Todos hablan y escriben sobre inteligencia artificial. Los artículos sobre esta área incluso se publican en publicaciones de entretenimiento, que de ninguna manera están asociadas con la tecnología. En consecuencia, las publicaciones técnicas dedican mucho tiempo a discutir tales temas. Al mismo tiempo, hay pronósticos muy interesantes, como el hecho de que en 10-20 años los robots
reemplazarán a las personas en el 50% de las especialidades.
Pero tales pronósticos plantean grandes dudas sobre su realismo, ya que actualmente la IA no ocupa un nicho muy grande, y ciertamente aún no ha quitado el trabajo a las personas. Si dentro de 10-20 años los robots de IA reemplazan a las personas en el 50% de las especialidades, entonces veremos decenas o incluso cientos de millones de desempleados. No muy cierto. En general, incluso los buenos expertos a veces hacen predicciones que parecen extrañas en términos de sentido común. Pero, ¿por qué la gente comete errores al formular su visión del futuro? Aquí hay
siete errores principales .
Subestimación y revaluación
Roy Amara es cofundador de una organización llamada Institute for the Future, que opera en Palo Alto. Una vez que formuló una idea muy interesante: "Tendemos a sobreestimar el efecto de la tecnología en los pronósticos a corto plazo y subestimar en los pronósticos a largo plazo". Una frase muy interesante.
Se puede ilustrar con la siguiente historia. En 1978, 24 de los 31 satélites GPS comenzaron a operar en órbita terrestre. Inicialmente, el propósito de este sistema era proporcionar al ejército estadounidense la capacidad de posicionarse con precisión. Los satélites ya estaban funcionando, pero el programa en sí se derrumbó. Recién en 1991, durante la "Tormenta del Desierto", los estadounidenses comenzaron a usarla. Antes de que el ejército de los Estados Unidos comenzara a hacer esto de manera continua, pasó aún más tiempo.
Pero que pasa ahora? El GPS funciona para todos, los módulos GPS se insertan en casi todos los teléfonos inteligentes, relojes inteligentes y otros dispositivos. Esta tecnología ayuda a realizar algunos experimentos físicos donde se requiere geolocalización. Por supuesto, la navegación moderna, en tierra, mar o en el aire es imposible sin GPS. Todos los camioneros están equipados con GPS, lo mismo puede decirse de los taxis, así como de otros vehículos.
El GPS fue desarrollado originalmente para un propósito, y bastante estrecho. Pero posteriormente, el GPS se convirtió en una tecnología universal que se extendió mucho más de lo planeado originalmente. Hay muchas tecnologías que se "comportan" como el GPS, pero este ejemplo es uno de los más llamativos.
En general, con IA casi igual. La IA predice una distribución casi global en los próximos años, pero esto es muy probable que sea una exageración. Al mismo tiempo, a la larga, la IA se subestima. Es cierto que en este caso, vale la pena pensar cuidadosamente sobre qué período de tiempo en este caso puede considerarse corto y cuál es largo.
Imagina magia
Arthur Clark en los años 60 y 70 del siglo pasado formuló tres postulados, que se llamaron "Las tres leyes de Clark". Estas leyes son:
- Cuando un científico respetado pero anciano afirma que algo es posible, es casi seguro que tiene razón. Cuando afirma que algo es imposible, es muy probable que se equivoque.
- La única forma de descubrir los límites de lo posible es atreverse a dar un paso hacia lo imposible.
- Cualquier tecnología suficientemente avanzada es indistinguible de la magia.
Uno puede imaginar una situación cuando le mostramos un dispositivo moderno a un científico del siglo XVIII. Para él, será pura magia o simplemente algo inimaginable para su mente. Tome el mismo iPhone que podríamos demostrarle a Isaac Newton. ¿Para que pueda pensar en él?
Tal vez hubiera decidido que este teléfono es algo oculto. No es ningún secreto que Newton, a pesar de sus logros en la ciencia, era aficionado al ocultismo. Entonces, para él, un teléfono inteligente moderno podría ser una cosa verdaderamente mágica que no se puede entender.
Después de todo, Newton ni siquiera sabía de electricidad, por no mencionar todo lo demás. ¿Podría decidir que el teléfono es una piedra filosofal? Después de todo, brilla, pero no se calienta (bueno, por supuesto, pero ligeramente), emite luz, pero la llama no es visible.
Tal vez Newton hubiera reaccionado a todo de manera diferente, no podemos saber esto. Pero ahora es imposible tratar de imaginar las tecnologías que la civilización estará disponible en 100-200-300 años. Sí, podemos hacer mucho, pero desde el punto de vista del futuro lejano, todo esto les parecerá a los descendientes lejanos lo mismo que para nosotros los experimentos de Faraday o el mismo Newton.
En cuanto a la IA, por el momento uno ni siquiera puede estar seguro de que sea posible una forma fuerte de inteligencia artificial. Nadie sabe cómo crearlo. Si aún es posible, entonces, probablemente, una verdadera IA le parecerá mágica al hombre moderno.
Rendimiento y competencia
Una persona que mira la imagen de un grupo de personas jugando al frisbee es bastante capaz de responder preguntas como "¿Qué forma de frisbee?", "¿Cuántas personas pueden jugar a este juego?", "¿Puedo comer frisbee?", "¿Puede jugar un bebé? Frisbee? "," ¿Cuál es el mejor clima para el juego? "
La computadora puede reconocer el juego Frisbee, pero hasta ahora ningún agente puede responder todas las preguntas relacionadas con este juego mencionado anteriormente. Está claro que el problema no está solo en el frisbee, es solo un ejemplo para entender la situación.
