titik harga yang sangat menarik,"
katanya. “Karena smartphone, kamera, dan sensor gambar menjadi sangat murah,
namun kami menangkap banyak informasi. Dari suatu gambar, kita mungkin dapat
menyimpulkan 25 sinyal hari ini, tetapi enam bulan dari sekarang kita akan
dapat menyimpulkan 100 atau 150 sinyal dari gambar yang sama. Satu-satunya
perbedaan adalah perangkat lunak yang melihat gambar. Dan itulah mengapa ini
sangat menarik, karena kami dapat menawarkan set fitur inti yang sangat penting
hari ini, tetapi kemudian seiring waktu semua sistem kami saling belajar satu
sama lain. Setiap pelanggan dapat memperoleh manfaat dari setiap pelanggan lain
yang kami bawa karena sistem kami mulai melihat dan mempelajari lebih banyak
proses dan mendeteksi lebih banyak hal yang penting dan relevan. "
Evolusi
AI
IFM
hanyalah salah satu inovator AI yang tak terhitung jumlahnya di bidang yang
lebih panas dari sebelumnya dan semakin bertambah sepanjang waktu. Berikut
indikator yang bagus: Dari 9.100 paten yang diterima oleh penemu IBM pada tahun
2018, 1.600 (atau hampir 18 persen) terkait dengan AI. Inilah yang lain:
Pendiri Tesla dan titan teknologi Elon Musk baru-baru ini menyumbangkan $ 10
juta untuk mendanai penelitian yang sedang berlangsung di perusahaan riset
nirlaba OpenAI - hanya setetes dalam ember pepatah jika $ 1 miliar co-pledge
pada 2015 adalah indikasi. Dan pada 2017, presiden Rusia Vladimir Putin
mengatakan kepada anak-anak sekolah bahwa "Siapa pun yang menjadi pemimpin
di bidang ini [AI] akan menjadi penguasa dunia." Dia kemudian melemparkan
kepalanya ke belakang dan tertawa dengan gila.
Masa
Depan Sekarang: Dampak Ai Di Mana Saja
Hampir
tidak ada AI industri modern besar - lebih khusus lagi, "AI sempit,"
yang melakukan fungsi objektif menggunakan model yang terlatih data dan sering
masuk dalam kategori pembelajaran dalam atau pembelajaran mesin - belum
terpengaruh. Itu terutama benar dalam beberapa tahun terakhir, karena
pengumpulan dan analisis data telah meningkat pesat berkat konektivitas IoT
yang kuat, proliferasi perangkat yang terhubung dan pemrosesan komputer yang
semakin cepat.
Beberapa
sektor berada di awal perjalanan AI mereka, yang lain adalah wisatawan veteran.
Keduanya memiliki jalan panjang. Apapun, dampak kecerdasan buatan terhadap
kehidupan kita sekarang ini sulit untuk diabaikan:
Transportasi: Meskipun butuh satu dekade atau lebih untuk menyempurnakannya, suatu hari mobil otonom akan mengantar kita dari satu tempat ke tempat lain.
Transportasi: Meskipun butuh satu dekade atau lebih untuk menyempurnakannya, suatu hari mobil otonom akan mengantar kita dari satu tempat ke tempat lain.
Pabrikan:
Robot bertenaga AI bekerja bersama manusia untuk melakukan berbagai tugas
terbatas seperti perakitan dan penumpukan, dan sensor analisis prediktif
menjaga peralatan berjalan dengan lancar.
Perawatan
Kesehatan: Di bidang perawatan kesehatan yang baru saja lahir dari AI, penyakit
didiagnosis lebih cepat dan akurat, penemuan obat dipercepat dan
disederhanakan, asisten perawat virtual memantau pasien dan analisis data besar
membantu menciptakan pengalaman pasien yang lebih personal.
Pendidikan:
Buku Teks didigitalkan dengan bantuan AI, tutor virtual tahap awal membantu
instruktur manusia dan analisis wajah mengukur emosi siswa untuk membantu
menentukan siapa yang berjuang atau bosan dan lebih baik menyesuaikan
pengalaman dengan kebutuhan masing-masing.
Media:
Jurnalisme juga memanfaatkan AI, dan akan terus mendapat manfaat darinya.
Bloomberg menggunakan teknologi Cyborg untuk membantu memahami laporan keuangan
yang kompleks dengan cepat. Associated Press menggunakan kemampuan bahasa alami
dari Automated Insights untuk menghasilkan 3.700 berita laporan penghasilan per
tahun - hampir empat kali lebih banyak daripada di masa lalu.
