- nowość
Osobliwość coraz bliżej. Kiedy połączymy się z AI - ebook
Format ebooka:
EPUB
Format
EPUB
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najpopularniejszych formatów e-booków na świecie.
Niezwykle wygodny i przyjazny czytelnikom - w przeciwieństwie do formatu
PDF umożliwia skalowanie czcionki, dzięki czemu możliwe jest dopasowanie
jej wielkości do kroju i rozmiarów ekranu. Więcej informacji znajdziesz
w dziale Pomoc.
czytaj
na tablecie
Aby odczytywać e-booki na swoim tablecie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. Bluefire
dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na czytniku
Czytanie na e-czytniku z ekranem e-ink jest bardzo wygodne i nie męczy
wzroku. Pliki przystosowane do odczytywania na czytnikach to przede
wszystkim EPUB (ten format możesz odczytać m.in. na czytnikach
PocketBook) i MOBI (ten fromat możesz odczytać m.in. na czytnikach Kindle).
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na smartfonie
Aby odczytywać e-booki na swoim smartfonie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. iBooks dla
EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
Czytaj fragment
Pobierz fragment
Pobierz fragment w jednym z dostępnych formatów
Osobliwość coraz bliżej. Kiedy połączymy się z AI - ebook
Ray Kurzweil, światowej sławy wynalazca, naukowiec i wizjoner, stawia pytania o przyszłość rewolucji technologicznej, która ma nadejść. Albo już nadeszła…
„Niewiele osób miało taki wpływ na sposób myślenia o AI jak Ray Kurzweil”.
Mustafa Suleyman, dyrektor generalny Microsoft AI
„Ray Kurzweil najlepiej ze znanych mi osób przewiduje przyszłość sztucznej inteligencji”.
Bill Gates
„Fascynująca eksploracja naszej przyszłości, która dotyka najgłębszych pytań filozoficznych”.
Yuval Noah Harari, autor Sapiens
„Ta książka zmieni wszystko, co wiecie o technologii, życiu i śmierci”.
Tony Robbins, autor i konsultant biznesowy
„Ray Kurzweil to najlepsza wyrocznia naszej cyfrowej epoki”.
Peter H. Diamandis, dyrektor generalny XPRIZE, prezes zarządu Singularity University
„Nikt nie jest bardziej optymistycznie nastawiony do technologii niż Ray Kurzweil”.
„The Boston Globe”
Od czasu wydania poprzedniej przełomowej książki Raya Kurzweila Nadchodzi osobliwość większość przewidywań autora dotyczących postępu technologicznego się sprawdziła, a takie koncepcje jak AI, inteligentne maszyny i biotechnologia są obecnie powszechnie znane i wykorzystywane.
Pora na zadanie nowych pytań:
· Jak technologia będzie zmieniać ludzkość w nadchodzących dekadach?
· Dlaczego AI jest przyszłością ewolucji ludzkości?
· Jak zwiększymy długość życia powyżej obecnego limitu 120 lat?
i na odpowiedź na kolejne wątpliwości:
· Jaki wpływ wywrze AI na poziom zatrudnienia?
· Czy autonomiczne maszyny można zostawić bez nadzoru?
· Czy technologia wirtualnego ożywiania zmarłych odmieni nasze życie emocjonalne?
Raymond „Ray” Kurzweil (ur. 1948) jest amerykańskim wynalazcą, futurologiem, przedsiębiorcą i pisarzem. Od 2012 roku pełni funkcję dyrektora technicznego firmy Google. Absolwent amerykańskiego Massachusetts Institute of Technology. Od lat 80. kierował różnymi spółkami, zajmującymi się opracowywaniem i wdrażaniem nowych technologii, takich jak m.in. syntezatory mowy oraz systemy rozpoznawania znaków w plikach graficznych (OCR). Jest autorem znanych na całym świecie książek o sztucznej inteligencji, biotechnologii i transhumanizmie: „The Age of Intelligent Machines” (1990), „The Age of Spiritual Machines” (1999), „Nadchodzi osobliwość” (2005). Założyciel katedry futurologii na Singularity University w Dolinie Krzemowej – interdyscyplinarnych studiach, które mają na celu „przygotować ludzkość na przyśpieszoną zmianę technologiczną”. Od 2001 roku prowadzi instytut Kurzweil Accelerating Intelligence zajmujący się monitorowaniem zmian będących następstwem procesów rozwoju technologii opisanych w jego książkach. W 2011 roku trafił na 30. miejsce w rankingu najbardziej wpływowych ludzi świata tygodnika „Time”.
| Kategoria: | Biografie |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-68227-25-3 |
| Rozmiar pliku: | 3,3 MB |
FRAGMENT KSIĄŻKI
PODZIĘKOWANIA
Chciałbym wyrazić swoją wdzięczność mojej żonie, Sonyi, za jej pełną miłości cierpliwość w obliczu zmiennych kolei procesu twórczego i za dzielenie się ze mną pomysłami przez pięćdziesiąt lat.
Moim dzieciom, Ethanowi i Amy; mojej synowej, Rebecce; mojemu zięciowi, Jacobowi; mojej siostrze, Enid; oraz moim wnukom, Leo, Naomi i Quincy’emu za ich miłość, inspirację i wspaniałe pomysły.
Mojej zmarłej matce Hannah i mojemu zmarłemu ojcu Fredricowi, którzy podczas spacerów po nowojorskich lasach nauczyli mnie potęgi pomysłów i dali mi za młodu swobodę eksperymentowania.
Johnowi-Clarkowi Levinowi za skrupulatne badania i inteligentną analizę danych, które stanowią podstawę tej książki.
Mojemu długoletniemu redaktorowi w wydawnictwie Viking, Rickowi Kotowi, za jego przywództwo, niezachwiane przewodnictwo i fachową redakcję.
Nickowi Mullendore’owi, mojemu agentowi literackiemu, za jego wnikliwe i entuzjastyczne wskazówki.
Aaronowi Kleinerowi, mojemu wieloletniemu partnerowi biznesowemu (od 1973 roku), za jego oddaną współpracę przez ostatnie pięćdziesiąt lat.
Nandzie Barker-Hook za jej wykwalifikowaną pomoc pisarską oraz fachowy nadzór i zarządzanie moimi wystąpieniami.
Sarah Black za jej wybitne spostrzeżenia badawcze i organizację pomysłów.
Celii Black-Brooks za jej przemyślane wsparcie i fachową strategię dzielenia się moimi pomysłami ze światem.
Denise Scutellaro za jej umiejętne prowadzenie moich operacji biznesowych.
Laksmanowi Frankowi za doskonałe projekty graficzne i ilustracje.
Amy Kurzweil i Rebecce Kurzweil za wskazówki dotyczące rzemiosła pisarskiego oraz za ich własne wspaniałe przykłady bardzo udanych książek.
Martine Rothblatt za jej zaangażowanie we wszystkie technologie omawiane w tej książce oraz za naszą długoletnią współpracę przy opracowywaniu wybitnych przykładów w tych obszarach.
Rodzinie Kurzweilów, która zapewniła znaczące wsparcie badawcze, pisarskie i logistyczne dla tego projektu, w którego skład wchodzą między innymi: Amara Angelica, Aaron Kleiner, Bob Beal, Nanda Barker-Hook, Celia Black-Brooks, John-Clark Levin, Denise Scutellaro, Joan Walsh, Marylou Sousa, Lindsay Boffoli, Ken Linde, Laksman Frank, Maria Ellis, Sarah Black, Emily Brangan i Kathryn Myronuk.
Oddanemu zespołowi Viking Penguin za całą wnikliwą wiedzę specjalistyczną, w tym Rickowi Kotowi, redaktorowi naczelnemu; Allison Lorentzen, redaktorce naczelnej; Camille LeBlanc, zastępczyni redaktora; Brianowi Tartowi, wydawcy; Kate Stark, zastępczyni wydawcy; Carolyn Coleburn, publicystce wykonawczej; i Mary Stone, dyrektorce marketingu.
Peterowi Jacobsowi z CAA za jego nieocenione przywództwo i wsparcie podczas moich wystąpień publicznych.
Zespołom Fortier Public Relations i Book Highlight za wyjątkową wiedzę specjalistyczną w zakresie public relations i strategiczne wskazówki w kwestii szerokiego udostępniania tej książki.
Moim czytelnikom będącym zarówno fachowcami, jak i amatorami, którzy podsunęli mi wiele mądrych i kreatywnych pomysłów.
I na koniec wszystkim ludziom, którzy mają odwagę kwestionować przestarzałe założenia i wykorzystują swoją wyobraźnię do robienia rzeczy, których nigdy wcześniej nie robiono. Jesteście dla mnie źródłem inspiracji.WPROWADZENIE
W mojej książce z 2005 roku _Nadchodzi osobliwość_ przedstawiłem teorię, że zbieżne, wykładnicze trendy technologiczne prowadzą do transformacji, która całkowicie przekształci ludzkość. Istnieje kilka kluczowych obszarów zmian, które nadal jednocześnie nabierają tempa: moc obliczeniowa staje się tańsza, biologia człowieka jest coraz lepiej rozumiana, a inżynieria staje się możliwa na znacznie mniejszych skalach. W miarę jak możliwości sztucznej inteligencji rosną, a informacje stają się coraz bardziej dostępne, coraz ściślej integrujemy te możliwości z naszą naturalną inteligencją biologiczną. Ostatecznie nanotechnologia umożliwi kulminację tych trendów w postaci bezpośredniego rozszerzenia naszych mózgów o warstwy wirtualnych neuronów w chmurze. W ten sposób połączymy się ze sztuczną inteligencją i wzbogacimy się o miliony razy większą moc obliczeniową, niż obdarzyła nas biologia. Poszerzy to naszą inteligencję i świadomość w sposób tak głęboki, że aż trudny do pojęcia. To wydarzenie nazywam osobliwością.
Termin „osobliwość” został zapożyczony z matematyki (gdzie odnosi się do nieokreślonego punktu funkcji, jak w przypadku dzielenia przez zero) i fizyki (gdzie oznacza nieskończenie gęsty punkt w centrum czarnej dziury, w którym obowiązujące prawa fizyki załamują się). Należy jednak pamiętać, że używam tego terminu jako metafory. Moja prognoza dotycząca technologicznej osobliwości nie sugeruje, że tempo zmian naprawdę stanie się nieskończone, ponieważ wzrost wykładniczy nie implikuje nieskończoności, podobnie jak w przypadku fizycznej osobliwości. Czarna dziura ma wystarczająco silną grawitację, by uwięzić nawet światło, ale w mechanice kwantowej nie ma sposobu na uwzględnienie naprawdę nieskończonej masy¹. Używam jednak metafory osobliwości, ponieważ oddaje ona naszą niezdolność do zrozumienia tak radykalnej zmiany na naszym obecnym poziomie inteligencji. Ale gdy to przejście nastąpi, będziemy zwiększać naszą zdolność poznawczą na tyle szybko, aby się do niego przystosować.
Jak szczegółowo opisałem w _Nadchodzi osobliwość_, długoterminowe trendy sugerują, że osobliwość nastąpi około 2045 roku. W momencie publikacji owej książki data ta była oddalona o czterdzieści lat – czyli dwa pełne pokolenia – w przyszłość. Z tej odległości mogłem przewidywać ogólne siły, które spowodują tę transformację, ale dla większości czytelników temat ten był wciąż stosunkowo odległy od codziennej rzeczywistości 2005 roku. Wielu krytyków twierdziło wówczas, że mój harmonogram jest zbyt optymistyczny, a nawet że pojawienie się osobliwości trzeba uznać za niemożliwe.