El uso de IA hasta ahora solo es posible para resolver problemas específicos. La IA puede realizar tareas limitadas, no pueden hacer lo que una persona es capaz de hacer
Palabras de sentido doble / triple
Cuando los expertos modernos hacen predicciones para la IA, a menudo usan palabras que se pueden percibir de esta manera, o de una manera diferente. Estamos hablando de términos y palabras ordinarias con un significado doble o incluso triple. Por ejemplo, "entrenamiento". En el campo de la informática, esto puede significar muchas cosas. Una cosa es estudiar el aparato matemático y otra es aprender a usar los palillos chinos correctamente.
Cuando las personas leen o escuchan sobre el aprendizaje automático, (principalmente no especialistas) piensan en aprender en la forma en que se desarrolla en nuestro mundo humano. Pero esto no es así. Una máquina no puede ser entrenada como un ser humano. Se necesita un grupo de ingenieros (o al menos un especialista) para entrenar IA. Necesitamos datos especialmente procesados y unificados, necesitamos una "estructura de entrenamiento", un algoritmo según el cual la máquina recibirá nuevos datos, agregando la información ya recibida a la textura existente.
Además, cuando se trata de jugar ajedrez o ir, la gente imagina que la computadora sabe cómo jugar y qué. De hecho, el auto no tiene la menor comprensión de qué juego está jugando. Al mismo tiempo, las máquinas están "entrenadas" para cumplir con un determinado conjunto de reglas. El más mínimo cambio en el mismo juego o ajedrez (hay reglas modificadas) y eso es todo, la computadora no podrá hacer frente. Una persona necesita muy poco tiempo para adaptarse a esos nuevos derechos.
Está claro que al describir lo que hace la máquina, los autores usan las palabras que todos conocemos. El problema es que estas palabras y términos no son muy adecuados para describir los procesos realizados por AI. Pero no tenemos otras palabras, por lo que este problema seguirá siendo relevante durante mucho tiempo.
Ley de Moore
Cada uno de nosotros ha escuchado sobre la ley de Moore, escriben sobre ella no menos a menudo que sobre la inteligencia artificial. En consecuencia, la declaración se repite regularmente que la ley de Moore es relevante no solo para los chips, sino también para otras áreas de TI.
Pero esto está lejos de ser siempre cierto. Puede comenzar con el hecho de que incluso en relación con las fichas, la ley de Moore comienza a "quedarse atrás". En otras áreas, esto es aún más relevante. Por ejemplo, si toma la capacidad de memoria de un iPod normal, debería haber alcanzado el momento actual de 160,000 GB. Pero eso no es para nada, la capacidad de memoria del iPod ahora es de 256 GB, solo el doble que en 2007.
¿Por qué estamos hablando de esto? El hecho es que muchos creen (incluso los expertos) que cada año el rendimiento de los sistemas de IA también se duplica. PERO esto no es así. Aquí, en general, no es una cuestión de rendimiento; para la aparición de IA real, se necesita un salto cualitativo en la tecnología, no cuantitativo.
Los autores de muchos pronósticos simplemente no toman en cuenta todo esto y continúan escribiendo sobre el aumento sistemático en el rendimiento de los sistemas de IA.
Guiones de Hollywood
En muchas películas de ciencia ficción hechas por Hollywood, el mundo del futuro prácticamente no es diferente de la modernidad, solo se agregan un par de nuevas tecnologías. En el mundo del "Hombre Bicentenario", los robots humanoides, prácticamente indistinguibles de los humanos, son tecnología familiar para todos. Pero aquí vemos cómo Richard recoge y lee un periódico. No una tableta (bueno, al menos), no un podcast de audio o información en un espejo inteligente, sino un periódico. Es poco probable que en ese momento existan.
Una película es una película, no puede haber quejas sobre el mismo "Hombre Bicentenario" en términos de predicciones del futuro. Pero los futurólogos modernos que nos muestran la IA del futuro cometen el mismo error que los guionistas de las películas de ciencia ficción. No piensan que en el futuro el mundo mismo pueda ser diferente.
Puede ser extremadamente diferente de lo que tenemos ahora. Y los pronósticos a largo plazo que se están compilando ahora son compilados por científicos en relación con las condiciones actuales. Pero puede que no estén en el futuro del que estamos hablando.
Velocidad de desarrollo
Las nuevas versiones de software salen muy a menudo, y en algunas áreas esto sucede con más frecuencia que en otras. Por ejemplo, la red social Facebook recibe actualizaciones / cambios literalmente cada hora. Modificar el software es mucho más simple que el hardware.
La actualización del hardware está cargada de costos bastante altos. Y el acceso a las carreteras de los mismos automóviles con control autónomo por computadora no es un proceso rápido en absoluto. Esto no es de 5 a 10 años, según muchos pronósticos, sino de 20 a 30 años como mínimo.
La infraestructura tecnológica obsoleta no se reemplaza inmediatamente después de la aparición de nuevos elementos. Por ejemplo, muchas organizaciones operan computadoras de 10 a 20 años. El principio es simple: "Funciona, no tocar".
En el caso de la IA, tampoco todo cambia de manera inmediata y no repentina. Incluso la integración de una forma débil de IA requiere mucho tiempo, este no es un proceso rápido. Y en las predicciones de los futurólogos, a menudo se indica que los cambios serán espasmódicos y casi instantáneos. Pero eso nunca pasa.