Νίκολας Χριστάκης: [00:00:05] Εντάξει, οι άνθρωποι είναι ενσωματωμένοι σε κοινωνικά δίκτυα, και αυτά τα δίκτυα υπακούν σε πολύ συγκεκριμένες μαθηματικές, βιολογικές και κοινωνικές αρχές. Και ολοένα και περισσότερο, προσθέτουμε τεχνητή νοημοσύνη με τη μορφή διαδικτυακών πρακτόρων και φυσικών ρομπότ που αλληλεπιδρούν μαζί μας σαν να ήταν κοινωνικές οντότητες. Και αυτοί οι τύποι πρακτόρων που θα προσθέσουμε στα συστήματά μας κυμαίνονται από αυτοκινούμενα οχήματα στους δρόμους έως μηχανές πληρωμής σε καταστήματα, έως ανθρωποειδή ρομπότ σε σπίτια ή εργοστάσια ή πεδία μάχης ή σε καταστάσεις πυρόσβεσης, έως αποσχίσεις αυτόνομων πρακτόρων όπως διαδικτυακοί βοηθοί και ψηφιακοί βοηθοί AI στα τηλέφωνα μας ή στα γυαλιά μας ή στους χώρους εργασίας μας. Και αυτές οι τεχνολογίες αλληλεπιδρούν μαζί μας σε έναν ισότιμο χώρο, σαν να ήταν άνθρωποι. Και θα δώσουν ώθηση σε υβριδικά συστήματα ανθρώπων και μηχανών. Και αυτά τα συστήματα προσφέρουν ευκαιρίες για μια νέα μορφή κοινωνικής τεχνητής νοημοσύνης.
Τώρα, άφησέ με να σου δώσω ένα απλό παράδειγμα γι' αυτό. Όταν αποκτάς, ας πούμε, έναν ψηφιακό βοηθό, όπως η Alexa, ο κατασκευαστής αυτού του μηχανήματος είναι πολύ ενδιαφερόμενος για την αλληλεπίδραση ανθρώπου-μηχανής. Και αυτή η αλληλεπίδραση ανθρώπου-μηχανής είναι βελτιστοποιημένη. Για παράδειγμα, δεν θα αγόραζες την Alexa αν κάθε φορά που χρειαζόσουν κάτι από αυτήν, έπρεπε να πεις, συγγνώμη, Alexa, λυπάμαι πολύ που διακόπτω. Αν δεν σας πειράζει, θα μπορούσατε να μου πείτε τη λέξη; [00:01:35] ο καιρός αύριο, σωστά; Αυτό θα θεωρούνταν μια παράλογη βαθμίδα ευγένειας. Αναμένεις ότι μπορείς να πεις, Alexa, καιρός, και τότε η μηχανή θα ανταποκριθεί obediently. Και αυτό είναι καλά μέχρι να φέρεις αυτή τη μηχανή στο σπίτι σου και τα παιδιά σου να μιλούν σε αυτή τη μηχανή και να μαθαίνουν να είναι αγενή. Και τότε πηγαίνουν στην παιδική χαρά και είναι αγενή με άλλα παιδιά. Έτσι, αυτή η μηχανή που έχει προστεθεί στο περιβάλλον μας, δεν αφορά μόνο την αλληλεπίδραση ανθρώπου-μηχανής, αλλά και την αλληλεπίδραση ανθρώπου-ανθρώπου παρουσία μηχανών. Και αυτό που με ενδιαφέρει δεν είναι αν, αλλά οι αλληλεπιδράσεις ανθρώπου-ανθρώπου παρουσία μηχανών. Και μπορούμε να χρησιμοποιήσουμε μια κατανόηση της δομής και της λειτουργίας των κοινωνικών δικτύων για να εκτιμήσουμε τις χρήσεις και τον αντίκτυπο της κοινωνικής τεχνητής νοημοσύνης μέσα και σε ανθρώπινες ομάδες, αναφορικά με παράγοντες όπως η εμπιστοσύνη και η συνεργασία που είναι απαραίτητοι για ομάδες ανθρώπων να δουλεύουν μαζί, και που επηρεάζουν τη συμπεριφορά αυτών των συλλογικοτήτων.
