Banco de dados de inteligência artificial →
Idéias selvagens
Daron Asemoglu é professor do Instituto de Tecnologia do Instituto de Massachusetts. O autor de cinco livros, incluindo o New York Times, “Por que as nações falham” e “Corredor estreito: estados, sociedade e o destino da liberdade” (ambos – junto com James A. Robinson).
Michael I. Jordan é um professor be m-marcado, Chen Infantaria na Faculdade de EECs e da Faculdade de Estatísticas da Universidade da Califórnia em Berkeley. A esfera de seus interesses científicos inclui aprendizado de máquina, otimização e teoria do gerenciamento.
E. Glen Vale é o fundador da Fundação Radicalxchange, um funcionário do Tecnólogo Chefe da Microsoft, um economista político e tecnólogo social (Octopest), bem como c o-autor dos mercados radicais em c o-autoria com Eric Pozner: Uplooking Capitalism e democracia para uma sociedade justa.
Os medos associados à inteligência artificial preenchem todas as notícias: perda de trabalho, desigualdade, discriminação, desinformação ou mesmo a Supernight dominando o mundo. Todo mundo acredita que apenas um grupo se beneficiará disso – um negócio, mas os dados parecem não concordar com isso. No contexto de todo esse hype, os negócios americanos introduzem lentamente as tecnologias mais avançadas da inteligência artificial, e praticamente não há evidências de que essas tecnologias contribuam significativamente para o crescimento do desempenho ou a criação de empregos.
Tais resultados decepcionantes são explicados não apenas pela relativa imaturidade da tecnologia de IA. Também é causado por uma inconsistência fundamental entre as necessidades dos negócios e a maneira como muitos representantes do setor tecnológico agora imaginam. Essa inconsistência se origina no trabalho inovador de Alan Turing, 1950, “Game in Imitation” e o S o-chamado Turing Test, que ele propôs nele.
O teste de Tering define a inteligência da máquina, representando um programa de computador que pode imitar com tanto sucesso uma pessoa em uma conversa de texto aberto com o qual é impossível determinar com quem uma pessoa está conversando – com um carro ou com uma pessoa.
Na melhor das hipóteses, era apenas uma maneira de formular a inteligência da máquina. Turing em si e outras tecnologias, como Douglas Engelbart e Norbert Wiener, entenderam que os computadores seriam os mais úteis para negócios e sociedade quando complementam e expandem as capacidades humanas e não para competir conosco diretamente. Sistemas de pesquisa, tabelas elétricas e bancos de dados são bons exemplos de formas adicionais de tecnologia da informação. Embora sua influência nos negócios tenha sido enorme, eles geralmente não são chamados de “inteligência artificial” e, nos últimos anos, a história de sucesso que eles incorporam foi inundada com o desejo de algo mais “intelectual”. No entanto, esse desejo é pouco definido e, com tentativas surpreendentemente fracas de desenvolver uma visão alternativa, é cada vez mais superar uma pessoa em tarefas como visão e fala, bem como em jogos de salão, como xadrez e ir. Essa interpretação torno u-se dominante tanto em discussões públicas quanto em investimentos relacionados à IA.
Economistas e outros sociólogos enfatizam que a inteligência surge não apenas e não tanto em indivíduos quanto em grupos, como empresas, mercados, sistemas educacionais e cultura. As tecnologias podem desempenhar dois papéis principais no suporte a formas coletivas de inteligência. Em primeiro lugar, como enfatizado nos estudos inovadores de Douglas Engelbart na década de 1960 e no surgimento subsequente do campo de interação entre uma pessoa e um computador, as tecnologias podem aumentar a capacidade das pessoas individuais de participar de coletivos, fornecendo informações, conhecimento e ferramentas interativas. Em segundo lugar, a tecnologia pode criar novos tipos de grupos. A última oportunidade tem o maior potencial transformacional. Ele fornece um conceito alternativo de IA, que tem sérias conseqüências para o desempenho econômico e be m-estar das pessoas.
As empresas alcançam sucesso em uma escala, quando compartilham com sucesso o trabalho dentro da empresa e combinam vários conjuntos de habilidades da equipe que trabalham juntas na criação de novos produtos e serviços. Os mercados são be m-sucedidos quando combinam vários grupos de participantes, contribuindo para a especialização para aumentar o desempenho geral e o be m-estar social. Foi isso que Adam Smith entendeu mais de dois séculos e meio atrás. Se traduzirmos seu pensamento para a linguagem dos debates modernos, as tecnologias devem ser destinadas ao jogo de complementaridade, e não no jogo de imitação.
Já temos muitos exemplos de como as máquinas aumentam a produtividade do trabalho, executando tarefas que complementam as humanas. Estes são cálculos de grande escala subjacentes ao funcionamento de todas as esfera s-dos mercados financeiros modernos para a logística e a transmissão de imagens de alta precisão a longas distâncias no piscar de olhos e classificações de matrizes de informações para extrair o elementos necessários.
O novo na era atual está no fato de que os computadores agora podem fazer mais do que apenas executar linhas de código escritas por um programador. Os computadores são capazes de aprender sobre os dados e agora podem interagir, tirar conclusões e intervir na solução de problemas reais lado a lado com uma pessoa. Em vez de considerar esse avanço como uma oportunidade de transformar carros em versões de silício de pessoas, devemos nos concentrar em como os computadores podem usar dados e aprendizado de máquina para criar novos tipos de mercados, novos serviços e novas maneiras de combinação economicamente lucrativa de pessoas entre si .