Od tamtej pory wydarzyło się jednak coś niezwykłego. Wbrew wątpliwościom sceptyków postęp nadal przyspieszał. Media społecznościowe i smartfony przestały być czymś wyjątkowym i stały się naszymi nieodłącznymi towarzyszami, dzięki którym łączy się obecnie ze sobą większość światowej populacji. Innowacje algorytmiczne i pojawienie się dużych zbiorów danych umożliwiły sztucznej inteligencji osiągnięcie zaskakujących momentów przełomowych nawet wcześniej, niż spodziewali się eksperci – od opanowania gier takich jak _Jeopardy!_ i go, po prowadzenie samochodów, pisanie esejów, zdawanie egzaminów adwokackich i wykrywanie raka. Teraz potężne i elastyczne duże modele językowe, na przykład GPT-4 i Gemini, mogą przekładać polecenia formułowane w języku naturalnym na kod komputerowy, radykalnie zmniejszając barierę między ludźmi a maszynami. W momencie, gdy czytacie te słowa, dziesiątki milionów ludzi prawdopodobnie doświadczyły już tych możliwości na własnej skórze. W międzyczasie koszt sekwencjonowania ludzkiego genomu spadł o około 99,997 procent, a sieci neuronowe zaczęły dokonywać istotnych odkryć medycznych dzięki cyfrowej symulacji biologii.
Wreszcie zyskujemy nawet możliwość bezpośredniego łączenia komputerów z mózgami. U podstaw wszystkich tych osiągnięć leży coś, co nazywam prawem przyspieszających zwrotów: technologie informacyjne, takie jak metody obliczeniowe, stają się wykładniczo tańsze, ponieważ każdy postęp ułatwia zaprojektowanie kolejnego etapu ich własnej ewolucji. W rezultacie w momencie pisania tego tekstu za jednego dolara można kupić około 11 200 razy więcej mocy obliczeniowej, przy uwzględnieniu inflacji, niż kiedy _Nadchodzi osobliwość_ trafiła na półki.
Poniższy wykres, który omówię szczegółowo w dalszej części książki, podsumowuje najważniejszy trend napędzający naszą cywilizację technologiczną: długoterminowy wykładniczy wzrost (pokazany jako w przybliżeniu linia prosta na skali logarytmicznej) ilości mocy obliczeniowej, jaką można kupić za stałą kwotę. Z prawa Moore’a wynika, że tranzystory stale się kurczą, dzięki czemu komputery stają się coraz potężniejsze – ale to tylko jeden z przejawów prawa przyspieszających zwrotów, które obowiązywało już na długo przed wynalezieniem tranzystorów i można się spodziewać, że będzie obowiązywać nawet po osiągnięciu fizycznych granic tranzystorów i zastąpieniu ich przez nowe technologie. Trend ten zdefiniował współczesny świat i niemal wszystkie nadchodzące przełomy omówione w tej książce zostaną przez niego bezpośrednio lub pośrednio spowodowane.
Moc obliczeniowa względem ceny, 1939–2023²
Najlepsza osiągnięta moc obliczeniowa względem ceny w obliczeniach na sekundę na stałego dolara z 2023 r.³
Aby zoptymalizować porównywalność maszyn, wykres ten skupia się na relacji mocy obliczeniowej względem ceny w epoce komputerów programowalnych, ale oszacowania dotyczące wcześniejszych elektromechanicznych urządzeń obliczeniowych pokazują, że trend ten sięga co najmniej lat osiemdziesiątych XIX wieku.
Tak więc trzymamy się harmonogramu dla osobliwości. Istotność tej książki wynika z samej natury wykładniczej zmiany. Trendy, które na początku tego stulecia były ledwo zauważalne, obecnie w bezpośredni sposób wpływają na życie miliardów ludzi. Na początku lat dwudziestych XXI wieku weszliśmy w gwałtownie i stromo rosnącą część krzywej wykładniczej, a tempo innowacji wpływa na społeczeństwo jak nigdy dotąd. Dla porównania: chwila, w której czytacie te słowa, jest prawdopodobnie bliżej stworzenia pierwszej nadludzkiej sztucznej inteligencji niż wydania mojej ostatniej książki _Jak stworzyć umysł_ z 2012 roku.
I przypuszczalnie jesteście bliżej osobliwości niż wydania mojej książki z 1999 roku _The Age of Spiritual Machines_ (Wiek maszyn duchowych). Bądź też, mierząc to w kategoriach ludzkiego życia, dzieci urodzone dzisiaj będą właśnie kończyć studia, gdy nadejdzie osobliwość. Na poziomie bardzo osobistym jest to inny rodzaj „nadejścia” niż w 2005 roku.
Dlatego teraz napisałem tę książkę. Trwający tysiąclecia marsz ludzkości w kierunku osobliwości stał się szalonym biegiem. We wstępie do _Nadchodzi osobliwość_ wyraziłem opinię, że byliśmy wtedy „w początkowych etapach tej transformacji”. Teraz wkraczamy w jej kulminację. Tamta książka dotyczyła spojrzenia na odległy horyzont – ta opisuje ostatnie kilometry na ścieżce wiodącej do jego osiągnięcia.
Na szczęście obecnie widzimy tę ścieżkę znacznie wyraźniej. Chociaż zanim osiągniemy osobliwość, pozostaje do rozwiązania wiele wyzwań technologicznych, jej kluczowi prekursorzy szybko przechodzą ze sfery nauki teoretycznej do aktywnych badań i rozwoju. W nadchodzącej dekadzie ludzie będą wchodzić w interakcje ze sztuczną inteligencją, która może wydawać się przekonująco ludzka, a proste interfejsy mózg–komputer będą miały wpływ na codzienne życie na podobieństwo dzisiejszych smartfonów. Cyfrowa rewolucja w biotechnologii wyleczy choroby i znacząco wydłuży ludzkie życie w zdrowiu. Jednocześnie jednak wielu pracowników odczuje ból wynikający z zaburzeń gospodarczych, a wszyscy staniemy w obliczu ryzyka wynikającego z przypadkowego lub celowego nadużycia tych nowych możliwości. W latach trzydziestych XXI wieku samodoskonaląca się sztuczna inteligencja i dojrzewająca nanotechnologia połączą ludzi i nasze maszynowe wytwory w sposób dotychczas nieznany, co jeszcze bardziej zwiększy zarówno możliwości, jak i zagrożenia. Jeśli uda nam się sprostać wyzwaniom naukowym, etycznym, społecznym i politycznym, jakie stwarza ten postęp, do 2045 roku głęboko przekształcimy życie na Ziemi na lepsze. Jeśli jednak poniesiemy porażkę, nasze przetrwanie stanie pod znakiem zapytania. Dlatego też ta książka opowiada o naszym ostatecznym podejściu do osobliwości – szansach i niebezpieczeństwach, którym musimy wspólnie stawić czoła w ramach ostatniego pokolenia zamieszkującego świat, jaki znaliśmy.
Na początek przyjrzymy się temu, w jaki sposób tak naprawdę nadejdzie osobliwość, i umieścimy to wydarzenie w kontekście długotrwałego dążenia naszego gatunku do przekształcenia własnej inteligencji. Tworzenie świadomości za pomocą technologii rodzi ważne pytania filozoficzne, dlatego omówimy wpływ tego przejścia na naszą własną tożsamość i poczucie celu. Następnie przejdziemy do praktycznych trendów, które będą charakteryzowały nadchodzące dekady. Jak pokażę, prawo przyspieszających zwrotów powoduje wykładniczą poprawę w bardzo szerokim zakresie wskaźników odzwierciedlających dobrostan człowieka. Jednym z najbardziej oczywistych negatywnych skutków innowacji jest natomiast bezrobocie spowodowane automatyzacją w jej różnych postaciach. Chociaż te szkody są realne, przekonamy się, czemu istnieją uzasadnione powody do długoterminowego optymizmu – oraz dlaczego ostatecznie nie będziemy konkurować ze sztuczną inteligencją.
W miarę jak technologie te odblokowują ogromną materialną obfitość dla naszej cywilizacji, nasza uwaga skupi się na pokonaniu kolejnej bariery na drodze do pełnego rozkwitu: słabości naszej biologii. Następnie przyjrzymy się narzędziom, których będziemy używać w nadchodzących dziesięcioleciach, aby sprawować coraz większą kontrolę nad samą biologią – najpierw poprzez pokonanie procesu starzenia się naszych ciał, a następnie wzmacniając nasze ograniczone mózgi i wprowadzając osobliwość. Jednak te przełomowe dokonania mogą również narazić nas na niebezpieczeństwo. Nowe rewolucyjne systemy w biotechnologii, nanotechnologii lub sztucznej inteligencji są też w stanie doprowadzić do katastrofy egzystencjalnej, takiej jak niszczycielska pandemia lub reakcja łańcuchowa samoreplikujących się maszyn. Zakończymy oceną tych zagrożeń, które wymagają starannego planowania, ale jak wyjaśnię, istnieją bardzo obiecujące sposoby ich złagodzenia.
To najbardziej fascynujące i doniosłe lata w całej historii rodzaju ludzkiego. Nie możemy z całą pewnością powiedzieć, jakie będzie życie po osobliwości. Jednak rozumiejąc i przewidując przejścia prowadzące do niej, możemy postarać się zapewnić, że ten ostatni etap rozwoju ludzkości będzie bezpieczny i udany.ROZDZIAŁ 1. GDZIE JESTEŚMY W SZEŚCIU ETAPACH?
Rozdział 1
Gdzie jesteśmy w sześciu etapach?
Wksiążce _Nadchodzi osobliwość_ opisałem informację jako podstawę świadomości. Wymieniłem sześć etapów, lub epok, trwających od początku naszego wszechświata, przy czym każdy etap tworzy kolejny na podstawie przetwarzania informacji pochodzących z poprzedniego. Zatem ewolucja inteligencji przebiega poprzez pośrednią sekwencję innych procesów.
Pierwsza epoka to narodziny praw fizyki i możliwej dzięki nim chemii. Kilkaset tysięcy lat po Wielkim Wybuchu atomy uformowały się z elektronów krążących wokół jądra złożonego z protonów i neutronów. Protony w jądrze pozornie nie powinny znajdować się tak blisko siebie, ponieważ siła elektromagnetyczna próbuje gwałtownie je rozdzielić. Tak się jednak składa, że istnieje odrębna siła zwana silnym oddziaływaniem jądrowym, która utrzymuje protony razem. „Ktokolwiek” zaprojektował zasady wszechświata, musiał zapewnić tę dodatkową siłę, gdyż w przeciwnym razie ewolucja za pośrednictwem atomów byłaby niemożliwa.
Miliardy lat później atomy uformowały cząsteczki, które mogły stanowić nośnik złożonych informacji. Węgiel był najbardziej użytecznym budulcem, ponieważ mógł tworzyć cztery wiązania, w przeciwieństwie do jednego, dwóch lub trzech w przypadku wielu innych jąder. To, że żyjemy w świecie, który umożliwia istnienie skomplikowanej chemii, jest niezwykle mało prawdopodobne. Gdyby na przykład siła grawitacji była odrobinę słabsza, nie powstałyby supernowe wytwarzające pierwiastki chemiczne, z których zbudowane jest życie. Gdyby była nieco silniejsza, gwiazdy wypaliłyby się i przestały istnieć, zanim mogłoby powstać inteligentne życie. Tylko ta jedna stała fizyczna musiała mieścić się w bardzo wąskim zakresie, inaczej nie byłoby nas tutaj. Żyjemy we wszechświecie, który jest bardzo precyzyjnie zrównoważony, aby zapewnić poziom porządku, który umożliwił rozwój ewolucji.
Kilka miliardów lat temu rozpoczęła się druga epoka: życie. Cząsteczki stały się na tyle złożone, że można było zdefiniować cały organizm w jednej cząsteczce. W ten sposób żywe istoty, każda z własnym DNA, mogły ewoluować i rozprzestrzeniać się.
W trzeciej epoce zwierzęta opisane za pomocą DNA wytworzyły mózgi, które same przechowywały i przetwarzały informacje. Mózgi te stanowiły źródło korzyści ewolucyjnych, które pomogły im rozwinąć się w większą złożoność na przestrzeni milionów lat.
W czwartej epoce zwierzęta wykorzystały swoje wyższe zdolności poznawcze, a także kciuki, do przekładania myśli na złożone działania. Byli to ludzie. Nasz gatunek użył tych zdolności do stworzenia technologii umożliwiającej przechowywanie informacji i manipulowanie nimi – od papirusów po dyski twarde. Technologie te zwiększyły możliwości naszych mózgów w zakresie postrzegania, zapamiętywania i oceniania wzorców informacji. Jest to kolejne źródło ewolucji, które samo w sobie jest znacznie większe niż poziom wcześniejszego postępu. W przypadku mózgów przyrost wynosił mniej więcej 16 centymetrów sześciennych materii mózgowej co 100 tysięcy lat, podczas gdy w przypadku obliczeń cyfrowych podwajamy stosunek wydajności do ceny co jakieś szesnaście miesięcy.