Ας επισημάνω μερικές από τις εργασίες που κάνουμε, χρησιμοποιώντας αρκετές προσεγγίσεις σε πειράματα δικτύου που περιλαμβάνουν τεχνητή νοημοσύνη. Αυτά τα πειράματα αξιολογούν πώς η τεχνητή νοημοσύνη μπορεί να επηρεάσει τη δομή και τη λειτουργία των ανθρώπινων κοινωνικών αλληλεπιδράσεων. [00:02:45] Τώρα υπάρχει μία κατηγορία προβλημάτων συλλογικής δράσης στις κοινωνικές αλληλεπιδράσεις που ονομάζονται προβλήματα συντονισμού. Δηλαδή, αυτά είναι προβλήματα στα οποία πρέπει να συνεργαστούμε αν θέλουμε να δημιουργήσουμε κάτι χρήσιμο. Και μερικές φορές επιλύουμε αυτά τα προβλήματα δημιουργώντας κεντρικούς θεσμούς όπως η αστυνομία ή τα δικαστήρια ή οι κυβερνήσεις. Αλλά συχνά μπορούμε να επιλύσουμε προβλήματα συλλογικής δράσης που απαιτούν να συντονιστούμε ή να συνεργαστούμε με μεγάλους αριθμούς ανθρώπων με τρόπο αποκεντρωμένο. Στην πραγματικότητα, εξελίχθηκε η ικανότητά μας να το κάνουμε αυτό. Και μία συγκεκριμένη κατηγορία προβλήματος συλλογικής δράσης με την οποία θα ήθελα να ξεκινήσω σήμερα είναι, στην πραγματικότητα, ο συντονισμός.
Για παράδειγμα, για να αποφευχθεί αυτή η κυκλοφοριακή συμφόρηση, οι άνθρωποι πρέπει να συντονιστούν για να κάνουν κάτι διαφορετικό από τους γείτονές τους. Εάν όλοι φύγουν από το σπίτι τους ταυτόχρονα, όλοι θα κολλήσουν σε μια κυκλοφοριακή συμφόρηση. Αλλά αν αναβάλουν τους χρόνους αναχώρησής τους και φύγουν σε διαστήματα, τότε κανείς δεν θα είναι στη συμφόρηση. Φυσικά, θα μπορούσατε να έχετε κάποια κεντρική αρχή που θα συντόνιζε αυτό. Εσείς φύγετε πρώτοι, μετά εσείς και μετά εσείς. [00:03:45] Αλλά ιδανικά, αυτό που θα θέλατε είναι κάποιος αποκεντρωμένος, μη ιεραρχικός τρόπος που οι άνθρωποι συντονίζονται για να επιλύσουν αυτό το πρόβλημα.
Έτσι λοιπόν, αυτή ήταν η πρώτη μας πειραματική εργασία που δημοσιεύτηκε το 2017 σχετικά με τέτοιου είδους υβριδικά συστήματα που εξερεύνησαν πώς μπορεί η τεχνητή νοημοσύνη να βοηθήσει σε μια τέτοια πρόκληση. Εξετάσαμε την απόδοση ανθρώπινων ομάδων που συμμετείχαν σε μια εργασία συντονισμού. Το παραδειγμα μας ήταν να δανειστούμε από την επιστήμη των υπολογιστών κάτι γνωστό ως πρόβλημα χρωματισμού γραφημάτων. Αυτό είναι ένα κλασικό πρόβλημα στην επιστήμη των υπολογιστών. Αλλά αυτό που κάναμε είναι ότι το πήραμε και το εφαρμόσαμε σε ανθρώπους σε αυτή την κατάσταση. Έτσι, πήραμε 4.000 άτομα και τα τοποθετήσαμε σε 230 διαδικτυακές ομάδες. Αυτοί οι άνθρωποι ρίχτηκαν σε αυτές τις ομάδες. Και τους ανατέθηκαν τυχαία μια θέση σε ένα τεχνητό δίκτυο που δημιουργήσαμε, η δομή του οποίου έμοιαζε περίπου με πραγματικά ανθρώπινα δίκτυα. Και ρίχτηκαν σε αυτές τις θέσεις και τους είπαν ότι είχαν ανατεθεί ένα από τρία χρώματα, [00:04:46] μοβ, πορτοκαλί, μοβ, πορτοκαλί και ροζ. Και τους είπαν ότι έπρεπε να επιλέξουν ένα χρώμα διαφορετικό από τους γείτονές τους.
