Skynet er ekte, men det vil ikke ødelegge oss (forhåpentligvis)

Det var underlig passende at regissør James Cameron introduserte verden for Skynet - den fiktive super AI som forsøkte å utrydde menneskeheten - i 1984.

I følge Terminator lore ble Skynet opprettet i fremtidens 1990-tall for å fjerne det menneskelige elementet fra amerikanske atomforsvar. Men så ble Skynet selvbevisst, satte i gang et globalt atomvåpen-holocaust og opprettet en hær av morderoboter for å ta ut de overlevende, yadda yadda yadda.

Selvfølgelig ble denne fremtidige dystopien unnfanget lenge før noe som dyktige roboter eller kunstig intelligens til og med eksisterte. Spol frem til 2017 og human-valgfri teknologi er ikke bare ute i den virkelige verden, men ingeniører rusler for å finne ut måter å gi dem enda mer ansvar. Overalt i verden blir autonome mini-Skynets en (forhåpentligvis velvillig?) Virkelighet.

Selv om vi sannsynligvis ikke vil overlate noe så prekært som kjernefysisk lansering koder til en algoritme når som helst, vokser samfunnet stadig mer av teknologi for å utføre andre viktige oppgaver. Den verdenen har faktisk blitt så sammensatt at den praktisk talt er en nødvendighet. Infrasturcutre vår kommer ikke bare online, den får muligheten til å forutse og reagere. Vi har oppgitt algoritmene våre med å oppdage sikkerhetsbrudd i komplekse systemer, handle mesteparten av verdens aksjer og til og med forutsi når ting som flymotordeler kan gå i stykker før det skjer.

For det formål bruker ingeniører i økende grad ting som "digitale tvillinger" for å hjelpe med å ta spådommer og beslutninger. Digitale tvillinger er virtuelle fremstillinger av reelle objekter (typisk vital infrastruktur som turbiner i et kraftverk). Disse tvillingene bruker data i sanntid for å forutsi når noe kan mislykkes (og dermed lar opprettholdere - som i seg selv blir stadig mer automatisert - løse problemer før de oppstår). Men hvis AI er en type intellekt, ville det være nøyaktig å beskrive digitale tvillinger som en form for fantasi ?

"Ja, det er det. Men det er en fantasi sentrert rundt det den faktisk vet og dens tidligere historie, så vel som om miljøet og hvordan du bruker det, " forklarer Dr. Colin Parris, administrerende direktør for programvareforskning hos General Electric og en ledende utvikler av digital tvillingteknologi som nylig var gjest på PCMags intervjuserie, The Convo . "Den fantasien forteller det 'godt basert på disse dataene, det kan hende jeg må opprettholdes på dette tidspunktet.'"

Men digitale tvillinger er ikke relatert til innspill fra en enkelt kilde - de er i stand til å utnytte opplevelsene fra en hel flåte. Hvis algoritmen, for eksempel, observerer at en spesifikk plandel begynner å oppleve slitasje etter 2000 landinger under regnfulle forhold, kan det pinge vedlikeholdsbesetningene neste gang flyet går inn for service. Men å gi et system ekte intelligens er mer enn "tid for en sjekk-" lys på bilens instrumentpanel; det handler om å forbedre sin evne over tid.

Et felt av AI kalt "maskinlæring" lar datamaskiner mestre oppgaver uavhengig av menneskelig bevissthet. Denne sammenføyningen av innsamlede opplevelser forenkler et bikub-sinn som utgjør en mangel på sunn fornuft. Uten denne digitale zeitgeisten ville komplekse teknologier som selvkjørende biler aldri være mulig.

En eneste menneskelig programmerer - eller til og med en hær av programmerere - kunne aldri lage programvare for å forutse alle virkelige veiscenarioer, men selvkjørende biler kan lære ved observasjon. For eksempel vil en selvkjørende bil kanskje ikke kjenne igjen en person i rullestol, men ved å observere hvordan mennesker reagerer på denne nye formen som deler funksjoner med en person og en bil, kan programvaren lære at dette er en slags fotgjenger som bør behandles som sådan.

Ikke bare forbedrer programvaren ved å se på menneskers sjåførers oppførsel, den registrerer også hva som har fungert da andre selvkjørende biler var på veien (og kanskje enda viktigere, hva gjorde ikke). Denne felles læringen lar maskiner navigere i en sammensatt verden med mange uforutsette variabler.

Når du kombinerer virtuell modellering og prediktive teknologier med fremskritt innen robotikk, kan du se hvordan infrastruktur vil bli enda mer autonom fremover. Denne automatiseringen er problematisk fra et arbeidsledighetssyn, men er ikke nødvendigvis et fullstendig tap for menneskeheten.

"Det er noen jobber som er kjedelige, skitne og farlige. Jeg vil sørge for at vi ikke har mennesker for ofte i disse jobbene, " forklarer Parris. "Jeg vil gi deg et eksempel. Vi har oljerigger ute i havet som har gigantiske stabler som de bruker for å brenne av drivstoff. Noen må gå opp i stablene og se om det har rust på det - det er 200 føtter i luften, de henger ved et tau, det er kulingvind der oppe. Sjansene for en feil er enorme. Men nå har vi droner. Dronene flyr der oppe og flyr i en sirkel og tar bilder. Programvaren analyserer hvor rusten og skaden er. Så nå trenger vi ikke å sette mennesker på et farlig sted."

Etter hvert som roboter blir tynnere, smartere og mer dyktige, kan du se hvordan systemene som sivilisasjonen er avhengig av, kan lære å vedlikeholde (og muligens til og med reparere og bygge) seg selv. Det er nesten som om de utvikler seg til livslignende systemer, som kan lære, forestille seg og forutse. Forhåpentligvis vil de ikke bestemme seg for å ødelegge oss en dag.