Wanneer iemand zichzelf wil presenteren als een industrie-expert, is een geloofwaardige benadering om een lichtend beeld te schetsen van toekomstige technologie en wat mensen kunnen verwachten van hoopvolle visies op wat komen gaat. Een potentieel dat me lang dwarszit, is de huidige algemene perceptie van kunstmatige-intelligentietechnologie.
Er zijn een paar sleutelconcepten die niet vaak aan bod komen in de algemene discussie over het maken van machines die denken en handelen zoals wij. Ten eerste is het probleem met kunstmatige intelligentie dat het kunstmatig is. Proberen om machines te maken die werken als het menselijk brein en zijn speciale creatieve eigenschappen heeft me altijd nutteloos geleken. We hebben al mensen om dat allemaal te doen. Als we erin slagen een systeem te genereren dat net zo goed in staat is als het menselijk brein om problemen te creëren en op te lossen, zal zo’n prestatie ook tot dezelfde beperkingen leiden.
Het heeft geen zin om een kunstmatige levensvorm te creëren die ons kan overtreffen om de waarde van de mensheid verder te verlagen. Het maken van machines om de wonderen van het menselijk denken te versterken en aan te vullen, heeft veel aantrekkelijke voordelen. Een belangrijk pluspunt van het bouwen van kunstmatig intelligente systemen is het voordeel van het leerproces. Net als mensen moeten machines worden geleerd wat we willen dat ze leren, maar in tegenstelling tot ons kunnen de methoden die worden gebruikt om machine-instructies in te drukken in één keer worden uitgevoerd.
Onze hersenen stellen ons in staat om selectief informatie weg te spoelen die we niet willen behouden, en zijn afgestemd op een leerproces dat gebaseerd is op herhaling om een langetermijngeheugen in te prenten. Machines kunnen niet “vergeten” wat ze geleerd hebben, tenzij ze beschadigd zijn, hun geheugencapaciteit bereiken of ze specifiek de opdracht krijgen om de informatie te wissen die ze moeten bewaren. Dit maakt machines uitstekende kandidaten voor het uitvoeren van alle vervelende repetitieve taken en het opslaan van alle informatie die we onszelf niet willen belasten met absorberen. Met een beetje creativiteit kunnen computers worden aangepast om op mensen te reageren op een manier die prettiger is voor de menselijke ervaring, zonder dat de processen die deze ervaring vormen daadwerkelijk hoeven te repliceren. We kunnen machines nu al leren beleefde antwoorden te geven, nuttige hints te geven en ons door leerprocessen te leiden die de fijne kneepjes van menselijke interactie nabootsen, zonder dat machines de nuances van wat ze doen echt moeten begrijpen. Machines kunnen deze acties herhalen omdat een persoon ze heeft geprogrammeerd om de instructies uit te voeren die deze resultaten bieden. Als iemand de tijd wil nemen om aspecten van het presenteren van zijn eigen persoonlijkheid in een opeenvolging van mechanische instructies in te voeren, kunnen computers deze processen getrouw herhalen wanneer daarom wordt gevraagd.
In de huidige markt doen de meeste softwareontwikkelaars niet meer om de extra inspanning die nodig is om hun applicaties beleefder en conservatiever te laten lijken voor de eindgebruikers. Als de commerciële aantrekkingskracht om dit te doen duidelijker zou zijn, zouden meer softwareleveranciers zich haasten om op deze kar te springen. Omdat het consumerende publiek zo weinig begrijpt over hoe computers echt werken, lijken veel mensen nerveus te zijn over machines die een persoonlijkheid uitstralen die te menselijk is in de smaak van hun interactie met mensen. Een computerpersoonlijkheid is slechts zo goed als de creativiteit van de maker, wat best vermakelijk kan zijn. Om deze reden, als computers met persoonlijkheid terrein willen winnen in hun aantrekkingskracht, zou een vriendelijker systeemontwerp een samenwerking met eindgebruikers zelf moeten omvatten bij het bouwen en begrijpen van hoe deze kunstmatige persoonlijkheid wordt geconstrueerd. Wanneer een nieuwe richting nodig is, kan een persoon die informatie in het proces opnemen en leert de machine dit nieuwe aspect ook.
Mensen kunnen een computer leren hoe hij alle onvoorziene omstandigheden kan dekken die zich voordoen bij het bereiken van een bepaald doel voor het beheren van informatie. We hoeven onszelf niet uit de weg te ruimen bij het trainen van computers om met mensen te werken. Het doel om de hoogste vorm van kunstmatige intelligentie, zelflerende computers, te bereiken, weerspiegelt ook de hoogste vorm van menselijke luiheid. Mijn doel bij het ontwerpen is om een systeem tot stand te brengen dat de dingen doet die ik wil dat het doet, zonder te hoeven onderhandelen over wat het systeem in plaats daarvan wil doen. Deze aanpak is al gemakkelijker te bereiken dan de meeste mensen denken, maar vereist dat de interesse van de consument groter wordt.
