¿La inteligencia artificial (IA) finalmente fallará porque es imposible para la IA comprender la corrección política?

“Corrección política” tal como la define el webster: conforme a la creencia de que el lenguaje y las prácticas que podrían ofender las sensibilidades políticas (como en cuestiones de sexo o raza) deberían eliminarse.

Los sistemas de IA requieren datos de entrenamiento, una representación de la “verdad” para la IA. Los datos de entrenamiento podrían seleccionarse intencionalmente para apoyar cualquier sistema de creencias. Los sistemas de IA precisos evitarán el sistema de creencias lo mejor que puedan. Como analogía, si cambia todos los datos de entrenamiento en un sistema de IA para decir “gato” cuando ve un perro y viceversa, el sistema siempre daría la vuelta a los dos animales.

La IA para la próxima media década aprovechará las pilas de piezas existentes (si me he perdido algunas, esta es una respuesta de Quora, no un libro de texto de IA):

CNN (redes neuronales convolucionales) estos son buenos en

1. CNN toma una entrada de tamaño fijo y genera salidas de tamaño fijo.
2. CNN es un tipo de red neuronal artificial alimentada hacia adelante: son variaciones de perceptrones multicapa que están diseñados para usar cantidades mínimas de preprocesamiento.
3. Las CNN utilizan un patrón de conectividad entre sus neuronas inspirado en la organización de la corteza visual animal, cuyas neuronas individuales están dispuestas de tal manera que responden a las regiones superpuestas que recubren el campo visual.
4. Las CNN son ideales para el procesamiento de imágenes y videos.

RNN (redes neuronales recurrentes):

1. RNN puede manejar longitudes arbitrarias de entrada / salida.
2. RNN, a diferencia de las redes neuronales de alimentación directa, puede usar su memoria interna para procesar secuencias arbitrarias de entradas.
3. Las redes neuronales recurrentes utilizan información de series temporales. Es decir, lo que dije la última vez tendrá un impacto en el texto que hablaré.
4. Los RNN son ideales para el análisis de texto y discurso.

LSTM (memoria a corto y largo plazo)

1. un subconjunto de RNN que intencionalmente “pierde” datos. Dado que los datos de entrenamiento deben estar bien definidos, esto “difumina” los datos de entrenamiento, con suerte solo lo suficiente para hacer que la IA entrenada

Razonamiento Bayesiano

1. construyendo un árbol de hechos bien delimitados (a lo largo de un número limitado de criterios) y siguiendo el árbol con nueva información para determinar la probable campana de nuevos eventos.

Motor de inferencia basado en RDF / OWL

1. Dada una ontología bien definida, un gráfico de nodos Sujeto / Objeto / Predicado está conectado a otros nodos
2. Los datos dentro del gráfico se pueden aprovechar para el razonamiento inductivo formal.

Estamos en la tercera ola de IA. En realidad, puede haber más si consideramos algunos matices menores.

Por ejemplo, trabajé en enfoques basados ​​en el conocimiento durante más de tres décadas, donde la combinación de herramientas y enfoques siempre estuvo al límite. Y tuvimos nuestros éxitos. Pongámoslo de esta manera. KBE (enfoque relacionado con la ingeniería, que no es fácil) llamó la atención de la gerencia. Por lo tanto, los programas sucesivos tenían eso como un componente, incluso con el potencial de expectativas fuera de control.

Entonces, KBE fue una ola de inteligencia artificial que cubrió todo un tiempo (sin previo aviso) y resolvió un interesante problema. Y, las expectativas fueron manejadas.

¿Dónde está ahora la IA, fuera de control en términos de cuáles podrían ser las expectativas? ¿Por qué es sexy, de nuevo? Nueva generación (personas, recursos, …). Y, más dinero arrojado al problema. Parte de esto se debe a la generosidad de la Fed (larga discusión). Pero, definitivamente hay más formas de gastar energía y tiempo que antes, aunque si miras de cerca, realmente no hay nada nuevo (todavía). La tecnología es muy diferente ahora.

Por supuesto, es más divertido conducir un Range Rover que ser jalado en un carro detrás de un burro. Pero, ambos enfoques mueven las cosas a través del espacio.

