Nogle mener, at spredningen af kunstig intelligens og robotteknologi truer vores personlige liv, vores arbejde og selv vores sikkerhed. Flere og flere opgaver, skal du gå til gennemførelsen af hjernen, der er baseret på silicium. Men selv den kraftigste kritikere ikke kan anerkende de åbenlyse fordele, at AI og automatiserede systemer forberedt for menneskeheden. Inden for rammerne af projektets store Udfordringer BBC bragte eksperter, der præsenterede deres vision for fremtiden, i overværelse af maskiner og kunstig intelligens.
“Vi er nødt til at overveje, AI, ikke som noget, der konkurrerer med os, men som noget, der kan styrke vores egne evner,” siger Takeo Canada, Professor i robotteknologi på Carnegie — Mellon. Fordi AI har en tolerance over for kedsomhed, og kan identificere mønstre, meget bedre og hurtigere end mennesker. Automatisering er allerede begyndt at udredningen af de mest komplekse problemer i vores verden, fra sygdomme til vold.
Og det kan gøre vores liv sikrere i det 21 århundrede.
Kampen med smitsomme sygdomme
For milliarder af mennesker rundt omkring i verden summende myg i nærheden af øret, kan betyde meget mere end irriterende stikke det kan være en forløber for sygdom og endda død. En art, Aedes aegypti, især bredt sig fra Afrika til næsten alle tropiske og subtropiske områder, regnskabsmæssige Dengue-feber, gul feber, zika og chikungunya (den virus, der forårsager lammende smerter i leddene). Kun én Dengue inficerer 390 millioner mennesker i 128 lande hvert år.
“Denne myg er en lille dæmon,” siger Rainier Mallol, en computer-ingeniør fra den Dominikanske Republik, hotspot distribution Zeke. Sammen med Desi Raja, en læge fra Malaysia (andet land risiko for at pådrage sig virus), parret har udviklet AI algoritmer til at forudsige, hvor det er mere sandsynligt at forekomme i en flash.
En Forudanelse af Microsoft Project bruger ubemandede at søge efter patogener i hot spots distribution Zeke
Deres kunstige intelligens i medicinsk epidemiologii (Aime) er et system, der integrerer tid og sted for hvert nyt tilfælde af Dengue i de lokale hospitaler med 274 andre variable faktorer såsom vind, fugtighed, temperatur, befolkningstæthed, type af boliger. “Det er alle de faktorer, der bestemmer den spredes af myg,” forklarer Malla.
Forsøg i Malaysia og Brasilien har vist, at de kan forudsige udbrud med en nøjagtighed på omkring 88% i tre måneder. Systemet hjælper også med til at bestemme, epicentret for udbruddet med en nøjagtighed på op til 400 meter, så de lokale læger tid til at gribe ind med insekticider og beskyttelse mod bid for lokalbefolkningen.
Aime er også ved at blive udviklet til at forudsige udbrud af zika og chikungunya. Et stort teknologi-firma på egen hånd til at udvikle denne idé: for eksempel, en Forudanelse af Microsoft Project bruger Autonome droner til at identificere nidus af myg, bruger kuldioxid og lys fælder til at fange disse insekter. DNA af myg og dyr, at de bider, og derefter analyseret af maskinen algoritmer til at opdage mønstre i store mængder af data bedre og bedre for hver gang og finde agenter.
Combat arms
I løbet af de seneste år i USA dræbt 15.000 mennesker på grund af skyderiet. Dette land har det højeste niveau, der er forbundet med brug af vold i hele den udviklede verden. For at løse problemet med vilkårlige optagelse og pistol-relaterede forbrydelser, i nogle byer henvender sig til teknologi til hjælp.
Automatiseret system, som hører skud gennem en række sensorer, der kan bruges til at bestemme, hvor skud blev affyret, og meddele, at sikkerhed myndigheder inden for 45 sekunder, efter det blev lanceret på aftrækkeren. ShotSpotter bruger akustiske sensorer 15-20 per kvadratkilometer til at opdage en karakteristisk “bomuld” af skud, der bestemmer hans fødested er nøjagtig ned til 25 meter.
Machine learning teknologi bruges til at bekræfte, at lyden var et skud, og tælle antallet af billeder, der viser, vil der være politi til at beskæftige sig med en lone gunman eller flere kriminelle, og de bruger maskiner eller ikke.
Allerede i 90 byer, mest i USA, men også i det Sydlige Afrika og Sydamerika – bruger ShotSpotter. Små systemer har også været indsat i ni universiteter i Usa som reaktion på den seneste optagelse på campus.
Ralph Clark, ShotSpotter ‘ s Administrerende Direktør, mener, at i fremtiden dette system kan bruges, ikke kun for incident response.
“Vi ønsker at forstå, hvordan vores data kan bruges til intelligent evne til politiet,” siger han. “Machine learning kan være kombineret med vejr -, trafik-og andre til mere præcist at oplyse politiet patruljer”.
Kampen mod sult
Omkring 800 millioner mennesker verden over er afhængige af rødderne af cassava (maniok) som den vigtigste kilde til kulhydrater. Dette stivelsesholdige grøntsager svarende til yams, jeg spiser som en kartoffel, og det kan også knuses til mel til fremstilling af brød og kager. Det kan vokse, hvor andre kan ikke kultur, der gjorde cassava det sjette-største fødevare-anlæg i verden. Men denne træagtige busk også sårbare over for sygdomme og skadedyr, som kan føre til ødelæggelse af hele områder af grøntsager.
