Tekoälyn arkkitehdit eri linjoilla – Hinton, Li ja Ng ottivat yhteen Las Vegasissa

Tunnin aikana Geoffrey Hinton ("tekoälyn kummisetä"), Fei-Fei Li ("tekoälyn kummitäti") ja Andrew Ng (DeepLearning.AI:n ja Landing AI:n perustaja) ottivat yhteen eksistentiaalisesta riskistä, massatyöttömyydestä, sääntelystä ja avoimien mallien roolista. Vain yhdestä asiasta – koulutuksen keskeisyydestä – he olivat samaa mieltä .

Tässä on yhteenveto heidän kannoistaan neljän keskeisen aiheen osalta.

Tekoälyn riskit ja eksistentiaalinen vaara

Geoffrey Hinton esitti tähän mennessä vakavimman varoituksensa. Tekoälyjärjestelmät, hän väitti, kehittyvät nopeammin kuin instituutiot ehtivät reagoida, ja ne saattavat ohittaa ihmisälyn "5–20 vuoden sisällä" – ja lisäsi "todennäköisesti vähemmän" . Hän kehotti yhteiskuntaa ottamaan pitkän aikavälin vaarat vakavasti: "Jos emme huolehdi siitä nyt, voi tulla ongelmia" . Hän varoitti myös, että tekoälyjärjestelmät tekevät jo asioita, joita niiden luojat eivät tarkoittaneet, ja ilmaisi huolensa avoimien painomallien turvallisuudesta .

Fei-Fei Li vastusti sitä, mitä hän piti äärimmäisyyksiin menevänä keskusteluna. Hän vaati "tieteen, ei tieteisfiktion" palauttamista tekoälykeskusteluun, koska julkinen keskustelu on hänen mukaansa keskittynyt pelkoon tosiasioiden sijaan. Hän hylkäsi sekä dystooppiset että utopistiset kehykset .

Andrew Ng otti jyrkimmän kannan ja syytti suuria tekoäly-yrityksiä turvallisuuspelkojen liioittelusta avointen mallien rajoittamiseksi ja kilpailun tukahduttamiseksi. Hän kutsui suurta osaa hälytyksestä "pelonlietsonnaksi" ja sanoi: "En halua tekoälylle portinvartijoita" .

Työpaikkojen katoaminen

Paneelin terävimmät erimielisyydet nousivat esiin työpaikkakysymyksessä. Hinton keskittyi toimistotyöhön, ei tehdastyöhön. Hän tunnisti puhelinpalvelukeskukset, hallinnolliset avustajat ja vakuutuskorvauskäsittelijät haavoittuvimmiksi – ja esitti kysymyksen, joka kiteytti hänen huolensa: "Mitä nuo ihmiset tekevät? Mitä tahansa, mihin heidät voisi kouluttaa uudelleen, tekoäly pystyy tekemään" . Hän antoi esimerkin terveydenhuollosta, jossa chatbot vähensi valitusten käsittelyajan 30 minuutista muutamaan minuuttiin .

Ng vastasi, että tekoäly ei poista työpaikkoja vaan muuttaa niiden sisältöä. Hän väitti, etteivät ohjelmistosuunnittelijat ole kadonneet – heistä on tullut full stack -kehittäjiä. Markkinointikoordinaattoreista on tulossa "täyden kierron markkinoijia". Todellinen haaste, hän sanoi, on "nopeuttaa ihmisen kehitystä" samalla kun tekoäly kehittyy .

Li kieltäytyi ottamasta kantaa kumpaankaan ääripäähän. Hän huomautti, että harvat työt koostuvat yhdestä tehtävästä – sairaanhoitajat eivät vain tee kirjauksia, opettajat eivät vain luennoi . Tekoäly automatisoi joitakin osia jättäen toiset koskemattomiksi. Mutta hän varoitti, ettei tuottavuuden kasvu automaattisesti johda jaettuun vaurauteen .

Sääntely

Sääntelypolitiikassa kolmikko erosi vielä selvemmin. Hinton vaati sääntelyä kutsuen sitä välttämättömäksi "ohjauspyöräksi" tekoälyn kyvyille, jotka ylittävät institutionaaliset reagointiajat. Hän ilmaisi erityistä varovaisuutta avoimia painomalleja kohtaan, joita voitaisiin käyttää haitallisiin tarkoituksiin .

Ng vastusti raskasta sääntelyä potentiaalisena välineenä, jolla vakiintuneet yritykset voisivat sulkea kilpailun ulkopuolelle. Hän vastusti suoraan avoimien mallien lisensointivaatimuksia väittäen, että ne vahvistaisivat suurten tekoälylaboratorioiden valtaa .

Li kannatti keskitietä: julkisia investointeja tekoälytutkimukseen ja sitoutumista "hyvään, terveeseen, tieteelliseen viestintään" politiikan ohjaamiseksi. Hän varoitti sekä paniikista että hypeästä ja varoitti "lamauttamasta ihmisiä ja viemästä toimijuutta pois ihmisiltä" .

Koulutus: ainoa yhteinen nimittäjä

Kaikki kolme paneelistia olivat yhtä mieltä siitä, että koulutus ratkaisee, hyödyttääkö tekoäly lopulta yhteiskuntaa – mutta he erosivat kiireellisyydessä ja painopisteessä . Hinton suhtautui skeptisesti uudelleenkoulutuksen toteutettavuuteen tekoälyn laajojen ja nopeasti kehittyvien kykyjen vuoksi . Ng korosti tarvetta nopeuttaa ihmisen oppimista rinnakkain tekoälyn kanssa. Li korosti tehtävätason vivahteita ja tieteellistä viestintää yleisön ymmärryksen perustana .

Yksimielisyys ei kuitenkaan peittänyt syvempiä jakolinjoja. Paneeli heijasti sitä, kuinka ratkaisematon tekoälykeskustelu on – ei vain päättäjien ja yleisön, vaan myös teknologian keksijöiden keskuudessa .