စက်ရုပ်၏လူသားဆန်ခြင်း - လူသား၏စက်မှုလယ်ယာ

ကျွန်ုပ်တို့သည် လူကြိုက်များသော ဒဏ္ဍာရီများမှ ဉာဏ်ရည်တုကို ရွေးချယ်ပါက၊ ၎င်းသည် အလွန်အလားအလာရှိပြီး အသုံးဝင်သော တီထွင်မှုတစ်ခု ဖြစ်လာနိုင်သည်။ လူနှင့်စက် - ဤပေါင်းစပ်မှုသည် မမေ့နိုင်သော ပြိုင်ကားကို ဖန်တီးနိုင်ပါမည်လား။

1997 ခုနှစ်တွင် Deep Blue စူပါကွန်ပြူတာအား ရှုံးနိမ့်ပြီးနောက်၊ Garry Kasparov သည် အနားယူကာ ၎င်းကို ပြန်စဉ်းစားကာ စက်ဟုခေါ်သည့် ပုံစံသစ်ဖြင့် ယှဉ်ပြိုင်မှုသို့ ပြန်လည်ရောက်ရှိခဲ့သည်။ centaur. ပျမ်းမျှကွန်ပြူတာတစ်လုံးနှင့် တွဲဖက်ထားသော ပျမ်းမျှကစားသမားတစ်ဦးပင်လျှင် အဆင့်မြင့်ဆုံး စစ်တုရင်စူပါကွန်ပျူတာကို အနိုင်ယူနိုင်သည် - လူသားနှင့် စက်တွေးခေါ်မှုပေါင်းစပ်မှုသည် ဂိမ်းကို တော်လှန်ပြောင်းလဲစေခဲ့သည်။ ထို့ကြောင့် စက်များဖြင့် ရှုံးနိမ့်ပြီးနောက် Kasparov သည် ၎င်းတို့နှင့် မဟာမိတ်ဖွဲ့ရန် ဆုံးဖြတ်ခဲ့သည်။

ဖြစ်စဉ် စက်နှင့်လူသားကြား နယ်နိမိတ်များကို မှုန်ဝါးစေပါသည်။ နှစ်ပေါင်းများစွာ ဆက်လက်တည်ရှိနေပါသည်။ ခေတ်မီစက်ပစ္စည်းများသည် မှတ်ဉာဏ်ချို့ယွင်းသူများကို ကူညီပေးသည့် စမတ်ဖုန်း သို့မဟုတ် တက်ဘလက်များဖြစ်သည့် ကျွန်ုပ်တို့၏ ဦးနှောက်လုပ်ဆောင်ချက်အချို့ကို အစားထိုးနိုင်သည်ကို ကျွန်ုပ်တို့ မြင်တွေ့ရသည်။ ယခင်က ချို့ယွင်းချက်မရှိသော လူများတွင် ဦးနှောက်လုပ်ဆောင်ချက်များစွာကို ပိတ်ပစ်သည်ဟု အချို့ကပြောကြသော်လည်း၊ မည်သို့ပင်ဆိုစေ၊ စက်မှထုတ်လုပ်ထားသော အကြောင်းအရာသည် လူသားတို့၏ ခံယူချက်အား ပို၍တိုး၍ စိမ့်ဝင်စေသည်- ဒစ်ဂျစ်တယ်ဖန်တီးမှုများ သို့မဟုတ် သာလွန်ဖြစ်ရပ်မှန်ဆိုင်ရာ အကြောင်းအရာများကဲ့သို့ ရုပ်မြင်သံကြားဖြစ်ပါစေ၊ သို့မဟုတ် အကြားအာရုံ။ Alexa ကဲ့သို့သော ဉာဏ်ရည်တုအခြေခံ ဒစ်ဂျစ်တယ်လက်ထောက်များ၏ အသံအဖြစ်၊

ကျွန်ုပ်တို့၏ကမ္ဘာကြီးသည် ဉာဏ်ရည်ဉာဏ်သွေးပုံစံများဖြစ်သော "ဂြိုလ်သားများ" ဖြင့် မြင်သာထင်သာမြင်သာစွာ သို့မဟုတ် မမြင်နိုင်လောက်အောင် ရှုပ်ပွနေပြီး ကျွန်ုပ်တို့ကို စောင့်ကြည့်ရန်၊ ကျွန်ုပ်တို့နှင့် စကားပြောဆိုရန်၊ ကျွန်ုပ်တို့နှင့် ရောင်းဝယ်ဖောက်ကားခြင်း သို့မဟုတ် ကျွန်ုပ်တို့၏ကိုယ်စား အဝတ်အစားများကို ရွေးချယ်ကာ ဘဝလက်တွဲဖော်ကိုပင် ကူညီပေးသည့် အယ်လဂိုရီသမ်များဖြင့် ရှုပ်ထွေးနေပါသည်။

