전에 나는 인공 지능의 빠른 도착, 장기 연체 미래의 초기 엿볼을 잡으려고, 요크 타운 하이츠, 뉴욕에있는 IBM의 연구소의 실번 캠퍼스에 여행을했다. 이것은 왓슨, 정복 전자 천재의 가정이었다 퍼디을! 2011 년에 원래 왓슨은 여기-여전히 10 똑바로, 냉장고 모양의 기계는 4 개의 벽을 형성하는, 침실의 크기입니다. 작은 내부 공동 기술자가 기계 '뒤에 전선 및 케이블의 혼란에 액세스 할 수 있습니다. 클러스터가 살아있는 것처럼 그것은 내부 놀라 울 정도로 덥습니다.
오늘의 왓슨은 매우 다르다. 그것은 더 이상 전적으로 캐비닛의 벽 내에 존재하지 않지만 한 번에 AI의 수백 "인스턴스"를 실행 개방형 표준 서버의 구름을 통해 전염됩니다. 흐린 모든 것들과 마찬가지로, 왓슨은 어디서든 자신의 휴대폰, 데스크톱, 또는 자신의 데이터 서버를 사용하여 액세스 할 수있는 세계에서 동시에 고객에게 제공됩니다. AI의이 종류는 스케일 업 또는 다운 필요에 따라 할 수있다. 사람들이 그것을 사용으로 AI가 향상되기 때문에, 왓슨은 항상 똑똑지고; 그것은 하나의 인스턴스에서 학습 아무것도 즉시 다른 사람에게 전달 될 수있다. 그리고 대신에 하나의 프로그램은 서로 다른 위치-모든 영리 정보의 통합 스트림으로 통합에, 다른 칩에, 다른 코드에서 작동 할 수 다양한 소프트웨어 엔진-의 논리 추론 엔진과 언어 구문 분석 엔진의 집합입니다.
소비자 활용할 수 항상-에 직접뿐만 아니라,이 AI 구름의 힘을 이용 타사 앱을 통해 정보. 밝은 마음의 많은 부모처럼, IBM은 개발중인 앱 중 하나가 의료 진단 도구입니다 놀랄 일이 아니다, 그래서 의료 경력을 추구하는 왓슨을 부탁합니다. 이전 시도의 대부분은 진단 AI를 만드는 것은 한심한 실패하고,하지만 왓슨은 정말 작동했다. 일반 영어, 나는 그것을 한번 인도에서 계약 질환의 증상을 줄 때, 그것은 적어도 가능성에 가장에서 위, 나에게 직감의 목록을 제공합니다. 원인은,이 선언된다 Giardia- 정답을. 이 전문은 직접 환자는 아직 제공되지 않습니다; IBM은 그들이 의사와 병원을 가입하는 사용자 친화적 인 인터페이스를 개발할 수 있도록, 파트너 왓슨의 정보에 대한 액세스를 제공합니다. "나는 왓슨과 같은 일이 곧있을 것으로 예상 세계 최고의 진단-여부를 기계 인간은,"앨런 그린, Scanadu,에 의해 영감을 진단 장치 구축하는 시작의 최고 의료 책임자 말한다 스타 트랙 구름에 의해 의료 트라이 코더 및 전원은 일체 포함. "속도에 AI 기술은 아이가 태어난 오늘은 거의가 성인이되는 시간을 기준으로 진단을받을 의사를 볼 필요가 없습니다 개선된다."
활성 성분 개발, 우리가 할 수있는 방법 엔지니어해야 할 수도 있습니다 의식을 방지 그들을-우리의 가장 프리미엄 AI 서비스는 의식이없는라고 광고한다.