Και τους δόθηκαν πέντε λεπτά για να το κάνουν αυτό. Έτσι, αυτοί οι άνθρωποι θα κοίταζαν γύρω τους στους γείτονές τους. Κάθε άτομο θα κοίταζε γύρω και θα έλεγε, για παράδειγμα, αυτός εδώ είναι ροζ. Βλέπει ότι έχει έναν ροζ γείτονα και έναν πορτοκαλί γείτονα. Αυτό που πρέπει να κάνει είναι να αλλάξει σε μωβ χρώμα. Οι κόκκινες γραμμές εδώ υποδεικνύουν συγκρούσεις χρωμάτων. Με άλλα λόγια, αν τα δύο χρώματα των γειτονικών κόμβων είναι τα ίδια, δημιουργούν μια κόκκινη γραμμή. Και οι μωβ γραμμές στο φόντο υποδεικνύουν τη δομή των κοινωνικών αλληλεπιδράσεων. Έτσι, βάζετε τους ανθρώπους εδώ. Κοιτάζουν γύρω στους γείτονές τους κάθε δεύτερο ή ενάμισι δευτερόλεπτο. Κάνουν μια αλλαγή συμβατή με τον στόχο ότι όλοι αυτοί πρέπει να επιλέξουν ένα χρώμα που να διαφέρει από τους γείτονές τους μέσα στα επόμενα πέντε λεπτά. Και αν το κάνουν, τότε και μόνο τότε θα πληρωθούν. Θα σας πληρώσω να συνεργαστείτε. Και αν συνεργαστείτε όλοι μαζί με αποκεντρωμένο τρόπο για να λύσετε το πρόβλημα, όλοι σας θα πληρωθείτε. Διαφορετικά, δεν θα πάρετε τίποτα, εντάξει; Λοιπόν, να σας πω τι συμβαίνει σε αυτό το πείραμα. Εδώ στον άξονα x είναι ο χρόνος σε δευτερόλεπτα μέχρι το σημάδι των πέντε λεπτών. [00:05:47] Το παιχνίδι διαρκεί πέντε λεπτά, εδώ κάτω κάπου. Και εδώ στον άξονα y είναι η συνάρτηση στόχου ή ο αριθμός των συγκρούσεων χρώματος. Και έτσι εδώ στην αρχή, υπάρχουν 12 συγκρούσεις χρώματος. Έχουν τυχαία ανατεθεί τα αρχικά τους χρώματα. Και αυτό φαίνεται εδώ σε αυτό το μικρό ιστογράμμα εκεί. Και έτσι οι άνθρωποι αρχίζουν να κοιτάζουν γύρω και να αλλάζουν τα χρώματά τους. Ξέρετε, αλλάζουν και αλλάζουν. Και φτάνουν σε αυτό το σημείο εδώ όπου έχουν πλέον φτάσει στην κατάσταση στην οποία υπάρχει μια σύγκρουση χρώματος μεταξύ αυτών των δύο ανθρώπων. Αυτή η σύγκρουση, ωστόσο, είναι αυτό που ονομάζουμε μη επιλύσιμη σύγκρουση. Έτσι, οι ανοιχτό πορτοκαλί γραμμές είναι επιλύσιμες συγκρούσεις. Αυτός εδώ μπορεί να κάνει μία κίνηση προς το μωβ που θα επιλύσει τη σύγκρουση. Αλλά αυτοί εδώ που είναι πορτοκαλί, δεν υπάρχει κίνηση που να μπορούν να κάνουν που να μειώσει τον αριθμό των συγκρούσεων χρώματος στη γειτονιά τους, σωστά; Αυτός εδώ δεν μπορεί να αλλάξει σε μωβ γιατί, στην