Tekoälyn etiikka huolestuttaa luotettujen sisäpiiriläisten, mukaan lukien itsenäisten itseohjautuvien autojen tekemän tekoälyn koneoppimisen alijuissoinnin tai dopingin lisääntymisestä

Mehustelua ja dopingia.

Doping ja mehustaminen.

Tiedämme kaikki suoritusta parantavien lääkkeiden jatkuvasta ja salaperäisestä käytöstä, joihin valitettavasti turvataan eri urheilulajeissa. Tätä tapahtuu ammattilaisurheilussa ja jopa amatööriurheilussa. Se tapahtuu olympialaisissa, joka on teoriassa maailmanlaajuisesti arvostettu kilpailu, jonka oletetaan olevan puhdas esimerkki ihmisen suorituskyvyn rajoista ja ylimmästä äärimmäisyydestä koko ihmiskunnan alueella.

Mehustuksessa ja dopingissa on eräänlaista leviämistä. Urheiluhahmoilla on valtava paine saavuttaakseen ykkössijan, ja heillä on houkutteleva houkutus käyttää mitä tahansa keinoja päästäkseen sinne. Mehustuksen tai dopingin todennäköisyyden seurauksena olemme nähneet, että monet elleivät useimmat urheilulajit ovat ottaneet käyttöön toimenpiteitä ja toimenpiteitä, joiden tarkoituksena on karkottaa ja saada kiinni ne, jotka noudattavat väärin tällaisia ​​pyrkimyksiä. Jos joku jää kiinni mehusta tai dopingista, hän on vaarassa saada urheilumitalinsa mitätöityä. Lisäksi heidän kannattajansa ja sponsorinsa hylkäävät heidät. Valtava maineriskin tunne kulkee käsi kädessä satunnaisen mehustuksen tai dopingin kanssa.

Ihmiset, jotka haluavat olla "paras" tietyssä urheilulajissa, ovat hajallaan emme suorituskykyä parantavien lääkkeiden käyttö ja joko laittomien tai ainakin epäeettisten aineiden käyttö. Huumeiden käyttö voi olla lähes varma tapa huipulle. Jos sitä annetaan lujasti ja huolella, on mahdollista, että kukaan ei tiedä eikä testaus havaitse sitä. Voit selviytyä siitä, näennäisesti ilman skottia. Tietysti on myös mahdollisuus, että vahingoitat kehoasi ja joudut lopulta maksamaan fyysisen hinnan, mutta sen hetken voittomahdollisuuden halun voimakkuus pyrkii vähättelemään mahdollisia tulevia seurauksia.

Meillä on siis toisaalta suurenmoinen potentiaali saavuttaa suurta kunniaa ja ehkä jopa vaurautta käyttämällä suorituskykyä parantavia lääkkeitä, kun taas toisaalta meillä on kunniaton mahdollisuus jäädä kiinni ja riistetty muuten kovalla työllä ansaitut voitot. ja tulla hirvittävän halveksituksi maailmanlaajuiseksi julkisuuden henkilöksi (sekä terveyteen liittyvien haitallisten seurausten kanssa).

Se on jonkinlainen lihava kustannus-hyötyanalyysi, joka on tehtävä.

Jotkut tekevät mentaalisen ROI-laskelman (sijoitetun pääoman tuotto) ja päättävät olla koskaan koskettamatta suorituskykyä parantaviin lääkkeisiin. He päättävät pysyä täydellisen puhtaina ja puhtaina. Toiset saattavat aloittaa sillä tavalla ja sitten harhautua hieman. Voit perustella luisumisen vain pienellä varpaalla suorituskykyä parantaviin vesiin ja vannoa itsellesi vakavasti, ettet tee niin enää koskaan. Tämä voi kuitenkin johtaa liukkaaseen rinteeseen. Klassinen ja ennustettava sananlasku lumipallo, joka liukuu ja liukuu ja rullaa alas lumisella rinteellä, kerääntyen samalla isommaksi ja suuremmaksi palloksi.

Sinulla on myös niitä, jotka päättävät etukäteen, että he menevät eteenpäin ja käyttävät suorituskykyä parantavia lääkkeitä. Tyypillinen ajattelutapa on, että se on ainoa tapa taistella tulta tulella. Oletuksena on, että kaikki muut, joiden kanssa kilpailet, tekevät samoin. Sellaisenaan sinun ei ole mitään järkeä olla puhdas ja silti vastustaa niitä, jotka ovat ilmeisen epäpuhtaita (niin oletat).

Uskon, että ymmärrät, miksi testauksen ja havaitsemisen luonne on näissä asioissa erityisen tärkeä. Jos jotkut osallistujat pääsevät eroon suorituskykyä parantavien lääkkeiden käytöstä, se pilaa koko tynnyrin. Tuuma tuumalta kaikki muut osallistujat kulkevat melkein varmasti samaa polkua. Heidän on tehtävä kauhistuttava valinta. Tämä tarkoittaa joko kilpailemista ilman lääkkeitä, mutta luultavasti fyysisesti epäedullisessa asemassa, tai heidän on omaksuttava lääkkeet ja pysyttävä kilpailukykyisinä, vaikka he ehkä haluavat koko sydämestään, eikä ehkä tarvitse turvautua suorituskyvyn parantajiin.

Kiistatonta kieltämättä.

On enemmän miljöötä, joka sekoittaa nämä olosuhteet. Esimerkiksi jatkuvasti herää kysymys, mikä on suorituskykyä parantava lääke. Viranomaiset saattavat laatia luettelon kielletyistä huumeista. Samaan aikaan kissan ja hiiren gambitissa kehitetään tai tunnistetaan muita lääkkeitä, jotka parantavat suorituskykyä ja jotka eivät kuitenkaan ole kiellettyjen kemikaalien luettelossa. Voit yrittää pysyä listan edellä, vaihtamalla muihin huumeisiin ja noudattamalla laihasti pelin sääntöjä.

Yleinen ydin on, että mehustaminen ja doping eivät ole välttämättä suoraviivainen aihe. Kyllä, saatamme kaikki olla samaa mieltä siitä, että mehustaminen tai doping on hirvittävää, eikä sitä pidä tehdä. Kyllä, saatamme kaikki olla yhtä mieltä siitä, että mehustuksen ja dopingin kieltämiselle pitäisi olla tiukat säännöt sekä jyrkät pyrkimykset saada harhaan joutuvat kiinni. Valitettavasti on monia temppuja, jotka voivat heikentää näitä yleviä tavoitteita.

Miksi olen kertonut kanssasi mehustuksen ja dopingin koettelemuksista?

Teen sen syystä, joka saattaa tuntua hätkähdyttävältä, ärsyttävältä, järkyttävältä ja ylipäätään sydäntä särkevältä.

Yhä äänekkäämpiä väitteitä siitä, että tekoälyä toisinaan "parannetaan" mehustuksen tai dopingin (eräänlaisena) avulla. Ajatuksena on, että tekoälyjärjestelmää suunniteltaessa kehittäjät saattavat ryhtyä hieman alivalmiisiin temppuihin saadakseen tekoälyn näyttämään paremmalta kuin se todellisuudessa on. Tämä puolestaan ​​voi huijata muita olettamaan, että tekoälyllä on ominaisuuksia, joita sillä ei todellakaan ole. Seuraukset voivat olla lieviä tai vaarallisen vakavia.