Layanan
Pelanggan: Terakhir, namun tidak kalah pentingnya, Google bekerja pada asisten
AI yang dapat melakukan panggilan seperti manusia untuk membuat janji di,
katakanlah, salon rambut lingkungan Anda. Selain kata-kata, sistem memahami
konteks dan nuansa.
Tetapi
kemajuan itu (dan banyak lainnya, termasuk yang baru ini) hanyalah permulaan;
masih banyak lagi yang akan datang - lebih banyak daripada siapa pun, bahkan
yang dapat memperkirakan, bisa memahami.
Dengan
perusahaan yang menghabiskan hampir $ 20 miliar dolar kolektif untuk produk dan
layanan AI setiap tahun, raksasa teknologi seperti Google, Apple, Microsoft dan
Amazon menghabiskan miliaran untuk menciptakan produk dan layanan tersebut,
universitas menjadikan AI bagian yang lebih menonjol dari kurikulum
masing-masing (MIT sendiri menurun $ 1 miliar untuk sebuah perguruan tinggi
baru yang dikhususkan untuk komputasi, dengan fokus AI), dan Departemen
Pertahanan AS meningkatkan permainan AI-nya, hal-hal besar pasti akan terjadi.
Beberapa dari perkembangan itu sedang dalam perjalanan menuju realisasi penuh;
beberapa hanya teoretis dan mungkin tetap demikian. Semuanya mengganggu,
menjadi lebih baik dan berpotensi lebih buruk, dan tidak ada penurunan yang
terlihat.
"Banyak
industri melewati pola musim dingin, musim dingin ini, dan kemudian musim semi
yang abadi," mantan pemimpin Google Brain dan kepala ilmuwan Baidu Andrew
Ng mengatakan kepada ZDNet akhir tahun lalu. "Kita mungkin berada di musim
semi abadi AI."
DAMPAK
AI PADA MASYARAKAT
Selama
kuliah terakhir musim gugur di Universitas Northwestern, guru AI Kai-Fu Lee
memperjuangkan teknologi AI dan dampak yang akan datang sambil juga mencatat
efek samping dan keterbatasannya. Dari mantan, dia memperingatkan:
“90
persen terbawah, terutama 50 persen terbawah dunia dalam hal pendapatan atau
pendidikan, akan sangat dirugikan dengan pemindahan pekerjaan ... Pertanyaan
sederhana untuk ditanyakan adalah, 'Seberapa rutin pekerjaan?' Dan itu adalah
seberapa besar kemungkinannya [ itu adalah] pekerjaan akan digantikan oleh AI,
karena AI dapat, dalam tugas rutinnya, belajar untuk mengoptimalkan dirinya sendiri.
Dan semakin kuantitatif, semakin obyektif pekerjaan itu — memisahkan
barang-barang menjadi tempat sampah, mencuci piring, memetik buah-buahan dan
menjawab panggilan layanan pelanggan — itu adalah tugas-tugas yang sangat
tertulis yang berulang-ulang dan rutin. Dalam hitungan lima, 10 atau 15 tahun,
mereka akan dipindahkan oleh AI. ”
Di
gudang raksasa daring dan pembangkit tenaga listrik AI Amazon, yang berdengung
dengan lebih dari 100.000 robot, fungsi memetik dan mengepak masih dilakukan
oleh manusia - tetapi itu akan berubah.
Pendapat
Lee baru-baru ini digemakan oleh presiden Infosys Mohit Joshi, yang pada
pertemuan Davos tahun ini mengatakan kepada New York Times, “Orang-orang
mencari untuk mencapai angka yang sangat besar. Sebelumnya mereka memiliki
tambahan, 5 hingga 10 persen tujuan dalam mengurangi tenaga kerja mereka.
Sekarang mereka berkata, "Mengapa kita tidak bisa melakukannya dengan 1
persen orang yang kita miliki?"
RETRAIN
& PENDIDIKAN: MUDAH MENUMBUHKAN PAIN TENAGA KERJA YANG BERKUASA
Pada
nada yang lebih optimis, Lee menekankan bahwa AI hari ini tidak berguna dalam
dua cara signifikan: ia tidak memiliki kreativitas dan tidak ada kapasitas
untuk belas kasih atau cinta. Alih-alih, ini adalah "alat untuk memperkuat
kreativitas manusia." Solusinya? Mereka yang memiliki pekerjaan yang
melibatkan tugas berulang atau rutin harus mempelajari keterampilan baru agar
tidak ditinggalkan di pinggir jalan. Amazon bahkan menawarkan uang kepada
karyawannya untuk melatih pekerjaan di perusahaan lain.
