AIは実は人々の思考や視野を制限している

AIは実は人々の思考や視野を制限している

[[252987]]

AIは徐々に成熟し、さまざまな産業に導入され、人々の生活を微妙に変えています。ユーザーとして私たちが最もよく利用している AI サービスはスマート プッシュです。

簡単な例を挙げると、オンラインショッピングやショートビデオなどが今や人々の娯楽ライフスタイルになっています。同じトピックや同じ種類の衣服に関するビデオを頻繁に視聴すると、アプリが関連する種類の情報を自動的にプッシュすることがわかります。

これをスマートプッシュといいます。ユーザーの好みを理解し、自分で探す時間を節約してくれるという点でスマートです。しかし、時間が経つにつれて、ユーザーはこのインテリジェンス フレームワークに閉じ込められ、常に元々興味があったトピックを閲覧するようになります。つまり、AIは実は人々の思考を閉じ込め、視野を狭めているのです。

人工知能には限界がある

人工知能は、その名前が示すように、人工 + 知能です。人工は簡単に言えば、人間の手の届く範囲にあるものを意味します。しかし、「インテリジェンス」は常に議論の的となってきました。人間が理解できる唯一の知性は自分自身の知性であるというのが、一般的に受け入れられている見解です。しかし、私たち自身の知能についての理解は非常に限られており、人間の知能を構成する必要な要素についての理解も限られているため、結果として得られる人工知能にも限界があります。

人工知能を支える基礎となるアルゴリズムと同様に、エンジニアはユーザーの好みに合わせてアルゴリズムを設定するだけで、ユーザーが新しい世界を発見できるようにすることを無視する場合があります。

人工知能の知能はどこにあるのでしょうか?

では、AI の知能は一体どこにあるのでしょうか? それは利便性でしょうか?知恵はあなたをよりよく理解することでしょうか?知性は人々を反復的な作業から救うことにありますか?最初の関心ポイントは毎日プッシュされます。時間が経つにつれて、人工知能によってサービスを提供されたユーザーは、これらの 2 つの状況に陥ることになります。

まず、ユーザーは他のトピックに関する興味深いコンテンツを見逃してしまいます。次に、同じトピックに関するプッシュ通知を頻繁に受け取ると飽きてしまい、他のトピックを見たいときには完全に「制御」されていることに気付くでしょう。

このような状況に直面して、ユーザーの思考を枠組みに収め、最新の市場情報を理解する機会をユーザーに与えない AI の「知性」はどこにあるのかについても不満を述べていると思います。この便利さが必要なのは誰でしょうか?

人工知能は情報の島を生み出す

ここで言う情報アイランドとは、一方では人工知能の基盤となるアルゴリズムを指します。事前に設定されたアルゴリズムに従って、人工知能は既存のルーチンに従って動作することしかできず、つまり、ユーザーの好みを発見し、その好みに関連する情報をプッシュすることしかできません。他方では、情報アイランドとは、この種の知能がユーザーの情報取得にもたらす閉ざされた障害を指します。ユーザーは、現在興味のある島に閉じ込められることしかできません。視界は完全にフレーム化されており、外の世界とのコミュニケーションはないようです。飽きて立ち去るまで、自分の興味に応じて周囲を見回すことしかできません。

人工知能はまだ進化する必要がある

記事の冒頭で話した、人工知能とは何かに戻りましょう。 Baidu 百科事典では、人間の知能をシミュレート、拡張、拡大するための理論、方法、技術、アプリケーション システムを研究および開発する新しい技術科学であると説明されています。

定義を見ると、「拡張」と「拡大」という言葉が少し違和感があります。拡張とはどこにあるのでしょうか?拡張機能はどこですか?ユーザーは制限があり、機能を拡張したいと考えていることは明らかですが、すでに「インテリジェント化」されています。人工知能の知能はまだ進化する必要があります。

結論

人工知能は人々を反復的な作業から救うが、人工知能サービスを楽しむユーザーに同じことを繰り返させ、さまざまな「範囲」を狭めざるを得ない。AIが真にインテリジェントになれば、社会全体の進歩を牽引することになるかもしれない。

<<:  2019年にロボット競争は減速するでしょうか?

>>:  ステップバイステップ | ニューラルネットワーク初心者ガイド

ブログ    

推薦する

ジャック・マーとイーロン・マスクは「愛し合い、憎み合っている」:人間とテクノロジーの競争の勝者は誰か?

8月29日、国家発展改革委員会、科学技術部、工業情報化部、中国サイバースペース管理局、中国科学院、...

AIと機械学習がデータセンターにどのように役立つか

人工知能 (AI) には、問題を理解し解決する神秘的な力があると考える人もいます。人工知能は人々の日...

平安生命保険の謝家彪氏: ビッグデータでの機械学習に Microsoft R Server を使用する

[51CTO.comより引用] 2017年12月1日~2日、51CTO主催のWOTDグローバルソフト...

Golang か Python か? AIに適した言語はどれですか?

近年、AIが勢いを増し、多くの革新的な企業がAI分野に参入し始めました。同時に、コンピュータハードウ...

PyTorch ガイド: ディープラーニング モデルのトレーニングを高速化する 17 のヒント!

PyTorch でディープラーニング モデルをトレーニングする場合、モデルのトレーニングを高速化す...

...

人工知能の研究内容:自然言語処理と知的情報検索技術

自然言語処理は、人工知能技術を実際の分野に応用した典型的な例です。コンピュータ システムが人間のよう...

TensorFlow で RNN 実装を開く正しい方法

[[198810]]この記事の主な内容は、TensorFlow で RNN のいくつかの構造を実装す...

アルゴリズムの練習とプログラミング学習に最適な 6 つの Web サイト

Google や Facebook のアルゴリズムを理解しなければ、面接に合格することはできません。...

アプリケーションプロトコル識別における大規模言語モデルの応用

パート 01.アプリケーション プロトコル識別とは何ですか?アプリケーション プロトコル識別とは、ネ...

...

ディープラーニングの分野でよく使われるディープラーニングフレームワーク10選

このセクションでは、MindSpore、PaddlePaddle、PyTorch、TensorFlo...

表の数学的推論の正解率は98.78%です! UCLA が新しい「カメレオン推論フレームワーク」を発表

自然言語処理タスクで目覚ましい成功を収めた大規模言語モデル (LLM) は、優れたパフォーマンスを示...

...