약한 인공지능

Weak artificial intelligence

약한 인공지능(weak 인공지능)은 정신의 제한된 부분을 구현하거나 좁은 [1][2][3]AI로서 하나의 좁은 작업에 집중하는 인공지능이다.존 설의 용어로는 "마음에 대한 가설을 실험하는 데 유용하겠지만 실제로는 그렇지 않을 것"[4]이다.약한 인공지능은 인간이 사물을 기억하고, 사물을 지각하고, 간단한 문제를 해결하는 것과 같은 기본적인 행동을 어떻게 수행하는지 모방하는데 초점을 맞춘다.[5] 스스로 생각하고 배울 수 있는 기술을 사용하는 강력한 AI와는 달리.컴퓨터는 알고리즘과 사전 지식과 같은 방법을 사용하여 인간처럼 그들만의 사고 방식을 개발할 수 있다.[5] 강력한 인공지능 시스템은 그것을 프로그래밍한 프로그래머로부터 독립적으로 작동하는 방법을 배우고 있다.약한 AI는 자신의 정신을 갖지 못하고 관찰할 수 있는 신체적 행동만 흉내낼 수 있다.[6]

약한 AI를 사용하여 수학 공식과 계산을[7] '생각'하고 푸는 로봇

다음과 같이 다양하게 정의되는 Strong AI와 대조됩니다.

  • 인공지능: 특정 문제가 아닌 어떤 문제에든 지능을 적용할 수 있는 능력을 가진 기계입니다.
  • 인간 수준의 지능: 보통 사람과 비슷한 지능을 가진 기계입니다.
  • 슈퍼 인텔리전스: 보통 사람보다 훨씬 뛰어난 지능을 가진 기계입니다.
  • 인공의식: 의식, 감각, 정신을 가진 기계.

Antonio Lieto와 같은 학자들은 AI와 인지 모델링에 대한 현재의 연구는 ('일반' 대 '좁은' AI의 구별과 혼동되어서는 안 된다) 약한 AI 가설과 완벽하게 일치하며, 인지적으로 영감을 주는 AI 시스템이 강력한 AI 가설을 지지한다는 일반적인 가정은 잘못된 가정이고, 또한 잘못된 가정이라고 주장했다."뇌와 정신의 인공 모델이 모델링 중인 실제 현상인 척하지 않고 정신 현상을 이해하는 데 사용될 수 있기 때문에"(p.85) (반면 강력한 AI 가정에 의해 암시됨) 문제가 있다.

AI는 "…단일하고 좁게 정의된 작업으로 제한된다"고 분류할 수 있다.대부분의 최신 AI 시스템은 이 범주에 속합니다."[9] 협소란 로봇이나 컴퓨터가 한 번에 하나의 문제만 해결할 수 있도록 엄격히 제한된다는 것을 의미합니다.강한 AI는 반대로 반대입니다.강력한 AI는 인간의 뇌나 정신에 가능한 한 가까이 있다.이것은 모두 철학자 존 설의 경우라고 믿고 있다.강력한 AI에 대한 이러한 생각은 또한 논란이 되고 있으며, Searle은 튜링 테스트(원래는 모방 게임이라고 불렸던 2차 세계대전 동안 앨런 튜링에 의해 만들어진 것으로, 기계가 인간만큼 지능적인지 테스트하기 위해 사용됨)가 강력한 AI를 테스트하는데 정확하지 않거나 적절하지 않다고 믿고 있다.[10]

용어.

"Weak AI"는 "좁은 AI"라고 불리기도 하지만, 후자는 보통 [by whom?]전자의 하위 분야로 해석됩니다.마음이나 마음의 일부에 대한 가설 테스트는 일반적으로 좁은 AI의 일부가 아니라 피상적인 외관상의 특징을 구현한다.기존의 인공 지능을 사용한다고 주장하는 많은 시스템은 특정 문제에 초점을 맞춘 좁은 AI로 작동하며 전통적인 의미로는 약한 AI가 아니다.

시리, 코타나, 구글 어시스턴트 등은 모두 협소한 AI의 예지만 사전에 정의된 제한된 기능 범위 내에서 작동하기 때문에 AI가[citation needed][discuss] 취약하다는 좋은 예는 아니다.그들은 마음의 일부를 구현하지 않고, 미리 정의된 규칙과 함께 자연 언어 처리를 사용합니다.특히 진정한 지능이나 자각이 없기 때문에 강력한 AI의 예가 아니다.2010년 AI 연구원 Ben Goertzel은 자신의 블로그에서 [11]Siri가 어플리케이션의 한계를 벗어난 질문을 하면 짜증나는 결과로 인해 "매우 좁고 취약하다"고 말했다.

약점 대 강점 A.i.