πραγματικότητα, αν αλλάξει σε μωβ, θα έχει περισσότερες συγκρούσεις. Έχει, όπως, τέσσερις μωβ γείτονες. Και δεν μπορεί να αλλάξει σε ροζ γιατί έχει δύο ροζ γείτονες. Έτσι, κοίταξε και είπε, καλά, η λιγότερη σύγκρουση που έχω είναι να μείνω απλά πορτοκαλής. Έτσι, τώρα αυτή η ομάδα είναι κολλημένη, σωστά; [00:06:49] Έχουν μια μη επιλύσιμη σύγκρουση και τίποτα δεν μπορεί να συμβεί. Καμία πρόοδος δεν μπορεί να γίνει στη λύση του προβλήματος συλλογικής δράσης μέχρι να κάνει κάποιος από αυτούς τους δύο μια αντίθετη προφανώς κίνηση, αλλάξει χρώματα σε μωβ ή ροζ και αυξήσει προσωρινά τις συγκρούσεις. Και αυτό, στην πραγματικότητα, συμβαίνει. Και μετά περνάει ο χρόνος, και οι άνθρωποι στα 245 δευτερόλεπτα λύνουν το πρόβλημα. Η μηχανή ανιχνεύει τη λύση, σταματά το παιχνίδι και τους πληρώνει, εντάξει;
Τώρα, επειδή ήμασταν πονηροί, αυτό που κάναμε είναι ότι κάναμε μερικά πειράματα όπου κρυφά αντικαταστήσαμε μερικούς από τους ανθρώπους με ρομπότ. Και αξιολογήσαμε πώς η προσθήκη ρομπότ με δυνατότητες AI για τη δημιουργία ενός υβριδικού συστήματος επηρέασε την απόδοση της ομάδας. Είναι δυνατόν να προσθέσουμε μερικά ρομπότ σε ανθρώπινες ομάδες και να βελτιώσουμε την ικανότητά τους να συντονίζονται όταν αντιμετωπίζουν τέτοια πρόκληση; Και αυτό που κάναμε είναι ότι προσθέσαμε τρία ρομπότ, και πειραματικά ποικίλαμε δύο άξονες. Πού τοποθετήθηκαν τα ρομπότ, πού έπεσαν τυχαία μέσα στο δίκτυο, πού τοποθετήθηκαν στο [00:07:51] το κέντρο του δικτύου, ή πού τοποθετήθηκαν στην περιφέρεια του δικτύου. Και πειραματικά χειριστήκαμε την AI ικανότητά τους με πολύ απλό τρόπο. Δηλαδή, χειριστήκαμε αν τα ρομπότ δρούσαν με τελειότητα ή δρούσαν με λίγο θόρυβο.
Στην κατάσταση τελειότητας, κάθε ενάμισι δευτερόλεπτο, τα ρομπότ κοίταζαν γύρω στους γείτονές τους, και στη συνέχεια διάλεγαν το χρώμα που είχε τις λιγότερες συγκρούσεις με τους γείτονές τους. Αυτό που μπορεί να θεωρήσετε ως παράλογη συμπεριφορά. Στην κατάσταση του 10% θορύβου, έκαναν αυτό, αλλά το 10% του χρόνου, διάλεγαν ένα τυχαίο χρώμα. Και στην κατάσταση του 30% θορύβου, έκαναν αυτό, αλλά το 30% του χρόνου, διάλεγαν ένα τυχαίο χρώμα. Έτσι κάναμε τα ρομπότ, ας πούμε, όλο και πιο επιρρεπή σε λάθη, όλο και πιο θορυβώδη.
