Samenvatting Mens en Machine
TAAK 1
Keywords: cognitive science, artificial intelligence, machine learning,
prediction
Leerdoelen:
1. Wat is AI?
2. Wat zijn de grenzen van AI, hoe ver mag AI gaan?
3. Wat zijn de voor- en nadelen van AI?
4. Wat is het verschil tussen AI en menselijke intelligentie?
5. Wat zijn de mogelijke toepassingen van AI?
6. Welke voorspellingen worden gemaakt over AI?
7. Welke verschillende visies zijn er m.b.t. AI?
8. Welke invloed heeft AI op psychologie?
TedTalk Nick Bostrom: What happens when our computers get
smarter than we are?
Artificiële = Gemaakte, kunstmatige intelligentie.
intelligentie
(AI)
Voordelen Ondersteuning geven aan mensen met defecten
van robots Data veel sneller verwerken dan mensen
Efficiënter en foutlozer werken dan mensen
Nadelen van Banen gaan verloren
robots Afhankelijkheid van robots
Robots worden zelfstandig
Misschien niet veilig (moeilijk te stoppen)
Robots hebben geen normen en waarden
Er moet een veilige situatie gecreëerd worden voor deze superintelligente
robots. Van tevoren moet worden bedacht hoe de robots gecontroleerd
kunnen worden door de mens, al voordat deze ‘soort’ wordt ontworpen.
Computers/robots moeten een systeem van motivatie krijgen, leren wat
normen en waarden zijn en dat niet alleen voor bekende situaties, maar
ook voor nieuwe situaties.
AI-winters: Periodes dat er niks meer wordt onderzocht i.v.m. AI omdat
het bijvoorbeeld maar niet lukt.
Agrawal: What to expect from artificial intelligence?
Focus van tekst:
, - Demonstratie van hoe verbetering in AI gelinkt is aan
vooruitgangen in voorspelling
- Kijken hoe AI ons kan helpen problemen op te lossen die
eerder niet voorspelbaar waren
- Kijken hoe de waarde van sommige menselijke skills zal dalen,
en andere juist zullen stijgen
- Wat de implicaties zijn voor managers
Moore’s law = Het aantal transistors op een geïntegreerde
schakeling verdubbelt ongeveer elke twee jaar,
domineerde informatietechnologie tot slechts een paar
jaar geleden.
Machine = Het programmeren van computers om van
learning voorbeelddata/eerdere ervaring te leren.
Vooral nuttig in complexe omgevingen
Vb.: Machine krijgt aantal afbeeldingen te zien
met namen erbij, vervolgens worden er miljoenen
foto’s getoond die elk benoemde objecten
bevatten
Machines ontdekken correlaties (vb. appels zijn
vaak rood), gebruiken die correlaties om
informatie uit eerdere afbeeldingen van appels om
te voorspellen of er een appel is op een nieuwe,
ongeïdentificeerde foto
Prediction = Het anticiperen op wat in de toekomst zal gebeuren
Vergemakkelijkt veel dingen, denk bijvoorbeeld
aan Google translate, diagnoses voor ziekten
Kosten: Door technologische- en wiskundige
vooruitgangen: kosten van machine learning-
based predictions zijn gedaald
Waarde: Prediction wordt waardevoller als
data meer ruim beschikbaar zijn: Als data
beschikbaarheid toeneemt, is er meer predicition
in een wijdere verscheidenheid van taken
vb.: Denk aan AlphaGo – werd steeds beter in
voorspellen hoe het kon winnen (en op basis
daarvan zetten bedenken) doordat het input kreeg
van een grote hoeveelheid data (van allemaal
professionele Go spelers)
Judgement = Het vermogen om weloverwogen beslissingen te
nemen, inzicht krijgen in de impact van
verschillende acties op de resultaten in het licht van
voorspellingen.
Taken die minder menselijke judgement vereisen/
waar beslissingen duidelijk in een algoritme
kunnen worden omgezet = makkelijker te
automatiseren
,Mensen zijn sterk in judgement, en zwak in prediction!
Artificial Intelligence (AI) biedt de mogelijkheid om iets dat eerst duur
was, nu goedkoper te maken d.m.v. voorspelling.
AI’s vermogen om informatie die je hebt te gebruiken om informatie
die je eerst nog niet had te genereren.
Voorbeeld van zelfrijdende auto’s: d.m.v. voorspelling van handeling
van menselijke autobestuurder als reactie op een set van inputs,
kan auto zelfstandig rijden
Nieuwe vormen van machine learning kunnen in staat stellen manieren te
vinden om relaties tussen acties en uitkomsten te onderzoeken
Verbeterde predictions
Vb.: AlphaGo verbeterde zijn mogelijkheden door 1000en mens-tegen-
mens Go games te analyseren, en door miljoenen keren tegen zichzelf te
spelen.
Feedback werd gebruikt om meer accurate voorspellingen/nieuwe
strategieën te ontwikkelen
Feedback kan aspecten van judgement veranderen in prediction
problemen
Goedkopere en meer ruim beschikbare predictions kunnen leiden tot
verhoogde waarde voor door mensen geleide judgement tasks
Vb.: Google’s Inbox van Gmail verwerkt inkomende mails, en stelt
verschillende korte antwoorden voor, waaruit menselijke judge kan
kiezen. (Spaart tijd in vergelijking met zelf typen meer mails kunnen
beantwoorden in kortere tijd)
Belangrijke inzichten voor de toekomst:
1. Prediction ≠ automation:
Prediction is een input in automation, maar succesvolle
automation vereist meerdere activiteiten (data,
prediction, judgement, en actie)
Machine learning bevat alleen prediction (automation
vereist ook de andere 3)
Vb.: zelfrijdende auto’s vereist visie (data), scenarios’s van
wat voor handeling een mens zou verrichten (prediction),
beoordeling van consequenties (judgement), schakelen/gas
geven/etc. (action)
2. De meest waardevolle vaardigheden van personeel bevatten
judgement
Judgement skills zijn complementair aan predictie
Zal meer vraag naar zijn als de prijs van predictie daalt
o.w.v. vooruitgangen in AI
Voorbeelden van judgement skills: ethische beoordeling,
emotionele intelligentie, artistieke smaak, etc.
, Vb.: Als prediction leidt tot snellere, goedkopere, en
makkelijkere diagnose van ziekten, zullen verpleegkundige
skills gerelateerd aan fysieke interventie en emotioneel
comfort belangrijker worden
3. Managing kan een nieuwe set van talenten en expertise vereisen
Prediction skills van managers (vb. Aanneem- en
promotiebeslissingen o.b.v. welke job applicant het meest
waarschijnlijk goed zal zijn voor een bepaalde rol) worden
minder waardevol a.g.v. AI
Judgement skills van managers (vb. emotionele support
bieden, ethische standaarden volgen) worden waardevoller
a.g.v. AI
Armstrong: How We’re Predicting AI – or Failing To
Focus van de tekst:
- Kijken naar verschillende voorspellingen die gemaakt zijn over
AI
- Aantonen dat verwachtingen over AI vaak niet stroken met
realiteit (experts voorspellingen zijn niet te onderscheiden van
die van non-experts)
Een voorspelling (prediction) is iets dat onze verwachtingen van de
toekomst beperkt.
Voor het horen van de prediction, dacht je dat de toekomst bepaalde
eigenschappen zou hebben
Na horen en geloven van prediction, accepteer je dat de toekomst
anders zal zijn dan onze initiële gedachten
4 soorten predictions over AI:
Timelines and Vertellen ons wat wanneer we bepaalde AI-
outcome mijlpalen zullen bereiken
predictions Vb.: AI zal op de Turning test slagen in 2000
Scenarios Conditionele predictions: als er aan de
condities van een scenario wordt voldaan,
zullen bepaalde type uitkomsten volgen
Vb.: Als we een human-level AI bouwen die
makkelijk te kopiëren is en goedkoop is in
gebruik, zal dit zorgen voor een grote
werkeloosheid onder gewone mensen
Plans Specifiek type conditionele prediction
Claimt dat als iemand beslist een bepaald
plan te implementeren, ze succesvol zullen
zijn in het bereiken van een bepaald doel
Vb.: We kunnen een AI bouwen door de
menselijke hersenen te scannen en de scan op
een computer te simuleren
