Video: EKSPONERING: $ 4000 Storage Wars Abandoned Auction Unit HVEM GJORDE DET? FUP ? (Oktober 2024)
Det var underligt passende, at instruktør James Cameron introducerede verden for Skynet - den fiktive super AI, der forsøgte at udrydde menneskeheden - i 1984.
Ifølge Terminator lore blev Skynet oprettet i de daværende fremtidige 1990'ere for at fjerne det menneskelige element fra USAs nukleare forsvar. Men så blev Skynet selvbevidst, indledte et globalt nuklear holocaust og skabte en hær af morderiske bots for at tage de overlevende ud, yadda yadda yadda.
Naturligvis blev denne fremtidige dystopi undfanget længe før noget lignende dygtige robotter eller kunstig intelligens endda eksisterede. Spol frem til 2017 og human-valgfri teknologi er ikke kun ude i den virkelige verden, men ingeniører er i gang med at udtænke måder at give dem endnu mere ansvar. Overalt i verden bliver autonome mini-Skynets en (forhåbentlig velvillig?) Virkelighed.
Selvom vi sandsynligvis ikke overleverer noget så usikkert som nukleare lanceringen koder over til en algoritme når som helst snart, bliver samfundet stadig mere afhængig af teknologi til at udføre andre vigtige opgaver. Faktisk er denne verden blevet så kompleks, at den praktisk talt er en nødvendighed. Vores infrasturcutre kommer ikke bare online, det får evnen til at foregribe og reagere. Vi har fået vores algoritmer til at opdage sikkerhedsbrud i komplekse systemer, handle størstedelen af verdens lagre og endda forudsige, hvornår ting som flymotordele kan gå i stykker, før det sker.
Med henblik herpå bruger ingeniører i stigende grad ting som "digitale tvillinger" til at hjælpe med at træffe forudsigelser og beslutninger. Digitale tvillinger er virtuelle repræsentationer af virkelige objekter (typisk vital infrastruktur som turbiner i et kraftværk). Disse tvillinger bruger data i realtid til at forudsige, hvornår noget muligvis mislykkes (og derved tillade vedligeholdere - som i sig selv bliver stadig mere automatiseret - at løse problemer, før de opstår). Men hvis AI er en type intellekt, ville det være nøjagtigt at beskrive digitale tvillinger som en form for fantasi ?
"Ja, det er det. Men det er en fantasi, der er centreret omkring det, den faktisk kender og dens fortidshistorie, såvel som om miljøet og hvordan du bruger det, " forklarer Dr. Colin Parris, VP for softwareforskning hos General Electric og en førende udvikler af digital tvillingteknologi, der var en nylig gæst i PCMags interviewserie, The Convo . "Denne fantasi fortæller det 'godt baseret på disse data, det kan være nødvendigt at jeg opretholdes på dette tidspunkt.'"
Men digitale tvillinger er ikke henvist til input fra en enkelt kilde - de er i stand til at udnytte oplevelserne fra en hel flåde. Hvis algoritmen for eksempel bemærker, at en bestemt plan del begynder at opleve slid efter 2.000 landinger under regnfulde forhold, kan den pinge vedligeholdsbesætningerne næste gang flyet går ind for service. Men at give et system ægte intelligens er mere end "tid til en check-up" -lys på din bils instrumentbræt; det handler om at forbedre dens kapacitet over tid.
Et felt af AI kaldet "maskinlæring" gør det muligt for computere at mestre opgaver uafhængigt af menneskelig bevidsthed. Denne syning af indsamlede oplevelser letter en hive-mind, der kompenserer for en mangel på sund fornuft. Uden denne digitale zeitgeist ville komplekse teknologier som selvkørende biler aldrig være mulige.
En enkelt menneskelig programmør - eller endda en hær af programmerere - kunne aldrig lave software til at foregribe alle rigtige vejscenarier, men selvkørende biler kan lære ved observation. For eksempel kan en selvkørende bil muligvis ikke genkende en person i en kørestol, men ved at observere, hvordan mennesker reagerer på denne nye form, der deler funktioner med en person og en bil, kan softwaren lære, at dette er en slags fodgængere, der burde behandles som sådan.
Ikke kun forbedrer softwaren ved at se menneskelige chaufførs adfærd, den registrerer også, hvad der har fungeret, da andre selvkørende biler var på vejen (og måske endnu vigtigere, hvad der ikke gjorde). Denne fælles læring giver maskiner mulighed for at navigere i en kompleks verden med mange uforudsete variabler.
Når du kombinerer virtuel modellering og forudsigelige teknologier med fremskridt inden for robotik, kan du se, hvordan infrastruktur vil blive endnu mere autonom ved at gå videre. Denne automatisering er problematisk set fra arbejdsløshedssyn, men er ikke nødvendigvis et fuldstændigt tab for menneskeheden.
"Der er nogle job, der er kedelige, beskidte og farlige. Jeg vil sikre mig, at vi ikke har mennesker for ofte i disse job, " forklarer Parris. "Jeg giver dig et eksempel. Vi har olierigge ude i midten af havet, som har kæmpe stabler, som de bruger til at brænde brændstof ud. Nogen er nødt til at gå op i disse stakke og se, om det har rust på det - det er 200 fødder i luften, de hænger ved et reb, der er stormkraftvinde der oppe. chancerne for en fejl er enorme. Men nu har vi droner. dronerne flyver derop og flyver i en cirkel og tager billeder. Softwaren analyserer, hvor rusten og skaden er. Så nu behøver vi ikke at placere mennesker på et farligt sted."
Efterhånden som robotter bliver mindre, smartere og mere dygtige, kan du se, hvordan de systemer, som civilisationen er afhængig af, kan lære at vedligeholde (og muligvis endda reparere og opbygge) sig selv. Det er næsten som om de udvikler sig til livslignende systemer, som kan lære, forestille sig og forudse. Forhåbentlig beslutter de sig ikke for at ødelægge os en dag.