Forskere fra Makerere University i Kampala, Uganda, allieret sig med eksperter i plantesygdomme at udvikle et automatiseret system, der tager sigte på bekæmpelse af sygdomme i kassava. Projektet Mcrops giver de lokale landmænd til at tage billeder af dine planter til billige telefoner og bruge computer vision til at identificere kendetegnene for de fire vigtigste sygdomme, der fører til ødelæggelse af de afgrøder, er kassava.
“Nogle af disse sygdomme er særdeles vanskelig at opdage, og de kræver forskellige handlinger,” forklarer Ernest Mwebaze, forsker i computer teknologi, der er leder af projektet. “Vi giver landmænd lomme ekspert, så de ved, for at bestøve afgrøder eller ødelægge det, og plante noget andet.”
Dette system vil diagnosticere sygdomme af cassava med 88% nøjagtighed. Normalt er landmændene nødt til at kalde regeringen eksperter til at besøge gårde til dem, der er identificeret sygdomme, der tage dage og uger, før sygdommen breder sig.
Mcrops giver dig også mulighed for at uploade billeder til databasen, som derefter diagnosticeret epidemien. Mwebaze håber, at denne teknologi vil også automatisk fastlægge de problemer andre typer af planter, såsom bananer.
Kampen mod kræft og synstab
DeepMind af Google kan hjælpe læger med behandling af kræft, tak til machine learning, som vil hjælpe ham til at identificere raske områder af patientens væv
Kræft fører til, at mere end 8,8 millioner dødsfald på verdensplan, 14 millioner mennesker er diagnosticeret med en eller anden form for kræft om året. Tidlig påvisning af kræft, kan markant forbedre chancer for menneskelig overlevelse og mindske risikoen for tilbagefald. Screening er en af de vigtigste metoder til tidlig opsporing af kræft, men at forstå, scanninger og andre testresultater meget, meget hårdt og længe.
DeepMind og IBM bruger deres AI teknologi til problemet. DeepMind har allieret sig med Britiske læger af National health service på University College London for at undervise i programmet på basis af AI til at behandle kræft, der adskiller sundt væv fra tumorer ved scanning af hoved og hals. Det virker også med Moorfields Eye Hospital i London, at identificere tidlige tegn på tab af syn, når scanning øjet.
“Vores algoritmer er i stand til at fortolke visuelle informationer, mens scanning,” siger Dominic king, chief af klinikker i DeepMind Sundhed. “Systemet lærer at identificere potentielle problemer og anbefale den rette handlingsplan lægen. Det er for tidligt at udtale sig om resultater, men de er allerede meget opmuntrende.”
King siger, at de metoder, der er af AI kan hjælpe læger til at diagnosticere hurtigere, sigtning gennem scanninger og placere prioriteter på dem, der anbefales for en umiddelbar betragtning.
IBM har også for nylig meddelte, at AI Watson kan analysere image og evaluere patientjournaler, præcist at definere tumor i 96% af tilfældene. Nu systemet er under medicinske forsøg i 55 hospitaler over hele verden, hjælpe til at diagnosticere kræft i bryst -, lunge -, tyk-og endetarmskræft livmoderhalskræft -, æggestok -, mave-og prostatakræft.
Uden at slukke lyset
Midt i den tiltagende kontrovers om, hvordan kan klimaændringer medføre to katastrofale orkan af historiske proportioner i USA, som kan mest effektivt guide kunstig intelligens undersøgelse om brug af rene, vedvarende energi for at forhindre yderligere skade, som fører til klimaændringer?
Folk rundt omkring i verden i stigende grad baseres på vedvarende energi for at bekæmpe klimaændringerne og forureningen fra fossile brændstoffer, og den udfordring at afbalancere energi net med disse intermitterende kilder bliver mere og mere vanskeligt. Udbredelsen af intelligente målere og digital energy skærme, som automatisk registrerer forbruget, vil give en masse data om, hvordan og hvornår forbrugerne bruger energi. I EU alene har planer om at installere 500 millioner intelligente målere i boliger inden 2020.
“For at håndtere alle disse aktiver, er det umuligt for mennesket, fordi responstiden er ofte af flere sekunder,” siger Valentin Robu, lektor i intelligente systemer ved University of Heriot Watt i Edinburgh. Det virker med det engelske selskab Hovedet Energi, udvikling af nye måder at styre elektriske netværk.
De skaber machine learning algoritmer til at overvåge produktion og efterspørgsel efter energi i realtid. Hvad betyder det? Denne energi vil fortsætte i de rolige timer, og derefter udgivet i myldretiden, for eksempel i morgen, når alle ønsker at gøre noget kaffe. Så snart elektriske køretøjer og husholdnings-batterier bliver mere og mere almindelige, teknologi kan bruges til lagring af energi og ensartet fordeling af vedvarende energi strømme.
Rob siger også, at AI kan bruges på en endnu mere grundlæggende niveau, hvilket hjælper med at reducere vores behov for enheder, der er sluttet. For eksempel køleskabe AI kan være direkte kontrolleret for at tænde kun elektricitet, når efterspørgslen er lavest i netværket.
Som kunstig intelligens beskytter os mod kræft og overdreven grusomhed
Ilya Hel