Mediene har ikke en anelse om kunstig intelligens (AI). Eller teknologi. 'Roboter kommer for jobben din' er et populært gråte, men neste dag er det frykt for AI som begynner i verdenskrig III.

Ikke bare har roboter og AI veldig lite å gjøre med hverandre, men AI er på et veldig tidlig stadium. I tillegg kan det deles inn i flere separate teknologier.

Massene blir vildledt til å frykte automatisering og en fabelaktig superintelligens, men det er de med arbeidskunnskap om hvordan AI fungerer - og hvordan det kan utnyttes - som vil være best forberedt på arbeidets fremtid.

Hva er AI?

Hva er AI? Se vår forklaring, brakt til deg av æren

Det er ikke noe presist svar på dette spørsmålet, men det har ingenting å gjøre med robotoverlatere. AI er et felt av datavitenskap som undersøker om vi kan lære en datamaskin å "tenke".

AI som et uttrykk har eksistert siden 1956 da det ble laget av amerikansk datavitenskapsmann John McCarthy, seks år etter at engelsk matematiker Alan Turing hadde utgitt et papir kalt 'Computer maskiner og intelligens' i 1950.

AI er generelt delt inn i ulike undergrupper som prøver å etterligne bestemte ting som mennesker gjør. Talegjenkjenning etterligner hørsel, naturlig språkbehandling etterligner skrive og snakke, bildegjenkjenning og ansiktsskanning etterligner synet, og maskinlæring etterligner å tenke.

Det er mange forskjellige, ofte ikke-relaterte teknologier; AI er et paraplybegrep, og absolutt ikke en generell bruksteknologi.

Fremskritt i prosessorkraft og produksjon av store data er drivstoff AI. Kreditt: IBM

Hvorfor er AI så hyped opp?

Forskning på AI driver for tiden bølgen av økt datakraft og store data. Sammen gjør de AI både mulige og tvingende; Som et samfunn produserer vi nå alt for mye data til å behandle oss selv eller få innsikt fra. Samlet data vokser 40% i året, og det kommer mest til å kaste bort.

Eksistensen av alle disse dataene betyr også at AI-programvaren har nok informasjon, ikke bare for å jobbe med, men å lære av. Er dette AIs store øyeblikk? Venturekapitalister og teknologi giganter som Amazon, Google, Facebook, Microsoft og Apple tror det, og investerer sterkt i forskning.

Det er disse selskapene som har ufattelig store datasett samlet i de siste tiårene, og en interesse i å automatisere oppgaver på dataene. Sammen blir de arbitrerne av AI-kunnskap, så det er AI-teknikker utviklet av Google et al. som blir brukt av forskere til å tråle gjennom data for å få ny innsikt.

Det kommer til å være en AI-drevet kunnskapseksplosjon.

AI vil hjelpe forskere til å lage utrolige gjennombrudd. Kreditt: Nasa

Overvåket maskinlæring

Maskininnlæring er en handling av datavitenskapere som trener en datamaskin for å gjøre noe. Det handler om å automatisere repeterende oppgaver, i hovedsak trene en datamaskin for å gjenkjenne mønstre og kategorisere data.

Det klassiske eksempelet er bildegjenkjenning eller 'AI-visjon'; gi en datamaskin et stort antall bilder som inneholder merkede objekter, og datamaskinen kan lære å identifisere dem automatisk. Datamaskinen skaper hvilke AI-forskere som kaller et neuralt nettverk; En virtuell hjerneforbindelse som ligner en grunnleggende prosess i den menneskelige hjerne.

Men å skape et neuralt nettverk som dette krever mye menneskelig arbeidskraft, og også mye prosessorkraft. Google AI og University of Texas brukte nylig AI på et merket datasett med signaler fra Kepler-romteleskopet for å oppdage to eksoplaneter da astronomer ikke hadde funnet noe.

Det brukes også til å identifisere sprekker i reaktorer, og til og med hjelpe ingeniører i Storbritannias felles europeiske Torus-anlegg fange og distribuere atomfusjonsenergi.

Dette er overvåket maskinlæring, og mens det blir bedre å ikke glemme, er det nyttig å forutsi mønstre i data hamstrert av dataene det er matet.

