ເຫດຜົນໃນການຄວບຄຸມ AI Algorithms ແມ່ນງ່າຍດາຍກວ່າທີ່ທ່ານຄິດ

ເຈົ້າກັງວົນບໍວ່າປັນຍາປະດິດຈະຄອບຄອງໂລກບໍ? ຫຼາຍຄົນເຮັດ. ຈາກ Elon Musk ເປັນຫ່ວງ DeepMind ຕີມະນຸດໃນເກມ Go ຂັ້ນສູງ ໃນປີ 2017, ຕໍ່ສະມາຊິກສະພາ, ຜູ້ວາງນະໂຍບາຍເອີຣົບ (ເບິ່ງ ວິທີການຂອງເອີຣົບເພື່ອປັນຍາປະດິດ), ແລະນັກວິຊາການ, ມີຄວາມຮູ້ສຶກນີ້ວ່ານີ້ແມ່ນທົດສະວັດທີ່ຈະເອົາ AI ຢ່າງຈິງຈັງ, ແລະມັນກໍາລັງຖືຄອງ. ຢ່າງໃດກໍຕາມ, ບໍ່ແມ່ນສໍາລັບເຫດຜົນທີ່ທ່ານອາດຈະຄິດແລະບໍ່ແມ່ນຍ້ອນໄພຂົ່ມຂູ່ໃນປະຈຸບັນ.

ນີ້ແມ່ນບ່ອນທີ່ algorithms ເຂົ້າມາ. algorithm ແມ່ນຫຍັງ, ທ່ານອາດຈະຖາມ? ວິທີທີ່ງ່າຍທີ່ສຸດທີ່ຈະຄິດວ່າມັນເປັນຊຸດຄໍາແນະນໍາທີ່ເຄື່ອງຈັກສາມາດເຂົ້າໃຈແລະຮຽນຮູ້ຈາກ. ພວກ​ເຮົາ​ສາ​ມາດ​ແນະ​ນໍາ​ເຄື່ອງ​ຈັກ​ໃນ​ການ​ຄິດ​ໄລ່​, ປະ​ມວນ​ຜົນ​ຂໍ້​ມູນ​, ແລະ​ໃຫ້​ເຫດ​ຜົນ​ໃນ​ໂຄງ​ສ້າງ​, ວິ​ທີ​ການ​ອັດ​ຕະ​ໂນ​ມັດ​. ຢ່າງໃດກໍຕາມ, ບັນຫາແມ່ນ, ເມື່ອຄໍາແນະນໍາໄດ້ຖືກໃຫ້, ເຄື່ອງຈະປະຕິບັດຕາມພວກມັນ. ສໍາລັບໃນປັດຈຸບັນ, ນັ້ນແມ່ນຈຸດ. ບໍ່ເຫມືອນກັບມະນຸດ, ເຄື່ອງຈັກປະຕິບັດຕາມຄໍາແນະນໍາ. ເຂົາເຈົ້າບໍ່ໄດ້ຮຽນດີ. ແຕ່ເມື່ອພວກເຂົາເຮັດ, ພວກເຂົາສາມາດເຮັດໃຫ້ເກີດບັນຫາ.

ຂ້າພະເຈົ້າບໍ່ຕ້ອງການທີ່ຈະເຮັດໃຫ້ການໂຕ້ຖຽງ sensationalist ກ່ຽວກັບຄວາມຄິດຂອງຄອມພິວເຕີໃນມື້ຫນຶ່ງ surpassing ສະຕິປັນຍາຂອງມະນຸດ, ຮູ້ຈັກດີກວ່າເປັນການໂຕ້ຖຽງ singularity (ເບິ່ງ NYU philosopher David Chalmers ' ດົນຕີກ່ຽວກັບຫົວຂໍ້.) ແທນທີ່ຈະ, ການຜະລິດອາດຈະເປັນຕົວຢ່າງທີ່ດີທີ່ສຸດຂອງເຫດຜົນ AI algorithms ເລີ່ມມີຄວາມສໍາຄັນຫຼາຍຕໍ່ປະຊາຊົນທົ່ວໄປ. ຄົນ ໜຶ່ງ ຢ້ານວ່າເຄື່ອງຈັກຈະເລັ່ງຄວາມກ້າຫານຂອງພວກເຂົາຢ່າງໃຫຍ່ຫຼວງໂດຍຄ່າໃຊ້ຈ່າຍຂອງພວກເຮົາ. ບໍ່ແມ່ນຍ້ອນເຫດຜົນຂັ້ນສູງບາງຢ່າງ, ຈໍາເປັນ, ແຕ່ຍ້ອນການເພີ່ມປະສິດທິພາບພາຍໃນຂອບເຂດຂອງສິ່ງທີ່ algorithm ເວົ້າ.

ການຜະລິດແມ່ນກ່ຽວກັບການເຮັດສິ່ງຕ່າງໆ. ແຕ່ເມື່ອເຄື່ອງຈັກເຮັດສິ່ງຕ່າງໆ, ພວກເຮົາຈໍາເປັນຕ້ອງເອົາໃຈໃສ່. ເຖິງແມ່ນວ່າສິ່ງທີ່ເຄື່ອງຈັກເຮັດແມ່ນງ່າຍດາຍ. ຂ້ອຍຈະອະທິບາຍວ່າເປັນຫຍັງ.