의학은 시작에 불과합니다. 모든 주요 클라우드 업체, 플러스 신생 수십은 왓슨과 같은인지 적 서비스를 시작하는 미친 러시에 있습니다. 혼자 2009 년 작년 이상의 $ (2) 억 AI와 같은 기술 (322) 회사에 투자 된 이후 정량적 분석 회사 파운드에 따르면, AI는 투자 이상의 $ (17) 억 받고있다. 페이스 북과 구글은 사내 AI 연구 팀에 참여 연구자를 모집하고있다. 야후, 인텔, 드롭 박스, 링크드 인, 클립, 그리고 트위터는 지난해 이후의 모든 구입 AI 회사가 있습니다. 인공 지능 분야에 대한 민간 투자는 지난 4 년 동안 평균 연간 지속될 전망이다 비율을 62 퍼센트 확대하고있다.
이 모든 활동 속에서, 우리의 AI 미래의 그림은보기에오고, 그것은 superintelligence의 카리스마 (아직 잠재적 살인) 인간과 의식 또는 Singularitan 휴거에 의해 애니메이션 HAL을 9000-이산 기계가 아닙니다. 수평선에 AI는 아마존 웹 서비스 싼이, 신뢰성, 산업 등급 디지털 멋이 모든 것을 뒤에 실행하고, 전원이 깜박 경우를 제외하고는 거의 눈에 보이지 않는 더 많은 것 같습니다. 이 공통 유틸리티는 당신이 원하는대로 당신에게 많은 IQ를 제공하지 않지만 당신이 필요로하는 것보다 더 이상 것입니다. 모든 유틸리티와 마찬가지로, AI는 인터넷, 세계 경제, 문명을 변환하면서도, 굉장히 재미있을 것입니다. 그것은 전기가 세기 전에보다 더 한만큼, 불활성 개체 활기를 띠게됩니다. 우리는 이전에 우리가 지금 cognitize 것이다 전기 다. 사람들이 종으로 집합 (우리의 인식 속도, 우리의 기억을 심화)와 같은 새로운 실용적인 AI는 개별적으로 우리를 증대 할 것이다. 몇 가지 여분의 IQ와 함께 주입하여, 새로운 다른, 또는 흥미 할 수 없습니다 우리가 생각할 수있는 것은 거의 없다. 사실, 다음 10,000 신생 기업의 사업 계획은 예측에 쉽게 : AI를 X를 가지고 추가 . 이것은 큰 문제이며, 지금은 여기입니다.
ff_ai4_f오버레이 갤러리를 열고 클릭
크레이그 & 칼
2002 년의 주위에 나는 에 대한 작은 파티에 참석 구글 전에에만 검색에 초점을 맞춘 자사의 IPO,. 나는 2011 년 "래리에 회사의 CEO가 된 래리 페이지, 구글의 화려한 공동 설립자와 대화를 강타, 나는 아직도 그것을 얻을하지 않습니다. 너무 많은 검색 회사가있다. 무료 웹 검색,? 어디 그는 "내 상상력이 실명이, 예측, 특히 미래에 대해, 어려운 것이 확실한 증거입니까? 당신을 얻을하지만 구글이 긴 YouTube 또는 다른 어떤 전에, 실질 소득을 생성하기 위해 광고 경매 방식을 램프 업도 전에 내 방어이이었다 않습니다 주요 인수. 나는 그것이 오래 지속되지 것이라고 생각 자사의 검색 사이트의 유일한 열렬한 사용자 아니었다. 그러나 페이지의 응답은 항상 저를 고집했습니다. "오, 우리가 정말 AI를 만들고있어"
구글은 14 AI와 로봇 회사를 구입 한 것처럼 나는 지난 몇 년 동안 그 대화에 대해 많이 생각했습니다. 검색 매출의 80 %를 기여하기 때문에 언뜻보기에, 당신은 구글의 검색 기능을 개선하기 위해 AI 포트폴리오를 강화하고 있다고 생각 할 수도 있습니다. 하지만 그 뒤로 생각합니다. 오히려 사용 AI보다 구글이 더 잘 AI를 만들기 위해 검색을 사용하고, 그 검색을 더 확인합니다. 사용자가 검색어를 입력 할 때마다 검색에서 생성 된 링크를 클릭하거나, 당신이 구글 AI를 훈련하는 웹 링크를 만들 수 있습니다. 당신은 이미지 검색 창에 "부활절 토끼"를 입력 한 다음 가장 부활절 토끼 보이는 이미지를 클릭하면 부활절 토끼의 모습 인공 지능을 가르치고있다. 구글의 12 억 수색자가 깊은 학습 AI해서 또 다시 매일 과외를 실시 121 억 쿼리의 각. 그 AI 알고리즘에 대한 지속적인 개선의 또 다른 십년 플러스로 더 많은 데이터를 100 배 더 많은 컴퓨팅 자원을 천 배, 구글은 타의 추종을 불허 AI있을 것이다. 내 예측 : 2024으로 구글의 주요 제품은 검색하지만 AI되지 않습니다.