Kuvittele AI-järjestelmä, joka pelaa nappulaa, joka oli (sanotaanko) "suorituskykyä paranneltu" näyttämään siltä kuin se ei koskaan menetä nappulaa. Jotkut sijoittajat kasaavat peliin tonnia taikinaa tekemällä niin väärässä uskossa, että tekoäly voittaa aina. Kun tekoäly on otettu julkiseen käyttöön, se voittaa ja voittaa. Jossain vaiheessa se todennäköisesti häviää pelin. Jep, mitä tapahtui? Joka tapauksessa tämä ei todennäköisesti ole elämän tai kuoleman näkökohta tässä käyttötapauksessa.

Kuvittele sen sijaan tekoälyjärjestelmä, joka ajaa itseajavaa autoa. Tekoäly on "suorituskykyä paranneltu" näyttämään siltä, ​​että se voi ajaa turvallisesti ja ilman tapauksia. Itseajavaa autoa ajetaan jonkin aikaa yleisillä teillä ja kaikki näyttää olevan kunnossa. Valitettavasti tekoäly menee jossain vaiheessa harhaan ja tapahtuu autokolari, joka oli selvästi tekoälyjärjestelmän vika. Ihmiset voivat loukkaantua ja kuolemantapauksia voi tapahtua. Tämä on tilanne, jossa tekoälyn mehustuksella tai dopingilla on raitistavia ja vakavia seurauksia hengestä tai kuolemasta.

Ymmärrän, että sinulla saattaa olla närästystä, kun viittaat mehutukseen ja dopingiin tekoälyn yhteydessä. Sanon tämän, koska tämän päivän tekoäly ei todellakaan ole tunnollinen, ja meidän tulee olla varovaisia ​​tekoälyn antropomorfoinnissa, jota käsittelen tarkemmin tässä lähiaikoina. Lyhyesti sanottuna tekoäly ei ole ihminen eikä vielä lähellekään ihmistä. Yritetään verrata näitä kahta ja yhdenmukaistaa mehustuksen tai dopingin tavanomaisen käsitteen kanssa on jokseenkin luonnollista, ja se tulisi tehdä silmämme auki.

Aion jatkaa ehdotetun analogisen ajatuksen kanssa tekoälyn mehustamisesta ja dopingista, vaikka pyydänkin teitä pitämään mielessä, että tätä ei pidä viedä liian pitkälle. Voimme jossain määrin nojautua lauseeseen keinona tuoda esiin näkökohtia, joiden paljastamista tarvitaan mielestäni runsaasti. Se on varteenotettava perusta tunnuslauseiden käytölle. Mutta meidän ei pitäisi venyttää tätä alamaailmaan ja tehdä tästä jotain mitä se ei ole. Kerron tästä lisää hetken kuluttua.

Yksi tekoälyyn liittyvä puoli, joka saa eniten huomiota tekoälyyn liittyvästä mehustamisesta ja dopingista, sisältää tiettyjä tapoja, joilla jotkut kehittäjät luovat tekoälypohjaisia ​​koneoppimisjärjestelmiä (ML) ja Deep Learning (DL) -järjestelmiä. On monia tekoälyn etiikkaa ja eettisiä tekoälyn seurauksia, jotka liittyvät tällaisiin ilkeisiin toimiin ML/DL-järjestelmien kehittämisen aikana. Jatkuva ja laaja kattavuus tekoälyn eettisyydestä ja eettisestä tekoälystä, katso linkki tähän ja linkki tähän, vain muutamia mainitakseni.

Pidetään myös päämme veden päällä ja korostakaa näitä puolia, kun jatkatte tätä keskustelua:

• Kaikki, jotka suunnittelevat AI ML/DL:tä, eivät tee mehustusta tai dopingia ML/DL:stä
• Jotkut tekevät niin, mutta eivät ole erityisen tietoisia tekevänsä jotain väärin
• Jotkut tekevät niin ja tietävät tarkalleen, mitä he tekevät ML/DL:n mehutuksen tai dopingin suhteen
• Toisin kuin urheilukentällä, nykyajan ML/DL:ssä on hyvin vähän virallista standardisoitua laaja-alaista "testausta tai havaitsemista" tämän tyyppisissä asioissa.
• Tämän tekemisen kielteiset seuraukset voivat vaihdella huomattavasti ML/DL:n luonteen mukaan (esim. tekoäly pelaa nappulaa, tekoäly ajaa itseajavaa autoa).
• Jotkut väittävät, ettei näissä teoissa ole luonnostaan ​​mitään sopimatonta
• Määritelmät siitä, mikä on tai ei ole mehustelua tai ML/DL:n dopingia, ovat kaikkialla kartalla
• AI Ethics kamppailee sen kanssa, kuinka parhaiten käsitellä näennäisesti nousevaa trendiä

Haluaisin selvittää vielä yhden käänteen tähän aiheeseen. Pyydän sinua kestämään minua tässä asiassa. Jotenkin jotkut ymmärtävät asian täysin väärin ja joutuvat oudolle ajattelutavalle, että tekoälykehittäjät käyttävät itse suorituskykyä parantavia lääkkeitä, ja siksi tämä keskustelu on ihmisistä, jotka itse tekevät mehustusta ja dopingia.

Useat tekoälykehittäjät nauravat yleensä tälle.

Selvyyden vuoksi, en tarkoita sitä. Keskityn tässä selkeästi ja yksinomaan tekoälyn niin kutsuttuun mehutukseen ja dopingiin, en tekoälyä suunnitteleviin ihmisiin. Tästä huolimatta en väitä, etteikö olisi mahdollista, että jotkut tekoälykehittäjät päättävät käyttää suorituskykyä parantavia lääkkeitä mistä tahansa syystä. Vaikuttaa epäilyttävältä, että on olemassa täysin sopivaa urheiluanalogiaa, joka on verrattavissa tekoälykehittäjien toimintaan, joka mahdollisesti päättää ottaa suorituskykyä parantavia laittomia lääkkeitä, mutta jätän sen muille tutkijoille, jotka saattavat haluta tutkia tätä aluetta. Sanoisin yksinkertaisesti, että suorituskykyä parantavien lääkkeiden ottaminen mistä tahansa syystä ei varmastikaan ole järkevää ja voi ehdottomasti olla laitonta, epäeettistä ja erittäin harkitsematonta.

Uskon, että se auttaa saamaan asiat kuntoon.

Ennen kuin käsittelemme lisää lihaa ja perunoita tekoälyn mehustamisesta ja dopingista, otamme käyttöön joitain lisäperusasioita erittäin olennaisista aiheista. Meidän pitäisi sukeltaa reippaasti AI Ethics- ja ML/DL-areenalle asettaaksemme näyttämön asianmukaisesti.