Και μετά κοιτάξαμε, νομίζω ότι είχαμε κάτι όπως, ας ξεκινήσουμε με μια ομάδα ελέγχου. Σχεδιάσαμε εδώ στον άξονα x τον χρόνο, και αυτές είναι οι καμπύλες επιβίωσης. Στον άξονα y είναι η πιθανότητα ότι η ομάδα στο σύνολό της δεν έχει λύσει το παιχνίδι συντονισμού. Έτσι, εδώ, αν κοιτάξετε εδώ, για παράδειγμα, στην αρχή, στον χρόνο μηδέν, [00:08:51] το 100% των μόνο ανθρωπίνων ομάδων, οι συνεδρίες με μόνο ανθρώπους, είναι σε πορτοκαλί. Στην αρχή, το 100% των ομάδων που αποτελείται μόνο από ανθρώπους δεν έχουν λύσει το παιχνίδι. Και καθώς περνά ο χρόνος, όλο και περισσότερες από τις ανθρώπινες ομάδες λύνουν το παιχνίδι, έτσι ώστε στο τέλος των πέντε λεπτών, ίσως το 60% των ομάδων που αποτελούνται μόνο από ανθρώπους έχουν λύσει το παιχνίδι.
Λοιπόν, τι συμβαίνει είναι ότι αν τοποθετήσεις το 10% των θορυβωδών ρομπότ στη κεντρική θέση του δικτύου, θα έχεις αισθητά βελτιωμένη απόδοση. Εδώ, πολύ περισσότερες ομάδες ανθρώπων ήταν σε θέση να λύσουν το πρόβλημα, όταν τα ρομπότ που είχαν λίγο θόρυβο προστέθηκαν στο μέσο. Στην πραγματικότητα, μείωσαν τον μεσαίο χρόνο λύσης από 232 δευτερόλεπτα σε 103 δευτερόλεπτα. Και υπάρχουν και άλλα ευρήματα σε αυτά τα δεδομένα. Τα τέλεια ρομπότ και τα υπερβολικά θορυβώδη ρομπότ ήταν και τα δύο μη χρήσιμα. Χρειαζόσουν κάποια βαθμονόμηση. Ήταν τα ρομπότ του 10% θορύβου που ήταν τα πιο χρήσιμα. Επίσης, η θέση των ρομπότ είχε κάποια επίδραση. Αλλά, καθοριστικά σε αυτά τα πειράματα, διαπιστώσαμε ότι οι άνθρωποι που δεν συνδέονταν με τα ρομπότ, [00:09:52] που ήταν πιο μακριά στο δίκτυο. Στα γραφήματα, υπήρχαν κάποιοι άνθρωποι που ήταν συνδεδεμένοι με τα ρομπότ και άλλοι που δεν ήταν. Διαπιστώσαμε ότι ακόμη και αυτοί οι άνθρωποι άρχισαν να αλλάζουν τον τρόπο που έπαιζαν. Υπήρξε λοιπόν ένα φαινόμενο διάχυσης, ένα καταιγιστικό φαινόμενο. Τα οφέλη από την αλληλεπίδραση του ρομπότ με τους ανθρώπους του, διαχύθηκαν μέσα στο δίκτυο και άρχισαν να επηρεάζουν τις αλληλεπιδράσεις ανθρώπων-ανθρώπων πιο μακριά στο δίκτυο. Με άλλα λόγια, τα ρομπότ βοήθησαν τους ανθρώπους να βοηθήσουν τους εαυτούς τους, και τα οφέλη του θορύβου διασκορπίστηκαν μέσα σε αυτό το κοινωνικό σύστημα.