W piątej epoce bezpośrednio połączymy biologiczne ludzkie zdolności poznawcze z szybkością i mocą naszej technologii cyfrowej. To interfejsy mózg–komputer. Przetwarzanie neuronowe u człowieka odbywa się z szybkością kilkuset cykli w ciągu sekundy, w porównaniu z kilkoma miliardami na sekundę w przypadku technologii cyfrowej. Oprócz szybkości i wielkości pamięci wzmocnienie naszych mózgów za pomocą komputerów niebiologicznych pozwoli nam dodać o wiele więcej warstw do kory nowej – odblokowując znacznie bardziej złożone i abstrakcyjne myślenie, niż możemy sobie obecnie wyobrazić.
W szóstej epoce nasza inteligencja rozprzestrzeni się po całym wszechświecie, zamieniając zwykłą materię w komputronium, czyli materię zorganizowaną w sposób umożliwiający maksymalną gęstość obliczeniową.
W mojej książce z 1999 roku _The Age of Spiritual Machines_ przewidywałem, że test Turinga – w którym sztuczna inteligencja potrafi komunikować się za pomocą tekstu w sposób nieodróżnialny od człowieka – zostanie zaliczony do roku 2029. Powtórzyłem to przypuszczenie w książce _Nadchodzi osobliwość_ z 2005 roku. Pozytywne zaliczenie testu Turinga oznacza, że sztuczna inteligencja opanowała język i zdroworozsądkowe rozumowanie na poziomie ludzkim. Turing opisał swoją koncepcję w 1950 roku, ale nie określił, w jaki sposób należy przeprowadzić ten test⁴. W zakładzie, jaki zawarłem z Mitchem Kaporem, zdefiniowaliśmy własne reguły, które są znacznie bardziej wymagające niż inne interpretacje.
Oczekiwałem, że aby zdać ważny test Turinga do 2029 roku, będziemy musieli do 2020 roku osiągnąć szeroki zakres możliwości intelektualnych dzięki sztucznej inteligencji. I rzeczywiście, od czasu tej prognozy sztuczna inteligencja opanowała wiele najtrudniejszych intelektualnych wyzwań ludzkości – od gier takich jak _Jeopardy!_⁵ i go po poważne zastosowania, takie jak radiologia i odkrywanie leków. Kiedy piszę te słowa, czołowe systemy sztucznej inteligencji, takie jak Gemini i GPT-4, rozszerzają swoje możliwości na wiele różnych dziedzin – zachęcając do podjęcia kroków na drodze do stworzenia ogólnej inteligencji.
Ostatecznie, gdy program przejdzie test Turinga, będzie musiał sprawiać wrażenie znacznie mniej inteligentnego w wielu obszarach, ponieważ w przeciwnym razie byłoby jasne, że jest to sztuczna inteligencja. Gdyby na przykład mógł natychmiast poprawnie rozwiązać dowolny problem matematyczny, nie zdałby tego testu. Zatem na poziomie testu Turinga sztuczna inteligencja będzie posiadać zdolności, które w rzeczywistości wykraczają daleko poza możliwości najlepszych ludzi w większości dziedzin.
Ludzie żyją obecnie w czwartej epoce, a nasza technologia już teraz przynosi rezultaty, które w przypadku pewnych zadań przekraczają nasze możliwości zrozumienia. Jeśli chodzi o aspekty testu Turinga, których sztuczna inteligencja jeszcze nie opanowała, postęp jest szybki i nieustannie przyspiesza. Zdanie testu Turinga, które przewiduję na rok 2029, wprowadzi nas w piątą epokę.
Kluczową zdolnością w latach trzydziestych XXI wieku będzie połączenie wyższych partii ludzkiej kory nowej z chmurą, co bezpośrednio rozszerzy nasze myślenie. W ten sposób sztuczna inteligencja, zamiast być konkurentem, stanie się przedłużeniem nas samych. Zanim to nastąpi, niebiologiczne części naszego umysłu zapewnią tysiące razy większe możliwości poznawcze niż części biologiczne.
W miarę wykładniczego postępu tego procesu do roku 2045 nasze umysły poszerzą się miliony razy. To właśnie ta niewyobrażalna prędkość i skala transformacji pozwalają nam zapożyczyć metaforę osobliwości z fizyki do opisu naszej przyszłości.Zapraszamy do zakupu pełnej wersji książki
1. Osobliwość w teorii grawitacji nie oznacza nieskończonej masy, lecz nieskończoną gęstość masy. Czarne dziury mają jak najbardziej mierzalne masy (przyp. tłum.).
2. Zobacz załącznik, aby zapoznać się ze źródłami użytymi do wszystkich oszacowań historycznych kosztów obliczeń w tej książce.
3. William D. Nordhaus, „Two Centuries of Productivity Growth in Computing”, _Journal of Economic History_ 67, nr 1 (marzec 2007): 128–159, https://doi.org/10.1017/S00220507 07000058.
4. Alan M. Turing, „Computing Machinery and Intelligence”, _Mind_ 59, nr 236 (1 października 1950): 435, https://doi.org/10.1093/mind/LIX.236.433.
5. Polskim odpowiednikiem tego teleturnieju jest _Va banque_ (przyp. tłum.).
6. Alan M. Turing, „Computing Machinery and Intelligence”, _Mind_ 59, nr 236 (1 października 1950): 435, https://doi.org/10.1093/mind/LIX.236.433.
7. Alex Shashkevich, „Stanford Researcher Examines Earliest Concepts of Artificial Intelligence, Robots in Ancient Myths”, _Stanford News_, 28 lutego 2019, https://news.stanford.edu/2019/02/28/ancient-myths-reveal-early-fantasies-artificial-life.
8. John McCarthy i in., „A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”, wniosek konferencyjny, 31 sierpnia 1955, http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html.
9. McCarthy i in., „Proposal for the Dartmouth Summer Research Project”.
10. Martin Childs, „John McCarthy: Computer Scientist Known as the Father of AI”, _The Independent_, 1 listopada 2011, https://www.independent.co.uk/news/obituaries/john-mccarthy-computer-scientist-known-as-the-father-of-ai-6255307.html; Nello Christianini, „The Road to Artificial Intelligence: A Case of Data Over Theory”, _New Scientist_, 26 października 2016, https://institutions.newscientist.com/article/mg23230971-200-the-irresistible-rise-of-artificial-intelligence.
11. James Vincent, „Tencent Says There Are Only 300,000 AI Engineers Worldwide, but Millions Are Needed”, _The Verge_, 5 grudnia 2017, https://www.theverge.com/2017/12/5/16737224/global-ai-talent-shortfall-tencent-report.
12. Jean-Francois Gagne, Grace Kiser i Yoan Mantha, _Global AI Talent Report 2019_, Element AI, kwiecień 2019, https://jfgagne.ai/talent-2019.
13. Daniel Zhang i in., _The AI Index 2022 Annual Report_, Komitet sterujący indeksu AI, Stanford Institute for Human-Centered AI, Uniwersytet Stanforda, marzec 2022, 36, https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf; Nestor Maslej i in., _The AI Index 2022 Annual Report_, Komitet sterujący indeksu AI, Stanford Institute for Human-Centered AI, Uniwersytet Stanforda, kwiecień 2023, 24, https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index- Report_ 2023.pdf.
14. Inwestycje korporacyjne spadły o 26,7% w latach 2021–2022, ale prawdopodobnie wynika to z cyklicznych trendów makroekonomicznych, a nie ze zmiany długoterminowej trajektorii zaangażowania korporacyjnego w sztuczną inteligencję. Zobacz Maslej i in., _The AI Index 2022 Annual Report_, 171, 184.
15. Ray Kurzweil, _The Age of Spiritual Machines: When Computers Exceed Human Intelligence_ (Nowy Jork: Penguin, 2000; pierwsze wydanie Viking, 1999), 313; Dale Jacquette, „Who’s Afraid of the Turing Test?”, _Behavior and Philosophy_ 20/21 (1993): 72, https://www.jstor.org/stable/27759284.
16. Katja Grace i in., „Viewpoint: When Will AI Exceed Human Performance? Evidence from AI Experts”, _Journal of Artificial Intelligence Research_ 62 (lipiec 2018): 729–54, https://doi.org/10.1613/jair.1.11222.
17. Więcej informacji na temat uzasadnienia mojej prognozy oraz porównania jej z szerokim wachlarzem opinii ekspertów w dziedzinie sztucznej inteligencji można znaleźć w artykułach: Ray Kurzweil, „A Wager on the Turing Test: Why I Think I Will Win”, KurzweilAI.net, 9 kwietnia 2002, https://www.kurzweilai.net/a-wager-on-the-turing-test-why-i-think-i-will-win; Vincent C. Müller i Nick Bostrom, „Future Progress in Artificial Intelligence: A Survey of Expert Opinion”, _Fundamental Issues of Artificial Intelligence_, red. Vincent C. Müller (Cham, Szwajcaria: Springer, 2016), 553–71, https://philpapers.org/archive/MLLFPI.pdf; Anthony Aguirre, „Date Weakly General AI Is Publicly Known”, Metaculus, dostęp 26 kwietnia 2023, https://www.metaculus.com/questions/3479/date-weakly-general-ai-system-is-devised.
18. Aguirre, „Date Weakly General AI Is Publicly Known”.
19. Raffi Khatchadourian, „The Doomsday Invention”, _New Yorker_, 23 listopada 2015, https://www.newyorker.com/magazine/2015/11/23/doomsday-invention-artificial-intelligence-nick-bostrom.
20. A. Newell, J. C. Shaw i H. A. Simon, „Report on a General Problem-Solving Program”, RAND P-1584, RAND Corporation, 9 lutego 1959 r., http://bitsavers.informatik.uni-stuttgart.de/pdf/rand/ipl/P-1584_Report_On_A_General_Problem-Solving_Program_Feb59.pdf. Zobacz załącznik, aby zapoznać się ze źródłami użytymi do wszystkich oszacowań kosztów obliczeniowych w tej książce.
21. Digital Equipment Corporation, _PDP-1 Handbook_ (Maynard, MA: Digital Equipment Corporation, 1963), s. 10, http://s3data.computerhistory.org/pdp-1/DEC.pdp_1.1963.102636240.pdf.
22. Amin Vahdat i Mark Lohmeyer, „Enabling Next-Generation AI Workloads: Announcing TPU v5p and AI Hypercomputer”, Google Cloud, 6 grudnia 2023, https://cloud.google.com/blog/products/ai-machine-learning/introducing-cloud-tpu-v5p-and-ai-hypercomputer.
23. Zobacz załącznik, aby zapoznać się ze źródłami użytymi do wszystkich oszacowań kosztów obliczeniowych w tej książce.
24. V. L. Yu i in., „Antimicrobial Selection by a Computer: A Blinded Evaluation by Infectious Diseases Experts”, _Journal of the American Medical Association_ 242, nr 12 (21 września 1979): 1279–82, https://jamanetwork.com/journals/jama/article-abstract/366606.
25. Bruce G. Buchanan i Edward Hance Shortliffe, red., _Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project_ (Reading, MA: Addison-Wesley, 1984); Edward Edelson, „Programmed to Think”, _MOSAIC_ 11, nr 5 (wrzesień/październik 1980): 22, https://books.google.co.uk/books?id=PU79ZK2tXeAC.
26. T. Grandon Gill, „Early Expert Systems: Where Are They Now?”, _MIS Quarterly_ 19, nr 1 (marzec 1995): 51–81, https://www.jstor.org/stable/249711.
27. Aby poznać krótkie i niespecjalistyczne wyjaśnienie, dlaczego uczenie maszynowe redukuje problem pułapu złożoności, zobacz Deepanker Saxena, „Machine Learning vs. Rules Based Systems”, _Socure_, 6 sierpnia 2018, https://www.socure.com/blog/machine-learning-vs-rule-based-systems.