Saatat olla hämärästi tietoinen siitä, että yksi tämän päivän kovimmista äänistä tekoälyalalla ja jopa tekoälykentän ulkopuolella on huutaminen eettisen tekoälyn suuremman vaikutelman puolesta. Katsotaanpa, mitä tarkoittaa viitata tekoälyn etiikkaan ja eettiseen tekoälyyn. Tämän lisäksi tutkimme, mitä tarkoitan puhuessani koneoppimisesta ja syvästä oppimisesta.

Eräs tietty AI Ethics -segmentti tai osa, joka on saanut paljon mediahuomiota, koostuu tekoälystä, jossa on epäsuotuisia ennakkoluuloja ja epätasa-arvoa. Saatat olla tietoinen siitä, että kun uusin tekoälyn aikakausi alkoi, vallitsi valtava innostus siitä, mitä jotkut nykyään kutsuvat. AI Hyvä. Valitettavasti aloimme todistaa tuon purskahtavan jännityksen kannoilla AI huono. Esimerkiksi useiden tekoälyyn perustuvien kasvojentunnistusjärjestelmien on paljastettu sisältävän rotu- ja sukupuoliharhaa, joista olen keskustellut osoitteessa linkki tähän.

Pyrkimykset taistella vastaan AI huono ovat aktiivisesti käynnissä. Paitsi äänekäs juridinen väärinkäytösten hillitsemiseen tähtäävät pyrkimykset omaksua tekoälyn etiikka tekoälyn ilkeyden korjaamiseksi. Ajatus on, että meidän pitäisi ottaa käyttöön ja tukea keskeisiä eettisiä tekoälyn periaatteita tekoälyn kehittämisessä ja levittämisessä tehden näin alentaaksemme AI huono ja samanaikaisesti julistaa ja edistää parempaa AI Hyvä.

Tähän liittyvään ajatukseen, kannatan tekoälyn käyttämistä osana tekoälyongelmien ratkaisua ja tulen torjumista tulella tällä ajattelutavalla. Voisimme esimerkiksi upottaa eettisiä tekoälykomponentteja tekoälyjärjestelmään, joka valvoo, kuinka muu AI tekee asioita ja saa siten mahdollisesti kiinni reaaliajassa kaikki syrjivät toimet, katso keskusteluni osoitteessa linkki tähän. Meillä voisi olla myös erillinen tekoälyjärjestelmä, joka toimii eräänlaisena AI Ethics -monitorina. Tekoälyjärjestelmä toimii valvojana, joka seuraa ja havaitsee, kun toinen tekoäly on menossa epäeettiseen kuiluun (katso analyysini tällaisista ominaisuuksista linkki tähän).

Hetken kuluttua kerron teille joitain tekoälyn etiikan taustalla olevia yleisiä periaatteita. Tällaisia ​​listoja kelluu siellä täällä paljon. Voisi sanoa, että ei ole vielä olemassa yksittäistä luetteloa yleismaailmallisesta vetovoimasta ja yhteisymmärryksestä. Se on ikävä uutinen. Hyvä uutinen on, että ainakin AI Ethics -luetteloita on helposti saatavilla ja ne ovat yleensä melko samanlaisia. Kaiken kaikkiaan tämä viittaa siihen, että eräänlaisen perustellun lähentymisen avulla löydämme tiemme kohti yleistä yhteneväisyyttä siitä, mistä tekoälyn etiikka koostuu.

Käydään ensin lyhyesti läpi joitakin yleisiä eettisiä tekoälyohjeita havainnollistaaksemme, minkä pitäisi olla olennaista jokaiselle tekoälyä luovalle, harjoittelevalle tai käyttävälle.

Esimerkiksi, kuten Vatikaani totesi Rooma kutsu tekoälyn etiikkaan ja kuten olen käsitellyt perusteellisesti osoitteessa linkki tähän, nämä ovat heidän tunnistamansa kuusi ensisijaista tekoälyn eettistä periaatetta:

• Avoimuus: Periaatteessa tekoälyjärjestelmien on oltava selitettävissä
• sisällyttäminen: Kaikkien ihmisten tarpeet on otettava huomioon, jotta kaikki voivat hyötyä ja kaikille yksilöille tarjotaan parhaat mahdolliset olosuhteet ilmaista itseään ja kehittyä.
• vastuu: Tekoälyn käyttöä suunnittelevien ja ottavien on edettävä vastuullisesti ja läpinäkyvästi
• Puolueettomuus: Älä luo puolueellisuutta tai toimi sen mukaan turvaten siten oikeudenmukaisuutta ja ihmisarvoa
• Luotettavuus: Tekoälyjärjestelmien tulee pystyä toimimaan luotettavasti
• Turvallisuus ja yksityisyys: Tekoälyjärjestelmien on toimittava turvallisesti ja kunnioitettava käyttäjien yksityisyyttä.

Kuten Yhdysvaltain puolustusministeriö (DoD) totesi Tekoälyn käytön eettiset periaatteet ja kuten olen käsitellyt perusteellisesti osoitteessa linkki tähän, nämä ovat heidän kuusi ensisijaista tekoälyn eettistä periaatetta:

• Vastaava: DoD-henkilöstö käyttää asianmukaista harkintaa ja huolellisuutta samalla kun he ovat vastuussa tekoälyominaisuuksien kehittämisestä, käyttöönotosta ja käytöstä.
• oikeudenmukainen: Osasto ryhtyy tietoisiin toimiin minimoidakseen tahattoman harhan tekoälyominaisuuksissa.
• jäljitettävissä: Osaston tekoälyvalmiuksia kehitetään ja otetaan käyttöön siten, että asiaankuuluvalla henkilöstöllä on asianmukainen ymmärrys tekoälyvalmiuksiin sovellettavista teknologiasta, kehitysprosesseista ja toimintamenetelmistä, mukaan lukien avoimet ja tarkastettavat menetelmät, tietolähteet sekä suunnittelumenettely ja dokumentaatio.
• Luotettava: Osaston tekoälyominaisuuksilla on selkeät, tarkasti määritellyt käyttötarkoitukset, ja tällaisten ominaisuuksien turvallisuus, turvallisuus ja tehokkuus testataan ja varmistetaan määritellyissä käyttötarkoituksissa niiden koko elinkaaren ajan.
• hallinnoitavissa: Osasto suunnittelee ja suunnittelee tekoälyvalmiuksia täyttämään niille aiotut toiminnot samalla kun sillä on kyky havaita ja välttää tahattomia seurauksia sekä kyky kytkeä irti tai deaktivoida käyttöönotetut järjestelmät, jotka osoittavat tahatonta toimintaa.

Olen myös keskustellut erilaisista tekoälyn eettisten periaatteiden kollektiivisista analyyseistä, mukaan lukien tutkijoiden laatiman joukon, joka tutki ja tiivisti lukuisten kansallisten ja kansainvälisten tekoälyn eettisten periaatteiden olemusta artikkelissa "The Global Landscape Of AI Ethics Guidelines" (julkaistu) sisään luonto), ja jota kattamani tutkitaan osoitteessa linkki tähän, joka johti tähän Keystone-luetteloon:

• Läpinäkyvyys
• Oikeus ja oikeudenmukaisuus
• Ei-ilkeäisyys
• vastuu
• yksityisyys
• hyväntekeväisyys
• Vapaus ja autonomia
• Luottamus
• kestävyys
• arvokkuus
• Solidaarisuus

Kuten saatat suoraan arvata, näiden periaatteiden taustalla olevien yksityiskohtien selvittäminen voi olla erittäin vaikeaa. Vielä enemmän, pyrkimys muuttaa nämä laajat periaatteet joksikin täysin konkreettiseksi ja riittävän yksityiskohtaiseksi käytettäväksi tekoälyjärjestelmien luomisessa on myös kova pähkinä. Kokonaisuudessaan on helppo heiluttaa käsin siitä, mitä tekoälyn eettiset ohjeet ovat ja miten niitä yleensä tulisi noudattaa, kun taas tekoälykoodauksessa on paljon monimutkaisempi tilanne, kun tien kohtaamisen täytyy olla todellinen kumi.

