Adskillige nye teknologier har skabt et buzz omkring kunstig intelligens (AI), og hvad det betyder for vores fremtid som samfund. Hver teknologi kommer fra forskellige grene af AI og udgør et unikt sæt fordele og bekymringer.
Deepfakes og stemmekloning AI'er gør det svært for dig at stole på noget, du ser eller hører på internettet. Nogle siger, at ChatGPT og lignende deep learning AI-systemer sandsynligvis vil skabe jobredundans på flere områder. Et bekymrende spørgsmål opstår: "vil AI i sidste ende erstatte programmører?"
Hvad er kunstig intelligens?
AI er en gren af datalogi, der fokuserer på et systems evne til at løse problemer ved hjælp af en (eller flere) af fire kvaliteter. Et AI-system kan tænke menneskeligt, handle menneskeligt, tænke rationelt og/eller handle rationelt.
Historien om kunstig intelligens
Selvom det ser ud til, at kunstig intelligens har eksisteret i århundreder, er det et felt, der tog fart i midten af 1900-tallet. En af de mest bemærkelsesværdige datoer i AI's historie er 1956, dette var året for den officielle introduktion til området kunstig intelligens. Denne introduktion fandt sted på en konference på Dartmouth College.
Flere store navne linker til forskellige aspekter af de tidlige fremskridt inden for AI. Disse omfatter Alan Turing, Marvin Minsky, Allen Newell, Herbert Simon, John Robinson og Alain Colmerauer.
Handle menneskeligt
I 1936 udgav Alan Turing et papir med titlen "On Computable Numbers, With an Application to the Entscheidungsproblem". I dette papir introducerede Turing konceptet med en Turing-maskine, som den dag i dag spiller en vigtig rolle i kunstig intelligens. Han beviste, at med den korrekte algoritme kan en Turing-maskine udføre enhver matematisk beregning.
Senere i 1937 brugte Turing standsningsproblemet til at påpege begrænsningerne ved intelligente maskiner. Så i 1950 definerede Turing maskinintelligens ved at bruge det, han kalder Turing-testen. Hvis et AI-system består Turing-testen, kan det system handle menneskeligt.
Tænk menneskeligt
Marvin Minsky er et populært navn inden for kunstig intelligens. Han er kendt for at udvikle den første tilfældigt kablede neurale netværkslæringsmaskine, kaldet SNARC i 1951. Neurale netværk lærer computere at behandle data på samme måde som den menneskelige hjerne. Minskys definition af kunstig intelligens er, at det er "videnskaben om at få maskiner til at gøre ting, der ville kræve intelligens, hvis de blev udført af mænd."
Allen Newell og Herbert Simon er to andre pionerer inden for kunstig intelligens, som fokuserede på en maskines evne til at simulere menneskelig tænkning. I 1956 præsenterede de det første symbolbehandlende computerprogram, kaldet Logic Theorist. I 1961 udviklede Newell og Simon General Problem Solver (GPS), som i det væsentlige efterligner menneskelig tankegang.
Tænk rationelt
Indtast John Robinson, som i 1965 udgav et tidsskrift med titlen "A Machine-Oriented Logic Based on the Opløsningsprincip." Han opfandt også opløsningskalkylen for prædikatlogik, som spiller en afgørende rolle rolle i AI.
Prædikatlogik er et formelt sprog, der bruger logik til at repræsentere rationel tænkning. Dette sprog bruger den ramme, at korrekte præmisser vil producere korrekte konklusioner. For eksempel er Alexa en maskine; alle maskiner gør arbejdet lettere; derfor gør Alexa arbejdet lettere.
Seneste fremskridt inden for kunstig intelligens
Som det var under starten, er feltet for kunstig intelligens i dag meget komplekst med mange forskellige grene. Hver gren under paraplyen af AI gør konstant betydelige fremskridt.