“Salah
satu prasyarat mutlak bagi AI untuk menjadi sukses di banyak [bidang] adalah
bahwa kami berinvestasi sangat besar dalam pendidikan untuk melatih orang-orang
untuk pekerjaan baru,” kata Klara Nahrstedt, seorang profesor ilmu komputer di
University of Illinois di Urbana – Champaign dan direktur dari Laboratorium
Ilmu Koordinasi sekolah.
Dia
khawatir itu tidak terjadi secara luas atau cukup sering. Gyongyosi dari IFM
bahkan lebih spesifik.
“Orang-orang
perlu belajar tentang pemrograman seperti mereka belajar bahasa baru,” katanya,
“dan mereka perlu melakukannya sedini mungkin karena itu benar-benar adalah
masa depan. Di masa depan, jika Anda tidak tahu pengkodean, Anda tidak tahu
pemrograman, itu hanya akan menjadi lebih sulit. "
Dan
sementara banyak dari mereka yang dipaksa keluar dari pekerjaan oleh teknologi
akan menemukan yang baru, Vandegrift mengatakan, itu tidak akan terjadi dalam
semalam. Seperti halnya transisi Amerika dari ekonomi pertanian ke ekonomi
industri selama Revolusi Industri, yang memainkan peran besar dalam menyebabkan
Depresi Hebat, orang akhirnya bangkit kembali. Namun, dampak jangka pendeknya
sangat besar.
"Transisi
antara pekerjaan akan pergi dan yang baru [muncul]," kata Vandegrift,
"tidak harus sama menyakitkannya dengan orang-orang suka berpikir."
"Di
masa depan, jika Anda tidak tahu coding, Anda tidak tahu pemrograman, itu hanya
akan menjadi lebih sulit."
Mike
Mendelson, "desainer pengalaman pembelajar" untuk NVIDIA, adalah
pendidik yang berbeda dari Nahrstedt. Dia bekerja dengan pengembang yang ingin
mempelajari lebih lanjut tentang AI dan menerapkan pengetahuan itu untuk bisnis
mereka.
"Jika
mereka memahami apa yang mampu dilakukan teknologi dan mereka memahami domain
dengan sangat baik, mereka mulai membuat koneksi dan berkata, 'Mungkin ini
masalah AI, mungkin itu masalah AI,'" katanya. "Itu lebih sering
terjadi daripada‘ Saya memiliki masalah khusus yang ingin saya selesaikan.
"
HADIAH
& HUKUMAN: RAMIFIKASI DEKAT DI MASA DEPAN AI\
Dalam
pandangan Mendelson, beberapa penelitian dan eksperimen AI paling menarik yang
akan memiliki konsekuensi dalam waktu dekat terjadi di dua bidang: pembelajaran
"penguatan", yang membahas tentang hadiah dan hukuman daripada data
yang diberi label; dan jaringan permusuhan generatif (disingkat GAN) yang
memungkinkan algoritma komputer untuk membuat dan bukan hanya menilai dengan
mengadu dua jaring satu sama lain. Yang pertama dicontohkan oleh kecakapan
Go-playing dari Google DeepMind's Alpha Go Zero, yang terakhir oleh gambar asli
atau generasi audio yang didasarkan pada belajar tentang subjek tertentu
seperti selebriti atau jenis musik tertentu.
Dalam
skala yang jauh lebih besar, AI siap untuk memiliki efek besar pada
keberlanjutan, perubahan iklim, dan masalah lingkungan. Idealnya dan sebagian
melalui penggunaan sensor canggih, kota-kota akan menjadi kurang padat, kurang
polusi dan umumnya lebih layak huni. Terobosan sudah dilakukan.
