Din bästa lagkamrat kan en dag bli en algoritm

PAR

Google lanserar ett försök som man hoppas kan förvandla människor och intelligenta maskiner till produktiva arbetskompisar.

Genom ett projekt som heter People + AI Research, eller PAIR, kommer Google att släppa verktyg som är utformade för att göra AI-systemens inre funktioner mer transparenta. Företaget lanserar också flera forskningsinitiativ som syftar till att hitta nya sätt för människor och AI-system att samarbeta effektivt.

En hel del har gjorts nyligen av potentialen för artificiell intelligens för att eliminera jobb och ersätta människor, men i själva verket kan tekniken ofta fungera som en kraftfull ny typ av verktyg som kan automatisera endast en del av en persons arbete.

Att ta reda på hur man får människor och AI-algoritmer att samarbeta effektivt kan ha stor ekonomisk betydelse, och det kan forma hur arbetskraften utbildas. Det kan också spela en roll för att dämpa negativa reaktioner på automatiseringens växande roll i många miljöer (se Är teknologin som förstör jobb? och Vem kommer att äga robotarna? ).

Barbara Grosz , en professor vid Harvard University som länge har hävdat att datavetare borde designa AI-system för att komplettera snarare än att ersätta människor, säger att detta tillvägagångssätt behövs eftersom AI fortfarande är så begränsad i vad den kan göra. Grosz tillägger att mänskliga och maskinella förmågor kan summera till mer än summan av deras delar. AI-system behöver, precis som alla datorer, utvecklas för de människor som ska använda dem, säger hon.

En känsla av hur AI-algoritmer kan samarbeta med människor kan ses i spel. Schack- eller Go-spelare kan slå sig samman med datorprogram för att prestera på en förhöjd nivå. Detta kräver en ny uppsättning färdigheter och ett nytt förhållningssätt till varje spel.

De senaste åren har sett snabba framsteg inom maskininlärning, med dramatiska förbättringar av teknisk prestanda, skrev forskarna i ett blogginlägg där de tillkännagav initiativet. Men vi tror att AI kan gå mycket längre – och vara mer användbar för oss alla – om vi bygger system med människor i åtanke i början av processen.

PAIR leds av Fernanda Viégas och Martin Wattenberg, forskare som är specialiserade på att utveckla visualiseringar som gör komplex information mer begriplig. Viégas och Wattenberg har tidigare utvecklat en serie verktyg för att belysa beteendet hos komplexa och abstrakta maskininlärningsmodeller. Opaciteten hos sådana modeller är ett växande problem för dem som hoppas kunna distribuera dem i ett bredare spektrum av inställningar (se The Dark Secret at the Heart of AI).

PAIR-projektet släpps idag två verktyg för att visualisera vilken typ av stora datamängder som används för att träna en maskininlärningsmodell för att göra användbara förutsägelser. Dessa visualiseringar kan hjälpa en datavetare att identifiera anomalier i träningsdata.

Grosz säger att det är särskilt utmanande att bygga AI-system som fungerar bra med människor, dels för att dessa system kan vara komplexa och ogenomskinliga, men också för att interagera med en människa på ett intelligent sätt är en stor utmaning. I varje situation måste du kunna modellera en persons mentala tillstånd, säger hon.

Dölj