Here's Why AI Can't Solve Everything

main article image

Here's Why AI Can't Solve Everything

Yes, even neural networks.

VYACHESLAV POLONSKI, THE CONVERSATION

27 MAY 2018

The hysteria about the future of artificial intelligence (AI) is everywhere. There seems to be no shortage of sensationalist news about how AI could cure diseases, accelerate human innovation and improve human creativity.

Just looking at the media headlines, you might think that we are already living in a future where AI has infiltrated every aspect of society.

While it is undeniable that AI has opened up a wealth of promising opportunities, it has also led to the emergence of a mindset that can be best described as "AI solutionism". This is the philosophy that, given enough data, machine learning algorithms can solve all of humanity's problems.

But there's a big problem with this idea. Instead of supporting AI progress, it actually jeopardises the value of machine intelligence by disregarding important AI safety principles and setting unrealistic expectations about what AI can really do for humanity.

AI solutionism

In only a few years, AI solutionism has made its way from the technology evangelists' mouths in Silicon Valley to the minds of government officials and policymakers around the world.

The pendulum has swung from the dystopian notion that AI will destroy humanity to the utopian belief that our algorithmic saviour is here.

We are now seeing governments pledge support to national AI initiatives and compete in a technological and rhetorical arms race to dominate the burgeoning machine learning sector.

For example, the UK government has vowed to invest £300m in AI research to position itself as a leader in the field.

Enamoured with the transformative potential of AI, the French president Emmanuel Macron committed to turn France into a global AI hub.

Meanwhile, the Chinese government is increasing its AI prowess with a national plan to create a Chinese AI industry worth US$150 billion by 2030. AI solutionism is on the rise and it is here to stay.

Neural networks – easier said than done

While many political manifestos tout the transformative effects of the looming "AI revolution", they tend to understate the complexity around deploying advanced machine learning systems in the real world.

One of the most promising varieties of AI technologies are neural networks. This form of machine learning is loosely modelled after the neuronal structure of the human brain but on a much smaller scale. Many AI-based products use neural networks to infer patterns and rules from large volumes of data.

But what many politicians do not understand is that simply adding a neural network to a problem will not automatically mean that you'll find a solution. Similarly, adding a neural network to a democracy does not mean it will be instantaneously more inclusive, fair or personalised.

Challenging the data bureaucracy

AI systems need a lot of data to function, but the public sector typically does not have the appropriate data infrastructure to support advanced machine learning.

Most of the data remains stored in offline archives. The few digitised sources of data that exist tend to be buried in bureaucracy. More often than not, data is spread across different government departments that each require special permissions to be accessed.

Above all, the public sector typically lacks the human talent with the right technological capabilities to fully reap the benefits of machine intelligence.

For these reasons, the sensationalism over AI has attracted many critics. Stuart Russell, a professor of computer science at Berkeley, has long advocated a more realistic approach that focuses on simple everyday applications of AI instead of the hypothetical takeover by super-intelligent robots.

Similarly, MIT's professor of robotics, Rodney Brooks, writes that "almost all innovations in robotics and AI take far, far, longer to be really widely deployed than people in the field and outside the field imagine".

One of the many difficulties in deploying machine learning systems is that AI is extremely susceptible to adversarial attacks. This means that a malicious AI can target another AI to force it to make wrong predictions or to behave in a certain way.

Many researchers have warned against the rolling out of AI without appropriate security standards and defence mechanisms. Still, AI security remains an often overlooked topic.

Machine learning is not magic

If we are to reap the benefits and minimise the potential harms of AI, we must start thinking about how machine learning can be meaningfully applied to specific areas of government, business and society. This means we need to have a discussion about AI ethics and the distrust that many people have towards machine learning.

Most importantly, we need to be aware of the limitations of AI and where humans still need to take the lead. Instead of painting an unrealistic picture of the power of AI, it is important to take a step back and separate the actual technological capabilities of AI from magic.