약한 AI와 강한 AI의 차이는 현재 널리 알려져 있지 않다.약한 AI는 용어집처럼 시리나 알렉사 등 음성인식 소프트웨어와 같은 기본 기술과 관련이 있다.반면 강력한 AI는 아직 완전히 구현되거나 테스트되지 않았기 때문에 영화나 대중 문화 매체에서나 실제로 상상될 뿐이다.[12] AI가 앞으로 나아가기 위한 한 가지 접근법은 인간을 보조하거나 돕는 역할 중 하나인 것으로 보인다.우리 인간조차도 컴퓨터만큼 빨리 완전히 처리하거나 이해할 수 없는 데이터나 수치들이 있기 때문에, 여기서 AI가 우리에게 도움을 줄 수 있는 역할을 하게 될 것이다.[13]

영향

주요 기사:인공지능이 작업장에 미치는 영향

일부 논객들은[who?] 이러한 "가벼움" 때문에 약한 AI가 위험할 수 있고 예측할 수 없는 방식으로 실패할 수 있다고 생각한다.약한 AI는 전력망에 장애를 일으키고, 원자력 발전소에 손상을 입히고, 세계 경제 문제를 일으키고, 자율주행차를 [1]잘못 인도할 수 있다.

예

AI가 인간에게 가져다 줄 미래에 흥분하는 행복한 로봇들

약한 AI의 예로는 자가운전 자동차, 의료 분야에서 사용되는 로봇 시스템, 진단 의사 등이 있다.이 모든 것이 약한 인공지능 시스템인 이유는 자가운전 자동차가 보통 사람이 할 수 있는 것과 비슷하게 치명적인 사고를 일으킬 수 있기 때문이다.의약품은 잘못 분류되어 사람들에게 배포될 수 있다.또한 의료 진단은 인공지능에 결함이 있다면 궁극적으로 심각하고 때로는 치명적인 결과를 초래할 수 있다.[14] 현재 인공지능이 취약한 또 다른 문제는 그에 따른 행동이 일관되지 않게 될 수 있다는 것이다.[15] 패턴은 매번 작동하는 하나의 일관된 시스템을 고안하는 것이 어려워질 수 있습니다.

간단한 인공지능 프로그램들은 이미 우리 사회에 침투했고 우리는 아직 그것을 알아차리지 못했을지도 모른다.타이핑에 대한 자동 수정, 음성에서 텍스트에 이르는 프로그램에 대한 음성 인식 및 데이터 과학 분야의 방대한 확장을 예로 들 수 있습니다.[16] 약하고 강한 AI가 서서히 사회를 돕기 시작함에 따라, 그들은 또한 그것을 해치기 시작했다.AI는 이미 사람들을 부당하게 감옥에 가두고, 고용을 이유로 직장에서 여성들을 차별하고, 수백만 명의 사람들에게 몇 가지 문제 있는 아이디어를 가르쳤고, 심지어 자동 자동차로 사람들을 죽이기도 했다.[17] 인공지능은 우리의 삶을 향상시키는데 사용될 수 있는 강력한 도구일 수도 있지만, 그것은 또한 통제 불능의 가능성을 가진 위험한 기술이 될 수도 있다.

소셜 미디어

페이스북과 다른 유사한 소셜 미디어 플랫폼들은 인공지능과 기계 학습, 또는 더 구체적으로 말하면 약한 인공지능을 사용하여 사람들이 특정한 이미지를 보여줄 때 어떻게 반응할지를 예측할 수 있었다.약한 인공지능 시스템은 사용자가 무엇을 게시했는지에 따라 패턴이나 추세를 따라 식별할 수 있었다.[18]

트위터는 더 발전된 AI 시스템을 갖추기 시작했다. 더 약한 AI 형태를 식별하는 방법과 봇이 편향된 선전에 사용되었는지, 심지어 잠재적으로 악의적인 의도를 가지고 있는지를 감지하는 방법을 알아내기 시작했다.이 AI 시스템은 단어 필터링과 과거 AI가 어떤 영향을 미쳤는지에 따라 다른 조건의 층을 만들어 그 계정이 봇인지 아닌지를 감지하는 방식으로 이를 수행한다.[19]

틱톡은 'For You' 알고리즘을 이용해 사용자가 처음에 어떤 동영상을 보고 싶은지 패턴을 분석함으로써 사용자의 관심사를 빠르게 파악한다.이 약한 AI 시스템은 동영상 사이에 있는 패턴을 사용하여 재생 시간, 이미 공유 또는 코멘트를 한 사람, 동영상에서 재생된 음악 등 다음에 보여질 동영상을 결정합니다.틱톡의 "For You" 알고리즘은 매우 정확해서 사용자가 무엇에 관심이 있는지, 심지어 무엇을 사랑하는지 정확히 알아낼 수 있다.[20]

