"There is an increasing influential and bludgeoning legal literature on
how artificial intelligence (AI) systems should be treated in law. One
question that has recently been in the headlines around the world,
thanks to the Artificial Inventor Project, is whether or not an AI
system can be regarded as an inventor. The Artificial Inventor Project
is championed by Ryan Abbott, who has argued in “I Think, Therefore I
Invent: Creative Computers and the Future of Patent Law” (2016) 57
Boston College L Rev 1079 that while an AI system is not yet a legal
person, it should nevertheless be acknowledged as an inventor, with any
patent it produces being allocated to its owner. The headlines are the
result of the Project’s filing of parallel applications to patent
offices in several jurisdictions over a number of inventions generated
by an AI system named DABUS (Device for the Autonomous Boot-strapping of
Unified Sentience), invented by Dr Stephen Thaler. In our recent paper, we critique Abbott’s proposal whilst contemplating AI’s status as property or person.
Lähitulevaisuudessa kun lähestymme Singulariteettiä ja Superälyä tietokoneiden kyky tehdä luovaa työtä kasvaa. Tulevaisuudessa voi olla, että tietokoneet aivan yleisesti kehittävät itseään. Kenelle kuuluu oikeudet? Saako tietokone kehittää itseään ilman lisenssimaksuja? Vertautuuko tietokoneen itsensä kehittäminen ihmisen opiskeluun?
According OpenAI, Codex is proficient in over a dozen computer languages, but it’s particularly good at Python and, of course, everyday language. These skills in hand, Codex can digest a prompt like, “Add this image of a rocket ship,” and spit out the code necessary to embed an image (provided by the programmer) on the screen.
Tietokone oppii ohjelmoimaan itseään luonnollisen kielen avulla. Tätä on odotettu! Pikkuhiljaa tietokoneet eivät enää ole niin riippuvaisia ihmisistä koodin tuottamisessa vaan oppivat itse koodaamaan. Tästä olen jo aikaisemminkin kirjoittanut, että vapaa koodi mahdollistaa tietokoneiden oppivan miten koodata. Tässä vaiheessa tällä ei vielä ole paljoa käytännän arvoa mutta se kuitenkin osoittaa, että koneet voivat oppia ohjelmoimaan.
Todellisen koodaamisen oppimiseen menee vielä paljon aikaa, mutta tilanne paranee kaiken aikaa. Jossain vaiheessa voi tapahtua siten, että tietokoneille vain kerrotaan mitä ohjelman pitäisi saavuttaa ja se kykenee luomaan tarvittavan koodin itse. Tälläisellä koodin tuotannolla voisi olla valtavat taloudelliset vaikutukset. Kymmenien miljardien eurojen arvoiset sovellukset voitaisiin toteuttaa muutamalla hassulla eurolla. Tämä on se lupaus mitä avoin koodi todellisuudessa lupaa.
Aikakristallia (Google Time Crystal) voi ehkä käyttää kvanttitietokoneissa. Tässä vaiheessa on mahdotonta kommentoida asiaa. Todellisen kvanttitietokoneen rakentaminen mahdollistaisi mahdollisesti sellaisten tietokoneiden teon, joita ei tässä vaiheessa muuten kykenisi tekemään.
Ilmeisesti proteiinin laskostumisen on tekoäly kyennyt arvioimaan.
The baseline’s hard to get. It relies on laborious experimental techniques that can take months or even years. These methods often “freeze” a protein and map its internal structure down to the atomic level using X-rays. Many proteins can’t be treated this way without losing their natural structure, but the method is the best we currently have. Predictions are then compared to this gold standard to judge the underlying algorithm.
If the Singularity can happen, then I doubt if it can be prevented. There are certain things that may or may not be possible to do with technology. If they can done, they grant immediate and enormous advantages to the groups that bring those advances about. Trying to prevent the Singularity by laws or public disfavor is essentially futile. If such measures guarantee anything, it is that the law passers and the abstainers will be the losers.
If you're wondering what it takes to develop a self-driving car, know that Tesla is using a 1.8-exaFLOP AI supercomputer packed with 5,760 GPUs that train neural networks it hopes one day will power autonomous vehicles.
Supertekoälyn syntymisestä on mukava haaveilla. Mitä Supertekoäly tarkoittaa käytännössä on mahdotonta arvioida tässä vaiheessa. Matka Supertekoälyyn on vielä pitkä.
Powering smarter robots. Simulating human neural networks. Trouncing physicians at medical diagnoses and crushing humanity’s best gamers at Go and Atari. While far from achieving the flexible, quick thinking that comes naturally to humans, this powerful machine learning idea seems unstoppable as a harbinger of better thinking machines.
Except there’s a massive roadblock: they take forever to run. Because the concept behind these algorithms is based on trial and error, a reinforcement learning AI “agent” only learns after being rewarded for its correct decisions. For complex problems, the time it takes an AI agent to try and fail to learn a solution can quickly become untenable.