의심 할 전적으로 적합한 점이다. 약 60 년 동안, AI 연구자들은 AI를 잘 임박 것으로 예측했다, 아직 몇 년 전까지는 어느 때보 다 미래로 붙어 보였다. 인공 지능 겨울이 빈약 한 결과의 시대에 더욱 빈약 연구 자금을 설명하기 위해 만들어 낸 심지어 용어가 있었다. 아무것도 정말 변경 했습니까?
예. 세 가지 최근의 혁신은 인공 지능의 대망의 도착 말았습니다 :
1. 저렴한 병렬 계산
생각을 동시에 발사 뉴런 수십억 대뇌 피질의 계산의 동기 파도를 만드는, 본질적으로 병렬 프로세스입니다. 인공 지능의 신경 네트워크의 기본 아키텍처를 구축하기 위해 소프트웨어를-동시에 일어나는 여러 가지 프로세스가 필요합니다. 신경 네트워크의 각 노드는 느슨하게 뇌 상호는 수신 신호의 의미를 만들기 위해 이웃과 상호 작용의 신경 세포를 모방. 말해진 단어를 인식하기 위해, 프로그램은 서로 관련된 모든 음소를들을 수 있어야한다; 이미지를 식별하기 위해, 그것이-모두 깊이 병렬 작업 주위 화소의 상황에있는 모든 화소를 참조 할 필요가있다. 최근까지, 전형적인 컴퓨터 프로세서는 한 번에 한 가지 핑 할 수있다.
즉, 그래픽 처리 장치 또는 GPU 불리는 칩의 새로운 종류가 비디오 게임의 강렬한 비주얼과 평행 요구 고안 하였다 나타나면, 픽셀 수백만 많은 계산되어야했다 십년 전에,보다 변화하기 시작 회 초. 즉, PC 마더 보드에 보충으로 추가 된 전문 병렬 컴퓨팅 칩을 요구했다. 병렬 그래픽 칩은 일, 게임은 치솟았다. 그들은 훨씬 저렴 된 것은 2005 년의 GPU는 같은 양으로 생산되고 있었다. 2009 년 앤드류 응하고 스탠포드 팀은 GPU 칩을 병렬 신경망을 실행할 수 있다는 것을 깨달았다.
그 발견은 노드 사이의 연결 수억을 포함 할 수있다 신경 네트워크에 대한 새로운 가능성을 잠금 해제. 몇 주 필요한 전통적인 프로세서는 100 백만 매개 변수 신경망의 모든 계단식 가능성을 계산합니다. 첸의 GPU 클러스터가 하루에 같은 일을 수행 할 수 있다는 것을 발견했다. GPU에서 실행 오늘 신경망은 일상적으로는 50 만 가입자를위한 신뢰할 수있는 권장 사항을 만들기 위해, 넷플릭스의 경우, 사진에 친구를 식별하거나 페이스 북과 같은 클라우드 기반 기업에 의해 사용됩니다.