Τώρα ας διορθώσουμε περαιτέρω ιδέες σχετικά με αυτή την συλλογική πρόκληση και πώς αυτά τα απλά AI agents μπορεί να βοηθήσουν με μια άλλη αναλογία. Φανταστείτε ότι έχετε ένα επίπεδο. Αυτό είναι όπως στην καθοδική βαθμίδα (gradient descent) στη μηχανική μάθηση, για παράδειγμα. Έτσι έχετε ένα επίπεδο, έχετε λόφους και ένα βουνό. Και έχετε διαφορετικούς λόφους, εντάξει, διαφορετικών υψών. Και έχετε ένα βουνό πολύ ψηλά εδώ που είναι το ψηλότερο βουνό. Έτσι, θα πάρω τέσσερις από εσάς και θα σας ρίξω κάπου εδώ, και θα σας βάλω σε χειροπέδες, ο καθένας σας κοιτάζοντας σε διαφορετική κατεύθυνση, [00:10:54] και θα σας τυλίξω τα μάτια. Και θα σας πω, βρείτε το ψηλότερο βουνό. Έτσι, εσείς θα μιλήσετε μεταξύ σας και θα πείτε, καλά, γιατί να μην κάνουμε ο καθένας μας ένα βήμα προς την κατεύθυνση μας και να αναφέρουμε πίσω στην ομάδα; Έτσι κάνετε ένα βήμα προς βορρά και λέτε ότι είναι ανηφόρα από εδώ. Και ο νότος λέει ότι είναι κατηφόρα από εδώ. Και ο ανατολικός και ο δυτικός λένε ότι είναι οριζόντια από εδώ. Έτσι συμφωνείτε όλοι, ας κάνουμε ένα βήμα προς βορρά. Και συνεχίζετε να το κάνετε αυτό επαναληπτικά μέχρι να φτάσετε σε ένα σημείο που όλοι λέτε ότι είναι κατηφόρα από εδώ.
Βρήκατε το ψηλότερο βουνό; Όχι. (...) Τι έχετε κάνει; Βρήκατε τον κοντινότερο λόφο.
Τώρα θα βρείτε ποτέ το ψηλότερο βουνό; Όχι. Ποτέ δεν θα βρείτε το ψηλότερο βουνό. Είστε κολλημένοι. Είστε τοπικά βελτιστοποιημένοι, αλλά παγκόσμια υπο-βελτιστοποιημένοι. Και για να βελτιστοποιηθείτε παγκοσμίως, χρειάζεστε λίγο θόρυβο. Χρειάζεται περιστασιακά να επιτρέψετε σε αυτή την ομάδα ανθρώπων να κάνει ένα αντίθετο βήμα προς τα κάτω στο βουνό ή να κατέβει στον λόφο. Έτσι, ακολουθούν μια ακολουθία μερικές φορές κατά τύχη ενός συνδυασμού βημάτων μέχρι να επιστρέψουν στο επίπεδο. Και στη συνέχεια πλοηγούνται γύρω από αυτό το τοπίο Fitness, εξερευνώντας όλες αυτές τις κορυφές μέχρι να καταλήξουν σε αυτή την κορυφή. [00:11:56] Και αυτή η ψηλή κορυφή τείνει, το παγκόσμιο βέλτιστο, τείνει να είναι μια κατάσταση υποδοχής γιατί απαιτεί πολύ περισσότερο θόρυβο για να απομακρυνθείτε από αυτή την κορυφή από τις άλλες κορυφές. Έτσι τώρα ταλαντεύεστε γύρω από το παγκόσμιο βέλτιστο. Έτσι, στη δουλειά μας, έχουμε εξερευνήσει αυτό το είδος απλής προγραμματισμένης παρέμβασης στα κοινωνικά συστήματα για να δούμε αν μπορούμε να βελτιώσουμε την απόδοση των ανθρώπων στην αντιμετώπιση ποικίλων τύπων προβλημάτων συλλογικής δράσης.