"Setelah
Anda memprediksi sesuatu, Anda dapat meresepkan kebijakan dan aturan
tertentu," kata Nahrstedt. Seperti sensor pada mobil yang mengirim data
tentang kondisi lalu lintas dapat memprediksi masalah potensial dan
mengoptimalkan aliran mobil. "Ini belum disempurnakan dengan cara apa
pun," katanya. “Ini baru dalam masa pertumbuhan. Tapi bertahun-tahun
kemudian, itu akan memainkan peran yang sangat besar. "
AI
DAN MASA DEPAN PRIVASI & HAK ASASI MANUSIA
Tentu
saja, banyak yang telah dibuat dari fakta bahwa ketergantungan AI pada data
besar sudah memengaruhi privasi secara besar-besaran. Tidak terlihat lagi dari
masalah-masalah yang terjadi di Cambridge Analytica di Facebook atau Amazon's
Alexa yang menguping, dua di antara banyak contoh teknologi yang menjadi liar.
Tanpa regulasi yang tepat dan batasan yang dipaksakan sendiri, para kritikus
berpendapat, situasinya akan semakin buruk. Pada 2015, CEO Apple Tim Cook
mengolok-olok pesaing Google dan Facebook (kejutan!) Karena penambangan data yang
didorong oleh keserakahan.
"Mereka
melahap semua yang mereka dapat pelajari tentang Anda dan berusaha untuk
menghasilkan uang," katanya dalam pidato 2015. "Kami pikir itu
salah."
Musim
gugur yang lalu, selama pembicaraan di Brussels, Belgia, Cook menguraikan
keprihatinannya.
"Memajukan
AI dengan mengumpulkan profil pribadi yang besar adalah kemalasan, bukan
efisiensi," katanya. "Agar kecerdasan buatan menjadi benar-benar
cerdas, itu harus menghormati nilai-nilai kemanusiaan, termasuk privasi. Jika
kita salah, bahaya-bahayanya sangat dalam."
“Jika
diterapkan secara bertanggung jawab, AI dapat bermanfaat bagi masyarakat.
Namun, seperti halnya dengan sebagian besar teknologi yang muncul, ada risiko
nyata bahwa penggunaan komersial dan negara memiliki dampak merugikan pada hak
asasi manusia. "
Banyak
orang lain setuju. Dalam sebuah makalah yang diterbitkan baru-baru ini oleh
kelompok hak asasi manusia dan privasi yang berpusat di Inggris, Pasal 19 dan
Privacy International, kecemasan tentang AI dicadangkan untuk fungsi
sehari-harinya daripada perubahan dahsyat seperti kedatangan penguasa robot.
"Jika
diterapkan secara bertanggung jawab, AI dapat bermanfaat bagi masyarakat,"
tulis penulis. “Namun, seperti halnya dengan sebagian besar teknologi yang
muncul, ada risiko nyata bahwa penggunaan komersial dan negara berdampak buruk
pada hak asasi manusia. Secara khusus, aplikasi dari teknologi ini sering
mengandalkan generasi, pengumpulan, pemrosesan, dan berbagi sejumlah besar
data, baik tentang perilaku individu dan kolektif. Data ini dapat digunakan
untuk profil individu dan memprediksi perilaku di masa mendatang. Sementara
beberapa kegunaan ini, seperti filter spam atau item yang disarankan untuk
belanja online, mungkin tampak jinak, yang lain dapat memiliki dampak yang
lebih serius dan bahkan mungkin menimbulkan ancaman yang belum pernah terjadi
sebelumnya terhadap hak privasi dan hak kebebasan berekspresi dan informasi
('kebebasan berpendapat). ekspresi'). Penggunaan AI juga dapat berdampak pada
pelaksanaan sejumlah hak lainnya, termasuk hak atas pemulihan yang efektif, hak
atas persidangan yang adil, dan hak untuk bebas dari diskriminasi. ”
MEMPERSIAPKAN
MASA DEPAN AI
BANTUAN
ATAU HOMISIDAL: KEMUNGKINAN FANTASTIS KECERDASAN UMUM ARTIFICIAL
Berbicara
di Westminster Abbey London pada akhir November 2018, pakar AI yang terkenal
secara internasional Stuart Russell bercanda (atau tidak) tentang “perjanjian
formal dengan wartawan bahwa saya tidak akan berbicara dengan mereka kecuali
mereka setuju untuk tidak menempatkan robot Terminator dalam artikel tersebut.
”Gurauannya mengungkapkan penghinaan yang jelas untuk representasi Hollywood
tentang AI di masa depan, yang cenderung ke arah yang terlalu padat dan
apokaliptik. Apa yang disebut Russell sebagai "AI tingkat manusia,"
juga dikenal sebagai kecerdasan umum buatan, telah lama menjadi makanan bagi
fantasi. Tetapi peluang untuk direalisasikan dalam waktu dekat, atau sama
sekali, sangat tipis. Mesin-mesin itu hampir pasti tidak akan bangkit (maaf,
Dr. Russell) selama ada orang yang membaca cerita ini.