လူသားနှင့် တန်းတူ ဉာဏ်ရည်တု ရှိကြောင်း မည်သူမျှ အလေးအနက် မပြောကြသော်လည်း AI စနစ်များသည် လူသားများနှင့် ပိုမို နီးကပ်စွာ ပေါင်းစပ်ကာ နှစ်ဖက်စလုံးမှ အကောင်းဆုံးကို အသုံးပြု၍ စက်-လူသား စနစ်များမှ ဖန်တီးရန် အဆင်သင့် ဖြစ်နေကြောင်း လူအများက သဘောတူကြသည်။

AI သည် လူသားများနှင့် နီးကပ်လာသည်။

အထွေထွေ ဥာဏ်ရည်တု

မြောက်ကယ်ရိုလိုင်းနားရှိ Duke တက္ကသိုလ်မှ သိပ္ပံပညာရှင် Mikhail Lebedev၊ Ioan Opris နှင့် Manuel Casanova တို့သည် MT တွင် ကျွန်ုပ်တို့ပြောထားပြီးဖြစ်သည့်အတိုင်း ကျွန်ုပ်တို့၏စိတ်စွမ်းရည်ကို မြှင့်တင်ခြင်းအကြောင်းအရာကို အချိန်အတန်ကြာ လေ့လာနေခဲ့သည်။ ၎င်းတို့အဆိုအရ 2030 တွင် ဦးနှောက်အစားထိုးခြင်းဖြင့် လူသားတို့၏ ဉာဏ်ရည်ကို မြှင့်တင်ပေးမည့် ကမ္ဘာကြီးသည် နေ့စဉ်နှင့်အမျှ လက်တွေ့ဖြစ်လာမည်ဖြစ်သည်။

Ray Kurzweil နှင့် သူ၏ ခန့်မှန်းချက်များ ချက်ချင်း သတိရလာသည်။ နည်းပညာဆိုင်ရာ အနည်းအကျဉ်း. ကျွန်ုပ်တို့၏ ဦးနှောက်များသည် အီလက်ထရွန်နစ်ကွန်ပြူတာများမှ အချက်အလက်များကို လုပ်ဆောင်နိုင်သည့် မြန်နှုန်းထက် လွန်စွာ နှေးကွေးနေသည်ဟု ကျော်ကြားသော အနာဂတ်ပညာရှင် ဤရေးသားခဲ့သည် ။ တစ်ချိန်တည်းတွင် များပြားလှသော အချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာရန် လူ့စိတ်၏ထူးခြားသောစွမ်းရည်ရှိသော်လည်း၊ ဒစ်ဂျစ်တယ်ကွန်ပြူတာများ၏ တိုးတက်မှုနှုန်းသည် များမကြာမီတွင် ကြီးထွားလာသော ဒစ်ဂျစ်တယ်ကွန်ပြူတာများ၏ ဦးနှောက်စွမ်းရည်ထက် များစွာကျော်လွန်လာမည်ဟု Kurzweil ယုံကြည်သည်။ အကယ်၍ သိပ္ပံပညာရှင်များသည် ဦးနှောက်သည် ဖရိုဖရဲနှင့် ရှုပ်ထွေးသော လုပ်ဆောင်ချက်များကို နားလည်နိုင်ပြီး ၎င်းတို့ကို နားလည်ရန်အတွက် စုစည်းပါက၊ ၎င်းသည် အထွေထွေ AI ဟုခေါ်သော ဉာဏ်ရည်တုတော်လှန်ရေးနှင့် ကွန်ပြူတာတွင် အောင်မြင်မှုတစ်ခုဆီသို့ ဦးတည်သွားမည်ဖြစ်ကြောင်း ၎င်းက အကြံပြုထားသည်။ သူမဘယ်သူလဲ?