Tekoälykehittäjien tulee hyödyntää tekoälyn eettisiä periaatteita sekä tekoälykehitystyötä hallinnoivien ja jopa tekoälyjärjestelmien ylläpitoa tekevien periaatteiden käyttöä. Kaikki sidosryhmät koko tekoälyn kehityksen ja käytön elinkaaren aikana katsotaan eettisen tekoälyn vakiintuneiden normien mukaisesti. Tämä on tärkeä kohokohta, koska tavallinen oletus on, että "vain koodaajien" tai tekoälyn ohjelmoivien on noudatettava tekoälyn etiikkaa. Kuten aiemmin todettiin, tekoälyn suunnittelu ja toteuttaminen vaatii kylän, ja koko kylän on oltava perehtynyt tekoälyn etiikkaan ja noudattaa niitä.

Varmistetaan myös, että olemme samalla sivulla nykypäivän tekoälyn luonteesta.

Nykyään ei ole aistivaa tekoälyä. Meillä ei ole tätä. Emme tiedä, onko aistillinen tekoäly mahdollista. Kukaan ei voi osuvasti ennustaa, saavutammeko aistillisen tekoälyn, eikä syntyykö sentientti tekoäly jotenkin ihmeellisesti spontaanisti laskennallisen kognitiivisen supernovan muodossa (kutsutaan yleensä singulaariseksi, katso artikkelini osoitteessa linkki tähän).

Tekoälytyyppi, johon keskityn, koostuu tuntemattomasta tekoälystä, joka meillä on nykyään. Jos haluamme villisti spekuloida tunteva AI, tämä keskustelu voisi mennä radikaalisti eri suuntaan. Tuntevan tekoälyn oletetaan olevan ihmislaatuista. Sinun on otettava huomioon, että tunteva tekoäly on ihmisen kognitiivinen vastine. Enemmänkin, koska jotkut spekuloivat, että meillä saattaa olla superälykäs tekoäly, on mahdollista, että tällainen tekoäly voisi päätyä älykkäämmäksi kuin ihmiset (superälykkään tekoälyn mahdollisuudesta tutkimisestani, katso ks. kattavuus täällä).

Pidetään asiat maanläheisemmin ja harkitaan nykypäivän laskennallista tuntematonta tekoälyä.

Ymmärrä, että nykypäivän tekoäly ei pysty "ajattelemaan" millään tavalla ihmisen ajattelun tasolla. Kun olet vuorovaikutuksessa Alexan tai Sirin kanssa, keskustelukyvyt saattavat näyttää ihmisiltä, ​​mutta tosiasia on, että se on laskennallista ja siitä puuttuu ihmisen kognitio. Tekoälyn uusin aikakausi on hyödyntänyt laajasti koneoppimista (ML) ja Deep Learningiä (DL), jotka hyödyntävät laskennallista kuvioiden täsmäämistä. Tämä on johtanut tekoälyjärjestelmiin, jotka näyttävät olevan ihmisen kaltaisia ​​taipumuksia. Sitä vastoin nykyään ei ole yhtään tekoälyä, joka näyttäisi olevan tervettä järkeä, eikä siinä ole mitään vankan ihmisen ajattelun kognitiivista ihmettelyä.

ML/DL on eräänlainen laskennallinen mallisovitus. Tavallinen lähestymistapa on, että kokoat dataa päätöksentekotehtävästä. Syötät tiedot ML/DL-tietokonemalleihin. Nämä mallit pyrkivät löytämään matemaattisia malleja. Tällaisten mallien löytämisen jälkeen, jos niin on, tekoälyjärjestelmä käyttää niitä kohdatessaan uutta tietoa. Uutta dataa esitettäessä käytetään "vanhaan" tai historialliseen dataan perustuvia malleja nykyisen päätöksen tekemiseksi.

Luulen, että voit arvata mihin tämä on menossa. Jos ihmiset, jotka ovat tehneet kaavoja päätöksiä, ovat sisällyttäneet epäsuotuisia ennakkoluuloja, on todennäköistä, että tiedot heijastavat tätä hienovaraisella mutta merkittävällä tavalla. Koneoppimisen tai Deep Learningin laskennallinen mallinsovitus yrittää yksinkertaisesti matemaattisesti jäljitellä dataa vastaavasti. Tekoälyn luomassa mallintamisessa ei sinänsä näytä olevan tervettä järkeä tai muita tuntevia puolia.

Tekoälykehittäjät eivät myöskään välttämättä ymmärrä, mitä tapahtuu. ML/DL:n vaikeaselkoinen matematiikka saattaa vaikeuttaa nyt piilossa olevien harhojen paljastamista. Voit oikeutetusti toivoa ja odottaa, että tekoälykehittäjät testaisivat mahdollisesti hautautuneita harhoja, vaikka tämä onkin hankalampaa kuin miltä saattaa näyttää. On olemassa vahva mahdollisuus, että jopa suhteellisen laajalla testauksella ML/DL:n mallinsovitusmalleihin sisältyy edelleen harhaa.

Voisit hieman käyttää kuuluisaa tai pahamaineista sanontaa roskat sisään roskat ulos. Asia on siinä, että tämä muistuttaa enemmän harhoja, jotka infusoituvat salakavalasti tekoälyn upottautuessa harhaan. Tekoälyn päätöksenteko-algoritmi (ADM) on aksiomaattisesti täynnä epätasa-arvoa.

Ei hyvä.

Palataan nyt aiheeseen tekoälymehusta tai dopingista.

Tuoreessa artikkelissa tiede -lehti, Machine Learningin ja Deep Learningin mehuttaminen tai doping nousivat esille tekoälykehittäjien pyrkiessä saavuttamaan korkeita arvosanoja ML/DL-benchmarkissa: ”Hienojen tulosten tavoittelu voi johtaa tekoälyn vastaavaan dopingiin. Tutkijat muokkaavat ja muokkaavat malleja usein erityisillä ohjelmistoasetuksilla tai laitteistoilla, jotka voivat vaihdella ajosta toiseen, mikä johtaa mallien suorituskykyyn, jota ei voida toistaa todellisessa maailmassa. Mikä pahempaa, tutkijoilla on tapana valita samankaltaisten vertailuarvojen joukosta, kunnes he löytävät sellaisen, jossa heidän mallinsa on ykkönen."tiede, Matthew Hutsonin "Opetettu kokeeseen", toukokuu 2022).