Machine learning er en gren af AI, der bruger dataalgoritmer til at efterligne menneskelig læring, hvilket forbedrer dens nøjagtighed ved hver iteration. En af de mere fremtrædende undergrupper af maskinlæring er deep learning. Deep learning forbedrer maskinlæring ved at reducere en maskines behov for menneskelig assistance.
For eksempel, hvis du havde billeder af blomster, som du ønskede at gruppere efter art, vil kategoriseringsprocessen variere afhængigt af typen af system. Hvis dit system bruger maskinlæring, skal du manuelt etablere de funktioner, der adskiller arter. Imidlertid vil et system, der bruger dyb læring, bestemme de bedste kendetegn for hver art alene.
Deep learning har skabt store bølger i branchen de seneste år, grundet flere teknologier. ChatGPT er en deep learning-teknologi som i øjeblikket får stor opmærksomhed.
Ifølge ChatGPT er det:
en stor sprogmodel skabt af OpenAI. Det er et kunstig intelligens (AI)-program designet til at forstå naturligt sprog og generere menneskelignende svar på forskellige typer spørgsmål og prompter. Modellen er baseret på en deep learning-arkitektur kaldet en transformer, som er i stand til at bearbejde store mængder af tekstdata og generere svar baseret på mønstre og relationer, den har lært af det data.
Siden lanceringen i fjerde kvartal af 2022 har ChatGPT været genstand for megen debat. Det, der får dette AI-system til at skille sig ud, er dets naturlige sprogbehandlingsevner kombineret med dets evne til at lære ny information gennem forstærkende læring fra menneskelig feedback (RLHF). Det ser også ud til at have en stærk evne til at skrive og rette kode. Nogle siger, at denne teknologi repræsenterer tilblivelsen af udryddelsen af menneskelige programmører.
Ønskede egenskaber ved en menneskelig programmør, som AI ikke kan replikere
Et AI-system kan lære at skrive kode, der skaber software. Det kan dog være lidt mere kompliceret at udskifte programmører helt. Et AI-systems evner kan tillade det at reducere arbejdsstyrken ved at hjælpe programmører med at arbejde hurtigere, men det kan aldrig rigtigt erstatte menneskelige arbejdere. Et vigtigt kendetegn mellem programmører og AI-systemer er den menneskelige hjerne og dens komplekse egenskaber.
Ifølge Andrew Ng, et af topnavnene i AI i dag:
en enkelt neuron i hjernen er en utrolig kompleks maskine, som vi selv i dag ikke forstår. Et enkelt 'neuron' i et neuralt netværk er en utrolig simpel matematisk funktion, der fanger en lille brøkdel af kompleksiteten af en biologisk neuron.
Hjernens evne til at generere en ny tanke fra tilsyneladende tynd luft er hinsides menneskelig fatteevne. Det er bestemt ikke noget et AI-system kan replikere. Et andet ønskeligt kendetegn ved programmører er kreativitetens forvirring, hvilket igen er noget, som en maskine ikke kan kopiere.
Gennem dyb læring kan AI give indtryk af menneskelig tænkning. Nogle AI-systemer kan træffe enkle beslutninger, men disse beslutninger blegner i forhold til den menneskelige hjernes beslutningsevner. AI kan skrive kode, men den er ikke i stand til at sikre, at den kode, den skriver, er den korrekte kode. Et AI-system kan ikke replikere menneskelig dømmekraft, og der er heller ingen indikation af, at det vil være i stand til at gøre det i fremtiden.
Fremtiden for AI og programmering
AI-teknologier såsom ChatGPT har bevist, hvor nyttig AI kan være for programmører. Det genererer kode hurtigt og kan hjælpe med en programmørs overordnede arbejdsgang. ChatGPT har dog også bevist, at selv den mest avancerede deep learning-teknologi, som vi har i øjeblikket, ikke kan håndtere fuldstændig autonomi. ChatGPT er kendt for at generere meningsløse svar på spørgsmål, ifølge OpenAI.
Derfor er det plausibelt at antage, at fremtiden for AI inden for programmering er en af "hjælpere til" snarere end "erstatninger af" programmører.