Artificial Intelligence ကို အများအားဖြင့် အဓိက အမျိုးအစား နှစ်မျိုး ခွဲခြားထားပါသည်။ ကျဉ်းသော Oraz ယေဘုယျအား (AGI)။

ယနေ့ကျွန်ုပ်တို့ပတ်ဝန်းကျင်တွင် ပထမဆုံးတွေ့မြင်နိုင်သည့်အရာမှာ အဓိကအားဖြင့် ကွန်ပျူတာများ၊ စကားပြောမှတ်သားမှုစနစ်များ၊ iPhone ရှိ Siri ကဲ့သို့သော virtual assistant၊ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရကားများတွင် ထည့်သွင်းထားသည့် ပတ်ဝန်းကျင်အသိအမှတ်ပြုစနစ်များ၊ ဟိုတယ်ဘွတ်ကင်လုပ်နည်းများတွင် အယ်လဂိုရီသမ်များ၊ x-ray ခွဲခြမ်းစိတ်ဖြာမှုတွင် မသင့်လျော်သောအကြောင်းအရာများကို အမှတ်အသားပြုခြင်း၊ အင်တာနက်။ သင့်ဖုန်း ကီးဘုတ်ပေါ်တွင် စကားလုံးများ ရေးနည်းနှင့် အခြားအသုံးပြုမှု ဒါဇင်များစွာကို လေ့လာခြင်း။

အထွေထွေ ဥာဏ်ရည်တုသည် အခြားအရာတစ်ခုဖြစ်ပြီး၊ လူ့စိတ်ကို သတိရစေတယ်။. ၎င်းသည် ဆံပင်ညှပ်ခြင်းမှ စပီကာများတည်ဆောက်ခြင်းအထိ သင်သင်ယူနိုင်သည့် မည်သည့်အရာကိုမဆို သင်ယူနိုင်သည့် လိုက်လျောညီထွေရှိသောပုံစံတစ်ခုဖြစ်သည်။ ကျိုးကြောင်းဆင်ခြင်ခြင်းနှင့် ကောက်ချက်ချခြင်း။ အချက်အလက်အပေါ်အခြေခံသည်။ AGI ကို မတည်ဆောက်ရသေးပါဘူး (အချို့က ကံကောင်းထောက်မစွာပြောကြတယ်)၊ လက်တွေ့ကထက် ရုပ်ရှင်တွေကနေ ပိုသိတယ်။ ဤအရာ၏ ပြီးပြည့်စုံသော ဥပမာများမှာ “၂၀၀၁ ခုနှစ်မှ HAL 9000 ဖြစ်သည်။ Space Odyssey သို့မဟုတ် "Terminator" စီးရီးမှ Skynet။

AI သုတေသီ Vincent S. Muller နှင့် တွေးခေါ်ပညာရှင် Nick Bostrom တို့၏ ပညာရှင်အဖွဲ့လေးဖွဲ့၏ 2012-2013 စစ်တမ်းတွင် ဥာဏ်ရည်တု အထွေထွေဉာဏ်ရည် (AGI) သည် 50 နှင့် 2040 ခုနှစ်ကြားတွင် တီထွင်နိုင်ခြေ 2050 ရာခိုင်နှုန်းကို ပြသခဲ့ပြီး 2075 တွင် ဖြစ်နိုင်ခြေ 90% အထိ တိုးလာမည်ကို ပြသခဲ့သည်။ . . ပညာရှင်တွေကလည်း ပိုမြင့်တဲ့အဆင့်လို့ ခေါ်ကြတာကို ခန့်မှန်းကြပါတယ်။ ထောက်လှမ်းရေးအတု“နယ်ပယ်အသီးသီးမှာ လူသားအသိပညာထက် ဉာဏ်ပညာထက် သာလွန်တဲ့ ဉာဏ်ပညာ” လို့ သူတို့က အဓိပ္ပာယ်ဖွင့်ဆိုကြပါတယ်။ သူတို့ရဲ့အမြင်အရ OGI အောင်မြင်ပြီး အနှစ်သုံးဆယ်အကြာမှာ ပေါ်လာလိမ့်မယ်။ အခြား AI ကျွမ်းကျင်သူများက ဤခန့်မှန်းချက်များသည် ရဲရင့်လွန်းသည်ဟု ဆိုသည်။ လူ့ဦးနှောက်အလုပ်လုပ်ပုံနှင့်ပတ်သက်၍ ကျွန်ုပ်တို့၏အလွန်ညံ့ဖျင်းသောနားလည်မှုဖြင့် သံသယရှိသူများသည် AGI ပေါ်ပေါက်လာမှုကို နှစ်ရာနှင့်ချီ၍ ရွှေ့ဆိုင်းနေကြသည်။