For a long time, Facebook believed that problems like the spread of misinformation and hate speech could be algorithmically identified and stopped. But under recent pressure from legislators, the company quickly pledged to replace its algorithms with an army of over 10,000 human reviewers.

The medical profession has also recognised that AI cannot be considered a solution for all problems. The IBM Watson for Oncology programme was a piece of AI that was meant to help doctors treat cancer.

Even though it was developed to deliver the best recommendations, human experts found it difficult to trust the machine. As a result, the AI programme was abandoned in most hospitals where it was trialled.

Similar problems arose in the legal domain when algorithms were used in courts in the US to sentence criminals. An algorithm calculated risk assessment scores and advised judges on the sentencing. The system was found to amplify structural racial discrimination and was later abandoned.

These examples demonstrate that there is no AI solution for everything. Using AI simply for the sake of AI may not always be productive or useful. Not every problem is best addressed by applying machine intelligence to it.

This is the crucial lesson for everyone aiming to boost investments in national AI programmes: all solutions come with a cost and not everything that can be automated should be.

Vyacheslav Polonski, Researcher, University of Oxford

This article was originally published on The Conversation. Read the original article.

دوشنبه 14 خرداد 1397 ساعت 01:51

0 نظر

تلاش فرانسه و آلمان برای حمایت مالی اتحادیه‌اروپا از استارت‌آپ‌های حوزه‌فناوری/سرمایه‌گذاری میلیاردی در هوش مصنوعی

فرانسه و آلمان خواستار حمایت مالی گسترده اتحادیه اروپا از استارت‌آپ‌ها برای نوآوری‌ و تحقیقات در زمینه پروژه‌های فناوری با هدف رقابت موثرتر در مقابل چین و آمریکا شدند.

به گزارش فابانیوز به نقل از رویترز، اروپا مدت‌های طولانی است که در زمینه توسعه فناوری‌های نوین در مقایسه با آمریکا که دارای مرکز صنعتی سرمایه‌گذاری قدرتمندی چون «سیلیکون ولی» است شاهد پیشرفت اندکی بوده است.
رویترز در ادامه می‌نویسد: فرهنگ مخالفت با ریسک‌پذیری در اروپا به عنوان یک مانع برای ایجاد «گوگل اتحادیه اروپا» شناخته می‌شود. چرا که شکست در این زمینه می‌تواند موجب سرافکندگی اروپا در مقابل آمریکا شود.
بر همین اساس، برلین و پاریس هفته گذشته در نشست بالکان با ارائه درخواست مکتوبی به رهبران اتحادیه اروپا از شورای نوآوری‌های این اتحادیه خواستند تا استارت آپ‌های «بلندپروازانه» در حوزه فناوری را تامین مالی کنند.
در این درخواست آمده است: تلاش‌های مشترکی برای بهبود بیشتر فضا و قوانین سرمایه‌گذاری و همچنین تامین مالی و رشد شرکت‌های جامانده در عرصه فناوری در اروپا موردنیاز است.
فرانسه و آلمان، به عنوان کشورهای قدرتمند اتحادیه اروپا، به دنبال اعمال اصلاحاتی در بخش‌های متفاوتی پیش از برگزاری نشست رهبران اتحادیه اروپا در ماه ژوئن آینده هستند. این کشورها خواستار پیشتازی اروپا در فناوری‌های نوین دیجیتالی هستند.
در متن درخواست بیانیه برلین و پاریس آمده است که هدف آنها ایجاد شبکه‌ای برای ورود نوآوری‌های موفقیت‌آمیز در علوم پایه به بازار و ایجاد شبکه‌ای مشابه برای دیگر کشورهای علاقه‌مند اتحادیه اروپا است.
بر همین اساس فرانسه و آلمان خواستار آن هستند که ابتکارات ملی از سوی اتحادیه اروپا تامین مالی شود چرا که این اقدام موجب رشد استارت‌آپ‌ها در زمینه فناوری خواهد شد.
فرانسه و آلمان همچنین قول دادند تا سال 2022 چیزی در حدود 1.5 میلیارد یورو (1.75 میلیارد دلار) در زمینه هوش مصنوعی و با هدف معکوس کردن روند فرار مغزها و رسیدن به سطح دستاوردهای نوین فناوری از سوی آمریکا و چین، سرمایه گذاری کنند.
برلین و پاریس، همچنین خواستار آن هستند که در محیط‌های آکادمی بر روی پروژه‌هایی در زمینه تکنولوژی، کارآفرینی و تامین مالی پروژه‌های با خطرپذیری بالا در زمینه فناوری فعالیت شود.