ຈາກ rainboots ກັບໂທລະສັບມືຖືແລະກັບຄືນໄປບ່ອນ

ເວົ້າວ່າ, ໂຮງງານຜະລິດເກີບຝົນ. ຂ້າ ພະ ເຈົ້າ ຮັກ ເກີບ ຝົນ ເພາະ ວ່າ ຂ້າ ພະ ເຈົ້າ ໄດ້ ເຕີບ ໂຕ ຂຶ້ນ ໃນ ເຂດ ພື້ນ ທີ່ ຂອງ ປະ ເທດ ນອກ ແວ ບ່ອນ ທີ່ ມັນ ຝົນ ຫຼາຍ; ຂ້າ​ພະ​ເຈົ້າ​ຮັກ​ທີ່​ຈະ​ຢູ່​ນອກ​, ຂຶ້ນ​ກັບ​ອົງ​ປະ​ກອບ​ຫຼາຍ​ຂອງ​ທໍາ​ມະ​ຊາດ​. Nokia ເຮັດເກີບຝົນທີ່ຂ້ອຍເຕີບໂຕຂຶ້ນ. ແມ່ນແລ້ວ, Nokia ທີ່ພວກເຮົາຮູ້ໃນມື້ນີ້ເປັນບໍລິສັດເອເລັກໂຕຣນິກທີ່ໃຊ້ໃນການຜະລິດເກີບຢາງພາລາ. ເປັນຫຍັງກະແຈນີ້? ເນື່ອງຈາກວ່າເມື່ອທ່ານເຮັດບາງສິ່ງບາງຢ່າງ, ທ່ານມີຈຸດຫມາຍປາຍທາງທີ່ຈະຕ້ອງການທີ່ຈະປັບປຸງ. ນັ້ນເຮັດໃຫ້ຄວາມຮູ້ສຶກ. ເຈົ້າສາມາດເວົ້າໄດ້ວ່າເປັນທຳມະຊາດຂອງມະນຸດ.

ສິ່ງທີ່ເກີດຂຶ້ນກັບ Nokia ແມ່ນເປັນທີ່ຮູ້ຈັກກັນດີແລະເປັນແບບນີ້: ໃນເບື້ອງຕົ້ນໂຮງງານເຈ້ຍ, ໃນເວລາຂ້າພະເຈົ້າຍັງເດັກນ້ອຍ, ການຜະລິດເກີບຢາງພາລາ (ແລະຢາງ) ປະສົບຜົນສໍາເລັດໂດຍສະເພາະຂອງບໍລິສັດ. ຢ່າງໃດກໍຕາມ, ພວກເຂົາເຈົ້າໄດ້ເຫັນໂອກາດຕື່ມອີກ. ດັ່ງນັ້ນ, ໃນບາງຈຸດໃນຊຸມປີ 1980, ພວກເຂົາເຈົ້າໄດ້ຫັນໄປສູ່ອຸປະກອນເອເລັກໂຕຣນິກແລະມີການປ່ຽນແປງຢ່າງໄວວາຂອງໂຮງງານທີ່ຢູ່ອ້ອມຂ້າງ, ການກໍ່ສ້າງໂຄງສ້າງຂະຫນາດໃຫຍ່ຂອງຜູ້ສະຫນອງໃນທ້ອງຖິ່ນໃນເວລາທີ່ພວກເຂົາເລີ່ມຜະລິດໂທລະສັບມືຖື. ນີ້ເຮັດໃຫ້ການປະຕິວັດການສື່ສານໂທລະສັບມືຖື, ເຊິ່ງໄດ້ເລີ່ມຕົ້ນໃນ Scandinavia ແລະແຜ່ຂະຫຍາຍໄປທົ່ວໂລກ. ເຂົ້າໃຈໄດ້, ຫຼາຍຄົນໄດ້ຂຽນເລື່ອງຂອງ Nokia ໃນຊຸມປີ 1990 (ເບິ່ງ ຄວາມລັບທີ່ຢູ່ເບື້ອງຫລັງມະຫັດສະຈັນຂອງຟິນແລນ: ການເພີ່ມຂຶ້ນຂອງ Nokia).