ကွန်ပျူတာမျက်လုံး HAL 1000

သတိမေ့ခြင်း မရှိပါ။

စစ်မှန်သော AGI ၏အဓိကအတားအဆီးတစ်ခုမှာ အလုပ်အသစ်များသို့မသွားရန် AI စနစ်များအတွက် သင်ယူထားသည်များကို မေ့သွားသည့်သဘောထားဖြစ်သည်။ ဥပမာအားဖြင့်၊ ဥပမာအားဖြင့်၊ လူမှုကွန်ရက်တစ်ခုတွင် ၎င်းတို့ကို ထိထိရောက်ရောက်သိရှိနိုင်စေရန်အတွက် လူများ၏မျက်နှာများကို ထောင်ပေါင်းများစွာသော ဓာတ်ပုံများကို ပိုင်းခြားစိတ်ဖြာပေးမည်ဖြစ်သည်။ ဒါပေမယ့် AI စနစ်တွေကို သင်ယူခြင်းဟာ သူတို့လုပ်နေတဲ့အရာရဲ့ အဓိပ္ပါယ်ကို တကယ်နားမလည်တဲ့အတွက်ကြောင့် သူတို့သင်ယူပြီးသားအရာတွေကို အခြေခံပြီး တခြားအရာတစ်ခုခုလုပ်ဖို့ သင်ပေးချင်တဲ့အခါ၊ အဲဒါဟာ အတော်လေး ဆင်တူတဲ့အလုပ်ဖြစ်နေရင်တောင် (ပြော၊ စိတ်ခံစားမှု၊ မျက်နှာများကို အသိအမှတ်ပြုခြင်း)၊ ၎င်းတို့ကို အစမှ၊ အစမှ လေ့ကျင့်ရန် လိုအပ်သည်။ ထို့အပြင်၊ အယ်လဂိုရီသမ်ကို လေ့လာပြီးနောက်၊ ကျွန်ုပ်တို့သည် ၎င်းကို ပြုပြင်မွမ်းမံ၍ အရေအတွက်ထက် အခြားနည်းဖြင့် တိုးတက်အောင် လုပ်ဆောင်နိုင်တော့မည်မဟုတ်ပေ။

သိပ္ပံပညာရှင်များသည် ဤပြဿနာကို ဖြေရှင်းရန် နည်းလမ်းရှာရန် နှစ်ပေါင်းများစွာ ကြိုးစားခဲ့ကြသည်။ အကယ်၍ ၎င်းတို့အောင်မြင်ခဲ့ပါက AI စနစ်များသည် ၎င်းတို့ရရှိပြီးဖြစ်သော အသိပညာများစွာကို ထပ်မရေးဘဲ လေ့ကျင့်ရေးဒေတာအစုအသစ်မှ သင်ယူနိုင်မည်ဖြစ်သည်။

Google DeepMind မှ Irina Higgins သည် ဩဂုတ်လက Prague ကွန်ဖရင့်တွင် လက်ရှိ AI ၏ အားနည်းချက်ကို ချိုးဖျက်နိုင်သည့် နည်းလမ်းများကို တင်ပြခဲ့သည်။ သူမ၏အဖွဲ့သည် ပုံမှန် algorithm ထက် ပိုမိုဖန်တီးမှုရှိသော အယ်လဂိုရီသမ်တစ်ခုထက် ပိုမိုဖန်တီးတွေးခေါ်နိုင်သော အယ်လဂိုရီသမ်-မောင်းနှင်သည့် ဗီဒီယိုဂိမ်းဇာတ်ကောင်တစ်ခုဖြစ်သည့် "AI အေးဂျင့်" ကို ဖန်တီးထားသည် — အခြား virtual ပတ်၀န်းကျင်တစ်ခုတွင် ၎င်းကြုံတွေ့ရသည့်အရာကို “စိတ်ကူးယဉ်” နိုင်သည်။ ဤနည်းအားဖြင့်၊ အာရုံကြောကွန်ရက်သည် အတုယူထားသော ပတ်ဝန်းကျင်တွင် တွေ့ကြုံရသည့် အရာများကို ပတ်ဝန်းကျင်ကိုယ်တိုင်မှ ခွဲထုတ်နိုင်ပြီး ဖွဲ့စည်းမှုအသစ် သို့မဟုတ် တည်နေရာများတွင် ၎င်းတို့ကို နားလည်နိုင်မည်ဖြစ်သည်။ arXiv တွင် ဆောင်းပါးတစ်ခုသည် အဖြူရောင်ခရီးဆောင်အိတ် သို့မဟုတ် ထိုင်ခုံအသိအမှတ်ပြုခြင်းဆိုင်ရာ အယ်လဂိုရီသမ်ကို လေ့လာခြင်းအကြောင်း ဖော်ပြသည်။ လေ့ကျင့်သင်ကြားပြီးသည်နှင့်၊ အယ်လဂိုရီသမ်သည် ၎င်းတို့အား လုံးဝ virtual world တွင် မြင်ယောင်နိုင်ပြီး အစည်းအဝေးသို့ရောက်သည့်အခါ ၎င်းတို့ကို အသိအမှတ်ပြုနိုင်သည်။