A paper self-published by Alexey Turchin, a transhumanist who studies the possibility of extending human life, and scientist and transhumanist Maxim Chernyakov, looks at ways of using technology to bring the dead – or at least their consciousness — back to life. The transhumanism philosophy is often compared to science fiction for its focus on enhancing the human condition through technology, but it has many supporters in the current fields of nanotechnology, biotechnology, information technology and cognitive science, as well is in the future-looking areas of simulated reality, artificial intelligence, superintelligence, mind uploading, chemical brain preservation and cryonics. Hence the interest in these two transhumanists in immortality through technology. But why a Dyson sphere?
Ylläoleva tuskin on toteutettavissa käytännössä. Prosessoriteho on tähän asti ollut rajallista eli ääretöntä tehoa olevat asiat ovat käytännössä mahdottomia.
VTT:n johtamassa monitieteellisessä tutkimusprojektissa selvitetään, miten dataa voidaan siirtää mataliin lämpötiloihin ja takaisin huoneenlämpöön. Kylmiin, suprajohtaviin oloihin dataa pitää siirtää tulevissa kvanttitietokoneissa.
Kvanttitietokoneen tietojenkäsittely perustuu suprajohtaviin kubitteihin, joita käytetään äärimmäisen matalissa lämpötiloissa. Kubitteja hallitaan tyypillisesti perinteisellä elektroniikalla, joka sijaitsee huoneenlämmössä. Tämän hetken kvanttikoneissa kubitteja siirrellään sähkökaapeleilla, mutta kun niiden määrä nousee satoihin tuhansiin, vastaava hallintakaapelien määrä aiheuttaa sietämätöntä lämpökuormitusta. Tällöin kvanttisuorittimen edellyttämää kylmyyttä ei voida pitää yllä.
Yksi ratkaisu on hallita kvanttisuoritinta perinteisellä suorittimella, joka sijoitetaan kvanttisuorittimen läheisyyteen. Yhden vuokvantin logiikkapiirit (SFQ) ovat lupaavin keino tähän. Ne vastaavat kyvykkyyksiltään perinteisten tietokoneiden logiikkaa, mutta käyttävät puolijohteiden välillä suprajohtavaa teknologiaa. Koska SFQ-teknologia tarjoaa matalalle lämpötilalle, sitä käytetään perinteisissä tietokoneissa vain harvoin. Suprajohtaviin kvanttitietokoneisiin yhdistettynä tämä haittapuoli kääntyy kuitenkin eduksi.
Suprajohtavat kvanttipitit toimivat vain kylmässä. Suomessa on Neuvostoliiton perintönä osaamista kylmä alan fysiikasta.
VTT kehittää parhaillaan suomalaista kvanttitietokonetta yhteistyössä suomalaisen start up -yritys IQM:n kanssa. Vaikka lyhyen tähtäimen tavoite onkin vain 50 kubittia, VTT luo aCryComm-projektissa perustaa pitkäaikaiselle kehitykselle kohti paljon tehokkaampia kvanttitietokoneita.
Hienoa, että Superälyn komponentit kehittyvät kaiken aikaa. Riittävästi kun saadaan innovaatioita aikaiseksi niin todellinen Superäly suntyy kuin itsestään.
Robottiautoissa käytetään eri anturitekniikoita, jotta ajoneuvo tunnistaa kaiken ympärillään ja voi liikkua turvallisesti. Anturin tekniikka kehittyy nyt nopeaa vauhtia. On Semiconductor on esitellyt uuden valotutkan eli LiDARin, jolla auton järjestelmä näkee 250 metrin päähän.
Robottiautossa ja ADAS-järjestelmissä LiDAR käytännössä täydentää tutkaa ja kameranäköä. LiDARin kantama on tutkaa parempi, se näkee ympäristöään laajalla kulmalla ja erottaa objektit myös suorassa 100 luksin auringonvalossa. Yksi tärkeimpiä on LiDARin tuottama syvyys- tai etäisyystieto.
Superäly on unelma mutta voidaanko todellinen Suppe toteuttaa. Itse uskon, että voidaan sillä se tulkinta, että sitä ei voitaisi perustuu olettamukseen, että ihmisaivoissa on joku piirre mitä ei pystytä toteuttamaan. Tälläistä piirrettä ei kuitenkaan ole löytynyt.
Toinen asia sitten on, että kykeneekö ihminen suunnittelemaan Superälyn. Tässä täytyy huomata, että ihmisen ei tarvitse itse suunnitella Superälyä vaan hän voi pyytää apua alkeellisemmalta Superälyn kehitysversiolta. Tämä kehitysversio sitten avustaa varsinaisen Superälyn suunnittelemisessa. Tällöin Superäly voi kehittää pienillä askelilla, jotka voidaan sitten hallita ihmisälyn avulla. Tämän takia kaikki innovaatiot, jotka auttavat Superäly kehittämisessä ovat erityisen tärkeitä. Matka Superälyyn on pitkä mutta se on mahdollinen.
