Джеймс Маника: «ИИ — это инструмент для развития общества»

Greylock 3,8 тыс. 59 мин 3 мин 12.04.2022
Главное

Джеймс Маника: «Искусственный интеллект — это не только технологии, но и будущее нашего общества»

0:00

В свежем выпуске подкаста Greylock ведущий Рид Хоффман беседует с Джеймсом Маникой, недавно назначенным старшим вице-президентом Google по вопросам технологий и общества. В ходе глубокой дискуссии эксперты обсуждают, как стремительное развитие искусственного интеллекта (ИИ) трансформирует экономику, влияет на рынок труда и требует переосмысления фундаментальных понятий, таких как справедливость и общественное доверие.

🧠 Технологический ренессанс и споры об AGI 8:59

Сегодняшний прогресс в области ИИ во многом обусловлен успехами глубокого обучения, которые были дополнительно ускорены развитием трансформерных моделей. Однако в научном сообществе сохраняются жаркие дебаты относительно того, достаточно ли текущих методов для достижения искусственного общего интеллекта (AGI).

По мнению Маники, ИИ все еще сталкивается со сложными проблемами: причинно-следственным мышлением, пониманием смыслов и способностью к переносу знаний (transfer learning). Даже без достижения AGI, текущий ренессанс ИИ обладает колоссальным потенциалом для экономического роста, что подтверждается наличием тысяч коммерчески выгодных сценариев использования ИИ в различных секторах экономики.

💼 Экономика, работа и «неравенство навыков» 14:43

Вопрос о влиянии ИИ на рынок труда остается крайне дискуссионным. Маника подчеркивает, что опасения по поводу «будущего без работы» вряд ли оправдаются в ближайшие десятилетия.

Обсуждая концепцию безусловного базового дохода (UBI), Маника отмечает, что, хотя он не является сторонником UBI, эта дискуссия полезна, так как она поднимает критически важный вопрос: что делать, когда экономика генерирует излишки, но заработные платы растут не для всех.

⚖️ Справедливость и общественное доверие 19:09

Построение доверия к системам ИИ — критическая задача, особенно если они внедряются в медицину или транспорт. Маника указывает на ряд барьеров:

  1. Алгоритмическая предвзятость: Часто ИИ лишь отражает исторически сложившиеся искажения в данных, например, в уголовном правосудии или финансовом кредитовании.
  2. Проблема прозрачности: Нейросетевая архитектура современных моделей затрудняет интерпретацию логики принятия решений («объяснимость»), что часто ошибочно воспринимается обществом как попытка скрыть правду.
  3. Отсутствие определения справедливости: В академической среде было выявлено более 20 различных определений «справедливости», что делает невозможным создание универсального алгоритма, удовлетворяющего всех.

По словам Маники, для исправления ситуации необходимо вовлекать в разработку междисциплинарные команды, включающие социологов, философов и юристов, которые могут задавать «неудобные» вопросы на этапе проектирования.

🌍 Глобальная конкуренция и «правила игры» 51:33

ИИ сегодня стал полем геополитической конкуренции. Маника проводит важное различие между ИИ и ядерными технологиями прошлого: если ядерные разработки в основном вели государства, то современный ИИ развивается преимущественно частным сектором, движимым глобальными рыночными возможностями. Это создает диссонанс между интересами бизнеса и национальной безопасностью стран.

Для гармонизации этого процесса необходима большая прозрачность со стороны корпораций, активное вовлечение регуляторов и, возможно, создание международных стандартов, подобных тем, что были выработаны в ходе Асиломарской конференции по вопросам геномики.

💬 Цитаты

«Люди не понимают, что промышленность создает эти системы, глубоко задумываясь об их этических последствиях.»

Джеймс Маника 49:10

«Нам нужно решать проблемы справедливости для общества, как в примере с полицией.»

Джеймс Маника 55:14
👥 Спикеры
📚 Упомянутые книги
🎬 Упомянутые фильмы и сериалы
🔗 Упомянутые сайты и проекты
📖 Термины
AGI (Artificial General Intelligence)
Искусственный интеллект, способный выполнять любую интеллектуальную задачу на уровне человека.
Трансформерные модели
Архитектура нейросетей, ставшая основой для современных больших языковых моделей.
Глубокое обучение
Метод машинного обучения, основанный на многослойных нейронных сетях.
Out-of-distribution
Ситуация, когда алгоритм сталкивается с данными, сильно отличающимися от тех, на которых он обучался.
Counterfactual fairness
Подход к оценке алгоритмов через анализ того, изменилось бы решение при изменении одной конкретной переменной.
📊 Цифры
🗓 Хронология
  1. 1958 Пик занятости в производственном секторе США.
  2. 1970-80-е Асиломарские конференции, установившие принципы для исследований в области геномики.
  3. 3.5 года назад Публикация знаковой работы по архитектуре трансформеров от исследователей Google.
⚖️ Другая сторона
Искусственный интеллект James Manyika Google Greylock Искусственный интеллект AGI