အတိုချုပ်အားဖြင့်၊ ဤ အယ်လဂိုရီသမ် အမျိုးအစားသည် လူအများစုလုပ်ဆောင်သကဲ့သို့ ၎င်းတွင် တွေ့ကြုံခဲ့ရသည့်အရာများနှင့် ယခင်က မြင်တွေ့ခဲ့ရသည့် ကွာခြားချက်ကို ပြောပြနိုင်သော်လည်း အယ်လဂိုရီသမ်အများစုနှင့် မတူပေ။ AI စနစ်သည် အရာခပ်သိမ်းကို ပြန်လည်လေ့လာရန် မလိုအပ်ဘဲ ကမ္ဘာကြီးနှင့်ပတ်သက်သည့် သိသောအရာများကို အပ်ဒိတ်လုပ်သည်။ အခြေခံအားဖြင့်၊ စနစ်သည် ပတ်ဝန်းကျင်အသစ်တွင် ရှိပြီးသားအသိပညာကို လွှဲပြောင်းအသုံးချနိုင်သည် ။ ဟုတ်ပါတယ်၊ မစ္စ Higgins ရဲ့ မော်ဒယ်ကိုယ်တိုင်က AGI မဟုတ်သေးပါဘူး၊ ဒါပေမယ့် စက် သတိမေ့ခြင်း မခံစားရတဲ့ ပိုမိုပြောင်းလွယ်ပြင်လွယ်ရှိတဲ့ အယ်လဂိုရီသမ်တွေအတွက် အရေးကြီးတဲ့ ပထမခြေလှမ်းဖြစ်ပါတယ်။

မိုက်မဲခြင်း၏ဂုဏ်အသရေအတွက်

ပါရီတက္ကသိုလ်မှ သုတေသီ Mikael Trazzi နှင့် Roman V. Yampolsky တို့က လူသားနှင့် စက်၏ ပေါင်းစည်းခြင်းဆိုင်ရာ မေးခွန်း၏ အဖြေသည် ဥာဏ်ရည်တု၏ အယ်လဂိုရီသမ်များအဖြစ် မိတ်ဆက်ခြင်းဖြစ်သည်ဟု ယုံကြည်ကြသည်။အတုအယောင် မိုက်မဲမှု". ဒါကလည်း ကျွန်တော်တို့အတွက် ပိုလုံခြုံစေမှာပါ။ မှန်ပါသည်၊ အထွေထွေဉာဏ်ရည်တု (AGI) သည် လုပ်ဆောင်နိုင်စွမ်းနှင့် မှတ်ဉာဏ်ကို ကန့်သတ်ခြင်းဖြင့်လည်း ပိုမိုလုံခြုံလာနိုင်သည်။ သို့သော် သိပ္ပံပညာရှင်များသည် ဥပမာအားဖြင့် cloud computing မှတဆင့် ပါဝါပိုမိုမှာယူနိုင်သည်၊ စက်ပစ္စည်းဝယ်ယူခြင်းနှင့် ပို့ဆောင်ခြင်း သို့မဟုတ် လူမိုက်တစ်ဦး၏ ခြယ်လှယ်ခြင်းကိုပင် ပြုလုပ်နိုင်ကြောင်း သိပ္ပံပညာရှင်များက နားလည်ကြသည်။ ထို့ကြောင့်၊ AGI ၏ အနာဂတ်ကို လူသားတို့ မလိုမုန်းထားမှုများနှင့် သိမြင်မှုဆိုင်ရာ အမှားများဖြင့် ညစ်ညမ်းစေရန်လိုအပ်ပါသည်။

ဒါကို သုတေသီတွေက အတော်လေး ယုတ္တိတန်တယ်လို့ ယူဆတယ်။ လူသားများတွင် ရှင်းလင်းသော တွက်ချက်မှုဆိုင်ရာ ကန့်သတ်ချက်များ (မှတ်ဉာဏ်၊ လုပ်ဆောင်မှု၊ တွက်ချက်မှုနှင့် "နာရီအမြန်နှုန်း") ရှိပြီး သိမြင်မှုဆိုင်ရာ ဘက်လိုက်မှုများဖြင့် လက္ခဏာရပ်များရှိသည်။ အထွေထွေ ဥာဏ်ရည်တုသည် အကန့်အသတ်မရှိပေ။ ထို့ကြောင့် လူနှင့် နီးကပ်နေမည်ဆိုလျှင် ဤနည်းဖြင့် ကန့်သတ်ထားရမည်။