"Masih
ada terobosan besar yang harus terjadi sebelum kita mencapai sesuatu yang
menyerupai AI tingkat manusia," jelas Russell. “Salah satu contoh adalah
kemampuan untuk benar-benar memahami konten bahasa sehingga kami dapat
menerjemahkan antar bahasa menggunakan mesin ... Ketika manusia melakukan
terjemahan mesin, mereka memahami konten dan kemudian mengekspresikannya. Dan
saat ini mesin tidak pandai memahami konten bahasa. Jika tujuan itu tercapai,
kita akan memiliki sistem yang kemudian dapat membaca dan memahami segala
sesuatu yang pernah ditulis oleh umat manusia, dan ini adalah sesuatu yang
tidak dapat dilakukan oleh manusia ... Begitu kita memiliki kemampuan itu, Anda
dapat menanyakan semua pengetahuan manusia dan itu akan dapat mensintesis dan
mengintegrasikan dan menjawab pertanyaan yang tidak ada manusia yang pernah
mampu menjawab karena mereka belum membaca dan mampu mengumpulkan dan
menggabungkan titik-titik antara hal-hal yang tetap terpisah sepanjang sejarah.
”
Itu
seteguk. Dan pikiran yang penuh. Pada subjek yang, meniru otak manusia sangat
sulit dan alasan lain untuk masa depan AGI masih hipotetis. Profesor lama
teknik dan ilmu komputer Universitas Michigan John Laird telah melakukan
penelitian di bidang ini selama beberapa dekade.
"Tujuannya
selalu untuk mencoba membangun apa yang kita sebut arsitektur kognitif, apa
yang kita anggap bawaan untuk sistem intelijen," katanya tentang pekerjaan
yang sebagian besar terinspirasi oleh psikologi manusia. “Salah satu hal yang
kita tahu, misalnya, adalah otak manusia sebenarnya bukan hanya satu set neuron
yang homogen. Ada struktur nyata dalam hal komponen yang berbeda, beberapa di
antaranya terkait dengan pengetahuan tentang bagaimana melakukan sesuatu di
dunia. "
Itu
disebut memori prosedural. Lalu ada pengetahuan berdasarkan fakta umum, memori
semantik, serta pengetahuan tentang pengalaman sebelumnya (atau fakta pribadi)
yang disebut memori episodik. Salah satu proyek di lab Laird melibatkan
penggunaan instruksi bahasa alami untuk mengajarkan robot permainan sederhana
seperti Tic-Tac-Toe dan teka-teki. Instruksi tersebut biasanya melibatkan
deskripsi tujuan, ikhtisar langkah hukum dan situasi kegagalan. Robot
menginternalisasi arahan-arahan tersebut dan menggunakannya untuk merencanakan
aksinya. Namun, seperti biasa, terobosan lambat datang - lebih lambat, lebih
lambat daripada yang diinginkan Laird dan rekan-rekan peneliti.
"Setiap
kali kita membuat kemajuan," katanya, "kita juga mendapatkan
penghargaan baru untuk betapa sulitnya itu."
APAKAH
AGI BENAR-BENAR ANCAMAN EKSISTENSIAL TERHADAP MANUSIA?
Lebih
dari beberapa tokoh AI berlangganan (beberapa lebih hiperbola daripada yang
lain) untuk skenario mimpi buruk yang melibatkan apa yang dikenal sebagai
"singularitas," di mana mesin superintel mengambil alih dan secara
permanen mengubah keberadaan manusia melalui perbudakan atau pemberantasan.
Ahli
fisika teoretis Stephen Hawking terkenal mendalilkan bahwa jika AI itu sendiri
mulai merancang AI lebih baik dari programmer manusia, hasilnya bisa
"mesin yang kecerdasannya melebihi kita dengan lebih dari kita melebihi siput."
Elon Musk percaya dan telah bertahun-tahun memperingatkan bahwa AGI adalah
ancaman eksistensial manusia terbesar. Upaya-upaya untuk mewujudkannya,
katanya, seperti "memanggil iblis." Dia bahkan telah menyatakan
keprihatinan bahwa sahabatnya, pendiri Google dan CEO Alphabet Larry Page,
secara tidak sengaja dapat menggembalakan sesuatu "jahat" yang ada
meskipun ada niat terbaiknya. . Katakanlah, misalnya, "armada robot buatan
yang ditingkatkan kecerdasannya mampu menghancurkan umat manusia." (Musk,
Anda mungkin tahu, memiliki bakat untuk dramatis.) Bahkan Gyongyosi IFM, tidak
ada alarmis ketika datang ke prediksi AI, tidak ada aturan apa pun. di luar.
