Isi
Q:
Bagaimana perusahaan mencoba menambahkan "speedometer" ke kerja kecerdasan buatan?
SEBUAH:
Beberapa perusahaan yang bekerja pada kemajuan terbaru dalam kecerdasan buatan menjadi fokus pada mengukur kemajuan yang telah mereka capai, dan membandingkan beberapa aspek tentang bagaimana kecerdasan buatan telah berkembang dari waktu ke waktu. Ada banyak alasan mengapa perusahaan mengejar jenis analisis ini. Secara umum, mereka mencoba untuk mencari tahu sejauh mana kecerdasan buatan telah terjadi, bagaimana itu berlaku untuk kehidupan kita, dan bagaimana itu akan mempengaruhi pasar.
Beberapa perusahaan sedang melakukan curah pendapat dan memantau kemajuan kecerdasan buatan mereka untuk mencari tahu bagaimana teknologi baru dapat memengaruhi kebebasan sipil, atau bagaimana mereka dapat menciptakan realitas ekonomi baru. Bergantung pada pendekatan perusahaan, jenis analisis ini dapat berupa mencoba untuk mencari tahu bagaimana data pengguna dapat mengalir melalui sistem, memahami bagaimana antarmuka akan bekerja, atau mencari tahu apa kemampuan yang dimiliki entitas kecerdasan buatan dan bagaimana mereka dapat menggunakan kemampuan itu.
Ketika datang ke metode, perusahaan yang mencoba benchmark kecerdasan buatan dapat fokus pada penguraian informasi abstrak - misalnya, artikel Wired mengutip proyek Indeks AI, di mana peneliti seperti Ray Perrault, yang bekerja di lab nirlaba SRI International, bekerja pada snapshot rinci tentang apa yang terjadi di bidang kecerdasan buatan.
"Ini adalah sesuatu yang perlu dilakukan, sebagian karena ada begitu banyak kegilaan di luar sana tentang ke mana AI akan pergi," kata Perrault dalam artikel tersebut, mengomentari motivasi untuk mengambil jenis proyek ini.
Dalam menjelaskan cara kerja pembandingan kecerdasan buatan, beberapa ahli menjelaskan bahwa insinyur atau pihak lain mungkin mencoba mengejar "pengujian keras" untuk proyek kecerdasan buatan, misalnya, mencoba "menipu" atau "mengalahkan" sistem kecerdasan buatan. Deskripsi semacam ini benar-benar menyentuh inti bagaimana perusahaan dapat benar-benar memonitor dan mengevaluasi kecerdasan buatan. Salah satu cara untuk berpikir tentang ini adalah untuk menerapkan jenis ide yang sama yang digunakan oleh para programmer di masa lalu untuk men-debug sistem kode linier.
Sistem debug kode linear adalah semua tentang menemukan tempat di mana sistem akan bekerja dengan baik - di mana sebuah program akan crash, di mana ia akan membeku, di mana ia akan berjalan lambat, dll. Itu adalah tentang menemukan di mana kesalahan logis akan menghentikan atau mengacaukan proyek, di mana suatu fungsi tidak akan berfungsi dengan benar, atau di mana mungkin ada beberapa peristiwa pengguna yang tidak diinginkan.
Ketika Anda berpikir tentang hal itu, pengujian modern atas kecerdasan buatan mungkin merupakan upaya yang sama pada bidang yang sangat berbeda - karena teknologi kecerdasan buatan lebih kognitif daripada linear, bahwa pengujian mengambil bentuk yang jauh berbeda, tetapi manusia masih mencari "bug ”- cara-cara yang mana program-program ini mungkin memiliki konsekuensi yang tidak disengaja, cara-cara yang dapat bertindak dan merusak institusi manusia, dll. Dengan mengingat hal itu, walaupun ada banyak metode berbeda untuk menciptakan speedometer atau tolok ukur untuk kemajuan kecerdasan buatan, jenis-jenis pengujian keras yang dijelaskan di atas umumnya akan memberikan manusia wawasan unik tentang seberapa jauh kecerdasan buatan telah datang, dan apa yang harus dilakukan untuk tetap memberikan lebih banyak hal positif tanpa mengembangkan lebih banyak hal negatif.