Trazzi နှင့် Yampolsky တို့သည် ဤအစွယ်နှစ်ထပ်ဓားဖြစ်ကြောင်း အနည်းငယ် မေ့သွားပုံရသည်။ အကြောင်းမှာ မရေမတွက်နိုင်သော ဥပမာများက မိုက်မဲမှုနှင့် မလိုမုန်းထားမှုတို့ မည်မျှအန္တရာယ်များကြောင်း ပြသနေပါသည်။

စိတ်ခံစားမှုနှင့် အမူအကျင့်များ

သက်ရှိထင်ရှား၊ လူသားနှင့်တူသော အသွင်အပြင်များဖြင့် စက်ပိုင်းဆိုင်ရာ ဇာတ်ကောင်များ၏ စိတ်ကူးသည် လူသားတို့၏ စိတ်ကူးစိတ်သန်းကို နှစ်ပေါင်းများစွာ လှုံ့ဆော်ပေးခဲ့သည်။ "စက်ရုပ်" ဟူသော စကားလုံးမပေါ်မီ ကြာမြင့်စွာကတည်းက သက်ရှိရုပ်သဏ္ဍာန်နှင့် စိတ်ဝိဥာဉ်ကို ဖော်စပ်ထားသည့် golems၊ automatons နှင့် ဖော်ရွေသော (သို့မဟုတ) စက်များအကြောင်း စိတ်ကူးယဉ်မှုများ ဖန်တီးခဲ့ကြသည်။ ကွန်ပြူတာများ အစုံအလင်ရှိသော်လည်း၊ ဥပမာအားဖြင့် Jetsons စီးရီးများတွင် ရူပါရုံမှ လူသိများသော စက်ရုပ်များခေတ်သို့ ရောက်ရှိလာသည်ဟု ကျွန်ုပ်တို့ မခံစားရပါ။ ယနေ့ခေတ်တွင် စက်ရုပ်များသည် အိမ်တစ်လုံးကို လေဟာနယ်၊ ကားတစ်စီးနှင့် မောင်းနှင်နိုင်ပြီး ပါတီပွဲတစ်ခုတွင် အစီအစဉ်တစ်ခုကို စီမံခန့်ခွဲနိုင်သော်လည်း ၎င်းတို့အားလုံးသည် ပင်ကိုယ်စရိုက်အရ လိုချင်စရာများစွာကို ချန်ထားခဲ့သည်။

သို့သော်၊ ၎င်းသည် မကြာမီ ပြောင်းလဲနိုင်သည်။ ဒီထက်ထူးခြားချက်ရှိရင် စခန်းချစက်တွေ ဘယ်သူသိမလဲ။ အားနည်းချက်ကို အန်ကီ။ လက်တွေ့လုပ်ဆောင်နိုင်သည့် အလုပ်များကို အာရုံစိုက်မည့်အစား၊ ဒီဇိုင်နာများသည် စက်ပိုင်းဆိုင်ရာ ဖန်တီးမှုကို "ဝိညာဉ်" ပေးရန် ကြိုးပမ်းခဲ့ကြသည်။ စက်ရုပ်ငယ်လေးသည် မျက်နှာများကို မှတ်မိနိုင်ပြီး အမည်များကို မှတ်မိနိုင်သည်။ သူသည် တေးဂီတကို ကပြသည်၊ တိရစ္ဆာန်ကဲ့သို့ ထိတွေ့မှုကို တုံ့ပြန်ကာ လူမှုဆက်ဆံရေးဖြင့် လှုံ့ဆော်ပေးသည်။ သူစကားပြောနိုင်သော်လည်း မျက်နှာပြင်ပေါ်တွင် ခန္ဓာကိုယ်ဘာသာစကားနှင့် ရိုးရှင်းသော စိတ်ခံစားမှုလက္ခဏာများကို ပေါင်းစပ်အသုံးပြု၍ ပြောဆိုဆက်ဆံနိုင်ဖွယ်ရှိသည်။