28. Googol to liczba równa 10100, czyli jedynka i sto zer (przyp. tłum.).
29. Cade Metz, „One Genius’ Lonely Crusade to Teach a Computer Common Sense”, _Wired_, 24 marca 2016, https://www.wired.com/2016/03/doug-lenat-artificial-intelligence-common-sense-engine; „Frequently Asked Questions”, Cycorp, dostęp 20 listopada 2021, https://cyc.com/faq.
30. Aby uzyskać więcej informacji na temat problemu czarnej skrzynki i przejrzystości sztucznej inteligencji, zobacz Will Knight, „The Dark Secret at the Heart of AI”, _MIT Technology Review_, 11 kwietnia 2017, https://www.technologyreview.com/2017/04/11/5113/the-dark-secret-at-the-heart-of-ai/; „AI Detectives Are Cracking Open the Black Box of Deep Learning”, _Science Magazine_, film w serwisie YouTube, 6 lipca 2017, https://www.youtube.com/watch?v=gB_-LabED68; Paul Voosen, „How AI Detectives Are Cracking Open the Black Box of Deep Learning”, _Science_, 6 lipca 2017, https://doi.org/10.1126/science.aan7059; Harry Shum, „Explaining AI”, a16z, film w serwisie YouTube, 16 stycznia 2020, https://www.youtube.com/watch?v=rI_L95qnVkM; Future of Life Institute, „Neel Nanda on What Is Going On Inside Neural Networks”, film w serwisie YouTube, 9 lutego 2023, https://www.youtube.com/watch?v=mUhO6st6M_0.
31. Doskonały przegląd interpretowalności mechanistycznej autorstwa badacza Neela Nandy można znaleźć w Future of Life Institute, „Neel Nanda on What Is Going On Inside Neural Networks”.
32. Więcej informacji na temat technik uczenia maszynowego z niedoskonałymi danymi uczącymi można znaleźć w Xander Steenbrugge, „An Introduction to Reinforcement Learning”, Arxiv Insights, film w serwisie YouTube, 2 kwietnia 2018, https://www.youtube.com/watch?v=JgvyzIkgxF0; Alan Joseph Bekker i Jacob Goldberger, „Training Deep Neural-Networks Based on Unreliable Labels”, _2016 IEEE International Conference on Acoustics, Speech and Signal Processing_ (Szanghaj, 2016), 2682–86, https://doi.org/10.1109/ICASSP.2016.7472164; Nagarajan Natarajan i in., „Learning with Noisy Labels”, _Advances in Neural Information Processing Systems_ 26 (2013), https://papers.nips.cc/paper/5073-learning-with-noisy-labels; David Rolnick i in., „Deep Learning Is Robust to Massive Label Noise”, arXiv:1705.10694v3 , 26 lutego 2018, https://arxiv.org/pdf/1705.10694.pdf.
33. Aby uzyskać więcej informacji na temat perceptronu, jego ograniczeń oraz bardziej szczegółowe wyjaśnienie, jak pewne sieci neuronowe mogą je pokonać, zobacz Marvin L. Minsky i Seymour A. Papert, _Perceptrons: An Introduction to Computational Geometry_ (Cambridge, MA: MIT Press, 1990; wznowienie rozszerzonego wydania z 1988); Melanie Lefkowitz, „Professor’s Perceptron Paved the Way for AI – 60 Years Too Soon”, _Cornell Chronicle_, 25 września 2019, https://news.cornell.edu/stories/2019/09/professors-perceptron-paved-way-ai-60-years-too-soon; John Durkin, „Tools and Applications” _Expert Systems: The Technology of Knowledge Management and Decision Making for the 21st Century_, red. Cornelius T. Leondes (San Diego: Academic Press, 2002), 45, https://books.google.co.uk/books?id=5kSamKhS560C; „Marvin Minsky: The Problem with Perceptrons (121/151)”, Web of Stories – Life Stories of Remarkable People, film w serwisie YouTube, 17 października 2016, https://www.youtube.com/watch?v=QW_srPO-LrI; Heinz Mühlenbein, „Limitations of Multi-Layer Perceptron Networks: Steps Towards Genetic Neural Networks”, _Parallel Computing_ 14, nr 3 (sierpień 1990): 249–60, https://doi.org/10.1016/0167-8191(90)90079-O; Aniruddha Karajgi, „How Neural Networks Solve the XOR Problem”, _Towards Data Science_, 4 listopada 2020, https://towardsdatascience.com/how-neural-networks-solve-the-xor-problem-59763136bdd7.
34. Zobacz załącznik, aby zapoznać się ze źródłami użytymi do wszystkich oszacowań kosztów obliczeniowych w tej książce.
35. Tim Fryer, „Da Vinci Drawings Brought to Life”, _Engineering & Technology_ 14, nr 5 (21 maja 2019): 18, https://eandt.theiet.org/content/articles/2019/05/da-vinci-drawings-brought-to-life.
36. Aby uzyskać bardziej szczegółową oś czasu życia na Ziemi i szersze spojrzenie na leżącą u jej podstaw naukę, zobacz Michael Marshall, „Timeline: The Evolution of Life”, _New Scientist_, 14 lipca 2009, https://www.newscientist.com/article/dn17453; Dyani Lewis, „Where Did We Come From? A Primer on Early Human Evolution”, _Cosmos_, 9 czerwca 2016, https://cosmosmagazine.com/palaeontology/where-did-we-come-from-a-primer-on-early-human-evolution; John Hawks, „How Has the Human Brain Evolved?”, _Scientific American_, 1 lipca 2013, https://www.scientificamerican.com/article/how-has-human-brain-evolved; Laura Freberg, _Discovering Behavioral Neuroscience: An Introduction to Biological Psychology_, wyd. 4 (Boston: Cengage Learning, 2018), 62–63, https://books.google.co.uk/books?id=HhBEDwAAQBAJ; Jon H. Kaas, „Evolution of the Neocortex”, _Current Biology_ 16, nr 21 (2006): R910–R914, https://www.cell.com/current-biology/pdf/S0960-9822(06)02290-1.pdf; R. Glenn Northcutt, „Evolution of Centralized Nervous Systems: Two Schools of Evolutionary Thought”, _Proceedings of the National Academy of Sciences_ 109, dod. 1 (22 czerwca 2012): 10626–33, https://doi.org/10.1073/pnas.1201889109.
37. Marshall, „Timeline: The Evolution of Life”; Holly C. Betts i in., „Integrated Genomic and Fossil Evidence Illuminates Life’s Early Evolution and Eukaryote Origin”, _Nature Ecology & Evolution 2_ (20 sierpnia 2018): 1556–62, https://doi.org/10.1038/s41559-018-0644-x; Elizabeth Pennisi, „Life May Have Originated on Earth 4 Billion Years Ago, Study of Controversial Fossils Suggests”, _Science_, 18 grudnia 2017, https://www.sciencemag.org/news/2017/12/life-may-have-originated-earth-4-billion-years-ago-study-controversial-fossils-suggests.
38. Ethan Siegel, „Ask Ethan: How Do We Know the Universe Is 13.8 Billion Years Old?”, _Big Think_, 22 października 2021, https://bigthink.com/starts-with-a-bang/universe-13-8-billion-years; Mike Wall, „The Big Bang: What Really Happened at Our Universe’s Birth?”, Space.com, 21 października 2011, https://www.space.com/13347-big-bang-origins-universe-birth.html; Nola Taylor Reed, „How Old Is Earth?”, Space.com, 7 lutego 2019, https://www.space.com/24854-how-old-is-earth.html.
39. Marshall, „Timeline: The Evolution of Life”.
40. Marshall, „Timeline: The Evolution of Life”.
41. Freberg, _Discovering Behavioral Neuroscience_, 62–63; Kaas, „Evolution of the Neocortex”; R. Northcutt, „Evolution of Centralized Nervous Systems”; Frank Hirth, „On the Origin and Evolution of the Tripartite Brain”, _Brain, Behavior and Evolution_ 76, nr 1 (październik 2010): 3–10, https://doi.org/10.1159/000320218.
42. Kaas, „Evolution of the Neocortex”.
43. Aby zapoznać się z dwoma interesującymi wyjaśnieniami na temat działania doboru naturalnego, zobacz Hank Green, „Natural Selection: Crash Course Biology #14”, CrashCourse, film w serwisie YouTube, 30 kwietnia 2012, https://www.youtube.com/watch?v=aTftyFboC_M; Primer, „Simulating Natural Selection”, film w serwisie YouTube, 14 listopada 2018, https://www.youtube.com/watch?v=0ZGbIK d0XrM.
44. Suzana Herculano-Houzel, „Coordinated Scaling of Cortical and Cerebellar Numbers of Neurons”, _Frontiers in Neuroanatomy_ 4, nr 12 (10 marca 2010), https://doi.org/10.3389/fnana.2010.00012.
45. Aby uzyskać pomocne wyjaśnienia sposobu działania, zobacz Ainslie Johnstone, „The Amazing Phenomenon of Muscle Memory”, _Medium_, Uniwersytet Oksfordzki, 14 grudnia 2017, https://medium.com/oxford-university/the-amazing-phenomenon-of-muscle-memory-fb1cc4c4726; Sara Chodosh, „Muscle Memory Is Real, But It’s Probably Not What You Think”, _Popular Science_, 25 stycznia 2019, https://www.popsci.com/what-is-muscle-memory; Merim Bilalić, _The Neuroscience of Expertise_ (Cambridge, UK: Cambridge University Press, 2017), 171–72, https://books.google.co.uk/books?id=QILTDQAAQBAJ; The Brain from Top to Bottom, „The Motor Cortex”, McGill University, dostęp 20 listopada 2021, https://thebrain.mcgill.ca/flash/i/i_06/i_06_cr/i_06_cr_mou/i_06_cr_mou.html.
46. Aby uzyskać bardziej specjalistyczną wiedzę dotyczącą funkcji bazowych istotnych dla uczenia maszynowego, zobacz „Lecture 17: Basis Functions”, Open Data Science Initiative, film w serwisie YouTube, 28 listopada 2011, https://youtu.be/OOpfU3CvUkM?t=151; Yaser Abu-Mostafa, „Lecture 16: Radial Basis Functions”, Caltech, film w serwisie YouTube, 29 maja 2012, https://www.youtube.com/watch?v=O8CfrnOPtLc.
47. Mayo Clinic, „Ataxia”, Mayo Clinic, dostęp 20 listopada 2021, https://www.mayoclinic.org/diseases-conditions/ataxia/symptoms-causes/syc-20355652; Helen Thomson, „Woman of 24 Found to Have No Cerebellum in Her Brain”, _New Scientist_, 10 września 2014, https://institutions.newscientist.com/article/mg22329861-900-woman-of-24-found-to-have-no-cerebellum-in-her-brain; R. N. Lemon i S. A. Edgley, „Life Without a Cerebellum”, _Brain_ 133, nr 3 (18 marca 2010): 652–54, https://doi.org/10.1093/brain/awq030.
48. Aby dowiedzieć się więcej na temat tego, w jaki sposób trening sportowy wykorzystuje przejście do kompetencji nieświadomej, zob. Bo Hanson, „Conscious Competence Learning Matrix”, _Athlete Assessments_, dostęp 22 listopada 2021, https://athleteassessments.com/conscious-competence-learning-matrix.
49. Suzana Herculano-Houzel, „The Human Brain in Numbers: A Linearly Scaled-Up Primate Brain”, _Frontiers in Human Neuroscience_ 3, nr 31 (9 listopada 2009), https://doi.org/10.3389/neuro.09.031.2009.
50. Herculano-Houzel, „Human Brain in Numbers”; Richard Apps, „Cerebellar Modules and Their Role as Operational Cerebellar Processing Units”, _Cerebellum_ 17, nr 5 (6 czerwca 2018): 654–82, https://doi.org/10.1007/s12311-018-0952-3; Jan Voogd, „What We Do Not Know About Cerebellar Systems Neuroscience”, _Frontiers in Systems Neuroscience_ 8, nr 227 (18 grudnia 2014), https://doi.org/10.3389/fnsys.2014.00227; Rhoshel K. Lenroot i Jay N. Giedd, „The Changing Impact of Genes and Environment on Brain Development During Childhood and Adolescence: Initial Findings from a Neuroimaging Study of Pediatric Twins”, _Development and Psychopathology_ 20, nr 4 (jesień 2008): 1161–75, https://doi.org/10.1017/S0954579408000552; Salvador Martinez et al., „Cellular and Molecular Basis of Cerebellar Development”, _Frontiers in Neuroanatomy_ 7, nr 18 (26 czerwca 2013), https://doi.org/10.3389/fnana.2013.00018.