2. 빅 데이터
모든 정보는 가르쳐해야합니다. 유전자 물건을 분류 할 준비가 끝났다 된 인간의 뇌는 여전히 고양이와 개를 구별하기 전에 다스의 예를 참조 할 필요가있다. 즉, 더 많은 사실 인공 마음을위한입니다. 심지어 가장 프로그램 된 컴퓨터는 적절지기 전에 체스 적어도 천 게임을 갖는다. 인공 지능 돌파구의 일부는 활성 성분이 필요로하는 교육을 제공하는 우리의 세계에 대한 수집 된 데이터의 놀라운 사태에있다. 대규모 데이터베이스, 자동 추적, 웹 쿠키, 온라인 발자국, 스토리지 테라 바이트, 검색 결과, 위키 백과 수십 년, 전체 디지털 우주는 AI가 스마트 만드는 교사가되었다.
3. 더 나은 알고리즘
디지털 신경망은 1950 년대에 발명되었지만, 컴퓨터 과학자는 백만 또는 1 억 뉴런 사이의 천문학적으로 큰 조합 관계를 길들하는 방법을 배울하는 것은 수십 년이 걸렸다. 열쇠는 적층에 신경망을 구성하는 것이 었습니다. 얼굴은 얼굴임을 인식하는 비교적 간단한 작업을 가져 가라. 신경망 비트의 그룹에 대해, 눈의 패턴 이미지를 트리거 발견되면 인스턴스 그 결과는 또한 파싱을위한 신경망 다른 수준으로 이동된다. 다음 레벨 힘의 두 눈이 함께 그룹과는 코의 패턴과 연관 계층 구조의 다른 수준에 그 의미 덩어리를 전달합니다. 그것은 인간의 얼굴을 인식하는 많은 이들 노드의 수백만 높은 15 레벨까지 누적 (주위 다른 사람을 먹이 계산을 생산하는 각)를 취할 수 있습니다. 2006 년, 제프 힌튼 후 토론토 대학에서, 그는 불리는이 방법에 키 팅겨했다 "깊은 학습."는 위로 진행으로 학습이 빠르게 축적 수 있도록 그는 수학적으로 각 층에서 결과를 최적화 할 수 있었다 레이어의 스택. 그들은 GPU를 이식했을 때 깊은 학습 알고리즘은 엄청나게 몇 년 후 가속. 단독 깊은 학습 코드 복잡한 논리 사고를 생성하기에 충분하지만, 이는 IBM 왓슨, 구글 검색 엔진 및 한국어의 알고리즘을 포함한 현재의 모든 활성 성분의 필수 성분이다.
병렬 계산, 더 큰 데이터, 깊은 알고리즘이 완벽 폭풍 AI의 60 년 -에 - 더 - 제작 하룻밤 성공을 생성합니다. 그리고이 융합 제안 이들 기술 동향을 계속-그들이 이뤄져-AI가 개선 계속됩니다 생각하는 이유가 없습니다만큼.
그와 마찬가지로,이 클라우드 기반의 AI는 우리의 일상 생활의 점점 더 깊이 배어 든 부분이 될 것입니다. 그러나 가격에 올 것이다. 클라우드 컴퓨팅은 종종 네트워크의 증가 값이 더 빨리 더 크게 성장함 것을 보유하는 네트워크 효과를 불러 체증의 법칙을 따르는. 네트워크 더 큰, 더 매력적인 그것이 그렇게에 더 큰, 그래서 더 매력적인, 그리고 만드는, 새로운 사용자에게 있습니다. AI를 제공 구름은 동일한 법을 준수합니다. 인공 지능을 사용하는 많은 사람들은 똑똑 그것은 가져옵니다. 그것이 가져옵니다 스마트, 더 많은 사람들이 그것을 사용할 수 있습니다. 그것을 사용하는 많은 사람들은 똑똑 그것은 가져옵니다. 기업이 선순환을 입력하면, 그것은 어떤 신출내기 경쟁사를 압도하는 것이, 너무 빨리, 너무 큰 성장하는 경향이있다. 그 결과, 우리의 AI의 미래는 두 개 또는 세 개의 대형 범용 클라우드 기반 상업 지능의 과두 정치에 의해 지배 될 가능성이 높습니다.