ထို့အပြင်၊ သူအများကြီးလုပ်နိုင်သည် - ဥပမာအားဖြင့်၊ မေးခွန်းများကိုကျွမ်းကျင်စွာဖြေဆိုခြင်း၊ ဂိမ်းကစားခြင်း၊ ရာသီဥတုခန့်မှန်းခြင်းနှင့်ဓာတ်ပုံရိုက်ခြင်းပင်။ အဆက်မပြတ်မွမ်းမံမှုများမှတစ်ဆင့်၊ သူသည် စွမ်းရည်အသစ်များကို အဆက်မပြတ်လေ့လာနေပါသည်။

Vector သည် ရေခဲသေတ္တာ ကျွမ်းကျင်သူများအတွက် ဒီဇိုင်းထုတ်ထားခြင်း မဟုတ်ပါ။ ၎င်းသည် လူ့ဦးနှောက်ကို AI နှင့် ပေါင်းစည်းရန် ရည်မှန်းချက်ကြီးသော ပရိုဂရမ်များထက် ပိုမိုထိရောက်သော လူများကို စက်များနှင့် ပိုမိုနီးစပ်စေရန် နည်းလမ်းတစ်ခု ဖြစ်နိုင်သည်။ ဒါက တစ်ခုတည်းသော ပရောဂျက်နဲ့ ဝေးတယ်။ ရှေ့ပြေးပုံစံများကို နှစ်ပေါင်းများစွာ ဖန်တီးခဲ့ကြသည်။ သက်ကြီးရွယ်အိုများနှင့် ဖျားနာသူများအတွက် လက်ထောက်စက်ရုပ်များကျိုးကြောင်းဆီလျော်သော ကုန်ကျစရိတ်ဖြင့် လုံလောက်သော စောင့်ရှောက်မှုပေးရန် ပို၍ခက်ခဲလာသည်။ ကျော်ကြားသည်။ စက်ရုပ်ငရုတ်ကောင်းဂျပန်ကုမ္ပဏီ SoftBank တွင် အလုပ်လုပ်နေသူဖြစ်ပြီး လူသားတို့၏ စိတ်ခံစားမှုများကို ဖတ်ရှုနိုင်ပြီး လူများနှင့် မည်သို့ဆက်ဆံရမည်ကို သင်ယူရမည်ဖြစ်သည်။ အဆုံးစွန်သောအားဖြင့် ၎င်းသည် အိမ်တစ်ဝိုက်တွင် ကူညီပေးပြီး ကလေးများနှင့် သက်ကြီးရွယ်အိုများကို ပြုစုစောင့်ရှောက်ပေးသည်။

အဘွားကြီးသည် ငရုတ်ကောင်း စက်ရုပ်နှင့် တုံ့ပြန်သည်။

ကိရိယာ၊ ထောက်လှမ်းရေး သို့မဟုတ် အနည်းကိန်း

နိဂုံးချုပ်အားဖြင့် မှတ်သားနိုင်ပါသည်။ ပင်မလမ်းကြောင်းသုံးခု ဉာဏ်ရည်တု၏ ဖွံ့ဖြိုးတိုးတက်မှုနှင့် လူသားများနှင့် ၎င်း၏ဆက်ဆံရေးအပေါ် ရောင်ပြန်ဟပ်မှု။