Voit verrata ML/DL-benchmark-tilannetta, johon liittyy mehustaminen, aikaisempiin kohtiin, jotka koskivat voittoa urheilukilpailuissa tällaisilla epämiellyttävillä käytännöillä.

Tekoälyareenalla on näennäisesti kilpailua siitä, kuka voi saavuttaa "parhaat" ML/DL-mallit. Erilaisia ​​vertailuarvoja voidaan käyttää ML/DL:n suorittamiseen ja sen arvioimiseen, kuinka hyvin ML/DL näyttää saavuttavan vertailuarvon. Tulostaulukoita ja vertailutulosten epävirallista jakamista käytetään usein mainitsemaan, kuka on saavuttanut viimeisimmän parhaan sijoituksen ML/DL-kokoonpanoillaan. Voit kohtuudella ehdottaa, että hivenen mainetta ja omaisuutta odottaa niitä, jotka pystyvät luomaan ML/DL:nsä "voittajaksi" uusimpana ja parhaana esiintyjänä vertailuissa.

Mutta kuten missä tahansa kilpailussa, on olemassa tapoja yrittää huijata ML/DL-tasoa niin, että se näyttäisi toimivan erinomaisesti vertailussa, vaikka konepellin alta käytetäänkin hiipiä. Tämä on klassista korruptiota, jossa pyritään saavuttamaan hyvät pisteet testissä hiomalla lähestymistapaasi kokeeseen, kun taas yleisperiaatteen oletetaan olevan, että yrität varmistaa kokonaissuorituksen.

Kuvittele, että annat jollekulle testin, jonka tarkoituksena on mitata hänen yleistä ymmärrystään esimerkiksi amerikkalaisesta kirjallisuudesta, mutta testin suorittaja ymmärtää, että kysymykset keskittyvät vain Mark Twainiin. Siten kokeen suorittaja tutkii vain Mark Twainin teoksia ja saa kokeesta valtavasti pisteitä. Testin suorittaja julistaa ylpeänä, että he läpäisivät testin, ja on siis ilmeisesti aivohalvaus kaikesta amerikkalaisesta kirjallisuudesta. Todellisuudessa he vain hioivat testiä ja tavallaan huijasivat testausprosessia.

Ymmärrän, että jotkut saattavat heti osoittaa sormella testiä ja testin laatijaa. Jos testin tekijä oli tarpeeksi tiheä, jotta testin tekijät voivat hyödyntää testiä, saatat väittää, että tämä on täysin testin tekijän eikä testin suorittajan harteilla. Testin suorittaja teki kaikkensa valmistautuakseen kokeeseen, mukaan lukien selvittäessään, mitä hänen kannattaisi opiskella. Tämä ei ole vain näennäisesti sallittua, vaan voit onnitella testin tekijää testin tekijän ovelta ovelta.

En mene tässä pidemmälle tuohon eettiseen kuiluun. Tällaista aihetta voi helposti kierrellä. Sanotaan vaikka, että ML/DL-mittausarvojen henki on, että vertailuarvoja käyttävien toivotaan tai oletetaan tekevän niin urheilullisella tavalla. Tämä saattaa näyttää joillekin naiivilta, kun taas toisille se saattaa tuntua ylivertaiselta ja sopivalta.

Toivon, että näet heti, kuinka tekoälyn etiikka ja eettiset tekoälynäkökohdat nousevat luonnollisesti esiin tällaisessa kontekstissa.

Harkitse esimerkiksi sitä, että tietty ML/DL pärjää erittäin hyvin benchmarkissa ja että korotetun pistemäärän perusta johtuu AI:n mehustamisesta tai dopingista. Oletetaan lisäksi, että "voittavan" ML/DL:n tekoälykehittäjät eivät paljasta, että he tekivät tekoälyn. Muut tekoälykehittäjät kuulevat tai lukevat ML/DL-suorituskyvyn tuloksia ja ovat innoissaan näennäisestä läpimurrosta AI ML/DL:ssä. He eivät valitettavasti ole tietoisia tekoälyn piilotetusta mehustamisesta tai dopingista.

Nämä innostuneet tekoälykehittäjät päättävät vaihtaa ponnistelunsa kyseisen ML/DL:n oletettuihin lähestymistapoihin halukseen laajentaa mahdollisuuksia entisestään. Jossain vaiheessa ehkä he huomaavat osuneensa seinään ja ikäväksi yllätyksekseen he eivät näytä pääsevän mihinkään. Tämä voi olla varsin hämmentävää ja ärsyttävää. He ovat työskennelleet kuukausia tai vuosia jonkin asian parissa, josta he eivät tienneet joutuneen alkuvaiheessa. Ymmärrän jälleen, että saatat haluta etsiä vikaa niistä nyt pettyneistä tekoälykehittäjistä, jotka eivät ilmeisesti olleet tarpeeksi fiksuja lopettaakseen mehustamisen aiemmin, mutta uskallan sanoa, että saatamme myös huomata, että mehustimet saivat alkunsa. polku aluksi.

Kaikki tämä muistuttaa varmasti urheilun analogiaa.

Sinulla on halu voittaa, näennäisesti hinnalla millä hyvänsä. Jotkut pyrkivät voittamaan ilman mehustamista, kun taas toiset tekevät mehustuksen kokonaan. Mehustusta käyttävät voivat järkeistää toimintaa lailliseksi. Mehustusta yritetään rajoittaa tai saada kiinni, vaikka tilanteen kissa ja hiiri luonne tarkoittaa, että mehustaminen on todennäköisesti askeleen edellä. Kun joku mehusteleva jää kiinni, hän voi saada maineensa vastareaktion ja muut kielteiset seuraukset. He punnitsevat jatkuvasti havaittuja etuja ja havaittuja kustannuksia. Ja niin edelleen.

Vaikeinta AI ML/DL -mehustuksen saamisessa on, että mehustukseen tai dopingiin on olemassa lukemattomia tapoja. Oletan, että samaa voisi sanoa urheilusta ja mehustamisesta, nimittäin että tutkan alla voidaan yrittää pysyä useilla eri keinoilla ja suorituskyvyn tehostajilla.

Joka tapauksessa, tässä on joitain laajoja luokkia, jotka on otettava huomioon AI ML/DL -mehustusretkissä:

a) Juice koneoppimisen ja syväoppimisen suunnitteluvaiheessa

b) Purista ML/DL:n harjoittamiseen käytetyt tiedot

c) Mehustele ML/DL-malli

d) Purista ML/DL-lähdöt

e) Tee mikä tahansa yllä olevista kahdesta yhdessä

f) Tee jokin edellä mainituista kolmesta yhdessä

g) Tee kaikki edellä mainitut

Olen käsitellyt laajasti parhaiden ML/DL-käytäntöjen käyttöä ja myös varoittanut kolumneissani epämiellyttävien ML/DL-käytäntöjen käytöstä. Suosittelemme tutustumaan, jos haluat lisätietoja.