51. Fumiaki Sugahara i in., „Evidence from Cyclostomes for Complex Regionalization of the Ancestral Vertebrate Brain”, _Nature_ 531, nr 7592 (15 lutego 2016): 97–100, https://doi.org/10.1038/nature16518; Leonard F. Koziol, „Consensus Paper: The Cerebellum’s Role in Movement and Cognition”, _Cerebellum_ 13, nr 1 (luty 2014): 151–77, https://doi.org/10.1007/s12311-013-0511-x; Robert A. Barton i Chris Venditti, „Rapid Evolution of the Cerebellum in Humans and Other Great Apes”, _Current Biology_ 24, nr 20 (20 października 2014): 2440–44, https://doi.org/10.1016/j.cub.2014.08.056.
52. Aby uzyskać bardziej szczegółowe informacje na temat takich wrodzonych zachowań zwierząt, zobacz Jesse N. Weber, Brant K. Peterson i Hopi E. Hoekstra, „Discrete Genetic Modules Are Responsible for Complex Burrow Evolution in Peromyscus Mice”, _Nature_ 493, nr 7432 (17 stycznia 2013): 402–5, http://dx.doi.org/10.1038/nature11816; Nicole L. Bedford i Hopi E. Hoekstra, „Peromyscus Mice as a Model for Studying Natural Variation”, eLife 4: e06813 (17 czerwca 2015), https://doi.org/10.7554/eLife.06813; Do-Hyoung Kim i in., „Rescheduling Behavioral Subunits of a Fixed Action Pattern by Genetic Manipulation of Peptidergic Signaling”, PLoS Genetics 11, nr 9: e1005513 (24 września 2015), https://doi.org/10.1371/journal.pgen.1005513.
53. Aby zapoznać się z ciekawą prezentacją na temat ewolucyjnych obliczeń, zob. Keith Downing, „Evolutionary Computation: Keith Downing at TEDxTrondheim”, TEDx Talks, film w serwisie YouTube, 4 listopada 2013, https://www.youtube.com/watch?v=D3zUmfDd79s.
Chciałbym wyrazić swoją wdzięczność mojej żonie, Sonyi, za jej pełną miłości cierpliwość w obliczu zmiennych kolei procesu twórczego i za dzielenie się ze mną pomysłami przez pięćdziesiąt lat.
Moim dzieciom, Ethanowi i Amy; mojej synowej, Rebecce; mojemu zięciowi, Jacobowi; mojej siostrze, Enid; oraz moim wnukom, Leo, Naomi i Quincy’emu za ich miłość, inspirację i wspaniałe pomysły.
Mojej zmarłej matce Hannah i mojemu zmarłemu ojcu Fredricowi, którzy podczas spacerów po nowojorskich lasach nauczyli mnie potęgi pomysłów i dali mi za młodu swobodę eksperymentowania.
Johnowi-Clarkowi Levinowi za skrupulatne badania i inteligentną analizę danych, które stanowią podstawę tej książki.
Mojemu długoletniemu redaktorowi w wydawnictwie Viking, Rickowi Kotowi, za jego przywództwo, niezachwiane przewodnictwo i fachową redakcję.
Nickowi Mullendore’owi, mojemu agentowi literackiemu, za jego wnikliwe i entuzjastyczne wskazówki.
Aaronowi Kleinerowi, mojemu wieloletniemu partnerowi biznesowemu (od 1973 roku), za jego oddaną współpracę przez ostatnie pięćdziesiąt lat.
Nandzie Barker-Hook za jej wykwalifikowaną pomoc pisarską oraz fachowy nadzór i zarządzanie moimi wystąpieniami.
Sarah Black za jej wybitne spostrzeżenia badawcze i organizację pomysłów.
Celii Black-Brooks za jej przemyślane wsparcie i fachową strategię dzielenia się moimi pomysłami ze światem.
Denise Scutellaro za jej umiejętne prowadzenie moich operacji biznesowych.
Laksmanowi Frankowi za doskonałe projekty graficzne i ilustracje.
Amy Kurzweil i Rebecce Kurzweil za wskazówki dotyczące rzemiosła pisarskiego oraz za ich własne wspaniałe przykłady bardzo udanych książek.
Martine Rothblatt za jej zaangażowanie we wszystkie technologie omawiane w tej książce oraz za naszą długoletnią współpracę przy opracowywaniu wybitnych przykładów w tych obszarach.
Rodzinie Kurzweilów, która zapewniła znaczące wsparcie badawcze, pisarskie i logistyczne dla tego projektu, w którego skład wchodzą między innymi: Amara Angelica, Aaron Kleiner, Bob Beal, Nanda Barker-Hook, Celia Black-Brooks, John-Clark Levin, Denise Scutellaro, Joan Walsh, Marylou Sousa, Lindsay Boffoli, Ken Linde, Laksman Frank, Maria Ellis, Sarah Black, Emily Brangan i Kathryn Myronuk.
Oddanemu zespołowi Viking Penguin za całą wnikliwą wiedzę specjalistyczną, w tym Rickowi Kotowi, redaktorowi naczelnemu; Allison Lorentzen, redaktorce naczelnej; Camille LeBlanc, zastępczyni redaktora; Brianowi Tartowi, wydawcy; Kate Stark, zastępczyni wydawcy; Carolyn Coleburn, publicystce wykonawczej; i Mary Stone, dyrektorce marketingu.
Peterowi Jacobsowi z CAA za jego nieocenione przywództwo i wsparcie podczas moich wystąpień publicznych.
Zespołom Fortier Public Relations i Book Highlight za wyjątkową wiedzę specjalistyczną w zakresie public relations i strategiczne wskazówki w kwestii szerokiego udostępniania tej książki.
Moim czytelnikom będącym zarówno fachowcami, jak i amatorami, którzy podsunęli mi wiele mądrych i kreatywnych pomysłów.
I na koniec wszystkim ludziom, którzy mają odwagę kwestionować przestarzałe założenia i wykorzystują swoją wyobraźnię do robienia rzeczy, których nigdy wcześniej nie robiono. Jesteście dla mnie źródłem inspiracji.WPROWADZENIE
W mojej książce z 2005 roku _Nadchodzi osobliwość_ przedstawiłem teorię, że zbieżne, wykładnicze trendy technologiczne prowadzą do transformacji, która całkowicie przekształci ludzkość. Istnieje kilka kluczowych obszarów zmian, które nadal jednocześnie nabierają tempa: moc obliczeniowa staje się tańsza, biologia człowieka jest coraz lepiej rozumiana, a inżynieria staje się możliwa na znacznie mniejszych skalach. W miarę jak możliwości sztucznej inteligencji rosną, a informacje stają się coraz bardziej dostępne, coraz ściślej integrujemy te możliwości z naszą naturalną inteligencją biologiczną. Ostatecznie nanotechnologia umożliwi kulminację tych trendów w postaci bezpośredniego rozszerzenia naszych mózgów o warstwy wirtualnych neuronów w chmurze. W ten sposób połączymy się ze sztuczną inteligencją i wzbogacimy się o miliony razy większą moc obliczeniową, niż obdarzyła nas biologia. Poszerzy to naszą inteligencję i świadomość w sposób tak głęboki, że aż trudny do pojęcia. To wydarzenie nazywam osobliwością.
Termin „osobliwość” został zapożyczony z matematyki (gdzie odnosi się do nieokreślonego punktu funkcji, jak w przypadku dzielenia przez zero) i fizyki (gdzie oznacza nieskończenie gęsty punkt w centrum czarnej dziury, w którym obowiązujące prawa fizyki załamują się). Należy jednak pamiętać, że używam tego terminu jako metafory. Moja prognoza dotycząca technologicznej osobliwości nie sugeruje, że tempo zmian naprawdę stanie się nieskończone, ponieważ wzrost wykładniczy nie implikuje nieskończoności, podobnie jak w przypadku fizycznej osobliwości. Czarna dziura ma wystarczająco silną grawitację, by uwięzić nawet światło, ale w mechanice kwantowej nie ma sposobu na uwzględnienie naprawdę nieskończonej masy¹. Używam jednak metafory osobliwości, ponieważ oddaje ona naszą niezdolność do zrozumienia tak radykalnej zmiany na naszym obecnym poziomie inteligencji. Ale gdy to przejście nastąpi, będziemy zwiększać naszą zdolność poznawczą na tyle szybko, aby się do niego przystosować.
Jak szczegółowo opisałem w _Nadchodzi osobliwość_, długoterminowe trendy sugerują, że osobliwość nastąpi około 2045 roku. W momencie publikacji owej książki data ta była oddalona o czterdzieści lat – czyli dwa pełne pokolenia – w przyszłość. Z tej odległości mogłem przewidywać ogólne siły, które spowodują tę transformację, ale dla większości czytelników temat ten był wciąż stosunkowo odległy od codziennej rzeczywistości 2005 roku. Wielu krytyków twierdziło wówczas, że mój harmonogram jest zbyt optymistyczny, a nawet że pojawienie się osobliwości trzeba uznać za niemożliwe.
Od tamtej pory wydarzyło się jednak coś niezwykłego. Wbrew wątpliwościom sceptyków postęp nadal przyspieszał. Media społecznościowe i smartfony przestały być czymś wyjątkowym i stały się naszymi nieodłącznymi towarzyszami, dzięki którym łączy się obecnie ze sobą większość światowej populacji. Innowacje algorytmiczne i pojawienie się dużych zbiorów danych umożliwiły sztucznej inteligencji osiągnięcie zaskakujących momentów przełomowych nawet wcześniej, niż spodziewali się eksperci – od opanowania gier takich jak _Jeopardy!_ i go, po prowadzenie samochodów, pisanie esejów, zdawanie egzaminów adwokackich i wykrywanie raka. Teraz potężne i elastyczne duże modele językowe, na przykład GPT-4 i Gemini, mogą przekładać polecenia formułowane w języku naturalnym na kod komputerowy, radykalnie zmniejszając barierę między ludźmi a maszynami. W momencie, gdy czytacie te słowa, dziesiątki milionów ludzi prawdopodobnie doświadczyły już tych możliwości na własnej skórze. W międzyczasie koszt sekwencjonowania ludzkiego genomu spadł o około 99,997 procent, a sieci neuronowe zaczęły dokonywać istotnych odkryć medycznych dzięki cyfrowej symulacji biologii.
Wreszcie zyskujemy nawet możliwość bezpośredniego łączenia komputerów z mózgami. U podstaw wszystkich tych osiągnięć leży coś, co nazywam prawem przyspieszających zwrotów: technologie informacyjne, takie jak metody obliczeniowe, stają się wykładniczo tańsze, ponieważ każdy postęp ułatwia zaprojektowanie kolejnego etapu ich własnej ewolucji. W rezultacie w momencie pisania tego tekstu za jednego dolara można kupić około 11 200 razy więcej mocy obliczeniowej, przy uwzględnieniu inflacji, niż kiedy _Nadchodzi osobliwość_ trafiła na półki.
Poniższy wykres, który omówię szczegółowo w dalszej części książki, podsumowuje najważniejszy trend napędzający naszą cywilizację technologiczną: długoterminowy wykładniczy wzrost (pokazany jako w przybliżeniu linia prosta na skali logarytmicznej) ilości mocy obliczeniowej, jaką można kupić za stałą kwotę. Z prawa Moore’a wynika, że tranzystory stale się kurczą, dzięki czemu komputery stają się coraz potężniejsze – ale to tylko jeden z przejawów prawa przyspieszających zwrotów, które obowiązywało już na długo przed wynalezieniem tranzystorów i można się spodziewać, że będzie obowiązywać nawet po osiągnięciu fizycznych granic tranzystorów i zastąpieniu ich przez nowe technologie. Trend ten zdefiniował współczesny świat i niemal wszystkie nadchodzące przełomy omówione w tej książce zostaną przez niego bezpośrednio lub pośrednio spowodowane.