• ယေဘူယျ ဉာဏ်ရည်တု (AI) ကို လူသားနှင့် တူညီပြီး တူညီသော တည်ဆောက်မှုမှာ ယေဘုယျအားဖြင့် မဖြစ်နိုင်ဟု ပထမဦးစွာ ယူဆသည်။ မဖြစ်နိုင်သော အချိန်မီ သို့မဟုတ် အလွန်ဝေးကွာသည်။ ဤရှုထောင့်မှကြည့်လျှင် စက်သင်ယူမှုစနစ်များနှင့် AI ဟုခေါ်သော ကျွန်ုပ်တို့သည် ပိုမိုပြီးပြည့်စုံလာမည်ဖြစ်ပြီး ၎င်းတို့၏ အထူးပြုလုပ်ငန်းတာဝန်များကို လုပ်ဆောင်နိုင်စွမ်း ပိုများလာမည်ဖြစ်သော်လည်း အချို့သောကန့်သတ်ချက်ကို ဘယ်တော့မှမကျော်လွန်ပါ - ဆိုလိုသည်မှာ ၎င်းတို့သည် လူသားတို့၏အကျိုးကိုသာ ဆောင်ရွက်ပေးမည်ဟု မဆိုလိုပါ။ စက်တစ်ခုအဖြစ်ရှိနေဆဲဖြစ်သောကြောင့် ဆိုလိုသည်မှာ စက်ကိရိယာတစ်ခုမျှသာမဟုတ်၊ ၎င်းသည် လူတစ်ဦး (ဦးဏှောက်နှင့် ခန္ဓာကိုယ်အတွင်းရှိ အခြားအစိတ်အပိုင်းများ) ကို အလုပ်လုပ်ရာတွင် ကူညီပေးနိုင်ပြီး၊ လူကို အန္တရာယ်ဖြစ်စေရန် သို့မဟုတ် လူကိုပင် သတ်ပစ်နိုင်သည်။ .
• ဒုတိယအယူအဆကတော့ အခွင့်အရေးပါ။ AGI ၏အစောပိုင်းတည်ဆောက်မှုပြီးတော့ စက်တွေရဲ့ ဆင့်ကဲဖြစ်စဉ်ကြောင့်၊ ထတော့ ထောက်လှမ်းရေးအတု. ဤအမြင်အာရုံသည် လူတစ်ဦးအတွက် အန္တရာယ်ရှိနိုင်သည်၊ အကြောင်းမှာ စူပါမင်းသည် ၎င်းအား ရန်သူ သို့မဟုတ် မလိုအပ်သော သို့မဟုတ် အန္တရာယ်ဖြစ်စေသည်ဟု ယူဆနိုင်သောကြောင့်ဖြစ်သည်။ The Matrix ကဲ့သို့ စွမ်းအင်ရင်းမြစ်တစ်ခုအဖြစ် မလိုအပ်သော်လည်း အနာဂတ်တွင် လူသားမျိုးနွယ်သည် စက်များ လိုအပ်လာမည်ကို ယင်းခန့်မှန်းချက်များကို မဆုံးဖြတ်နိုင်ပေ။
• နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့တွင် Ray Kurzweil ၏ "ထူးခြားချက်" ဟူသော အယူအဆလည်းရှိသည်။ လူသားမျိုးနွယ်ကို စက်များဖြင့် ပေါင်းစပ်ခြင်း။. ယင်းက ကျွန်ုပ်တို့အား ဖြစ်နိုင်ခြေအသစ်များ ပေးမည်ဖြစ်ပြီး စက်များကို လူသား AGI ဖြစ်သည့် လိုက်လျောညီထွေရှိသော universal Intelligence ဟုခေါ်သည်။ ဤဥပမာကို လိုက်နာပါက ရေရှည်တွင် စက်များနှင့် လူတို့၏ကမ္ဘာသည် ခွဲခြား၍မရပေ။

ဉာဏ်ရည်တုအမျိုးအစားများ

• ဂျက်လေယာဉ် - အထူးပြု၊ သတ်မှတ်ထားသော အခြေအနေများကို တုံ့ပြန်ပြီး တင်းကြပ်စွာ သတ်မှတ်ထားသော အလုပ်များကို လုပ်ဆောင်ခြင်း (DeepBlue၊ AlphaGo)။
• ကန့်သတ်မှတ်ဉာဏ်အရင်းအမြစ်များဖြင့် - ဆုံးဖြတ်ချက်ချရန်အတွက် ရရှိလာသော အချက်အလက်များ၏ အရင်းအမြစ်များကို အသုံးပြု၍ အထူးပြုသည် (ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရကားစနစ်များ၊ ချတ်ဘော့တ်များ၊ အသံအကူများ)။
• လွတ်လပ်သောစိတ်ဖြင့် ပါရမီရှင် - ယေဘူယျအားဖြင့် လူသားတို့၏ အတွေးအမြင်များ၊ ခံစားချက်များ၊ စေ့ဆော်မှုများနှင့် မျှော်လင့်ချက်များကို နားလည်သဘောပေါက်ပြီး ကန့်သတ်ချက်များမရှိဘဲ အပြန်အလှန် တုံ့ပြန်ဆောင်ရွက်နိုင်ခြင်း။ AI ဖွံ့ဖြိုးတိုးတက်မှု၏နောက်ထပ်အဆင့်တွင် ပထမဆုံးသောမိတ္တူများကို ပြုလုပ်နိုင်မည်ဟု ယုံကြည်ရသည်။
• မိမိကိုယ်ကို သတိထားပါ။ - လိုက်လျောညီထွေရှိသော စိတ်အပြင်၊ သတိတရားလည်း ရှိသည်၊ ဆိုလိုသည်မှာ၊ ကိုယ့်အယူအဆ။ ယခုအချိန်တွင် ဤရူပါရုံသည် စာပေ၏ နိမိတ်အောက်တွင် လုံး၀ ရှိနေသည်။