Makupalaksi pohditaanpa lyhyesti, millaista mehutusta voi tapahtua ML/DL:n harjoittamiseen käytetyn datan kautta. Tavallinen nyrkkisääntö on, että pidät osan harjoitustiedoistasi ML/DL-mallin testaamista varten. Tavanomainen suositus on käyttää 80/20-sääntöä. Käytät noin 80 % tiedoistasi ML/DL:n harjoittamiseen. Loput 20 % käytetään ML/DL:n testaamiseen. Toivotaan, että 20 % edustaa suhteellisesti muita 80 % ja että valitsisit yksinkertaisesti satunnaisesti, mitkä harjoitustiedoistasi ovat harjoitussarjassa ja mitkä ovat testaussarjassa.

Vaikuttaa suoraviivaiselta.

Teemme nyt mehustusta tai dopingia:

• Peilaa harjoitus- ja testidatasi harhaanjohtavasti. Eräs tapa saada aikaan asioita olisi tarkastaa tietosi huolellisesti ja yrittää tarkoituksella varmistaa, että 80 % ja 20 % ovat ihanteellisesti kohdakkain. Et jaa tietoja satunnaisesti. Sen sijaan teet salaisen valinnan yrittääksesi saada 80 % ja 20 % muistuttamaan toisiaan kirjaimellisesti. Tämän tarkoituksena on saada testistäsi näyttämään poikkeuksellisen hyvältä. Pohjimmiltaan, jos ML/DL pärjää hyvin 80 %:lla, se on lähes taattu pärjäävän hyvin 20 %:lla. Tämän tekeminen ei ole asioiden hengessä, koska mahdollisesti huijaat itseäsi (ja muita) uskomaan, että ML/DL on laskennallisesti tehnyt erinomaista työtä yleistäessään. Se ei ehkä ole.
• Muuta testitietoja. Toinen tapa täydentää ML/DL-tietojoukkoasi on jakaa harjoitustiedot siten, että ne muodostavat 95 % tiedoistasi, kun taas holdout-testitiedot ovat vain 5 %. Tämä todennäköisesti lisää todennäköisyyttäsi, että niukassa 5 %:ssa ei ole mitään, mikä alittaisi ML/DL-suorituksen. Hyvin harvat ihmiset kysyvät, kuinka paljon tiedoistasi käytettiin harjoitteluun verrattuna testaukseen. He eivät osaa kysyä tätä kysymystä tai olettaa, että kaikki mitä teit oli oikea tapa tehdä asiat.
• Päästä eroon poikkeamista etukäteen. Ovela tapa mehuttaa tai doping ML/DL sisältää huijausta tietojesi poikkeavuuksista. Ennen kuin syötät tietojasi orastavaan ML/DL:ään, sinun on ensin tutkittava tiedot. Tämä on varovainen askel ja erittäin suositeltavaa, koska sinun tulee tuntea tietosi ennen kuin lyöt ne ML/DL:ksi. Tästä huolimatta tässä on temppu, jota voidaan käyttää. Löydät tiedoista mahdolliset poikkeamat ja heität ne pois. Tämä yleensä auttaa ML/DL:n matematiikkaa, kun se yrittää laskennallisesti löytää kuvioita. Poikkeavien arvojen käsittely on yleensä tuskaa, vaikka ne ovat usein ratkaisevia ja voivat kertoa paljon tietojen luonteesta ja siitä, mitä yrität mallintaa. Poistamalla sokeasti poikkeamat, menetät varmasti jotain, mikä voi tehdä tai rikkoa todellisuuden siitä, mitä ML/DL:n oletetaan pystyvän tekemään. Parempi käytäntö on kiinnittää huomiota poikkeaviin arvoihin ja pohtia, kuinka niiden kanssa on parasta taistella, sen sijaan, että heittäisit ne tiiviisti pois tietojoukosta.
• Älä testaa ollenkaan. Törkeämpi mehustaminen tai doping tarkoittaa sitä, ettei testausta tehdä ollenkaan. Käytät kaikkia tietojasi harjoitteluun. Jos asiat näyttävät hyvältä, heiluttelet käsiäsi ja julistat, että ML/DL on hyvä aloittaa. Tässä mielessä käytät 100/0-peukalosääntöä, nimittäin 100 % datasta harjoitteluun ja 0 % testaukseen. Oletan, että saatat olla järkyttynyt siitä, että joku tekisi näin. Jotkut ovat niin varmoja koulutustuloksista, että he kokevat, ettei testausta tarvita. Tai heillä on kiire, eikä heillä ole aikaa käsitellä sitä "ärsyttävää" testausmateriaalia. Saat kuvan.

Olin aiemmin maininnut, että tekoälyn mehustaminen tai doping voi olla jossain määrin merkityksetöntä, jos tekoälyn luonne ei ole erityisen tärkeä, kun taas muissa asetuksissa voi olla tekoälyn ohjaama elämä tai kuolema, ja siksi mehustaminen on pelottavan heikko lenkki ja potentiaalinen vakavan tuomion ennakkoedustaja.

Tämän painavan keskustelun tässä vaiheessa lyön vetoa, että kaipaat havainnollistavia esimerkkejä, jotka voisivat esitellä tätä aihetta. On olemassa erityinen ja varmasti suosittu joukko esimerkkejä, jotka ovat lähellä sydäntäni. Tekoälyn asiantuntijana, mukaan lukien eettiset ja oikeudelliset seuraukset, minua pyydetään usein tunnistamaan realistisia esimerkkejä, jotka tuovat esille tekoälyn eettisiä ongelmia, jotta aiheen jossain määrin teoreettinen luonne voidaan ymmärtää helpommin. Yksi mieleenpainuvimmista alueista, joka esittelee elävästi tämän eettisen tekoälyongelman, on tekoälyyn perustuvien todellisten itseohjautuvien autojen tulo. Tämä toimii kätevänä käyttötapana tai esimerkkinä aiheesta laajalle keskustelulle.

Tässä on sitten huomionarvoinen kysymys, jota kannattaa pohtia: Kertooko tekoälyyn perustuvien todellisten itseohjautuvien autojen tulo mitään tekoälyn mehustamisesta tai dopingista, ja jos on, mitä tämä osoittaa?

Anna minun hetki purkaa kysymys.

Ensinnäkin, huomaa, että todellisessa itseajavassa autossa ei ole ihmiskuljettajaa. Muista, että todellisia itseohjautuvia autoja ajetaan tekoälyjärjestelmän kautta. Rattiin ei tarvita ihmiskuljettajaa, eikä myöskään ole mahdollista, että ihminen voisi ajaa ajoneuvoa. Katso kattava ja jatkuva kattamukseni autonomisista ajoneuvoista (AV) ja erityisesti itseohjautuvista autoista. linkki tähän.

Haluaisin selventää tarkemmin, mitä tarkoitetaan, kun viittaan todellisiin itse ajaviin autoihin.

Ymmärtäminen itse ajavien autojen tasoista

Selvyyden vuoksi todelliset itse ajavat autot ovat sellaisia, joissa tekoäly ajaa autoa kokonaan yksin eikä ajo-tehtävän aikana ole mitään apua.

Näitä kuljettamattomia ajoneuvoja pidetään tasoina 4 ja 5 (katso selitykseni osoitteessa tämä linkki täällä), kun taas autoa, joka edellyttää ihmiskuljettajan yhteistä ajoponnistusta, pidetään yleensä tasolla 2 tai 3. Autoja, jotka jakavat ajotehtävän, kuvataan puoliautonomisina ja sisältävät tyypillisesti erilaisia automaattiset lisäosat, joista käytetään nimitystä ADAS (Advanced Driver-Assistance Systems).