Moc obliczeniowa względem ceny, 1939–2023²
Najlepsza osiągnięta moc obliczeniowa względem ceny w obliczeniach na sekundę na stałego dolara z 2023 r.³
Aby zoptymalizować porównywalność maszyn, wykres ten skupia się na relacji mocy obliczeniowej względem ceny w epoce komputerów programowalnych, ale oszacowania dotyczące wcześniejszych elektromechanicznych urządzeń obliczeniowych pokazują, że trend ten sięga co najmniej lat osiemdziesiątych XIX wieku.
Tak więc trzymamy się harmonogramu dla osobliwości. Istotność tej książki wynika z samej natury wykładniczej zmiany. Trendy, które na początku tego stulecia były ledwo zauważalne, obecnie w bezpośredni sposób wpływają na życie miliardów ludzi. Na początku lat dwudziestych XXI wieku weszliśmy w gwałtownie i stromo rosnącą część krzywej wykładniczej, a tempo innowacji wpływa na społeczeństwo jak nigdy dotąd. Dla porównania: chwila, w której czytacie te słowa, jest prawdopodobnie bliżej stworzenia pierwszej nadludzkiej sztucznej inteligencji niż wydania mojej ostatniej książki _Jak stworzyć umysł_ z 2012 roku.
I przypuszczalnie jesteście bliżej osobliwości niż wydania mojej książki z 1999 roku _The Age of Spiritual Machines_ (Wiek maszyn duchowych). Bądź też, mierząc to w kategoriach ludzkiego życia, dzieci urodzone dzisiaj będą właśnie kończyć studia, gdy nadejdzie osobliwość. Na poziomie bardzo osobistym jest to inny rodzaj „nadejścia” niż w 2005 roku.
Dlatego teraz napisałem tę książkę. Trwający tysiąclecia marsz ludzkości w kierunku osobliwości stał się szalonym biegiem. We wstępie do _Nadchodzi osobliwość_ wyraziłem opinię, że byliśmy wtedy „w początkowych etapach tej transformacji”. Teraz wkraczamy w jej kulminację. Tamta książka dotyczyła spojrzenia na odległy horyzont – ta opisuje ostatnie kilometry na ścieżce wiodącej do jego osiągnięcia.
Na szczęście obecnie widzimy tę ścieżkę znacznie wyraźniej. Chociaż zanim osiągniemy osobliwość, pozostaje do rozwiązania wiele wyzwań technologicznych, jej kluczowi prekursorzy szybko przechodzą ze sfery nauki teoretycznej do aktywnych badań i rozwoju. W nadchodzącej dekadzie ludzie będą wchodzić w interakcje ze sztuczną inteligencją, która może wydawać się przekonująco ludzka, a proste interfejsy mózg–komputer będą miały wpływ na codzienne życie na podobieństwo dzisiejszych smartfonów. Cyfrowa rewolucja w biotechnologii wyleczy choroby i znacząco wydłuży ludzkie życie w zdrowiu. Jednocześnie jednak wielu pracowników odczuje ból wynikający z zaburzeń gospodarczych, a wszyscy staniemy w obliczu ryzyka wynikającego z przypadkowego lub celowego nadużycia tych nowych możliwości. W latach trzydziestych XXI wieku samodoskonaląca się sztuczna inteligencja i dojrzewająca nanotechnologia połączą ludzi i nasze maszynowe wytwory w sposób dotychczas nieznany, co jeszcze bardziej zwiększy zarówno możliwości, jak i zagrożenia. Jeśli uda nam się sprostać wyzwaniom naukowym, etycznym, społecznym i politycznym, jakie stwarza ten postęp, do 2045 roku głęboko przekształcimy życie na Ziemi na lepsze. Jeśli jednak poniesiemy porażkę, nasze przetrwanie stanie pod znakiem zapytania. Dlatego też ta książka opowiada o naszym ostatecznym podejściu do osobliwości – szansach i niebezpieczeństwach, którym musimy wspólnie stawić czoła w ramach ostatniego pokolenia zamieszkującego świat, jaki znaliśmy.
Na początek przyjrzymy się temu, w jaki sposób tak naprawdę nadejdzie osobliwość, i umieścimy to wydarzenie w kontekście długotrwałego dążenia naszego gatunku do przekształcenia własnej inteligencji. Tworzenie świadomości za pomocą technologii rodzi ważne pytania filozoficzne, dlatego omówimy wpływ tego przejścia na naszą własną tożsamość i poczucie celu. Następnie przejdziemy do praktycznych trendów, które będą charakteryzowały nadchodzące dekady. Jak pokażę, prawo przyspieszających zwrotów powoduje wykładniczą poprawę w bardzo szerokim zakresie wskaźników odzwierciedlających dobrostan człowieka. Jednym z najbardziej oczywistych negatywnych skutków innowacji jest natomiast bezrobocie spowodowane automatyzacją w jej różnych postaciach. Chociaż te szkody są realne, przekonamy się, czemu istnieją uzasadnione powody do długoterminowego optymizmu – oraz dlaczego ostatecznie nie będziemy konkurować ze sztuczną inteligencją.
W miarę jak technologie te odblokowują ogromną materialną obfitość dla naszej cywilizacji, nasza uwaga skupi się na pokonaniu kolejnej bariery na drodze do pełnego rozkwitu: słabości naszej biologii. Następnie przyjrzymy się narzędziom, których będziemy używać w nadchodzących dziesięcioleciach, aby sprawować coraz większą kontrolę nad samą biologią – najpierw poprzez pokonanie procesu starzenia się naszych ciał, a następnie wzmacniając nasze ograniczone mózgi i wprowadzając osobliwość. Jednak te przełomowe dokonania mogą również narazić nas na niebezpieczeństwo. Nowe rewolucyjne systemy w biotechnologii, nanotechnologii lub sztucznej inteligencji są też w stanie doprowadzić do katastrofy egzystencjalnej, takiej jak niszczycielska pandemia lub reakcja łańcuchowa samoreplikujących się maszyn. Zakończymy oceną tych zagrożeń, które wymagają starannego planowania, ale jak wyjaśnię, istnieją bardzo obiecujące sposoby ich złagodzenia.
To najbardziej fascynujące i doniosłe lata w całej historii rodzaju ludzkiego. Nie możemy z całą pewnością powiedzieć, jakie będzie życie po osobliwości. Jednak rozumiejąc i przewidując przejścia prowadzące do niej, możemy postarać się zapewnić, że ten ostatni etap rozwoju ludzkości będzie bezpieczny i udany.ROZDZIAŁ 1. GDZIE JESTEŚMY W SZEŚCIU ETAPACH?
Rozdział 1
Gdzie jesteśmy w sześciu etapach?
Wksiążce _Nadchodzi osobliwość_ opisałem informację jako podstawę świadomości. Wymieniłem sześć etapów, lub epok, trwających od początku naszego wszechświata, przy czym każdy etap tworzy kolejny na podstawie przetwarzania informacji pochodzących z poprzedniego. Zatem ewolucja inteligencji przebiega poprzez pośrednią sekwencję innych procesów.
Pierwsza epoka to narodziny praw fizyki i możliwej dzięki nim chemii. Kilkaset tysięcy lat po Wielkim Wybuchu atomy uformowały się z elektronów krążących wokół jądra złożonego z protonów i neutronów. Protony w jądrze pozornie nie powinny znajdować się tak blisko siebie, ponieważ siła elektromagnetyczna próbuje gwałtownie je rozdzielić. Tak się jednak składa, że istnieje odrębna siła zwana silnym oddziaływaniem jądrowym, która utrzymuje protony razem. „Ktokolwiek” zaprojektował zasady wszechświata, musiał zapewnić tę dodatkową siłę, gdyż w przeciwnym razie ewolucja za pośrednictwem atomów byłaby niemożliwa.
Miliardy lat później atomy uformowały cząsteczki, które mogły stanowić nośnik złożonych informacji. Węgiel był najbardziej użytecznym budulcem, ponieważ mógł tworzyć cztery wiązania, w przeciwieństwie do jednego, dwóch lub trzech w przypadku wielu innych jąder. To, że żyjemy w świecie, który umożliwia istnienie skomplikowanej chemii, jest niezwykle mało prawdopodobne. Gdyby na przykład siła grawitacji była odrobinę słabsza, nie powstałyby supernowe wytwarzające pierwiastki chemiczne, z których zbudowane jest życie. Gdyby była nieco silniejsza, gwiazdy wypaliłyby się i przestały istnieć, zanim mogłoby powstać inteligentne życie. Tylko ta jedna stała fizyczna musiała mieścić się w bardzo wąskim zakresie, inaczej nie byłoby nas tutaj. Żyjemy we wszechświecie, który jest bardzo precyzyjnie zrównoważony, aby zapewnić poziom porządku, który umożliwił rozwój ewolucji.
Kilka miliardów lat temu rozpoczęła się druga epoka: życie. Cząsteczki stały się na tyle złożone, że można było zdefiniować cały organizm w jednej cząsteczce. W ten sposób żywe istoty, każda z własnym DNA, mogły ewoluować i rozprzestrzeniać się.
W trzeciej epoce zwierzęta opisane za pomocą DNA wytworzyły mózgi, które same przechowywały i przetwarzały informacje. Mózgi te stanowiły źródło korzyści ewolucyjnych, które pomogły im rozwinąć się w większą złożoność na przestrzeni milionów lat.
W czwartej epoce zwierzęta wykorzystały swoje wyższe zdolności poznawcze, a także kciuki, do przekładania myśli na złożone działania. Byli to ludzie. Nasz gatunek użył tych zdolności do stworzenia technologii umożliwiającej przechowywanie informacji i manipulowanie nimi – od papirusów po dyski twarde. Technologie te zwiększyły możliwości naszych mózgów w zakresie postrzegania, zapamiętywania i oceniania wzorców informacji. Jest to kolejne źródło ewolucji, które samo w sobie jest znacznie większe niż poziom wcześniejszego postępu. W przypadku mózgów przyrost wynosił mniej więcej 16 centymetrów sześciennych materii mózgowej co 100 tysięcy lat, podczas gdy w przypadku obliczeń cyfrowych podwajamy stosunek wydajności do ceny co jakieś szesnaście miesięcy.
W piątej epoce bezpośrednio połączymy biologiczne ludzkie zdolności poznawcze z szybkością i mocą naszej technologii cyfrowej. To interfejsy mózg–komputer. Przetwarzanie neuronowe u człowieka odbywa się z szybkością kilkuset cykli w ciągu sekundy, w porównaniu z kilkoma miliardami na sekundę w przypadku technologii cyfrowej. Oprócz szybkości i wielkości pamięci wzmocnienie naszych mózgów za pomocą komputerów niebiologicznych pozwoli nam dodać o wiele więcej warstw do kory nowej – odblokowując znacznie bardziej złożone i abstrakcyjne myślenie, niż możemy sobie obecnie wyobrazić.
W szóstej epoce nasza inteligencja rozprzestrzeni się po całym wszechświecie, zamieniając zwykłą materię w komputronium, czyli materię zorganizowaną w sposób umożliwiający maksymalną gęstość obliczeniową.
W mojej książce z 1999 roku _The Age of Spiritual Machines_ przewidywałem, że test Turinga – w którym sztuczna inteligencja potrafi komunikować się za pomocą tekstu w sposób nieodróżnialny od człowieka – zostanie zaliczony do roku 2029. Powtórzyłem to przypuszczenie w książce _Nadchodzi osobliwość_ z 2005 roku. Pozytywne zaliczenie testu Turinga oznacza, że sztuczna inteligencja opanowała język i zdroworozsądkowe rozumowanie na poziomie ludzkim. Turing opisał swoją koncepcję w 1950 roku, ale nie określił, w jaki sposób należy przeprowadzić ten test⁴. W zakładzie, jaki zawarłem z Mitchem Kaporem, zdefiniowaliśmy własne reguły, które są znacznie bardziej wymagające niż inne interpretacje.
