Overzicht van kunstmatige intelligentieproblemen
Kunstmatige intelligentie blijft het menselijk leven incrementele voordelen bieden. Volgens het Mckinsey-rapport zal Artificiële Intelligentie tegen 2030 $ 13 biljoen toevoegen aan de wereldeconomie, wat ongeveer 16% van het totale wereldwijde aandeel is. Ondanks de tastbare en monetaire voordelen heeft AI verschillende tekorten en problemen die de grootschalige toepassing ervan belemmeren. De problemen omvatten veiligheid, vertrouwen, rekenkracht, zorgverlies, etc.
Grote problemen in verband met kunstmatige intelligentie
Hier volgen enkele van de belangrijkste problemen in verband met kunstmatige intelligentie en de mogelijke oplossingen.
1. Probleem met opdrachtverlies
Problemen met betrekking tot banenverlies in verband met kunstmatige intelligentie zijn het onderwerp geweest van talloze business cases en academische studies. Volgens een Oxford-studie zal meer dan 47% van de Amerikaanse banen worden bedreigd door automatisering tegen het midden van de jaren 2030. Volgens het World Economic Forum zal automatisering van kunstmatige intelligentie in 2022 meer dan 75 miljoen banen vervangen. Sommige cijfers zijn nog ontmoedigender. Volgens een ander Mckinsey-rapport zouden AI-gebaseerde robots 30% van het huidige wereldwijde personeelsbestand kunnen vervangen. Volgens de AI-expert en Venture Capitalist Kai-Fu Lee, zal 40% van de wereldbanen in de komende 10-15 jaar worden vervangen door op AI gebaseerde bots. Laag inkomen en laaggeschoolde werknemers zullen het zwaarst worden getroffen door deze verandering. Naarmate de AI met de dag slimmer wordt, worden zelfs de hoogbetaalde, hooggeschoolde werknemers kwetsbaarder voor banenverlies, aangezien de bedrijven, gezien de hoge kosten van geschoolde werknemers, betere marges behalen door hun werk te automatiseren. Deze kwesties met betrekking tot banenverlies en lonen kunnen echter worden aangepakt door zich te concentreren op de volgende maatregelen.
- Revisie van het onderwijssysteem en meer aandacht voor vaardigheden zoals kritisch denken, creativiteit en innovatie, omdat deze vaardigheden moeilijk te repliceren zijn.
- Vergroting van zowel publieke als private investeringen in de ontwikkeling van menselijk kapitaal, zodat deze beter aansluiten op de vraag van de industrie.
- Verbetering van de situatie op de arbeidsmarkt door de kloof tussen vraag en aanbod te overbruggen en een impuls te geven aan de kluseconomie.
2. Veiligheidsprobleem
Er is altijd veel furore geweest over veiligheidsproblemen in verband met kunstmatige intelligentie. Wanneer experts zoals Elon Musk, Stephen Hawking, Bill Gates en anderen zich zorgen maken over AI-veiligheid, moeten we aandacht schenken aan de veiligheidsproblemen. Er zijn verschillende gevallen geweest waarin kunstmatige intelligentie fout is gegaan toen Twitter Chabot misbruik en pro-nazi-sentimenten begon uit te spreken en in andere gevallen toen Facebook AI-bots met elkaar begonnen te communiceren in een taal die niemand anders zou begrijpen, wat uiteindelijk leidde tot het project afsluiten.
Er zijn ernstige zorgen over kunstmatige intelligentie die iets schadelijks voor de mensheid doet. Het voorbeeld is autonome wapens die kunnen worden geprogrammeerd om andere mensen te doden. Er zijn ook dreigende zorgen met AI die 'Mind of their Own' vormt en waardeert het menselijk leven niet. Als dergelijke wapens worden ingezet, zal het zeer moeilijk zijn om zijn weerslag ongedaan te maken. Hierna volgen de maatregelen die kunnen worden genomen om deze zorgen weg te nemen.