AI brukes til å bidra til at atomfusion blir en realitet. Kreditt: JET

Unservervised maskinlæring

Hva om et datasystem kan selvlære, bygge algoritmer guidet ikke av mennesker, men av data?

Unsupervised maskinlæring (også kalt "true AI" av noen) er virkelig hva AI-forskerne ønsker å oppnå. Det er der du bare har umerkede data, og du ber datamaskinen om å lære ting uten å fortelle det hva de riktige svarene er.

For eksempel utviklet Google et bildegenkjenningsnettverksnettverk og ga det YouTube i en uke for å se om det kunne gjenkjenne vanlige objekter. Det fant katter - selv om det ikke visste hva en katt var. For AI, det er imponerende, men det viser også dagens grenser for hva AI er i stand til.

Det samme nevrale nettverket - nå kalt DeepVariant - brukes nå til å identifisere mutasjoner i DNA-sekvenser, presentert til datamaskinen som bilder. AI er i hovedsak oppdagelse av feilene som er gjort av DNA-sekvenseringsmaskiner; det får innsikt fra data der det ikke ville vært noe. AI brukes også til å oppdage falske malerier.

Dette er hva AI blir brukt til; å gjøre datamaskiner bedre på jobben sin.

AI kommer ikke nær evner i den menneskelige hjerne

Nevrale nettverk

Dette er bare en av mange maskinlæringsteknikker. Nevrale nettverk etterligner det som skjer i den menneskelige hjerne, men tenk ikke et øyeblikk at AI ligger på randen til å kopiere mennesker. Et neuralt nettverk i AI kan håndtere hundrevis, tusenvis og noen ganger millioner av innganger, med dataflytende enveis.

Det er klare ting, men den menneskelige hjernen har milliarder av sammenkoblede nevroner; Vi er alle flere størrelsesordener mer komplekse enn AI. Så når du hører uttrykket "dyp læring", hold det i kontekst; sann datamaskin intelligens og kunstig generell intelligens (AGI) er noen vei unna.

Vil jeg ta jobbene våre??

Det er mye frykt for at jeg tar folks jobber. Det er verre av det faktum at mange økonomier opplever sakte vekst og usikkerhet i jobben. AI handler om å gjøre datamaskiner mer i stand, noe som vil få betydelig innvirkning på hvordan samfunnet går. Mye rutinearbeid blir automatisert og reduserer administrativ arbeidsbelastning.

Det betyr at folk vil være i stand til å konsentrere seg om arbeidet med høyere verdi uten de sjeldne ødeleggende rapportskrivningsoppgaver. Det betyr at forskere vil gjøre flere funn, leger vil få tilgang til mer banebrytende kunnskap og redde flere liv, og politiet vil kunne gjøre mer politi.

AI handler om å øke produktiviteten, og det kan gi tusen oppstart som gir nye bedrifter og næringer.

Roboter som Relay bruker ikke engang AI. Kreditt: Savioke

Fremtiden for AI

AI er en måte for datavitenskapere å få datamaskiner til å fange opp virkeligheten til store data, og få dem til å utføre kjedelige manuelle oppgaver som nå er langt borte fra oss, gitt den overflod av data vi nå er omgitt av.

Det er en kurv av teknikker, ikke en generell teknologi, og det handler ikke om å automatisere alt.

Selv om det vil få effekt på mange bransjer, vil alle bedrifter trenge en overbevisende sak for AI - mest sannsynlig å løse et virkelig spesifikt, smalt problem - samt dataforskere som spesialiserer seg på AI, og mye godt Bestilte data som AI kan lære av.

Vil jeg endre alt? Kanskje, eller kanskje sprøytenarkomanen - og finansieringen for forskning - vil tørke opp som forskere slo en vegg. Tross alt er AI allerede på randen for å bli en blid markedsføringsperiode for å selge telefoner. Selv om disse tidlige dagene av AI viser en betydelig milepæl for menneskeheten, vil det nok være en sakte brenner.

Men det vi vet sikkert er at å ha forståelse for AI skal bli viktigere for flere yrker. For alle oss som lever gjennom dataeksplosjonstiden, er AI det manglende stykket av stikksagen.

Techradar sin AI Uke er brakt til deg i forbindelse med Ære.