Oczekiwałem, że aby zdać ważny test Turinga do 2029 roku, będziemy musieli do 2020 roku osiągnąć szeroki zakres możliwości intelektualnych dzięki sztucznej inteligencji. I rzeczywiście, od czasu tej prognozy sztuczna inteligencja opanowała wiele najtrudniejszych intelektualnych wyzwań ludzkości – od gier takich jak _Jeopardy!_⁵ i go po poważne zastosowania, takie jak radiologia i odkrywanie leków. Kiedy piszę te słowa, czołowe systemy sztucznej inteligencji, takie jak Gemini i GPT-4, rozszerzają swoje możliwości na wiele różnych dziedzin – zachęcając do podjęcia kroków na drodze do stworzenia ogólnej inteligencji.
Ostatecznie, gdy program przejdzie test Turinga, będzie musiał sprawiać wrażenie znacznie mniej inteligentnego w wielu obszarach, ponieważ w przeciwnym razie byłoby jasne, że jest to sztuczna inteligencja. Gdyby na przykład mógł natychmiast poprawnie rozwiązać dowolny problem matematyczny, nie zdałby tego testu. Zatem na poziomie testu Turinga sztuczna inteligencja będzie posiadać zdolności, które w rzeczywistości wykraczają daleko poza możliwości najlepszych ludzi w większości dziedzin.
Ludzie żyją obecnie w czwartej epoce, a nasza technologia już teraz przynosi rezultaty, które w przypadku pewnych zadań przekraczają nasze możliwości zrozumienia. Jeśli chodzi o aspekty testu Turinga, których sztuczna inteligencja jeszcze nie opanowała, postęp jest szybki i nieustannie przyspiesza. Zdanie testu Turinga, które przewiduję na rok 2029, wprowadzi nas w piątą epokę.
Kluczową zdolnością w latach trzydziestych XXI wieku będzie połączenie wyższych partii ludzkiej kory nowej z chmurą, co bezpośrednio rozszerzy nasze myślenie. W ten sposób sztuczna inteligencja, zamiast być konkurentem, stanie się przedłużeniem nas samych. Zanim to nastąpi, niebiologiczne części naszego umysłu zapewnią tysiące razy większe możliwości poznawcze niż części biologiczne.
W miarę wykładniczego postępu tego procesu do roku 2045 nasze umysły poszerzą się miliony razy. To właśnie ta niewyobrażalna prędkość i skala transformacji pozwalają nam zapożyczyć metaforę osobliwości z fizyki do opisu naszej przyszłości.Zapraszamy do zakupu pełnej wersji książki
1. Osobliwość w teorii grawitacji nie oznacza nieskończonej masy, lecz nieskończoną gęstość masy. Czarne dziury mają jak najbardziej mierzalne masy (przyp. tłum.).
2. Zobacz załącznik, aby zapoznać się ze źródłami użytymi do wszystkich oszacowań historycznych kosztów obliczeń w tej książce.
3. William D. Nordhaus, „Two Centuries of Productivity Growth in Computing”, _Journal of Economic History_ 67, nr 1 (marzec 2007): 128–159, https://doi.org/10.1017/S00220507 07000058.
4. Alan M. Turing, „Computing Machinery and Intelligence”, _Mind_ 59, nr 236 (1 października 1950): 435, https://doi.org/10.1093/mind/LIX.236.433.
5. Polskim odpowiednikiem tego teleturnieju jest _Va banque_ (przyp. tłum.).
6. Alan M. Turing, „Computing Machinery and Intelligence”, _Mind_ 59, nr 236 (1 października 1950): 435, https://doi.org/10.1093/mind/LIX.236.433.
7. Alex Shashkevich, „Stanford Researcher Examines Earliest Concepts of Artificial Intelligence, Robots in Ancient Myths”, _Stanford News_, 28 lutego 2019, https://news.stanford.edu/2019/02/28/ancient-myths-reveal-early-fantasies-artificial-life.
8. John McCarthy i in., „A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”, wniosek konferencyjny, 31 sierpnia 1955, http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html.
9. McCarthy i in., „Proposal for the Dartmouth Summer Research Project”.
10. Martin Childs, „John McCarthy: Computer Scientist Known as the Father of AI”, _The Independent_, 1 listopada 2011, https://www.independent.co.uk/news/obituaries/john-mccarthy-computer-scientist-known-as-the-father-of-ai-6255307.html; Nello Christianini, „The Road to Artificial Intelligence: A Case of Data Over Theory”, _New Scientist_, 26 października 2016, https://institutions.newscientist.com/article/mg23230971-200-the-irresistible-rise-of-artificial-intelligence.
11. James Vincent, „Tencent Says There Are Only 300,000 AI Engineers Worldwide, but Millions Are Needed”, _The Verge_, 5 grudnia 2017, https://www.theverge.com/2017/12/5/16737224/global-ai-talent-shortfall-tencent-report.
12. Jean-Francois Gagne, Grace Kiser i Yoan Mantha, _Global AI Talent Report 2019_, Element AI, kwiecień 2019, https://jfgagne.ai/talent-2019.
13. Daniel Zhang i in., _The AI Index 2022 Annual Report_, Komitet sterujący indeksu AI, Stanford Institute for Human-Centered AI, Uniwersytet Stanforda, marzec 2022, 36, https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf; Nestor Maslej i in., _The AI Index 2022 Annual Report_, Komitet sterujący indeksu AI, Stanford Institute for Human-Centered AI, Uniwersytet Stanforda, kwiecień 2023, 24, https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index- Report_ 2023.pdf.
14. Inwestycje korporacyjne spadły o 26,7% w latach 2021–2022, ale prawdopodobnie wynika to z cyklicznych trendów makroekonomicznych, a nie ze zmiany długoterminowej trajektorii zaangażowania korporacyjnego w sztuczną inteligencję. Zobacz Maslej i in., _The AI Index 2022 Annual Report_, 171, 184.
15. Ray Kurzweil, _The Age of Spiritual Machines: When Computers Exceed Human Intelligence_ (Nowy Jork: Penguin, 2000; pierwsze wydanie Viking, 1999), 313; Dale Jacquette, „Who’s Afraid of the Turing Test?”, _Behavior and Philosophy_ 20/21 (1993): 72, https://www.jstor.org/stable/27759284.
16. Katja Grace i in., „Viewpoint: When Will AI Exceed Human Performance? Evidence from AI Experts”, _Journal of Artificial Intelligence Research_ 62 (lipiec 2018): 729–54, https://doi.org/10.1613/jair.1.11222.
17. Więcej informacji na temat uzasadnienia mojej prognozy oraz porównania jej z szerokim wachlarzem opinii ekspertów w dziedzinie sztucznej inteligencji można znaleźć w artykułach: Ray Kurzweil, „A Wager on the Turing Test: Why I Think I Will Win”, KurzweilAI.net, 9 kwietnia 2002, https://www.kurzweilai.net/a-wager-on-the-turing-test-why-i-think-i-will-win; Vincent C. Müller i Nick Bostrom, „Future Progress in Artificial Intelligence: A Survey of Expert Opinion”, _Fundamental Issues of Artificial Intelligence_, red. Vincent C. Müller (Cham, Szwajcaria: Springer, 2016), 553–71, https://philpapers.org/archive/MLLFPI.pdf; Anthony Aguirre, „Date Weakly General AI Is Publicly Known”, Metaculus, dostęp 26 kwietnia 2023, https://www.metaculus.com/questions/3479/date-weakly-general-ai-system-is-devised.
18. Aguirre, „Date Weakly General AI Is Publicly Known”.
19. Raffi Khatchadourian, „The Doomsday Invention”, _New Yorker_, 23 listopada 2015, https://www.newyorker.com/magazine/2015/11/23/doomsday-invention-artificial-intelligence-nick-bostrom.
20. A. Newell, J. C. Shaw i H. A. Simon, „Report on a General Problem-Solving Program”, RAND P-1584, RAND Corporation, 9 lutego 1959 r., http://bitsavers.informatik.uni-stuttgart.de/pdf/rand/ipl/P-1584_Report_On_A_General_Problem-Solving_Program_Feb59.pdf. Zobacz załącznik, aby zapoznać się ze źródłami użytymi do wszystkich oszacowań kosztów obliczeniowych w tej książce.
21. Digital Equipment Corporation, _PDP-1 Handbook_ (Maynard, MA: Digital Equipment Corporation, 1963), s. 10, http://s3data.computerhistory.org/pdp-1/DEC.pdp_1.1963.102636240.pdf.
22. Amin Vahdat i Mark Lohmeyer, „Enabling Next-Generation AI Workloads: Announcing TPU v5p and AI Hypercomputer”, Google Cloud, 6 grudnia 2023, https://cloud.google.com/blog/products/ai-machine-learning/introducing-cloud-tpu-v5p-and-ai-hypercomputer.
23. Zobacz załącznik, aby zapoznać się ze źródłami użytymi do wszystkich oszacowań kosztów obliczeniowych w tej książce.
24. V. L. Yu i in., „Antimicrobial Selection by a Computer: A Blinded Evaluation by Infectious Diseases Experts”, _Journal of the American Medical Association_ 242, nr 12 (21 września 1979): 1279–82, https://jamanetwork.com/journals/jama/article-abstract/366606.
25. Bruce G. Buchanan i Edward Hance Shortliffe, red., _Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project_ (Reading, MA: Addison-Wesley, 1984); Edward Edelson, „Programmed to Think”, _MOSAIC_ 11, nr 5 (wrzesień/październik 1980): 22, https://books.google.co.uk/books?id=PU79ZK2tXeAC.
26. T. Grandon Gill, „Early Expert Systems: Where Are They Now?”, _MIS Quarterly_ 19, nr 1 (marzec 1995): 51–81, https://www.jstor.org/stable/249711.
27. Aby poznać krótkie i niespecjalistyczne wyjaśnienie, dlaczego uczenie maszynowe redukuje problem pułapu złożoności, zobacz Deepanker Saxena, „Machine Learning vs. Rules Based Systems”, _Socure_, 6 sierpnia 2018, https://www.socure.com/blog/machine-learning-vs-rule-based-systems.
28. Googol to liczba równa 10100, czyli jedynka i sto zer (przyp. tłum.).
29. Cade Metz, „One Genius’ Lonely Crusade to Teach a Computer Common Sense”, _Wired_, 24 marca 2016, https://www.wired.com/2016/03/doug-lenat-artificial-intelligence-common-sense-engine; „Frequently Asked Questions”, Cycorp, dostęp 20 listopada 2021, https://cyc.com/faq.
30. Aby uzyskać więcej informacji na temat problemu czarnej skrzynki i przejrzystości sztucznej inteligencji, zobacz Will Knight, „The Dark Secret at the Heart of AI”, _MIT Technology Review_, 11 kwietnia 2017, https://www.technologyreview.com/2017/04/11/5113/the-dark-secret-at-the-heart-of-ai/; „AI Detectives Are Cracking Open the Black Box of Deep Learning”, _Science Magazine_, film w serwisie YouTube, 6 lipca 2017, https://www.youtube.com/watch?v=gB_-LabED68; Paul Voosen, „How AI Detectives Are Cracking Open the Black Box of Deep Learning”, _Science_, 6 lipca 2017, https://doi.org/10.1126/science.aan7059; Harry Shum, „Explaining AI”, a16z, film w serwisie YouTube, 16 stycznia 2020, https://www.youtube.com/watch?v=rI_L95qnVkM; Future of Life Institute, „Neel Nanda on What Is Going On Inside Neural Networks”, film w serwisie YouTube, 9 lutego 2023, https://www.youtube.com/watch?v=mUhO6st6M_0.
31. Doskonały przegląd interpretowalności mechanistycznej autorstwa badacza Neela Nandy można znaleźć w Future of Life Institute, „Neel Nanda on What Is Going On Inside Neural Networks”.
32. Więcej informacji na temat technik uczenia maszynowego z niedoskonałymi danymi uczącymi można znaleźć w Xander Steenbrugge, „An Introduction to Reinforcement Learning”, Arxiv Insights, film w serwisie YouTube, 2 kwietnia 2018, https://www.youtube.com/watch?v=JgvyzIkgxF0; Alan Joseph Bekker i Jacob Goldberger, „Training Deep Neural-Networks Based on Unreliable Labels”, _2016 IEEE International Conference on Acoustics, Speech and Signal Processing_ (Szanghaj, 2016), 2682–86, https://doi.org/10.1109/ICASSP.2016.7472164; Nagarajan Natarajan i in., „Learning with Noisy Labels”, _Advances in Neural Information Processing Systems_ 26 (2013), https://papers.nips.cc/paper/5073-learning-with-noisy-labels; David Rolnick i in., „Deep Learning Is Robust to Massive Label Noise”, arXiv:1705.10694v3 , 26 lutego 2018, https://arxiv.org/pdf/1705.10694.pdf.