- We moeten strenge regels hebben, vooral als het gaat om het maken of experimenteren van autonome wapens
- Wereldwijde samenwerking bij kwesties met betrekking tot dit soort wapens is nodig om ervoor te zorgen dat niemand betrokken raakt bij de ratrace
- Volledige transparantie in het systeem waar dergelijke technologieën hebben geëxperimenteerd, is essentieel om veilig gebruik te garanderen
3. Vertrouwen gerelateerd probleem
Naarmate kunstmatige algoritmen met de dag krachtiger worden, brengt het ook verschillende vertrouwensgerelateerde problemen met zich mee over het vermogen om beslissingen te nemen die eerlijk en voor de verbetering van de mensheid zijn. Met AI langzaam het bereiken van cognitieve vaardigheden op menselijk niveau wordt het vertrouwensprobleem des te belangrijker. Er zijn verschillende toepassingen waarbij AI als een zwarte doos werkt. Voorbeeld: bij hoogfrequente handel hebben zelfs de programma-ontwikkelaars geen goed begrip van de basis waarop AI de transactie heeft uitgevoerd. Enkele meer opvallende voorbeelden zijn onder meer het op AI gebaseerde Amazon-algoritme voor levering op dezelfde dag, dat onbedoeld beïnvloed werd door Black Neighbourhood, een ander voorbeeld was Correctional Offender Management Profiling for Alternative Sanctions (COMPAS) waarbij het algoritme voor kunstmatige intelligentie bij het profileren van verdachten bevooroordeeld was tegen de zwarte gemeenschap .
Hier volgen enkele van de maatregelen die kunnen worden genomen om vertrouwensgerelateerde problemen in kunstmatige intelligentie te overbruggen
- Alle grote aanbieders van kunstmatige intelligentie moeten leidende regels en principes opstellen met betrekking tot vertrouwen en transparantie bij de implementatie van AI. Deze principes moeten religieus worden gevolgd door alle belanghebbenden die betrokken zijn bij de ontwikkeling en het gebruik van kunstmatige intelligentie
- Alle belanghebbenden moeten zich bewust zijn van de bias die inherent is aan AI-algoritme en moeten een robuust bias-detectiemechanisme hebben en manieren om ermee om te gaan
- Bewustzijn is een andere belangrijke factor die een belangrijke rol speelt bij het overbruggen van de vertrouwenskloof. De gebruikers moeten worden gesensibiliseerd over de AI-operaties, de mogelijkheden ervan en zelfs het tekort dat wordt geassocieerd met kunstmatige intelligentie
4. Berekeningsprobleem
Het kunstmatige intelligentie-algoritme omvat het analyseren van de enorme hoeveelheid gegevens waarvoor een enorme hoeveelheid rekenkracht nodig is. Tot dusverre werd het probleem opgelost met behulp van Cloud Computing en Parallel Processing. Naarmate de hoeveelheid gegevens toeneemt en er een complexer diepgaand leeralgoritme in de mainstream komt, zal de huidige rekenkracht echter niet voldoende zijn om aan de complexe behoefte te voldoen. We hebben meer opslag- en rekenkracht nodig die bestand is tegen krakende exabytes en Zettabytes aan gegevens.
Quantum Computing kan het verwerkingssnelheidsprobleem op middellange tot lange termijn aanpakken
Quantum computing, gebaseerd op concepten uit de Quantum-theorie, kan het antwoord zijn op het oplossen van uitdagingen op het gebied van rekenkracht. Quantum computing is 100 miljoen keer sneller dan een normale computer die we thuis gebruiken. Hoewel het zich momenteel in het onderzoeks- en experimentele stadium bevindt. Volgens een schatting van verschillende experts zien we de mainstream-implementatie in de komende 10-15 jaar.
De bovengenoemde problemen zijn zeker niet onmogelijk op te lossen, maar het vereist wel een snelle evolutie in technologie en menselijke samenwerking. Hoewel we goed op koers liggen wat betreft de snelheid van technologische vooruitgang, maar we hebben nog een lange weg te gaan om principes, methodologie en kaders te ontwikkelen om ervoor te zorgen dat krachtige technologie zoals AI niet wordt misbruikt of verkeerd wordt toegepast, wat kan leiden tot onbedoelde gevolgen.
Aanbevolen artikelen
Dit is een handleiding voor problemen met kunstmatige intelligentie. Hier bespreken we de belangrijkste problemen in verband met kunstmatige intelligentie AI en de mogelijke oplossingen. U kunt ook de volgende artikelen bekijken voor meer informatie–
- Voordelen van kunstmatige intelligentie
- Kunstmatige intelligentie technologie
- Soorten kunstmatige intelligentie
- Hulpmiddelen voor kunstmatige intelligentie
- Het belang van kunstmatige intelligentie