Τώρα, ένα άλλο πρόβλημα συλλογικής δράσης περιλαμβάνει μια διαφορετική πρόκληση, που είναι η συνεργασία, όχι ο συντονισμός. Οι άνθρωποι συχνά πρέπει να συνεργαστούν για να παραγάγουν αυτό που είναι γνωστό ως δημόσιο αγαθό. Και ένα φάρος είναι ένα από τα υποδειγματικά παραδείγματα ενός δημόσιου αγαθού. Το δημόσιο αγαθό έχει δύο υποδειγματικά χαρακτηριστικά. Καταρχάς, είναι αυτό που ονομάζεται μη-αποκλειστικότητα. Και αυτό σημαίνει ότι άλλοι άνθρωποι δεν μπορούν να εμποδιστούν από το να το χρησιμοποιούν. Αν χτίσεις έναν φάρο για το προσωπικό σου όφελος, επειδή ναυηγείς στους ωκεανούς και δεν θέλεις να συγκρουστείς με την ακτή, αυτό είναι υπέροχο για σένα, αλλά δεν μπορείς να σταματήσεις κανέναν άλλον από το να τον χρησιμοποιήσει, εντάξει; Μη-αποκλειστικό. [00:12:58] Και επίσης, είναι μη-ανταγωνιστικό. Αυτό σημαίνει ότι η κατανάλωση από ένα άτομο δεν μειώνει την κατανάλωση από άλλους. Αν χρησιμοποιώ το φως από τον φάρο μου, δεν υπάρχει λιγότερο φως για σένα να χρησιμοποιήσεις. Και αυτό είναι διαφορετικό, για παράδειγμα, από ένα κομμάτι κέικ. Αν έχω ένα κομμάτι κέικ, είναι δικό μου, σωστά; Μπορώ να σε εμποδίσω να το φας. Και αν το φάω, δεν υπάρχει κανένα διαθέσιμο για σένα, εντάξει; Άρα, το δημόσιο αγαθό έχει αυτά τα χαρακτηριστικά, και είναι αυτά τα χαρακτηριστικά που κάνουν εξαιρετικά δύσκολη την παραγωγή δημόσιων αγαθών. Γιατί όταν πρόκειται να χτίσουμε έναν φάρο, είναι πολύ δελεαστικό να θέσουμε τα ατομικά σου συμφέροντα ενάντια στα συλλογικά. Αν δεν συμβάλεις στην κατασκευή του φάρου, μπορείς να επωφεληθείς από αυτό. Έτσι, όλοι είναι δελεασμένοι να μην κάνουν τίποτα, και τότε ο φάρος δεν χτίζεται προς ζημία όλων. Και αξίζει επίσης να τονίσουμε ότι τα δημόσια αγαθά είναι χρήσιμα, γιατί μπορείς πραγματικά να παραγάγεις πράγματα με αυτά, όπως είναι η ασφαλής θαλάσσια μετακίνηση. Και ως εκ τούτου, η υποεπένδυση στα δημόσια αγαθά είναι ένα σοβαρό πρόβλημα στην κοινωνία μας, και έχει επίσης γίνει γνωστή ως η τραγωδία των κοινών. Αυτά τα δημόσια αγαθά, για παράδειγμα, οι κανόνες εμπιστοσύνης που διατηρούμε μεταξύ μας είναι αποτελεσματικοί. [00:14:01] Σκέψου όταν ήσουν στο γυμνάσιο. Κάποιοι από εσάς πήγατε σε ένα γυμνάσιο όπου οι μαθητές εμπιστεύονταν ο ένας τον άλλον, και αυτό σημαίνει ότι μπορούσατε να αφήσετε τις τσάντες σας μόνες στον διάδρομο και να μην ανησυχείτε ότι κάποιος θα τις κλέψει. Άλλοι από εσάς πήγατε σε γυμνάσια όπου δεν υπήρχαν οι ίδιες κανόνες εμπιστοσύνης, και τώρα έπρεπε να κλειδώσετε την τσάντα σας ή να την κρατάτε μαζί σας ανά πάσα στιγμή. Σε ποιο από αυτά τα δύο περιβάλλοντα νομίζετε ότι θα είχατε καλύτερη μάθηση; Δεξί; Στο πρώην περιβάλλον. Έτσι, αυτή η κοινωνικά διατηρούμενη norma είναι παραγωγική. Σε αυτήν την περίπτωση, παραγωγική για τη μάθηση. Εδώ, παραγωγική για την ασφαλή θαλάσσια μετακίνηση και ούτω καθεξής.