The main trick relies on the quantum spin properties of cobalt atoms. When cleverly organized into “networks,” the result is a “quantum brain” that can process data and save it inside the same network structure—similar to how our brains work. To sum up: it’s a path towards a true learning machine.
That’s great news for AI. Powerful as it is, machine learning algorithms are extremely energy-hungry. While the tech giants have massive data centers tailored to process computational needs, it’s inefficient and generates a huge carbon footprint. More troubling is when experts look ahead. Although computing prowess has doubled every year and half to two years—known colloquially as “Moore’s law”—recent observations show that it may be on its last legs.
Kvanttiteknologian avulla pyritään nopeuttamaan tekoälyä. Tämä on ihan alkutekijöissään mutta osoittaa, että ainakin jollain tasolla on mahdollisuuksia saavuttaa valtava tehonlisäys. Perinteinen tekoäly on prosessori- ja muistikapasiteetin rajoittamaa.
Despite these advances, designing robots to work in unknown or inhospitable environments, like exoplanets or deep ocean trenches, still poses a considerable challenge for scientists and engineers. Out in the cosmos, what shape and size should the ideal robot be? Should it crawl or walk? What tools will it need to manipulate its environment, and how will it survive extremes of pressure, temperature and chemical corrosion?
An impossible brainteaser for humans, nature has already solved this problem. Darwinian evolution has resulted in millions of species that are perfectly adapted to their environment. Although biological evolution takes millions of years, artificial evolution—modeling evolutionary processes inside a computer—can take place in hours, or even minutes. Computer scientists have been harnessing its power for decades, resulting in gas nozzles to satellite antennas that are ideally suited to their function, for instance.
Avaruudessa ei ihminen selviä ilman robottikavereitaan, Tietokoneella toteutettu evoluutio mahdollistaa uudet innovaatiset ratkaisut, joita ihminen ei ehkä itse keksisi. Evoluutiosta inspiraationsa saaneita algoritmeja on käytetty jo vuosikymmenet, mutta vasta nyt on käytössä riittävästi prosessoritehoa (ja muistia) että voidaan simuloida kunnolla. Prosessoritehojen kasvaessa (ja kvanttitietokoneiden kehittyessä) evolutiivisten algoritmien mahdollisuudet kasvavat exponentiaalisesti. Pikkuhiljaa kehitys kehittyy: askeleet ovat pieniä mutta tärkeitä.
Tietokoneella suoritettu evoluutio on siinä mielessä tärkeää, että tietokone algoritmi voi kehittyä yötä päivää kun ihminen jaksaa tehdä töitä vain muutaan tunnin päivässä (todellatehokasta työtä ihminen ei jaksa kuin vähän aikaa). Tälläisessä tilanteessa tietokone evoluutiosta tulee ratkaisen tärkeää.
Tietokone algoritmeilla ja yleensäkin teknologialla on myös monimutkainen poliittinen ulottuvuus. Tätä ei yleensä ymmärretä tietotekniikka alalla, koska suurimmalla osalla on tekninen koulutus. Itse olen kyllä opiskellut tietotekniikkaa ja muutakin tekniikkaa mutta varsinainen koulutuspohja on ihan muualla. Tekninen koulutus ei ainakaan pääasiallisesti valmista opiskelijaa ymmärtämään teknologian yhteiskunnallisia vaikutuksia. Teknologialla on valtavat yhteiskunnalliset vaikutukset. Sinällään on erittäin harmillista, että näitä ei oiken opeteta missään. Pieniä pätkiä tutkitaan ja opetetaan mutta kokonaisuutena muutokset ovat niin valtavia ja maatajärisyttäviä ettei niitä juurikaan kukaan tutki. Tietysti nämä asiat ovat niin monimutkaisia ettei niistä oikein saa mitään selkoa.
Tekoäly on iso osa ns.teknologista singulariteettia.
Nyt kun tekoäly on kehittynyt valtavasti eteenpäin; niin Singulariteetti on relevampi käsite kuin koskaan ennen. Erityisesti ns. Transhumanistit uskovat singulariteettiin.
Ihmisaivot ovat olleet inspiraationa erilaisille tekoäly jutuille. Tosin esim. neuroverkot ovat varsin kaukana biologisista aivoista. Monet uskovat että nimenomaan juuri biologisten aivojen arkkitehtuuria matkimalla voidaan rakentaa todellisia tekoälyjä. Nykyiset neuroverkot ovat varsin kaukana todellisesta älystä mutta niillä on silti pystytty tekemään vaikka mitä. Nykyiset neuroverkot tarvitsevat valtavasti opetusaineistoa ja ovat siten varsin työläitä toteuttaa. Siksi monet uskovat, että Kiinalla on etulyöntiasema, koska heillä on monenlaista dataa käytössään.