Pada titik tertentu, katanya, manusia tidak perlu lagi melatih sistem; mereka
akan belajar dan berkembang sendiri.
ROBOT
WAR & MOTIF YANG LUAR BIASA: BAGAIMANA MANUSIA MUNGKIN MENGGUNAKAN AGI
ADALAH ANCAMAN NYATA
Klabjan
juga menempatkan sedikit persediaan dalam skenario ekstrem - jenis yang
melibatkan, katakanlah, cyborg pembunuh yang mengubah bumi menjadi Hellscape
yang membara. Dia jauh lebih peduli dengan mesin - robot perang, misalnya -
diberi makan "insentif" yang salah oleh manusia jahat. Seperti yang
dikatakan profesor fisika MIT dan peneliti AI terkemuka Max Tegmark dalam TED
Talk 2018, “Ancaman nyata dari AI bukanlah kejahatan, seperti dalam film-film
Hollywood yang konyol, tetapi kompetensi - AI mencapai tujuan yang tidak
selaras dengan kita. "Itu juga yang diambil Laird.
"Saya
benar-benar tidak melihat skenario di mana sesuatu terbangun dan memutuskan
ingin mengambil alih dunia," katanya. "Saya pikir itu fiksi ilmiah
dan bukan seperti apa yang akan terjadi."
Apa
yang paling dikhawatirkan Laird tentang AI bukan kejahatan, tetapi,
"manusia jahat menggunakan AI sebagai semacam pengganda kekuatan palsu"
untuk hal-hal seperti perampokan bank dan penipuan kartu kredit, di antara
banyak kejahatan lainnya. Jadi, sementara dia sering frustrasi dengan laju
kemajuan, pembakaran lambat AI sebenarnya bisa menjadi berkah.
"Waktu
untuk memahami apa yang kita ciptakan dan bagaimana kita akan memasukkannya ke
dalam masyarakat," kata Laird, "mungkin persis apa yang kita
butuhkan."
Tapi
tidak ada yang tahu pasti.
"Ada
beberapa terobosan besar yang harus terjadi, dan itu bisa terjadi dengan sangat
cepat," kata Russell saat berbicara di Westminster. Merujuk efek
transformasi cepat dari fisi nuklir (pembelahan atom) oleh fisikawan Inggris
Ernest Rutherford pada tahun 1917, ia menambahkan, "Sangat, sangat sulit
untuk diprediksi kapan terobosan konseptual ini akan terjadi."
Tetapi
kapan pun mereka melakukannya, jika mereka melakukannya, dia menekankan
pentingnya persiapan. Itu berarti memulai atau melanjutkan diskusi tentang
penggunaan etika A.G.I. dan apakah harus diatur. Itu berarti bekerja untuk
menghilangkan bias data, yang memiliki efek merusak pada algoritma dan saat ini
merupakan lalat besar dalam salep AI. Itu berarti bekerja untuk menciptakan dan
menambah langkah-langkah keamanan yang mampu menjaga teknologi tetap
terkendali. Dan itu berarti memiliki kerendahan hati untuk menyadari bahwa
hanya karena kita tidak dapat berarti kita harus melakukannya.
"Situasi
kita dengan teknologi memang rumit, tetapi gambaran besarnya agak
sederhana," kata Tegmark selama TED Talk-nya. “Sebagian besar peneliti AGI
mengharapkan AGI dalam beberapa dekade, dan jika kita gagal dalam persiapan
ini, itu mungkin akan menjadi kesalahan terbesar dalam sejarah manusia. Ini
bisa memungkinkan kediktatoran global yang brutal dengan ketimpangan,
pengawasan, penderitaan, dan bahkan mungkin kepunahan manusia yang belum pernah
terjadi sebelumnya. Tetapi jika kita mengarahkan dengan hati-hati, kita bisa
berakhir di masa depan yang fantastis di mana semua orang menjadi lebih baik —
orang miskin lebih kaya, orang kaya lebih kaya, semua orang sehat dan bebas
untuk mewujudkan impian mereka. ”
