I løbet af de sidste ti år har AI-systemer udviklet sig med en eksplosiv hastighed. Fra gennembruddet i 2016, hvor AI slog  en legendarisk spiller i det komplekse spil Go, er AI nu i stand til at genkende billeder, tale bedre end mennesker og bestå tests. Men hvad er årsagen til teknologiens eksplosive acceleration?

Fremskridtene inden for AI-systemers evner styres af tre input – beregning, data og algoritmer. Meget af fremskridtet de sidste 70 år er resultatet af forskeres træning af deres AI-systemer ved hjælp af større databehandlingskraft, ofte omtalt som “beregning”. De fodrer systemerne med mere data eller udvikler algoritmiske tricks, der effektivt minimerer mængden af beregning eller data, der er nødvendig for at opnå de samme resultater.

Forståelsen af, hvordan disse tre faktorer har drevet AI-fremgang i fortiden, er afgørende for at forstå, hvorfor de fleste inden for AI ikke forventer, at fremgangen vil bremse lige foreløbig.

Beregning:

• Beregning refererer til den mængde computermæssig kraft eller processorkraft, der bruges til at træne AI-systemer.
• Øget beregning giver AI-systemer evnen til at behandle større mængder data og komplekse opgaver mere effektivt.
• Med tiden er prisen på computere faldet takket være Moore’s lov, hvilket har muliggjort øget brug af beregning i AI-udvikling.

Data:

• Data refererer til de informationer, som AI-systemer trænes på, f.eks. billeder, tekst eller andre typer input.
• Flere data giver AI-systemer mulighed for at opbygge mere nøjagtige og omfattende modeller af sammenhænge mellem variabler i data.
• Mere data giver også mulighed for at træne AI til mere nuancerede og præcise konklusioner.

Algoritmer:

• Algoritmer er sæt af regler eller instruktioner, der guider, hvordan AI-systemer bruger beregningskraften til at analysere og forstå data.
• Forskning i bedre algoritmer har ført til mere effektiv udnyttelse af beregning og data i AI-systemer.
• Forbedrede algoritmer kan hjælpe med at løse problemer med mindre beregning eller data og kan øge AI-systemers præstationer.

Disse tre input – beregning, data og algoritmer – arbejder sammen for at drive fremskridtene inden for kunstig intelligens ved at tillade AI-systemer at behandle mere data, opbygge mere komplekse modeller og opnå bedre resultater i en bred vifte af opgaver.

Den næste fase af AI-fremgang

Når man sætter de tre elementer sammen, forventer eksperter, at AI-fremgangen vil fortsætte med høj hastighed i de næste par år. Databehandling vil fortsætte med at stige, da virksomheder bruger flere penge, og den underliggende teknologi bliver billigere. Den resterende nyttige data på internettet vil blive brugt til at træne AI-modeller, og forskere vil fortsætte med at finde måder at træne og køre AI-systemer, der gør mere effektiv brug af databehandling og data. Fortsættelsen af disse årtiers tendenser er grunden til, at eksperter mener, at AI vil fortsætte med at blive mere kapabel.

Dette bekymrer dog også mange eksperter. Under høringen i Senatsudvalget udtalte Amodei, CEO af den prominente AI-virksomhed Anthropic, at hvis fremskridt fortsætter med samme hastighed, vil en bred vifte af mennesker kunne få adgang til videnskabelig viden, som selv eksperter ikke har, inden for de næste to til tre år. Dette kan øge antallet af personer, der kan “skabe kaos,”  indenfor områder som cybersikkerhed, nuklear teknologi, kemi og biologi.

Læs hele artiklen her: Why AI Progress Is Unlikely to Slow Down | Time