ຕົວຢ່າງຂອງຂ້ອຍແມ່ນກົງໄປກົງມາ. ບາງທີ, ງ່າຍດາຍເກີນໄປ. ແຕ່​ຄິດ​ວ່າ​ມັນ​ເປັນ​ແນວ​ນີ້​. ຖ້າບໍລິສັດຂະຫນາດໃຫຍ່ສາມາດຫັນປ່ຽນຢ່າງໄວວາຈາກການເຮັດເຈ້ຍເພື່ອຂຽນໃສ່, ເກີບເກີບທີ່ເຮັດໃຫ້ມັນງ່າຍຕໍ່ການອອກໄປໃນຝົນ, ຫຼັງຈາກນັ້ນ, ສຸດທ້າຍ, ໂທລະສັບມືຖືທີ່ປ່ຽນແປງວິທີການສື່ສານຂອງມະນຸດ: ຂັ້ນຕອນຕໍ່ໄປຈະງ່າຍແນວໃດ? ສົມມຸດວ່າບໍລິສັດທີ່ຜະລິດໂທລະສັບມືຖືຕັດສິນໃຈເຮັດ nanobots ແລະບາງທີເຄື່ອງເຫຼົ່ານັ້ນຈະອອກໃນທົດສະວັດ, ປ່ຽນແປງມະນຸດດ້ວຍເຄື່ອງຈັກນ້ອຍໆທີ່ເຮັດວຽກອັດຕະໂນມັດຢູ່ທົ່ວທຸກແຫ່ງ, ສາມາດປະກອບໃຫມ່ແລະປ່ຽນແປງປະສົບການຂອງມະນຸດ. ຈະເປັນແນວໃດຖ້າສິ່ງນັ້ນເກີດຂຶ້ນໂດຍບໍ່ຄໍານຶງເຖິງວິທີທີ່ພວກເຮົາຕ້ອງການໃຫ້ມັນເກີດຂຶ້ນ, ພວກເຮົາຕ້ອງການໃຜເປັນຜູ້ຮັບຜິດຊອບ, ແລະຈຸດປະສົງສູງສຸດ?

ການແນະນໍາຫຸ່ນຍົນທີ່ມີສະຕິຊ່ວຍ Nokia ຕັດສິນໃຈເຮັດໂທລະສັບມືຖືຈະເປັນການຍືດຍາວ. ​ແຕ່​ການ​ຍອມຮັບ​ວ່າ​ເຕັກ​ໂນ​ໂລ​ຊີ​ມີ​ບົດບາດ​ໃນ​ການ​ອະນຸຍາດ​ໃຫ້​ເຂດ​ຊົນນະບົດ​ຂອງ​ແຟງ​ລັງ​ຢູ່​ຝັ່ງ​ພາກ​ເໜືອ​ຂອງ​ຕົນ​ຄິດ​ວ່າ​ເຂົາ​ເຈົ້າ​ສາມາດ​ໄດ້​ຮັບ​ການ​ຄອບ​ງຳ​ໂລກ​ໃນ​ອຸດສາຫະກຳ​ໃໝ່​ແມ່ນ​ມີ​ສ່ວນ​ສຳຄັນ.

ເລື່ອງຂອງ Nokia ຍັງບໍ່ທັນມີຊື່ສຽງຫຼາຍໃນທົດສະວັດທີ່ຜ່ານມາຍ້ອນວ່າພວກເຂົາລົ້ມເຫລວໃນການພິຈາລະນາການເກີດໃຫມ່ຂອງລະບົບປະຕິບັດການ iOS ແລະ Android. ໃນປັດຈຸບັນ, ດັ່ງນັ້ນ, Nokia ບໍ່ໄດ້ຜະລິດໂທລະສັບອີກຕໍ່ໄປ. ໃນເລື່ອງການກັບຄືນມາເລັກນ້ອຍ, ດຽວນີ້ພວກເຂົາສ້າງໂຄງສ້າງພື້ນຖານເຄືອຂ່າຍແລະໂທລະຄົມ, ການແກ້ໄຂຄວາມປອດໄພຂອງເຄືອຂ່າຍ, ເຣົາເຕີ Wi-Fi, ແສງສະຫວ່າງອັດສະລິຍະແລະໂທລະພາບອັດສະລິຍະ (ເບິ່ງ. ເລື່ອງການກັບມາຂອງ Nokia). Nokia ຍັງເຮັດສິ່ງຕ່າງໆ, ນັ້ນແມ່ນຄວາມຈິງ. ການສັງເກດພຽງແຕ່ວ່າ Nokia ເບິ່ງຄືວ່າຈະມີຄວາມສຸກໃນການປະສົມສິ່ງທີ່ພວກເຂົາເຮັດ. ເຖິງແມ່ນວ່າການຕັດສິນໃຈການຜະລິດຂອງມະນຸດ, ບາງຄັ້ງ, ຍາກທີ່ຈະເຂົ້າໃຈ.

