Η επιστημονική φαντασία είχε ανέκαθεν την τάση να παρουσιάζει την Τεχνητή Νοημοσύνη με εχθρικές και κακόβουλες προθέσεις. Παραδείγματα όπως ο T800 του Terminator και το Ash του Alien δείχνουν τη χρήση βίας από τους χαρακτήρες με απώτερο σκοπό την επίτευξη ενός στόχου. Άλλοι χαρακτήρες που ήταν εμφανώς πιο παρανοϊκοί, όπως στο 2001: A Space Odyssey’s ο HAL 9000, αποδεικνύουν πως συχνά φέρονται έτσι λόγω ενός σφάλματος στον προγραμματισμό τους και όχι μέσω της λειτουργίας του σχεδιασμού τους.
Στη συγκεκριμένη περίπτωση, οι ερευνητές του MIT βάφτισαν την ψυχοπαθή Τεχνητή Νοημοσύνη “Norman”, εμπνευσμένοι από το δημοφιλές θρίλερ Psycho του Alfred Hitchcock.
Σε δοκιμασία τυχαίων τεστ κηλίδων μελάνης Rorschach (inkblots) ο “Norman” ερμηνεύει τις εικόνες που βλέπει ακραία και νοσηρά, με μια από αυτές να περιγράφει έναν άντρα να σκοτώνεται μπροστά στα μάτια της γυναίκας του, ενώ αυτή κραυγάζει. Ποια είναι, όμως, η πραγματική αιτία αυτής της τόσο θλιβερής προσέγγισης; ..Το Reddit.
Ο Norman εκπαιδεύτηκε με εικόνες από το subreddit r / watchpeopledie, στο οποίο μπορεί κανείς να δει πραγματικές περιπτώσεις θανάτου. Λόγω δεοντολογικών αλλά και τεχνικών ανησυχιών, καθώς και του περιεχομένου των βίντεο που περιέχονται σε αυτό, δόθηκαν στην Τεχνητή Νοημοσύνη μόνο λεζάντες που περιγράφουν τις εικόνες. Ωστόσο, δεδομένου ότι έχει παρατηρήσει μόνο εικόνες τέτοιας θεματολογίας, ο Norman βλέπει το θάνατο σε οποιαδήποτε από τις επόμενες φωτογραφίες του παρουσιαστούν.
Η οπτική γωνία είναι μια πολύ βασική παράμετρος και μπορεί να διαφέρει κατά περιπτώσεις. Παρ’ όλα αυτά, εάν οι εικόνες με τις οποίες έρχεται κάποιος σε επαφή είναι μόνο νοσηρές, το συγκεκριμένο αποτέλεσμα ίσως και να εξηγείται ορθολογικά.
Εάν αναρωτιέστε γιατί αυτή η διαδικασία μπορεί να αποβεί χρήσιμη, είναι επειδή προορίζεται να απεικονίσει ένα πρόβλημα σχετικά με τα δεδομένα που “γέρνουν προς τη μια ή την άλλη κατεύθυνση”.
Ουσιαστικά, η ιδέα είναι ότι η “μηχανική μάθηση” λειτουργεί αναλύοντας τεράστιες ποσότητες δεδομένων. Τροφοδοτώντας τα δεδομένα αυτά μεροληπτικά προς κάποια κατεύθυνση, τότε θα προκύψουν αλγόριθμοι που θα οδηγούν σε λανθασμένες απαντήσεις.
Σε μια πιθανή μελλοντική έρευνα, οι ερευνητές δήλωσαν ότι ενδιαφέρονται να χρησιμοποιήσουν περισσότερα inkblots σε ευρύτερη κλίμακα και να τα αναλύσουν με τεχνικές data mining, με σκοπό να ανακαλύψουν γιατί οι άνθρωποι βλέπουν διαφορετικά πράγματα σε αυτές τις δοκιμές..
Μέχρι στιγμής, έχουν συγκεντρώσει πάνω από 200.000 απαντήσεις χρηστών. «Ελπίζουμε να αναλύσουμε αυτά τα δεδομένα για να δούμε τι είδους ομάδες δημιουργούν αυτές οι απαντήσεις», ανέφεραν. "Για παράδειγμα, υπάρχουν συγκεκριμένες ομάδες ατόμων που ανταποκρίνονται στις δοκιμές inkblot εντελώς διαφορετικά από άλλες;"
[via]