سه‌شنبه 8 خرداد 1397 ساعت 06:08

0 نظر

خلاصه برخی اخبار سایت نوروسافاری

خلاصه اخبار نوروسافاری – ۱۵ اسفند ۹۶

دکتر میر شهرام صفری ۱۳۹۶/۱۲/۱۵

نوروسافاری |
- ربات انسان‌نمای “بینا ۴۸” موفق به حضور در دانشگاه و گذراندن یک واحد درسی شد. این ربات ایده‌ها و شخصیت‌ها را با ایجاد یک پایگاه داده به صورت خاطرات، باورها و افکار طبقه‌بندی می‌کند. می‌تواند با دریافت اطلاعات از رسانه‌های اجتماعی اظهار نظر کند و در حال درک عشق است.

- لبخند “پاداش” (reward) نوعی لبخند بصری است که رفتار را بهبود می‌بخشد، در حالی که لبخند “دلسوزانه” (affiliative)برای حفظ روابط ساخته شده است و لبخند “تسلط” (dominance) نمایانگر موقعیت اجتماعی خوب فرد است. واکنش ما به انواع لبخند: لبخندهای تسلط با سطح کورتیزول بالایی در بزاق همراه بود و باعث افزایش ضربان قلب افراد شد، لبخند پاداش میزان استرس و سطح کورتیزول شرکت کنندگان را کاهش داده است. گرچه لبخند دلسوزانه به واکنش‌های فیزیکی پاسخ واضحی نداد و نتایج آن مشابه نتایج لبخند پاداش بود.

- ربات موسوم به “نظریه شبکه ذهن” (Theory of Mind-net) یا ” ToM-net” قادر است کار دیگر عاملان هوش مصنوعی را در محیط مجازی پیش‌بینی کند. این نرم‌افزار، قابلیت پیش‌بینی کار دیگر سیستم‌های هوش مصنوعی را دارد و حتی می‌تواند بفهمد آیا عقاید آنها در مورد دنیای اطرافشان اشتباه است یا خیر.

- سطوح قابل کنترل اضطراب به واقع می تواند به افراد در یادآوری جزئیات رویدادها کمک کند. از طرف دیگر زمانیکه سطوح اضطراب بیش از حد بالا باشد، می تواند به تحریف خاطره ها منجر شده بطوریکه در این مرحله افراد عناصر بی طرف یک تجربه را به مضمون های منفی ربط می دهند.

- بافت مرده مغز ترمیم نمی شود و مانند سایر جراحت های بدن از بین نمی رود بلکه در عوض به مایع تبدیل شده و برای مدت طولانی در وضعیت مایع باقی می ماند. سپس این بافت مایع سمی شده و به سایر بافت های سالم مغز آسیب می زند که می تواند موجب ابتلا به زوال عقل شود.

- نتیجه مطالعه ژنتیکی اخیر: در اواخر دهه ۱۷۵۰ میلادی (۱۱۳۰ شمسی)، بیشتر آمریکاییان همسران خود را در شعاع ۱۰ کیلومتری پیدا می‌کردند و قبل از دهه ۱۸۵۰ میلادی (۱۲۳۰ شمسی)، اکثر مردم با خویشاوندان خود ازدواج می‌کردند

- زمانی که افراد احساس کمبود شخصیت کنند یا خود را از نظر اجتماعی پایین‌تر ببینند، طنین صدایشان بیشتر می‌شود و تن صدایشان بالا می‌رود. جالب‌تر این‌که وقتی افراد احساس غرور می‌کنند و از سطح اجتماعی بالایی برخوردارند، صدای آن‌ها تمایل به کمرنگ شدن و پایین آمدن دارد.