ການຜະລິດໝາຍເຖິງການເຮັດໃຫ້ສິ່ງຕ່າງໆ ແລະສິ່ງຂອງພັດທະນາຂຶ້ນ. ໂດຍທົ່ວໄປແລ້ວ, ສິ່ງທີ່ພວກເຮົາເຮັດໃນມື້ນີ້ມີການປ່ຽນແປງຈາກພຽງແຕ່ທົດສະວັດທີ່ຜ່ານມາ. ເຄື່ອງພິມ 3 ມິຕິໄດ້ແບ່ງສ່ວນການຜະລິດຜະລິດຕະພັນທີ່ກ້າວຫນ້າຫຼາຍ, ທັງໃນອຸດສາຫະກໍາແລະເຮືອນ. ຜົນສະທ້ອນທີ່ປ່ຽນແປງຊີວິດຂອງການພິມ 3D ຍັງບໍ່ທັນເກີດຂຶ້ນເທື່ອ. ພວກ​ເຮົາ​ບໍ່​ຮູ້​ວ່າ​ນີ້​ຈະ​ເປັນ​ໄປ​ໄດ້​ແຕ່​ພວກ​ເຮົາ​ຮູ້​ວ່າ​ຈຸດ​ສຸມ​ຂອງ FDA ແມ່ນ​ກ່ຽວ​ກັບ​ການ​ຄວບ​ຄຸມ​ການ​ຜະ​ລິດ​ຜະ​ລິດ​ຕະ​ພັນ (ເບິ່ງ ທີ່ນີ້) ເຊັ່ນຢາທີ່ພິມອອກ ຫຼືອຸປະກອນການແພດທີ່ເຮັດໃຫ້ເກີດ, ບັນຫາຊັບສິນທາງປັນຍາ ແລະຄວາມຮັບຜິດຊອບທີ່ຈະແຈ້ງ, ຫຼືບັນຫາກ່ຽວກັບການສາມາດພິມອາວຸດປືນໄດ້. ໃນທີ່ສຸດ, ການສົນທະນານະໂຍບາຍກ່ຽວກັບສິ່ງທີ່ຜົນສະທ້ອນທາງລົບຂອງການພິມ 3D ອາດມີນອກເຫນືອການນີ້ແມ່ນບໍ່ມີຢູ່, ແລະພວກເຮົາຈໍານວນຫນ້ອຍໄດ້ເບື່ອທີ່ຈະຄິດກ່ຽວກັບມັນ.

ຂ້າ​ພະ​ເຈົ້າ​ບໍ່​ໄດ້​ແນະ​ນໍາ​ວ່າ​ການ​ພິມ 3D ເປັນ​ອັນ​ຕະ​ລາຍ​ໃນ​ຕົວ​ຂອງ​ມັນ​ເອງ​. ບາງທີ, ນີ້ແມ່ນຕົວຢ່າງທີ່ບໍ່ດີ. ແນວໃດກໍ່ຕາມ, ສິ່ງຕ່າງໆທີ່ມີລັກສະນະໂລກເບື້ອງຕົ້ນສາມາດປ່ຽນແປງໂລກໄດ້. ມີຕົວຢ່າງຫຼາຍຢ່າງ: ຫົວລູກສອນຂອງຜູ້ລ່າ/ນັກຮວບຮວມທີ່ເຮັດດ້ວຍໂລຫະທີ່ເລີ່ມສົງຄາມ, ໜ້າກາກພິທີກຳທີ່ປົກປ້ອງພວກເຮົາຈາກ COVID-19, ຕະປູທີ່ສ້າງຕຶກສູງ, ເຄື່ອງພິມປະເພດທີ່ສາມາດເຄື່ອນຍ້າຍໄດ້ ເຊິ່ງ (ຍັງ) ຕື່ມໃສ່ໂຮງງານຂອງພວກເຮົາດ້ວຍເຈ້ຍພິມ ແລະພະລັງງານ. ທຸລະກິດການພິມເຜີຍແຜ່, ໂຄມໄຟທີ່ຊ່ວຍໃຫ້ທ່ານສາມາດເບິ່ງເຫັນແລະເຮັດວຽກພາຍໃນໃນຕອນກາງຄືນ, ຂ້ອຍສາມາດສືບຕໍ່ໄດ້. ບໍ່ມີໃຜທີ່ຂ້ອຍຮູ້ກ່ຽວກັບການນັ່ງລົງໃນທ້າຍຊຸມປີ 1800 ແລະຄາດຄະເນວ່າ Nokia ຈະຍ້າຍການຜະລິດຈາກເຈ້ຍໄປຫາຢາງພາລາໄປຫາອຸປະກອນເອເລັກໂຕຣນິກ, ແລະຫຼັງຈາກນັ້ນອອກຈາກໂທລະສັບມືຖື. ບາງທີພວກເຂົາຄວນຈະມີ.

ມະນຸດແມ່ນຜູ້ຄາດຄະເນທີ່ບໍ່ດີຂອງການປ່ຽນແປງຂັ້ນຕອນ, ຂະບວນການທີ່ການປ່ຽນແປງຫນຶ່ງນໍາໄປສູ່ການປ່ຽນແປງຫຼາຍ, ແລະທັນທີທັນໃດ, ສິ່ງຕ່າງໆແມ່ນແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ. ພວກເຮົາຍັງບໍ່ທັນເຂົ້າໃຈຂະບວນການນີ້ເພາະວ່າພວກເຮົາມີຄວາມຮູ້ການປະຕິບັດພຽງເລັກນ້ອຍຂອງການປ່ຽນແປງ exponential; ພວກ​ເຮົາ​ບໍ່​ສາ​ມາດ​ຮູບ​ພາບ​ມັນ​, ຄິດ​ໄລ່​ມັນ​, ຫຼື​ຮູ້​ມັນ​. ຢ່າງໃດກໍຕາມ, ເວລາແລະເວລາອີກເທື່ອຫນຶ່ງ, ມັນ hits ພວກເຮົາ. ໂລກລະບາດ, ການຂະຫຍາຍຕົວຂອງປະຊາກອນ, ນະວັດຕະກໍາດ້ານເຕັກໂນໂລຢີຈາກການພິມປື້ມໄປສູ່ຫຸ່ນຍົນ, ໂດຍປົກກະຕິມັນຕີພວກເຮົາໂດຍບໍ່ມີການເຕືອນ.

trick ກັບ futurism ບໍ່ແມ່ນຖ້າຫາກວ່າ, ແຕ່ວ່າໃນເວລາທີ່. ແທ້ຈິງແລ້ວ, ຄົນເຮົາສາມາດຄາດຄະເນການປ່ຽນແປງພຽງແຕ່ໂດຍການເລືອກວິທີການຜະລິດໃຫມ່ແລະລະບຸວ່າພວກມັນຈະກາຍເປັນທີ່ແຜ່ຫຼາຍໃນອະນາຄົດ. ນັ້ນແມ່ນງ່າຍດາຍພຽງພໍ. ພາກສ່ວນທີ່ຫຍຸ້ງຍາກແມ່ນການຄິດອອກຢ່າງແນ່ນອນວ່າເວລາໃດແລະໂດຍສະເພາະແນວໃດ.

ຄລິບເຈ້ຍບໍ່ແມ່ນບັນຫາ

ພິຈາລະນາຕົວຢ່າງຂອງໂຮງງານຂອງຂ້ອຍອີກເທື່ອຫນຶ່ງ, ແຕ່ເວລານີ້, ຈິນຕະນາການເຄື່ອງຈັກແມ່ນຮັບຜິດຊອບໃນການຕັດສິນໃຈຈໍານວນຫລາຍ, ບໍ່ແມ່ນການຕັດສິນໃຈທັງຫມົດ, ແຕ່ການຕັດສິນໃຈການຜະລິດເຊັ່ນການເພີ່ມປະສິດທິພາບ. ໃນປື້ມຂອງລາວ ຄວາມສະຫຼາດຫຼັກແຫຼມ, Nick Bostrom ນັກວິທະຍາສາດດ້ານມະນຸດສະທໍາຂອງມະຫາວິທະຍາໄລ Oxford ທີ່ມີຊື່ສຽງໄດ້ຈິນຕະນາການວິທີການເພີ່ມປະສິດທິພາບ AI ທີ່ໃຊ້ໂຮງງານຜະລິດ clip ເຈ້ຍ. ໃນບາງຈຸດ, ລາວເວົ້າວ່າ, ຈິນຕະນາການວ່າເຄື່ອງຈັກທີ່ໃຫ້ເຫດຜົນວ່າການຮຽນຮູ້ທີ່ຈະຫັນປ່ຽນຊັບພະຍາກອນທີ່ເພີ່ມຂຶ້ນເລື້ອຍໆໄປຫາວຽກນັ້ນແມ່ນສົມເຫດສົມຜົນ, ສິ້ນສຸດການຫັນປ່ຽນໂລກຂອງພວກເຮົາໄປສູ່ກະດາດກະດາດຄ່ອຍໆ, ແລະຕໍ່ຕ້ານຄວາມພະຍາຍາມຂອງພວກເຮົາທີ່ຈະປິດມັນ.

ເຖິງວ່າຈະມີຜູ້ຊາຍທີ່ສະຫຼາດ, ຕົວຢ່າງຂອງ Bostrom ແມ່ນຂ້ອນຂ້າງຂີ້ຕົວະແລະເຂົ້າໃຈຜິດ (ແຕ່, ຈື່). ສໍາລັບຫນຶ່ງ, ລາວລົ້ມເຫລວໃນບັນຊີສໍາລັບຄວາມຈິງທີ່ວ່າມະນຸດແລະຫຸ່ນຍົນບໍ່ແມ່ນຫນ່ວຍງານແຍກຕ່າງຫາກ. ພວກເຮົາພົວພັນກັນ. ຫຸ່ນຍົນທີ່ສະຫລາດສ່ວນໃຫຍ່ກໍາລັງພັດທະນາໄປເປັນ cobots ຫຼືຫຸ່ນຍົນຮ່ວມມື. ມະນຸດຈະມີໂອກາດຫຼາຍທີ່ຈະແກ້ໄຂເຄື່ອງຈັກ. ເຖິງແມ່ນວ່າ, ຈຸດພື້ນຖານຂອງລາວຍັງຄົງຢູ່. ອາດຈະມີການປ່ຽນແປງຂັ້ນຕອນໃນບາງຈຸດ, ແລະຖ້າການປ່ຽນແປງນັ້ນເກີດຂຶ້ນໄວພຽງພໍແລະບໍ່ມີການຄວບຄຸມຢ່າງພຽງພໍ, ການຄວບຄຸມອາດຈະສູນເສຍ. ​ແຕ່​ຜົນ​ໄດ້​ຮັບ​ທີ່​ຮ້າຍ​ແຮງ​ນັ້ນ​ເບິ່ງ​ຄື​ວ່າ​ເປັນ​ໄປ​ໄດ້​ໄກ. ໃນກໍລະນີໃດກໍ່ຕາມ, ຂ້າພະເຈົ້າຕົກລົງເຫັນດີ, ພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ກໍານົດລະບຽບມະນຸດທີ່ປະຕິບັດການເຄື່ອງຈັກເຫຼົ່ານີ້ແລະກໍານົດວ່າຜູ້ອອກແຮງງານແມ່ນຢູ່ສະເຫມີໂດຍການຝຶກອົບຮົມທີ່ເຫມາະສົມ. ການຝຶກອົບຮົມປະເພດນັ້ນແມ່ນບໍ່ດີ. ໃນປັດຈຸບັນມັນໃຊ້ເວລາດົນເກີນໄປແລະມັນຕ້ອງໃຊ້ທັກສະພິເສດທັງໃນການຝຶກອົບຮົມແລະການຝຶກອົບຮົມ. ຂ້ອຍຮູ້ສິ່ງຫນຶ່ງ. ໃນອະນາຄົດປະຊາຊົນທຸກປະເພດຈະເປັນຫຸ່ນຍົນປະຕິບັດງານ. ຜູ້​ທີ່​ບໍ່​ໄດ້​, ຈະ​ເປັນ​ພະ​ລັງ​ງານ pretty​.

ການເພີ່ມມະນຸດແມ່ນດີກ່ວາອັດຕະໂນມັດທີ່ບໍ່ມີສະຕິ, ໂດຍບໍ່ຄໍານຶງວ່າພວກເຮົາບໍ່ເຄີຍປະສົມປະສານຢ່າງສົມບູນກັບເຄື່ອງຈັກ. ແນວຄວາມຄິດທັງສອງແມ່ນແຕກຕ່າງກັນຢ່າງມີເຫດຜົນ. ມັນເປັນໄປໄດ້ສໍາລັບທັງຄົນແລະຫຸ່ນຍົນທີ່ຈະຕິດຢູ່ອັດຕະໂນມັດສໍາລັບ sake ຂອງອັດຕະໂນມັດ. ນັ້ນຈະສ້າງຄວາມເສຍຫາຍອັນໃຫຍ່ຫຼວງຕໍ່ການຜະລິດຕໍ່ໄປ. ເຖິງແມ່ນວ່າມັນບໍ່ໄດ້ຜະລິດຫຸ່ນຍົນ killer. ຂ້າ​ພະ​ເຈົ້າ​ເຊື່ອ​ວ່າ​ການ​ລວມ​ຕົວ​ແມ່ນ​ຫຼາຍ​ຮ້ອຍ​ປີ​, ແຕ່​ວ່າ​ບໍ່​ແມ່ນ​ຈຸດ​. ເຖິງແມ່ນວ່າມັນມີພຽງແຕ່ສາມສິບປີເທົ່ານັ້ນ, ເຄື່ອງຈັກທີ່ຂັບເຄື່ອນດ້ວຍຕົວມັນເອງທີ່ເຮັດວຽກດ້ວຍສູດການຄິດໄລ່ແບບງ່າຍໆທີ່ສູນເສຍການຄວບຄຸມ, ສະຖານະການດັ່ງກ່າວກໍ່ເກີດຂື້ນຢູ່ຊັ້ນຮ້ານ. ບາງສ່ວນຂອງເຄື່ອງຈັກເຫຼົ່ານັ້ນມີອາຍຸສາມສິບປີແລະແລ່ນດ້ວຍລະບົບການຄວບຄຸມທີ່ເປັນເຈົ້າຂອງເກົ່າ. ສິ່ງທ້າທາຍຕົ້ນຕໍຂອງພວກເຂົາບໍ່ແມ່ນວ່າພວກເຂົາມີຄວາມກ້າວຫນ້າແຕ່ກົງກັນຂ້າມ. ພວກເຂົາເຈົ້າແມ່ນງ່າຍດາຍເກີນໄປທີ່ຈະສາມາດສື່ສານ. ນີ້ບໍ່ແມ່ນບັນຫາສໍາລັບມື້ອື່ນ. ມັນເປັນບັນຫາທີ່ມີຢູ່ແລ້ວ. ພວກເຮົາຕ້ອງເປີດຕາຂອງພວກເຮົາກັບມັນ. ຄິດກ່ຽວກັບເລື່ອງນີ້ໃນຄັ້ງຕໍ່ໄປທີ່ທ່ານກ້າວເຂົ້າໄປໃນເກີບຢາງພາລາຂອງທ່ານ.

ຂ້ອຍຍັງມີເກີບ Nokia ຂອງຂ້ອຍຈາກຊຸມປີ 1980. ພວກເຂົາມີຂຸມຢູ່ໃນພວກມັນ, ແຕ່ຂ້ອຍເກັບມັນໄວ້ເພື່ອເຕືອນຕົວເອງວ່າຂ້ອຍມາຈາກໃສແລະຂ້ອຍໄດ້ຍ່າງໄປໄກປານໃດ. ຝົນຍັງສືບຕໍ່ຕົກ, ແລະຕາບໃດທີ່ມັນສະອາດພຽງພໍ, ຂ້ອຍບໍ່ຕ້ອງການການແກ້ໄຂທີ່ດີກວ່າສໍາລັບເກີບເຫຼົ່ານັ້ນ. ຫຼັງຈາກນັ້ນ, ອີກເທື່ອຫນຶ່ງ, ຂ້າພະເຈົ້າເປັນມະນຸດ. ຫຸ່ນຍົນຄາດວ່າຈະໄດ້ຍ້າຍອອກໄປແລ້ວ. ລຸ້ນ AI ຂອງ rainboots ແມ່ນຫຍັງ, ຂ້ອຍສົງໄສ. ມັນບໍ່ແມ່ນໂທລະສັບມືຖື. ມັນບໍ່ແມ່ນເຊັນເຊີຝົນ. ມັນ boggles ຈິດໃຈ.

ເກີບດິຈິຕອລໃນມື້ນີ້ຫມາຍຄວາມວ່າທ່ານສາມາດປັບແຕ່ງໃຫ້ເຂົາເຈົ້າເປັນສ່ວນບຸກຄົນເນື່ອງຈາກວ່າພວກເຂົາເຈົ້າມີການອອກແບບ 3D-ພິມໃຫ້ເຂົາເຈົ້າ. ມີເກີບ virtual ທີ່ມີຢູ່ພຽງແຕ່ເປັນ NFTs (tokens ທີ່ບໍ່ແມ່ນ fungible) ທີ່ສາມາດຂາຍແລະຊື້ຂາຍໄດ້. ເກີບຜ້າໃບ virtual ຊັ້ນນໍາມີມູນຄ່າ $10,000 ໃນມື້ນີ້ (ເບິ່ງ NFT Sneaker ແມ່ນຫຍັງ, ແລະເປັນຫຍັງມັນຈຶ່ງມີມູນຄ່າ $10,000?). ຂ້ອຍບໍ່ຢ້ານສິ່ງເຫຼົ່ານັ້ນ ແຕ່ຂ້ອຍຄວນຈະເປັນບໍ? ຖ້າໂລກ virtual ມີມູນຄ່າຫຼາຍກ່ວາໂລກທາງດ້ານຮ່າງກາຍ, ບາງທີຂ້ອຍອາດຈະ. ຫຼືຂ້ອຍຄວນລໍຖ້າຄວາມກັງວົນຈົນກ່ວາ avatar ຂອງ AI ຈະຊື້ເກີບ NFT ຂອງຕົນເອງເພື່ອຮັບມືກັບ "ຝົນ"? ຖ້າພວກເຮົາສ້າງ algorithms ໃນຮູບພາບຂອງພວກເຮົາ, ມັນອາດຈະເປັນໄປໄດ້ວ່າ AI ຈະດີກັບສິ່ງທີ່ພວກເຮົາປາດຖະຫນາທີ່ພວກເຮົາດີແຕ່ໂດຍທົ່ວໄປແລ້ວບໍ່ແມ່ນ, ເຊັ່ນການຊື້ຮຸ້ນ, ການສ້າງມິດຕະພາບທີ່ສັດຊື່ (ບາງທີອາດມີທັງເຄື່ອງຈັກແລະມະນຸດ), ແລະຈື່ຈໍາ. ສິ່ງ​ຂອງ. metaverse ອຸດສາຫະກໍາອາດຈະມີຄວາມຊັບຊ້ອນທີ່ຫນ້າປະຫລາດໃຈ - ເຕັມໄປດ້ວຍຝາແຝດດິຈິຕອນທີ່ເຮັດແບບຈໍາລອງໂລກຂອງພວກເຮົາແລະລື່ນກາຍມັນໃນທາງທີ່ເປັນຫມາກ - ຫຼືມັນອາດຈະເປັນເລື່ອງງ່າຍດາຍທີ່ຫນ້າຕົກໃຈ. ບາງທີທັງສອງ. ພວກເຮົາພຽງແຕ່ບໍ່ຮູ້ເທື່ອ.

ພວກເຮົາຈໍາເປັນຕ້ອງຄວບຄຸມ AI algorithms ເພາະວ່າພວກເຮົາບໍ່ຮູ້ວ່າສິ່ງທີ່ຢູ່ອ້ອມຮອບ. ນັ້ນແມ່ນເຫດຜົນພຽງພໍ, ແຕ່ສໍາລັບວິທີທີ່ພວກເຮົາເຮັດມັນ, ນັ້ນແມ່ນເລື່ອງທີ່ຍາວກວ່າ. ອະນຸຍາດໃຫ້ຂ້ອຍມີການສັງເກດໄວອີກອັນໜຶ່ງ, ບາງທີ algorithms ພື້ນຖານທັງໝົດຄວນຈະຖືກເປີດເຜີຍຕໍ່ສາທາລະນະ. ເຫດຜົນແມ່ນ, ຖ້າບໍ່ແມ່ນ, ບໍ່ມີທາງທີ່ຈະຮູ້ວ່າສິ່ງທີ່ພວກເຂົາອາດຈະນໍາໄປສູ່. ອັນດັບຕົ້ນໆແມ່ນເປັນທີ່ຮູ້ຈັກກັນດີ (ເບິ່ງ ອັນດັບ 10 ຂັ້ນຕອນການຮຽນຮູ້ເຄື່ອງຈັກ), ແຕ່ບໍ່ມີພາບລວມທົ່ວໂລກກ່ຽວກັບບ່ອນໃດແລະວິທີການທີ່ພວກມັນຈະຖືກນໍາໃຊ້. ໂດຍສະເພາະ algorithms ທີ່ບໍ່ມີການຄວບຄຸມທີ່ຄວນຈະຖືກເບິ່ງຢ່າງລະມັດລະວັງ (ເບິ່ງ ຫົກກໍລະນີການນໍາໃຊ້ທີ່ມີປະສິດທິພາບສໍາລັບການຮຽນຮູ້ເຄື່ອງຈັກໃນການຜະລິດ), ບໍ່ວ່າຈະຖືກນໍາໃຊ້ເພື່ອຄາດຄະເນການບໍາລຸງຮັກສາຫຼືຄຸນນະພາບ, ເພື່ອຈໍາລອງສະພາບແວດລ້ອມການຜະລິດ (ເຊັ່ນ: ຄູ່ແຝດດິຈິຕອນ), ຫຼືການສ້າງການອອກແບບໃຫມ່ທີ່ມະນຸດບໍ່ເຄີຍຄິດ. ໃນພູມສັນຖານຂອງມື້ນີ້, ສູດການຄິດໄລ່ທີ່ບໍ່ໄດ້ຮັບການເບິ່ງແຍງເຫຼົ່ານີ້ໂດຍປົກກະຕິເອີ້ນວ່າເຄືອຂ່າຍ neural ທຽມ, ພະຍາຍາມເຮັດຕາມສະຫມອງຂອງມະນຸດ.

ຂ້າພະເຈົ້າໄດ້ເລີ່ມກັງວົນກ່ຽວກັບຕາຫນ່າງ neural, ພຽງແຕ່ຍ້ອນວ່າຂ້າພະເຈົ້າຊອກຫາເຫດຜົນຂອງເຂົາເຈົ້າຍາກທີ່ຈະເຂົ້າໃຈ. ບັນຫາແມ່ນວ່າຜູ້ຊ່ຽວຊານສ່ວນໃຫຍ່, ເຖິງແມ່ນວ່າຜູ້ທີ່ໃຊ້ພວກມັນ, ບໍ່ເຂົ້າໃຈວ່າວິທີການເຫຼົ່ານີ້ຍ້າຍຈາກຂັ້ນຕອນໄປຫາຂັ້ນຕອນຫຼືຊັ້ນໄປຫາຊັ້ນ. ຂ້າ​ພະ​ເຈົ້າ​ບໍ່​ຄິດ​ວ່າ​ຄໍາ​ປຽບ​ທຽບ​ຂອງ "ຊັ້ນ​ທີ່​ເຊື່ອງ​ໄວ້​"​, ຊຶ່ງ​ມັກ​ຈະ​ຖືກ​ນໍາ​ໃຊ້​, ແມ່ນ​ເຫມາະ​ສົມ​ຫຼື​ຕະ​ຫລົກ​ຫຼາຍ​. ບໍ່ຄວນມີຊັ້ນທີ່ເຊື່ອງໄວ້ໃນການຜະລິດ, ໃນການເກັບພາສີອັດຕະໂນມັດ, ໃນການຕັດສິນໃຈຈ້າງ, ຫຼືໃນການເຂົ້າມະຫາວິທະຍາໄລ, ສໍາລັບການເລີ່ມຕົ້ນ. ບາງທີເຈົ້າຄວນພິຈາລະນາກັງວົນຄືກັນບໍ? ສິ່ງຫນຶ່ງແມ່ນແນ່ນອນ, ມະນຸດແລະເຄື່ອງຈັກທີ່ເຮັດສິ່ງຂອງຮ່ວມກັນຈະປ່ຽນແປງໂລກ. ມັນມີຢູ່ແລ້ວ, ຫຼາຍເທື່ອແລ້ວ. ຈາກກະດາດໄປຫາເກີບຝົນ, ແລະຊັ້ນຂອງສະຫມອງປອມຂອງມື້ນີ້, ບໍ່ມີຫຍັງຄວນຈະຖືກປະໄວ້ໂດຍບໍ່ໄດ້ຂຸດຄົ້ນ. ພວກເຮົາບໍ່ຄວນເຊື່ອງໄວ້ຈາກຄວາມຈິງທີ່ງ່າຍດາຍວ່າຈາກການປ່ຽນແປງຂະຫນາດນ້ອຍຫຼາຍ, ການປ່ຽນແປງທີ່ໃຫຍ່ກວ່າສາມາດປາກົດຂຶ້ນຢ່າງກະທັນຫັນ.