AI 모든 지역
지난 5 년 동안 저렴한 컴퓨팅, 새로운 알고리즘 및 데이터의 산들은 이전에 공상 과학 및 학술 백서의 영역이었던 새로운 AI 기반 서비스를 사용할 수있다. 로버트 맥밀런
ff_aisidebar_f오버레이 갤러리를 열고 클릭
ALEMY
자가 운전 자동차 | 구글 색인에 전체 인터넷 노력의 초기 목표에서에 이동했습니다. 지금은 자기 차를 운전을 완성하기 위해 노력의 인덱스 현실 부분에 원한다. 차량은 물론 아웃 특정 경로, 구글 드라이버의 범위를 탐색하고 가장 정확한지도는 상상할 제작하기 전에. 자율적 인 자동차는 단순히 무엇을 기대해야하는지 알고 그 방법은 일반에서 아무것도 발견 할 수 지붕에 장착 된 레이저, 카메라, 레이더 시스템과 환경을 스캔 할 수 있습니다. 즉, 세계의 리얼 타임 맵을 구축보다 해결하기 훨씬 쉬운 문제이다.
ff_aisidebar3_f오버레이 갤러리를 열고 클릭
아리엘 ZAMBELICH
바디 추적기 | 게임 컨트롤러에 인간의 몸을 켜려면, 마이크로 소프트의 X 박스 키 넥트 작업 연구진은 새로운 기계 학습 기술을 배포했다. 먼저, 장치의 적외선 방출기 및 센서는 플레이어의 프레임의 3-D 이미지를 생성 및 각 부분 - 어깨, 발, 손을 분석한다. 그런 다음 방법이라고 결정 숲을 사용하여, 키 넥트의 AI 시스템은 신체의 대부분 다음 위치를 추측. 결과는 X 박스의 메모리를 압도하지 않고, 실시간으로 움직임을 읽어내는 시스템이다.
ff_aisidebar2_f오버레이 갤러리를 열고 클릭
게티 이미지
개인 사진 기록 보관 | 매트 ZEILER은 쉽게 당신이 전화 번호를 조회로 스냅 샷을 찾을 수 있기를 원한다. 그의 시작, Clarifai는 인덱스 휴대 전화에 사진을 새로운 검색 기술을 개발하고있다. 구식 이미지 검색 색 및 선을 찾습니다 동안, Clarifai의 인공 지능 소프트웨어는 더 많은 사진을 공부로 모서리와 평행 한 선이 다음 바퀴 또는 자동차와 같은 높은 수준의 개념을 마스터 할 수 이해한다.
유니버설 번역기 | 올해 말까지 베타 데뷔 것 스카이프 번역기는 사람이 다른 사람과 자연스럽게 대화 할 수 있도록 실시간으로 음성을 변환합니다. 이 단어의 특정 뒤범벅 번역하는 방법을 추측에서 뛰어난 될 때까지 AI 소프트웨어는 번역 된 문장의 수백만을 검사합니다. 이 방법의 정교한 이해 음성을 형성하는 결합 사운드 달성 할 때까지 음성 인식을 위해, 그들을 분석하여 발성 단어의 샘플을 분해.
ff_aisidebar4_f 스마트 뉴스 피드 | 페이스 북은 지난해 AI 실험실을 설정, 세계 최고의 깊은 학습 전문가, 얀 LeCun 중 하나를 고용했다. 그는 당신이 당신이 볼-같이하는 그룹 스냅 샷의 친구 할 것입니다 재미 또는 사진을 찾을 수 있습니다, 말, 바이러스 성 비디오를 식별 그것을보다 효율적으로 만들기 위해 소셜 네트워크의 음성 및 영상 인식 소프트웨어를 개선하는 임무입니다.