Έτσι, η συνεργασία σε ανθρώπινες ομάδες για την παραγωγή δημόσιων αγαθών είναι απαιτητική, και απαιτούνται διάφοροι μηχανισμοί για να την υποστηρίξουν. Έχουμε κάνει πολλές πειραματικές εργασίες που περιλαμβάνουν την τοποθέτηση ανθρώπων σε ομάδες δικτύων και τους ζητάμε να συμμετάσχουν σε διάφορους τύπους παιχνιδιών δημόσιων αγαθών με τους γείτονές τους, χει manipulando πολλές δομικές και άλλες δυνατότητες κατά τη διάρκεια των ετών. Έτσι, για παράδειγμα, πριν από χρόνια ξεκινήσαμε με ένα πείραμα στο οποίο οι άνθρωποι τοποθετήθηκαν σε ένα δίκτυο όπως αυτό. Παρουσιάστηκαν στους γείτονές τους και συμμετείχαν σε ένα παιχνίδι δημόσιων αγαθών από την, όπως, συμπεριφορική οικονομία, [00:15:03] όπου, όπως, θα μπορούσα να δώσω λίγα χρήματα σε κάθε γείτονά μου. Λέει ότι παίρνω ένα δολάριο και το μοιράζω στους γείτονές μου. Και μετά οι επιστήμονες διπλασιάζουν το δολάριο. Έτσι, ας πούμε ότι έχω τέσσερις γειτόνους. Ας πούμε ότι έχω τρεις γείτονες και δίνω ένα δολάριο στην ομάδα. Γίνεται δύο δολάρια. Αυτά τα δύο δολάρια μοιράζονται μεταξύ των τεσσάρων μας. Έτσι, ολόκληρη η ομάδα αποκτά πλούτο στα δύο δολάρια, αλλά εγώ παίρνω μόνο 50 σεντς. Τα δύο δια του τέσσερα, παίρνω πίσω 50 σεντς. Έτσι, πρέπει να κάνω μια θυσία για το καλό των άλλων. Έτσι, φυσικά, όλοι λένε, δεν θέλω να θυσιάσω. Ας δώσουν όλοι οι άλλοι απατεώνες τα χρήματα. Δεν πρόκειται να δώσω τίποτα, και ελπίζω ότι οι άλλοι θα συμβάλλουν. Αλλά, φυσικά, αν όλοι το κάνουν αυτό, θα έχετε μια κατάρρευση και πάλι. Και η καλύτερη συμπεριφορά είναι αν όλοι συνεισφέρουν στο μέγιστο. Έτσι, εδώ σε αυτή την κατάσταση, ξεκινάμε το παιχνίδι. Οι μπλε κουκίδες είναι, οι μπλε άνθρωποι είναι οι ωραίοι συνεργάτες. Δίνουν μέγιστα στους γείτονές τους και δημιουργούν δημόσια αγαθά, όπως το να χτίσουν τον φάρο. Και οι κόκκινες κουκίδες είναι οι εκμεταλλευτές που δεν κάνουν καμία συνεισφορά, γνωστοί και ως οι αποστάτες. Και αυτό που βρίσκουμε σε αυτό το πείραμα είναι ότι αναπαράγουμε ένα αποτέλεσμα που είναι γνωστό εδώ και 30 χρόνια, [00:16:03] που είναι ότι η συνεργασία καταρρέει σε ομάδες, σωστά; Μέχρι το τέλος του παιχνιδιού, πολλές στροφές αργότερα, σχεδόν όλοι γίνονται αποστάτες, εκτός από αυτούς τους μικρούς μπλε ανθρώπους εδώ στη πλευρά, που κρατούν τον πολιτισμό ζωντανό, ξέρετε, μεταξύ τους. Μπορείτε επίσης να σκεφτείτε πάλι για να θυμηθείτε την κατάσταση, στο λύκειο για τους προπτυχιακούς. Θυμηθείτε εκείνη την κατάσταση στην οποία ο καθηγητής επιστήμης σας είχε αναθέσει σε τέσσερις από εσάς να κάνετε ένα ομαδικό έργο, και θα παίρνατε την ίδια βαθμολογία. Υπήρξαν τέσσερις, τρεις άλλοι τεμπέληδες. