F:
Hur försöker företag lägga till en "hastighetsmätare" till konstgjord intelligensarbete?
A:Några av de företag som arbetar med de senaste framstegen inom artificiell intelligens blir fokuserade på att kvantifiera de framsteg som de har uppnått och benchmarka vissa aspekter av hur artificiell intelligens har utvecklats över tid. Det finns många skäl till varför företag bedriver denna typ av analys. I allmänhet försöker de ta reda på hur långt artificiell intelligens har kommit, hur det gäller våra liv och hur det kommer att påverka marknaderna.
Vissa företag brainstormar och övervakar deras framsteg för artificiell intelligens för att ta reda på hur ny teknik kan påverka medborgerliga friheter eller hur de kan skapa nya ekonomiska verkligheter. Beroende på företagets strategi kan dessa typer av analyser ta formen av att försöka ta reda på hur användardata kan flöda genom system, förstå hur gränssnitt kommer att fungera, eller ta reda på vilka funktioner artificiell intelligensenheter har och hur de kan använda dessa funktioner.
När det gäller metoder kan företag som försöker jämföra konstgjord intelligens fokusera på att bryta ned abstrakt information - till exempel en Wired-artikel citerar AI Index-projektet, där forskare som Ray Perrault, som arbetar på ideella laboratoriet SRI International, arbetar på en detaljerad ögonblicksbild av vad som händer inom området för artificiell intelligens.
"Det här är något som måste göras, delvis för att det finns så mycket galenskap ute där AI håller på att gå, " säger Perrault i artikeln och kommenterar motivationen för att ta på sig denna typ av projekt.
För att förklara hur benchmarking av konstgjord intelligens fungerar, förklarar vissa experter att ingenjörer eller andra parter kan försöka bedriva ”hårda tester” för artificiell intelligensprojekt, till exempel för att försöka ”lura” eller ”besegra” system för artificiell intelligens. Denna typ av beskrivning ligger verkligen i hjärtat av hur företag verkligen kan övervaka och utvärdera konstgjord intelligens. Ett sätt att tänka på detta är att tillämpa samma slags idéer som programmerare använde tidigare tider för att felsöka linjära kodesystem.
Debugging linjära kodesystem handlade om att hitta platserna där systemet skulle fungera bra - där ett program skulle krascha, där det skulle frysa, där det skulle gå långsamt, etc. Det handlade om att hitta var logiska fel skulle stoppa eller förvirra ett projekt, där en funktion inte fungerar korrekt, eller där det kan finnas någon oavsiktlig användarhändelse.
När du tänker på det kan modern testning av konstgjord intelligens vara en liknande strävan på ett helt annat plan - eftersom tekniken för artificiell intelligens är mer kognitiv än linjär, att testning har en mycket annan form, men människor söker fortfarande efter "buggarna" ”- sätt som dessa program kan få oavsiktliga konsekvenser, sätt att de kan fungera och skada mänskliga institutioner, etc. Med det i åtanke, även om det finns många olika divergerande metoder för att skapa en hastighetsmätare eller riktmärke för framsteg av artificiell intelligens, hårda tester som beskrivs ovan kommer generellt att ge människor unik inblick i hur långt artificiell intelligens har kommit, och vad som måste göras för att den ska leverera fler positiva resultat utan att utveckla fler negativ.