Tasolla 5 ei ole vielä todellista itseajavaa autoa, emmekä vielä edes tiedä, onko se mahdollista saavuttaa tai kuinka kauan sen saavuttaminen kestää.

Samaan aikaan tason 4 ponnistelut yrittävät vähitellen saada jonkin verran pitoa käymällä läpi erittäin kapeita ja valikoivia yleisiä tiekokeita, vaikka onkin kiistaa siitä, pitäisikö tämä testaus sallia sellaisenaan (olemme kaikki elämän tai kuoleman marsuja kokeessa tapahtuu valtateillämme ja sivuteillämme, jotkut väittävät, katso kattaukseni osoitteessa tämä linkki täällä).

Koska osittain itsenäiset autot vaativat ihmisen kuljettajan, tämäntyyppisten autojen omaksuminen ei ole selvästi erilainen kuin tavanomaisten ajoneuvojen ajaminen, joten sinänsä ei ole paljon uutta kattamaan niitä tästä aiheesta (tosin kuten näette hetkessä seuraavia pisteitä voidaan yleensä soveltaa).

Osittain itsenäisten autojen osalta on tärkeää, että kansalaisia ​​on varoitettava viime aikoina esiintyneestä häiritsevästä näkökulmasta, nimittäin siitä, että huolimatta ihmisten kuljettajista, jotka jatkavat videoiden lähettämistä itsensä nukahtamisesta tason 2 tai 3 autolle, , meidän kaikkien on vältettävä johtamasta harhaan uskoaan, että kuljettaja voi viedä huomionsa ajo-tehtävään ajon puoli-autonomisen auton kanssa.

Olet vastuussa ajoneuvon ajotoimista riippumatta siitä, kuinka paljon automaatiota voidaan heittää tasolle 2 tai 3.

Itseajavat autot ja mehustaminen tai tekoälyn doping

Tason 4 ja tason 5 itseohjautuvissa ajoneuvoissa ajo-tehtävään ei tule inhimillistä kuljettajaa.

Kaikki matkustajat ovat matkustajia.

AI ajaa.

Yksi näkökohta, josta on keskusteltava välittömästi, merkitsee sitä, että nykypäivän tekoälyjärjestelmiin osallistuva tekoäly ei ole tunteva. Toisin sanoen tekoäly on kokonaisuudessaan tietokonepohjaisen ohjelmoinnin ja algoritmien joukko, eikä varmaankaan kykene perustelemaan samalla tavalla kuin ihmiset.

Miksi tämä korostetaan sitä, että tekoäly ei ole järkevä?

Koska haluan korostaa, että puhuessani tekoälyn ajo-järjestelmän roolista, en omista tekoälylle ihmisen ominaisuuksia. Huomaa, että nykyään on jatkuva ja vaarallinen taipumus antropomorfisoida tekoäly. Pohjimmiltaan ihmiset osoittavat ihmisen kaltaisen tuntemuksen nykyiselle tekoälylle huolimatta kiistattomasta ja kiistattomasta tosiasiasta, että sellaista tekoälyä ei vielä ole.

Tämän selvennyksen avulla voit kuvitella, että tekoälyn ajo-järjestelmä ei luonnostaan ​​jotenkin “tiedä” ajon puolia. Ajo ja kaikki siihen liittyvä on ohjelmoitava osaksi itseajoavan auton laitteistoa ja ohjelmistoa.

Sukelletaan lukemattomiin näkökohtiin, jotka tulevat pelaamaan tästä aiheesta.

Ensinnäkin on tärkeää ymmärtää, että kaikki AI-itse ajavat autot eivät ole samanlaisia. Jokainen autonvalmistaja ja itseajava teknologiayritys suunnittelee itse ajavia autoja. Sellaisenaan on vaikea antaa laajoja lausuntoja siitä, mitä tekoälyjärjestelmät tekevät tai eivät tee.

Lisäksi aina, kun todetaan, että tekoälyohjausjärjestelmä ei tee jotain tiettyä, tämä voi myöhemmin ohittaa kehittäjät, jotka itse ohjelmoivat tietokoneen tekemään juuri sen. AI -ajojärjestelmiä parannetaan ja laajennetaan asteittain. Nykyinen rajoitus ei välttämättä ole enää olemassa tulevassa iteraatiossa tai järjestelmän versiossa.

Toivon, että se tarjoaa riittävän litaania varoituksia taustalla, mitä aion kertoa.

Aloitamme keräämällä kiitosta ML/DL:n käytöstä tekoälypohjaisten itseohjautuvien autojen tuotannossa. Useat itseohjautuvien autojen keskeiset näkökohdat ovat toteutuneet koneoppimisen ja syväoppimisen ansiosta. Harkitse esimerkiksi perusvaatimusta, joka on tunnistaa ja analysoida tekoälyyn perustuvaa itse ajavaa autoa ympäröivä ajonäkymä.

Olet epäilemättä huomannut, että useimpien itseohjautuvien autojen autonomiseen ajoneuvoon on asennettu lukemattomia antureita. Tämä tehdään usein itseajavan auton katolla. Anturilaitteet, kuten videokamerat, LIDAR-yksiköt, tutkayksiköt, ultraääniilmaisimet ja vastaavat, sisällytetään tyypillisesti kattotelineeseen tai mahdollisesti kiinnitetään auton kattoon tai sivuille. Anturisarja on tarkoitettu keräämään sähköisesti tietoa, jonka avulla voidaan selvittää, mitä ajonäkymässä on.

Anturit keräävät dataa ja syöttävät digitoidut tiedot veneen tietokoneisiin. Nämä tietokoneet voivat olla yhdistelmä yleiskäyttöisiä laskentaprosessoreja ja erikoisprosessoreja, jotka on suunniteltu erityisesti analysoimaan aistitietoa. Yleisesti ottaen suurimman osan aistitietojen laskennallisesta analyysistä suorittaa ML/DL, joka on suunniteltu tähän tarkoitukseen ja jota käytetään ajoneuvon sisäisillä laskenta-alustoilla. Katso tarkemmat selitykset tämän toiminnasta linkki tähän ja linkki tähän, vain muutamia mainitakseni.

ML/DL yrittää laskennallisesti löytää kuvioita tiedoista, kuten missä tie on, missä jalankulkijat ovat, missä muut lähellä olevat autot ovat ja niin edelleen. Kaikki tämä on ratkaisevan tärkeää, jotta itseajava auto voi edetä eteenpäin. Ilman ML/DL:tä suorittamasta ajokohtausanalyysiä itseajava auto olisi pohjimmiltaan sokea sen suhteen, mitä autonomisen ajoneuvon ympärillä on.

Lyhyesti sanottuna voit helposti väittää, että ML/DL:n käyttö on välttämätöntä tekoälypohjaisten itseohjautuvien autojen syntymiselle.

Voitko mehuttaa tai dopingilla ML/DL:tä, joka koskee tekoälypohjaisia ​​itseajavia autoja?