1997 년 왓슨의 전구체, IBM의 딥 블루는 유명한 사람 - 대 - 기계 매치에서 일등 체스 그랜드 마스터 가리 카스파로프를 이겼다. 기계보다 몇 경기에서 자신의 승리를 반복 한 후, 같은 대회에서 크게 손실 관심을 인간. 당신은 (인간의 역사의 끝이 아니라 경우) 그 이야기의 끝이라고 생각 할 수 있지만 카스파로프는 그가 이전의 모든 체스 이동의 대규모 데이터베이스에 동일 즉시 액세스 할 수 있었다 더라면 그는 딥 블루에 대해 더 잘 수행 한 수 있음을 깨달았 그 딥 블루가 있었다. 이 데이터베이스 도구는 AI에 대한 공정이라면, 왜 인간 하시나요? 이 아이디어를 추구하기 위해 카스파로프는 AI가 인간의 체스 플레이어를 증대보다는에 대해 경쟁하는 사람 플러스 - 기계 일치의 개념을 개척했다.
지금이라고 자유형 체스 경기는,이 선수들이 원하는대로 전투 기술을 사용하여 혼합 무술 싸움 같다. 당신은 당신의 도움없이 인간 자체로 재생할 수 있습니다, 또는 당신은 단지 이사회 조각을 이동하여 supersmart 체스 컴퓨터의 손 역할을 할 수 있습니다, 또는 당신은 카스파로프는 주장 인간 / AI 싸이입니다 "명기"로 재생할 수 있습니다. 센토 플레이어는 AI에 의해 속삭 움직임을 청취하지만 때때로 우리는 우리의 자동차에 GPS 네비게이션을 사용하는 방법들을-더 우선합니다. 2014 년 선수권 대회 자유형 전투에서 플레이어의 모든 모드에 열려, 순수 체스 AI 엔진은 42 게임을 원하지만, 켄타우로스는 53 게임을했다. 오늘 최고의 체스 선수는 살아 명기입니다 Intagrand, 인간과 몇 가지 다른 체스 프로그램의 팀.
그러나 여기에 더욱 놀라운 부분 : AI의 출현은 순전히 인간의 체스 플레이어의 성능을 감소하지 않았다. 정반대. 저렴한, supersmart 체스 프로그램은 그 어느 때보 다 경기 대회에서 체스를 그 어느 때보 다 더 많은 사람들에게 영감을, 선수들은 그 어느 때보 다 더 좋아졌다. 딥 블루가 처음 카스파로프를 이길 때 거기로 지금보다 두 배 많은 그랜드 마스터보다 더 있습니다. 맨 위 인간 체스 선수 오늘, 망 누스 칼센은 활성 성분과 함께 훈련하고 모든 인간의 체스 플레이어의 대부분의 컴퓨터와 같은 것으로 간주되고있다. 그는 또한 모든 시간의 가장 높은 인간의 그랜드 마스터 등급을 보유하고 있습니다.
AI는 인간이 더 나은 체스 선수가 될 수 있도록 할 수 있다면, 그것은 우리가 더 나은 조종사, 더 나은 의사, 더 나은 심사 위원, 더 나은 교사가 될 수 있도록 수 있음을 추론하기 위하여 서있다. AI에 의해 완성 상업 작업의 대부분은 특수 목적에 의해 수행되며, 좁게, 예를 들어, 다른 언어로 모든 언어를 번역,하지만 조금 다른 할 수있는 소프트웨어 두뇌를 집중했다. 자동차를 운전하지만 대화하지. 또는 YouTube에서 모든 동영상의 모든 픽셀을 기억하지만 작업 루틴을 예상하지. 향후 10 년 동안, 당신은 직접 또는 간접적으로 상호 작용하는 인공 지능의 99 %가 nerdily 자폐증, supersmart 전문가가 될 것입니다.