- میزان افسردگی در مادرانی که بعد از ۶ ماهگی نوزاد، کنار نوزاد می خوابند نسبت به مادرانی که اتاق خواب کودکان خود را جدا کرده اند، بطور متوسط ۷۶ درصد بیشتر است.

پنج‌شنبه 17 اسفند 1396 ساعت 04:00

0 نظر

ساخت هوش مصنوعیی که ذهن را می‌خواند

ساخت رباتی که ذهن را می‌خواند

دکتر میر شهرام صفری

نوروسافاری | محققان دانشگاه تورنتو دستگاهی تولید کرده‌اند که با اسکن مغز و ثبت فعالیت‌های آن، چهره افرادی که به آن‌ها فکر کرده‌ایم را بازسازی می‌کند.

به گزارش نوروسافاری از وبسایت دانشگاه تورنتو، روانشناسان یک دستگاه عجیب ساخته‌اند که می‌تواند با یک دقت باورنکردنی به بخش دیداری مغز کاربر نفوذ کند.

مطالعات این روانشناسان از طریق هوش مصنوعی و با استفاده از سیگنال‌های الکتریکی در مغز صورت گرفت تا چهره‌ای که توسط داوطلبان شرکت کننده در این مطالعه مشاهده شده بود را بازسازی کند.

این دستگاه می‌تواند به عنوان یک وسیله ارتباطی برای افرادی باشد که توانایی صحبت کردن ندارند و همچنین پیشرفتی برای توسعه پروتزهایی باشد که توسط افکار کنترل می‌شوند.

طراحی مطالعه

در این بررسی که در دانشگاه “اسکاربرو”( Scarborough) تورنتو صورت گرفت، از دستگاه نوار مغز استفاده شد.

هنگامی که تصویر چهره‌های مختلف به داوطلبان نشان داده می شد، نوار مغز فعالیت مغز آنها را ثبت می کرد. سپس توسط یک سری نرم افزار ویژه، از این اطلاعات استفاده می‌شد تا تصاویر به صورت دیجیتالی بازسازی شوند.

این سیستم‌های شبکه می‌توانند برای تشخیص الگوهای اطلاعاتی از قبیل اطلاعات گفتاری، داده‌های متنی یا تصاویر بصری استفاده شوند. لازم به ذکر است که این پیشرفت، مبنایی برای پیشرفت‌های دیگر در حوزه هوش مصنوعی در سال‌های اخیر محسوب می‌شود.

هوش مصنوعی این دستگاه در ابتدا قادر بود تا ویژگی‌هایی که چهره انسان را تشکیل می‌دهد، تشخیص دهد. سپس به نحوی طراحی شد که این ویژگی‌ها را با الگوهای فعالیت‌های نوار مغز مرتبط سازد.

در ابتدا فعالیت‌های مغزی که طی آزمایش توسط فرد مشاهده شده است با این اطلاعات تطابق داده می شود و سپس هوش مصنوعی، تصاویری که فرد دیده را دوباره تولید می کند.

نتایج این آزمایش درباره بازسازی چهره‌ای که داوطلبان مشاهده کرده بودند، بسیار صحیح بود.

این دستگاه محتوای ذهنی افراد را افشا می‌کند و راهی برای دسترسی، اکتشاف و تبادل افکار، حافظه و تخیلات ما فراهم می آورد.

این مطالعه اولین کاری هست که امکان تشخیص چهره بر مبنای سیگنالهای نوار مغزی را فراهم می کند.