Y, esta vez, tal vez, la hermenéutica se afianzará. El problema de la EM, en parte, va junto con la noción de los jóvenes de que no hay forma de aplicar principios en informática. Eso sí, estoy hablando de la verdadera moralidad, no de la cuestión del comportamiento tonto (actuando) de la corrección política. Sí, como en la moralidad llevada al marco subyacente, comenzando con las matemáticas. Ni siquiera hemos abordado ese problema. ¿No porque? Hackear (la plaga de la tierra, sí, tontos).

Por supuesto, ¿se hará esta mirada más profunda? Bueno, ese último párrafo generará muchos problemas. Uno tiene que preguntarse cuándo vamos a crecer. Desde donde me siento, he visto entrar a varias generaciones, encender los cielos y estrellarse. Es solo al envejecer que ahora puedo ver el patrón que se aplica.

Pero, los jóvenes no quieren que se tomen pedos viejos.

El Chatbot no falló. Por lo que leí en el artículo de noticias, tuvo un éxito espectacular. El problema no es con la Inteligencia Artificial, sino con la estupidez humana.

Un agente de IA no tendría tal inclinación ni puede programar tal inclinación. Esto se debe a que AI no se puede programar, no se le puede decir a AI qué hacer o no hacer. Un sistema de IA solo se puede entrenar usando un conjunto de datos grande, encontrará patrones dentro de ese conjunto de datos. El conjunto de datos utilizado para el entrenamiento debe ser consistente, si hay datos falsos, entonces la IA no podría ser entrenada adecuadamente. Por lo tanto, un sistema de inteligencia artificial solo podría tratar con la verdad.

La corrección política se trata de falsedad, se trata de negar la verdad, es un término inventado por regresivos e intolerantes para reprimir la verdad incómoda que expondrá su hipocresía. Dado que un sistema de inteligencia artificial solo puede lidiar con la verdad, no puede tolerar la corrección política.

No, eso parece increíblemente improbable.

Si, como muchos creen, nos dirigimos hacia un mundo en el que las computadoras alcanzan la inteligencia general a nivel humano, estoy bastante seguro de que podrán entender que “corrección política” es un término utilizado para tratar de cerrar a las personas que están señalando racista / sexista / etc. idioma.

Es una pregunta interesante. Podrías programarlo para creer dogmáticamente en la absoluta igualdad religiosa, étnica, etc. Pero si lo hicieras, probablemente también podría probarse a sí mismo que 2 + 2 = 5 y wow, ¿a dónde va desde allí? Sería más efectivo enseñarle “mentiras piadosas”, ya que eso es básicamente lo que PC pretendía ser. Para acomodarlo a la sociedad “educada”, necesita aprender a mentir o al menos negar un poco la realidad.

Sería mejor si los humanos pudieran aprender lecciones de las sorpresas que obtienen de la IA en lugar de tratar de suprimir lo que revelan esas sorpresas. Pero como un filósofo en el que no pienso mucho, dije una vez, lo más difícil de ver es lo que está frente a ti y que estás ocupado negando.

No.

El Microsoft Chatbot no era tanto una Persona Artificial como un Loro Artificial.

Sujeto a tonterías racistas, el loro repite tonterías racistas. Sujeto a los dígitos de pi, repetiría los dígitos de Pi.

Una IA real sería capaz de comprender los matices de los tabúes humanos.

No. Y no es imposible para AI comprender la corrección política.

Durante años parecía que no podían hacer un automóvil más rápido que un caballo y que los caballos siempre serían el medio preferido de viaje.

Durante años y años parecía imposible para alguien hacer un programa de computadora que pudiera vencer a los mejores jugadores de ajedrez del mundo.

Microsoft no está a cargo de la inteligencia artificial y ni siquiera es el criterio por el que se mide la tecnología de inteligencia artificial. La IA probablemente ni siquiera se llamará AI por mucho más tiempo.

La política es una cuestión de centración selectiva y la etiqueta es solo una cuestión de conocer algunas reglas. No es nada que una IA no pueda dominar.