사실, 이것은 정말 우리가 생각 왔어요 적어도으로, 정보되지 않습니다. 사실, 정보가 될 수있는 책임, 특히 우리 고유의 자기 인식을 의미하는 "정보"에 의한 경우, 자기 반성과 자기 의식의 혼란 전류의 모든 난리 루프. 우리는 우리 스스로 운전하는 자동차가 비인간적되지는 차고 있었다 인수를 통해 집착, 도로에 초점을하려고합니다. 우리 병원에서 합성 박사 왓슨, 그 일에 광란 수 결코 대신 영어를 전공 한 것인지 여부를 궁금 없습니다. 활성 성분 개발, 우리는 할 수있는 방법 엔지니어해야 할 수도 있습니다 방지 그들 및 우리의 가장 프리미엄 AI 서비스에 의식을 가능성이로 광고한다 의식 무료 .
ff_ai3_f오버레이 갤러리를 열고 클릭
크레이그 & 칼
우리가 지능 대신 원하는 것은 인공입니다 멋 . 일반적으로 지능과는 달리, 멋은 특정 측정 초점을 맞추고 있습니다. 또한 인간의 인식과는 완전히 다른 방식으로 생각할 수 있습니다. 이 인간이 아닌 생각의 귀여운 예는 올해 3 월에 텍사스 주 오스틴에서 남서부 축제로 남부에서 수행 된 멋진 스턴트입니다. IBM 연구진은 화합물 즐거운 맛을 만드는 것에 요리 온라인 조리법, USDA 영양 사실을 포함하는 데이터베이스 및 맛을 연구 왓슨을 입혔다. 이 데이터 더미에서 왓슨은 기존의 요리에서 새로운 맛의 프로필을 기반으로 요리와 패턴을 꿈, 그리고 기꺼이 인간의 요리사를 요리했다. 왓슨의 마음에서 생성 한 군중 좋아하는 물고기와 세비체를 사용하여 칩과 튀김 질경이의 맛있는 버전이었다. 태국 / 스위스 아스파라거스 치즈 : 요크 타운 하이츠에있는 IBM 연구소에서 점심 식사를 위해 나는 하나 다른 맛 왓슨 발명을 slurped. 나쁘지 않다! 이 중 하나는 이제까지 인간에게 발생했을 가능성이다.
인간이 아닌 정보는 기능의 버그가 아닙니다. 활성 성분의 최고 미덕은 될 것이다 외국인 지능. 인공 지능은 우리가 다른 음식에 대해 생각 할 수있는 요리사는 다르게 음식에 대해 생각합니다. 또는 다른 재료의 제조에 대해 생각합니다. 아니면 옷. 또는 파생 금융 상품. 아니면 과학과 예술의 지점. 인공 지능의 alienness는 속도 나 전력보다 우리에게 더 가치가 될 것입니다.
이처럼, 그것은 우리가 더 나은 우리가 처음에 정보가 무엇을 의미하는지 이해하는 데 도움이됩니다. 과거에는, 우리는 단지 superintelligent AI가 자동차를 운전, 또는에서 인간을 이길 수 있다고했을 퍼디! 또는 체스. AI는 그 일을 각각 한 번, 우리는 분명 기계 및 사실 정보의 레이블 거의 가치가 그 업적을 고려했다. AI의 모든 성공을 재정의합니다.
그러나 우리는 그냥된다는 것이 무엇을 의미하는지 재정의하고 우리가 AI-우승자를 발표합니다 무슨 뜻인지 다시 정의하지 않은 사람 . 지난 60 년 동안, 우리가 생각 기계적 프로세스가 복제 된 것 같이 행동과 재능이 인간에게 고유 한 있었다, 우리는 떨어져 우리를 설정하는 것에 대해 우리의 마음을 변경 했어. 우리는 AI의 더 많은 종을 발명, 우리는 인간에 대한 가정 고유 것을 더 항복을 강요 당할 것이다. 우리는 아마도 다음 세기에 영구적 인 정체성의 위기, 끊임없이 인간을 위해 무엇인지 자신을 요청, 다음 십 년간-참으로 보낼 수 있습니다. 모두의 웅대 한 아이러니에서, 일상의 가장 큰 장점은, 실용 AI는 생산성이나 풍요의 경제 나 모든 일이 일어날 과학 있지만 일을하는 새로운 방법을 증가되지 않습니다. 인공 지능의 도착의 가장 큰 장점은 활성 성분이 인류를 정의하는 데 도움 것입니다. 우리는 우리가 누구인지 우리에게 얘기를 활성 성분이 필요합니다.