فیلمی را در این باره ببینید:

لینک مقاله در ژورنال e-neuro:

The Neural Dynamics of Facial Identity Processing: insights from EEG-Based Pattern Analysis and Image Reconstruction

لینک خبر در وبسایت دانشگاه تورنتو:

Do you see what I see? Researchers harness brain waves to reconstruct images of what we perceive

ترجمه و نشر خبر اصلی از: ایسنا

شنبه 12 اسفند 1396 ساعت 02:06

0 نظر

دیلی‌میل: تمام بدن انسان با قطعات رباتیک قابل جایگزینی است

پژوهشگران باور دارند امکان جایگزین کردن یا ارتقاء کل بدن انسان با قسمت‌های رباتیک، در آینده محقق خواهد شد.

به گزارش ایسنا و به نقل از دیلی‌میل، "کریس میدلتون" (Chris Middleton)، روزنامه‌نگار و کارشناس حوزه رباتیک می‌گوید ممکن است تا سال 2070، تمام بدن ما با قسمت‌های رباتیک جایگزین شود.

به گفته میدلتون، آینده ای که در آن هر کسی بتواند بخش‌های ارتقا یافته‌ای از بدن که دارای قدرت مافوق بشری هستند خریداری کند، دور نیست.
در حال حاضر، "بیوهکرها" ('Biohackers') در حال ارتقای بدن خود با ایمپلنت‌ها هستند؛ مانند تراشه‌هایی که امکان باز کردن در با یک بار تکان دادن دست را فراهم می‌کنند. بنابراین این پیش‌بینی‌ها بعید نیست.

وی به روزنامه دیلی‌استار گفت: در 50 یا 100 سال آینده احتمالا کل بدن انسان با قطعات رباتیک قابل جایگزینی، ویرایش یا ارتقا خواهد بود. من این موضوع رو رد نمی‌کنم.

میدلتون افزود: متاسفانه در حال حاضر می‌بینیم که برخی فناوری‌ها، مردم را تشویق می‌کنند مانند ماشین‌ها رفتار کنند اما در همین حال، ماشین‌ها بیشتر شبیه به انسان می‌شوند. برای نمونه، می‌توان به نرم‌افزار "سیری" یا "الکسا" اشاره کرد.

به گفته متخصصین رباتیک، امکان دارد پیشرفت این نوع از فناوری در حدی باشد که بر نژاد انسان حکمرانی کند.

میدلتون ادامه داد: در حال حاضر هم، انسان‌ها کاری که ماشین‌ها به آنها می‌گویند انجام می‌دهند؛ مانند برداشتن 10 هزار گام در روز، دویدن دور پارک، پیچیدن به چپ یا راست و غیره.

میدلتون که در دانشگاه‌ها در مورد تاثیر هوش مصنوعی سخنرانی می‌کند، می‌گوید اگرچه به نقش بزرگ ربات‌ها در آینده باور دارد، نظرات او تنها پیش‌بینی‌هایی بر مبنای دانسته‌های کنونی ما هستند.

من درباره علم رباتیک و هوش مصنوعی در دنیای واقعی می‌نویسم چون این فناوری‌ها، سوالاتی در مورد نوع جامعه‌ای که می‌خواهیم یا نمی خواهیم، پدید می‌آورند. امکان دارد بسیاری از انسان‌ها در دراز مدت، به ساگی این فناوری‌ها را رد کنند.

پیش‌بینی‌های میدلتون، درست یک ماه بعد از اینکه متخصصان پیشین شرکت "مایکروسافت" ادعا کردند انسان‌ها فقط تا 20 سال بعد، نسخه رباتیک خود را خواهند داشت، صورت گرفت.

به گفته "برد اسمیت" (Brad Smith) و "هری شام" (Harry Shum)، این ربات، همه چیز را درباره انسان خواهد دانست و مانند تابع دیجیتالی فهم و آگاهی وی عمل خواهد کرد.

این دو نفر تلاش می‌کنند نرم‌افزار هوش مصنوعی پیشرفته را تا مرحله‌ای گسترش دهند که افکار انسان را تقلید کند.

منبع: ایسنا

شنبه 14 بهمن 1396 ساعت 19:50

0 نظر

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)