Ehdottomasti.

Voimme helposti vedota aiemmin mainittuihin esimerkkeihin mehustamisesta tai dopingista, kun on kyse ML/DL-formulaatioiden tietonäkökohdista. Muista, että ML/DL, jota käytetään jalankulkijoiden, autojen ja muiden ajoradan kohteiden etsimiseen, on todennäköisesti ensin koulutettu erilaisiin ajokohtausten tietosarjoihin. Tämä ML/DL:n koulutus on avainasemassa siinä, että tekoälyjärjestelmä pystyy navigoimaan oikein ja turvallisesti kaduilla ohjaten samalla auton autonomisia ohjaimia.

Tässä on se, mitä mehustaminen tai dopingyritys voi tahattomasti tehdä:

• Peilaa harjoitus- ja testidatasi harhaanjohtavasti. Keräät yhteen tietojoukon, jota käytetään ML/DL:n harjoittamiseen ajoradalla, ja kohdistat tarkoituksella harjoitusosan ja testausosan. Noudatat peukalosääntöä tietojen jakamisesta 80 %:iin harjoittelua varten ja 20 %:iin testausta varten, mikä vaikuttaa siksi oikealta lähestymistavalta. Mehustaminen on, että siirrät tietoja ympäri varmistaaksesi, että 80 % ja 20 % ovat hämmästyttävän samanlaisia. Pinoat pakan koulutuksen aikana suunnittelemasi ML/DL:n hyväksi.
• Muuta testitietoja. Jaat harjoitustiedot 95 %:iin kokonaistietojoukosta ja laitat vain 5 % testaustietoosaan. Kun testaus suoritetaan, käy ilmi, että olet vähentänyt mahdollisuuksia, että ML/DL ei näytä hyvältä.
• Päästä eroon poikkeamista etukäteen. Kun tarkastelet tietoja alusta alkaen, huomaat, että on tapauksia mainostauluista, joissa on kuvia ihmisistä. Olet huolissasi siitä, että tämä sekoittaa ML/DL:si, joten poistat kyseiset kuvat tai videot tietojoukostasi. Kun olet suorittanut koulutuksen ja testauksen, vakuutat, että ML/DL on valmis käytettäväksi luonnossa. Valitettavasti jossain vaiheessa tulee väistämättä tilanne, jossa itseajava auto ajaa kadulla tai moottoritiellä ja sen päällä on mainostaulu, jossa on kuvia ihmisistä. Et tiedä kuinka ML/DL reagoi. Saattaa olla, että ML/DL varoittaa jalankulkijoiden olevan lähellä, minkä seurauksena tekoälyjärjestelmä painaa äkillisesti jarruja, jolloin muut lähellä olevat ihmisten ohjaamat autot törmäävät itseohjautuvaan autoon tai ajavat pois tieltä välttääkseen törmäys.
• Älä testaa ollenkaan. Sinulla on kiire saada ML/DL-asetukset. Ehkä itseajava yritys on julkaissut päivämäärän, joka kertoo, milloin itseajava auto aikoo järjestää tärkeän julkisen esittelyn. Sinulla ei ole paljon aikaa tehdä asioita oikein. Näin ollen pidät peukkuja ja käytät kaikkia tietoja harjoitteluun. Et tee testejä ollenkaan. Sinulla on helpotus siitä, että pystyit noudattamaan ilmoitettua määräaikaa. Tietysti se, mitä tapahtuu seuraavaksi tiellä, voi olla katastrofi.

Yhteenveto

Yleensä vilpittömässä mielessä ajavien autojen valmistajat ovat melko varovaisia ​​salliessaan kulmien leikkaamista ja ottavat riskejä tekemällä mehustusta tai dopingtoimia kasvavassa tekoälyjärjestelmässään. Yleensä on olemassa lukuisia tarkastuksia ja tasapainoja tällaisten toimien havaitsemiseksi ja korjaamiseksi. Lisäksi monet yritykset ovat ottaneet käyttöön jokseenkin tiukkoja tekoälyn etiikkaa koskevia ohjeita ja varoitusmekanismeja yrittääkseen saada varhaisessa vaiheessa kiinni mahdollisista lipsumista tai väärinkäytöksistä, katso artikkelini osoitteessa linkki tähän.

Jotkut yltäkylläisistä yrityksistä koota itseohjautuvia tekoälyautoja ovat päättäneet heittää varovaisuutta tuuleen. He käyttävät röyhkeästi mitä tahansa oikoteitä, jotka he ajattelevat. Lisäksi he panivat vain vähän varaa tekemään kaksinkertaisen tarkistuksen tai yrittäessään lopettaa mehustuksen tai dopingin. Jotkut jopa käyttävät uskottavuuden kieltämisen klassikkoa vain ohjeistamalla tekoälykehittäjiään tekemään "mitä he pitävät oikeana", ja sitten voivat myöhemmin julistaa, että yritys ei tiennyt, mitä tekoälyn mehustelua tai dopingia tapahtui. Olen keskustellut näistä vaarallisista yrityksistä kolumneissani.

Itseohjautuvien autojen tapauksessa elämä tai kuolema on selvästi vaarassa.

Lisäys on, että jos on mahdollisuus mehustaa tai doping tekoäly itse ajavien autojen alueella, sinun on pohdittava, mikä saattaisi olla sallittua muilla vähemmän elämää tai kuolemaa koskevilla alueilla, jotka luottavat tekoälyjärjestelmiin. Paineet saada tekoäly ulos ovesta mahdollisimman pian ovat valtavat. Paineet varmistaa, että tekoäly tekee oikeita asioita oikealla tavalla, voivat olla paljon vähemmän pakottavia. Ikävä kyllä.

Tekoälyyn liittyvään mehustukseen ja dopingiin liittyvien eettisten huolenaiheiden lisäksi olen jatkanut näiden asioiden tulevien oikeustoimien tsunamien haukkumista. Kun tekoälyjärjestelmät pääsevät eroon hirvittävistä toimista, tekoälyn kehittäneet ja käyttöön ottaneet joutuvat viime kädessä joutumaan vastuuseen. Emme ole vielä nähneet oikeudellisten kanteiden lisääntymistä tekoälyä valmistavia ja yrityksissään käyttäjiä vastaan. Merkitse sanani, että tilitys syntyy väistämättä, katso tiedotukseni osoitteessa linkki tähän.

Yritykset pakotetaan laillisesti avaamaan ovensa näyttääkseen, kuinka ne kokoavat tekoälyjärjestelmiään. Mitä he tekivät suunnittelun aikana? Mitä he tekivät tietojenkäsittelyn aikana? Mitä he tekivät osana testausta ennen julkaisua? Kaikki tämä valaisee näkymätön, konepellin alla tapahtuvan mehutuksen ja dopingin mahdollisuutta.

Siellä pitäisi emme olla ilmainen lounas niille, jotka valitsevat tekoälymehutuksen ja dopingin. Ole varovainen ja pidä silmäsi auki. Seiso pystyssä ja vaadi tekoälyn mehustamisen ja dopingin estämistä.

Tarvitsemme puhtaan tekoälyn, se on helvetin varma.