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b Dvorsky, George (1 April 2013). "How Much Longer Before Our First AI Catastrophe?". Gizmodo. Retrieved 27 November 2021.
  2. ^ Muehlhauser, Luke (18 October 2013). "Ben Goertzel on AGI as a Field". Machine Intelligence Research Institute. Retrieved 27 November 2021.
  3. ^ Chalfen, Mike (15 October 2015). "The Challenges Of Building AI Apps". TechCrunch. Retrieved 27 November 2021.
  4. ^ The Cambridge handbook of artificial intelligence. Frankish, Keith., Ramsey, William M., 1960-. Cambridge, UK. 12 June 2014. p. 342. ISBN 978-0-521-87142-6. OCLC 865297798.{{cite book}}: CS1 유지보수: 기타 (링크)
  5. ^ a b Chandler, Daniel; Munday, Rod (2020). "A Dictionary of Media and Communication". doi:10.1093/acref/9780198841838.001.0001. ISBN 978-0-19-884183-8. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  6. ^ Colman, Andrew M. (2015). A dictionary of psychology (4th ed.). Oxford. ISBN 978-0-19-965768-1. OCLC 896901441.
  7. ^ "Mike MacKenzie's albums". Flickr. Retrieved 1 November 2022.
  8. ^ Lieto, Antonio (2021). Cognitive Design for Artificial Minds. London, UK: Routledge, Taylor & Francis. ISBN 9781138207929.
  9. ^ Bartneck, Christoph; Lütge, Christoph; Wagner, Alan; Welsh, Sean (2021). An Introduction to Ethics in Robotics and AI. SpringerBriefs in Ethics. Cham: Springer International Publishing. doi:10.1007/978-3-030-51110-4. ISBN 978-3-030-51109-8. S2CID 224869294.
  10. ^ Liu, Bin (28 March 2021). ""Weak AI" is Likely to Never Become "Strong AI", So What is its Greatest Value for us?". arXiv:2103.15294. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  11. ^ Goertzel, Ben (6 February 2010). "Siri, the new iPhone "AI personal assistant": Some useful niche applications, not so much AI". The Multiverse According to Ben. Retrieved 27 November 2021.
  12. ^ Kerns, Jeff (15 February 2017). "What's the Difference Between Weak and Strong AI?". ProQuest. ProQuest 1876870051.
  13. ^ LaPlante, Alice; Maliha, Balala (2018). Solving Quality and Maintenance Problems with AI. O'Reilly Media, Inc. ISBN 9781491999561.
  14. ^ Szocik, Konrad; Jurkowska-Gomułka, Agata (16 December 2021). "Ethical, Legal and Political Challenges of Artificial Intelligence: Law as a Response to AI-Related Threats and Hopes". World Futures: 1–17. doi:10.1080/02604027.2021.2012876. ISSN 0260-4027. S2CID 245287612.
  15. ^ Kuleshov, Andrey; Prokhorov, Sergei (September 2019). "Domain Dependence of Definitions Required to Standardize and Compare Performance Characteristics of Weak AI Systems". 2019 International Conference on Artificial Intelligence: Applications and Innovations (IC-AIAI). Belgrade, Serbia: IEEE: 62–623. doi:10.1109/IC-AIAI48757.2019.00020. ISBN 978-1-7281-4326-2. S2CID 211298012.
  16. ^ Earley, Seth (2017). "The Problem With AI". IT Professional. 19 (4): 63–67. doi:10.1109/MITP.2017.3051331. ISSN 1520-9202. S2CID 9382416.
  17. ^ Anirudh, Koul; Siddha, Ganju; Meher, Kasam (2019). Practical Deep Learning for Cloud, Mobile, and Edge. O'Reilly Media. ISBN 9781492034865.
  18. ^ Kaiser, Carolin; Ahuvia, Aaron; Rauschnabel, Philipp A.; Wimble, Matt (1 September 2020). "Social media monitoring: What can marketers learn from Facebook brand photos?". Journal of Business Research. 117: 707–717. doi:10.1016/j.jbusres.2019.09.017. ISSN 0148-2963. S2CID 203444643.
  19. ^ Shukla, Rachit; Sinha, Adwitiya; Chaudhary, Ankit (28 February 2022). "TweezBot: An AI-Driven Online Media Bot Identification Algorithm for Twitter Social Networks". Electronics. 11 (5): 743. doi:10.3390/electronics11050743. ISSN 2079-9292.
  20. ^ Hyunjin, Kang (September 2022). "AI agency vs. human agency: understanding human–AI interactions on TikTok and their implications for user engagement". academic.oup.com. Retrieved 8 November 2022.