33. Aby uzyskać więcej informacji na temat perceptronu, jego ograniczeń oraz bardziej szczegółowe wyjaśnienie, jak pewne sieci neuronowe mogą je pokonać, zobacz Marvin L. Minsky i Seymour A. Papert, _Perceptrons: An Introduction to Computational Geometry_ (Cambridge, MA: MIT Press, 1990; wznowienie rozszerzonego wydania z 1988); Melanie Lefkowitz, „Professor’s Perceptron Paved the Way for AI – 60 Years Too Soon”, _Cornell Chronicle_, 25 września 2019, https://news.cornell.edu/stories/2019/09/professors-perceptron-paved-way-ai-60-years-too-soon; John Durkin, „Tools and Applications” _Expert Systems: The Technology of Knowledge Management and Decision Making for the 21st Century_, red. Cornelius T. Leondes (San Diego: Academic Press, 2002), 45, https://books.google.co.uk/books?id=5kSamKhS560C; „Marvin Minsky: The Problem with Perceptrons (121/151)”, Web of Stories – Life Stories of Remarkable People, film w serwisie YouTube, 17 października 2016, https://www.youtube.com/watch?v=QW_srPO-LrI; Heinz Mühlenbein, „Limitations of Multi-Layer Perceptron Networks: Steps Towards Genetic Neural Networks”, _Parallel Computing_ 14, nr 3 (sierpień 1990): 249–60, https://doi.org/10.1016/0167-8191(90)90079-O; Aniruddha Karajgi, „How Neural Networks Solve the XOR Problem”, _Towards Data Science_, 4 listopada 2020, https://towardsdatascience.com/how-neural-networks-solve-the-xor-problem-59763136bdd7.
34. Zobacz załącznik, aby zapoznać się ze źródłami użytymi do wszystkich oszacowań kosztów obliczeniowych w tej książce.
35. Tim Fryer, „Da Vinci Drawings Brought to Life”, _Engineering & Technology_ 14, nr 5 (21 maja 2019): 18, https://eandt.theiet.org/content/articles/2019/05/da-vinci-drawings-brought-to-life.
36. Aby uzyskać bardziej szczegółową oś czasu życia na Ziemi i szersze spojrzenie na leżącą u jej podstaw naukę, zobacz Michael Marshall, „Timeline: The Evolution of Life”, _New Scientist_, 14 lipca 2009, https://www.newscientist.com/article/dn17453; Dyani Lewis, „Where Did We Come From? A Primer on Early Human Evolution”, _Cosmos_, 9 czerwca 2016, https://cosmosmagazine.com/palaeontology/where-did-we-come-from-a-primer-on-early-human-evolution; John Hawks, „How Has the Human Brain Evolved?”, _Scientific American_, 1 lipca 2013, https://www.scientificamerican.com/article/how-has-human-brain-evolved; Laura Freberg, _Discovering Behavioral Neuroscience: An Introduction to Biological Psychology_, wyd. 4 (Boston: Cengage Learning, 2018), 62–63, https://books.google.co.uk/books?id=HhBEDwAAQBAJ; Jon H. Kaas, „Evolution of the Neocortex”, _Current Biology_ 16, nr 21 (2006): R910–R914, https://www.cell.com/current-biology/pdf/S0960-9822(06)02290-1.pdf; R. Glenn Northcutt, „Evolution of Centralized Nervous Systems: Two Schools of Evolutionary Thought”, _Proceedings of the National Academy of Sciences_ 109, dod. 1 (22 czerwca 2012): 10626–33, https://doi.org/10.1073/pnas.1201889109.
37. Marshall, „Timeline: The Evolution of Life”; Holly C. Betts i in., „Integrated Genomic and Fossil Evidence Illuminates Life’s Early Evolution and Eukaryote Origin”, _Nature Ecology & Evolution 2_ (20 sierpnia 2018): 1556–62, https://doi.org/10.1038/s41559-018-0644-x; Elizabeth Pennisi, „Life May Have Originated on Earth 4 Billion Years Ago, Study of Controversial Fossils Suggests”, _Science_, 18 grudnia 2017, https://www.sciencemag.org/news/2017/12/life-may-have-originated-earth-4-billion-years-ago-study-controversial-fossils-suggests.
38. Ethan Siegel, „Ask Ethan: How Do We Know the Universe Is 13.8 Billion Years Old?”, _Big Think_, 22 października 2021, https://bigthink.com/starts-with-a-bang/universe-13-8-billion-years; Mike Wall, „The Big Bang: What Really Happened at Our Universe’s Birth?”, Space.com, 21 października 2011, https://www.space.com/13347-big-bang-origins-universe-birth.html; Nola Taylor Reed, „How Old Is Earth?”, Space.com, 7 lutego 2019, https://www.space.com/24854-how-old-is-earth.html.
39. Marshall, „Timeline: The Evolution of Life”.
40. Marshall, „Timeline: The Evolution of Life”.
41. Freberg, _Discovering Behavioral Neuroscience_, 62–63; Kaas, „Evolution of the Neocortex”; R. Northcutt, „Evolution of Centralized Nervous Systems”; Frank Hirth, „On the Origin and Evolution of the Tripartite Brain”, _Brain, Behavior and Evolution_ 76, nr 1 (październik 2010): 3–10, https://doi.org/10.1159/000320218.
42. Kaas, „Evolution of the Neocortex”.
43. Aby zapoznać się z dwoma interesującymi wyjaśnieniami na temat działania doboru naturalnego, zobacz Hank Green, „Natural Selection: Crash Course Biology #14”, CrashCourse, film w serwisie YouTube, 30 kwietnia 2012, https://www.youtube.com/watch?v=aTftyFboC_M; Primer, „Simulating Natural Selection”, film w serwisie YouTube, 14 listopada 2018, https://www.youtube.com/watch?v=0ZGbIK d0XrM.
44. Suzana Herculano-Houzel, „Coordinated Scaling of Cortical and Cerebellar Numbers of Neurons”, _Frontiers in Neuroanatomy_ 4, nr 12 (10 marca 2010), https://doi.org/10.3389/fnana.2010.00012.
45. Aby uzyskać pomocne wyjaśnienia sposobu działania, zobacz Ainslie Johnstone, „The Amazing Phenomenon of Muscle Memory”, _Medium_, Uniwersytet Oksfordzki, 14 grudnia 2017, https://medium.com/oxford-university/the-amazing-phenomenon-of-muscle-memory-fb1cc4c4726; Sara Chodosh, „Muscle Memory Is Real, But It’s Probably Not What You Think”, _Popular Science_, 25 stycznia 2019, https://www.popsci.com/what-is-muscle-memory; Merim Bilalić, _The Neuroscience of Expertise_ (Cambridge, UK: Cambridge University Press, 2017), 171–72, https://books.google.co.uk/books?id=QILTDQAAQBAJ; The Brain from Top to Bottom, „The Motor Cortex”, McGill University, dostęp 20 listopada 2021, https://thebrain.mcgill.ca/flash/i/i_06/i_06_cr/i_06_cr_mou/i_06_cr_mou.html.
46. Aby uzyskać bardziej specjalistyczną wiedzę dotyczącą funkcji bazowych istotnych dla uczenia maszynowego, zobacz „Lecture 17: Basis Functions”, Open Data Science Initiative, film w serwisie YouTube, 28 listopada 2011, https://youtu.be/OOpfU3CvUkM?t=151; Yaser Abu-Mostafa, „Lecture 16: Radial Basis Functions”, Caltech, film w serwisie YouTube, 29 maja 2012, https://www.youtube.com/watch?v=O8CfrnOPtLc.
47. Mayo Clinic, „Ataxia”, Mayo Clinic, dostęp 20 listopada 2021, https://www.mayoclinic.org/diseases-conditions/ataxia/symptoms-causes/syc-20355652; Helen Thomson, „Woman of 24 Found to Have No Cerebellum in Her Brain”, _New Scientist_, 10 września 2014, https://institutions.newscientist.com/article/mg22329861-900-woman-of-24-found-to-have-no-cerebellum-in-her-brain; R. N. Lemon i S. A. Edgley, „Life Without a Cerebellum”, _Brain_ 133, nr 3 (18 marca 2010): 652–54, https://doi.org/10.1093/brain/awq030.
48. Aby dowiedzieć się więcej na temat tego, w jaki sposób trening sportowy wykorzystuje przejście do kompetencji nieświadomej, zob. Bo Hanson, „Conscious Competence Learning Matrix”, _Athlete Assessments_, dostęp 22 listopada 2021, https://athleteassessments.com/conscious-competence-learning-matrix.
49. Suzana Herculano-Houzel, „The Human Brain in Numbers: A Linearly Scaled-Up Primate Brain”, _Frontiers in Human Neuroscience_ 3, nr 31 (9 listopada 2009), https://doi.org/10.3389/neuro.09.031.2009.
50. Herculano-Houzel, „Human Brain in Numbers”; Richard Apps, „Cerebellar Modules and Their Role as Operational Cerebellar Processing Units”, _Cerebellum_ 17, nr 5 (6 czerwca 2018): 654–82, https://doi.org/10.1007/s12311-018-0952-3; Jan Voogd, „What We Do Not Know About Cerebellar Systems Neuroscience”, _Frontiers in Systems Neuroscience_ 8, nr 227 (18 grudnia 2014), https://doi.org/10.3389/fnsys.2014.00227; Rhoshel K. Lenroot i Jay N. Giedd, „The Changing Impact of Genes and Environment on Brain Development During Childhood and Adolescence: Initial Findings from a Neuroimaging Study of Pediatric Twins”, _Development and Psychopathology_ 20, nr 4 (jesień 2008): 1161–75, https://doi.org/10.1017/S0954579408000552; Salvador Martinez et al., „Cellular and Molecular Basis of Cerebellar Development”, _Frontiers in Neuroanatomy_ 7, nr 18 (26 czerwca 2013), https://doi.org/10.3389/fnana.2013.00018.
51. Fumiaki Sugahara i in., „Evidence from Cyclostomes for Complex Regionalization of the Ancestral Vertebrate Brain”, _Nature_ 531, nr 7592 (15 lutego 2016): 97–100, https://doi.org/10.1038/nature16518; Leonard F. Koziol, „Consensus Paper: The Cerebellum’s Role in Movement and Cognition”, _Cerebellum_ 13, nr 1 (luty 2014): 151–77, https://doi.org/10.1007/s12311-013-0511-x; Robert A. Barton i Chris Venditti, „Rapid Evolution of the Cerebellum in Humans and Other Great Apes”, _Current Biology_ 24, nr 20 (20 października 2014): 2440–44, https://doi.org/10.1016/j.cub.2014.08.056.
52. Aby uzyskać bardziej szczegółowe informacje na temat takich wrodzonych zachowań zwierząt, zobacz Jesse N. Weber, Brant K. Peterson i Hopi E. Hoekstra, „Discrete Genetic Modules Are Responsible for Complex Burrow Evolution in Peromyscus Mice”, _Nature_ 493, nr 7432 (17 stycznia 2013): 402–5, http://dx.doi.org/10.1038/nature11816; Nicole L. Bedford i Hopi E. Hoekstra, „Peromyscus Mice as a Model for Studying Natural Variation”, eLife 4: e06813 (17 czerwca 2015), https://doi.org/10.7554/eLife.06813; Do-Hyoung Kim i in., „Rescheduling Behavioral Subunits of a Fixed Action Pattern by Genetic Manipulation of Peptidergic Signaling”, PLoS Genetics 11, nr 9: e1005513 (24 września 2015), https://doi.org/10.1371/journal.pgen.1005513.
53. Aby zapoznać się z ciekawą prezentacją na temat ewolucyjnych obliczeń, zob. Keith Downing, „Evolutionary Computation: Keith Downing at TEDxTrondheim”, TEDx Talks, film w serwisie YouTube, 4 listopada 2013, https://www.youtube.com/watch?v=D3zUmfDd79s.
więcej..
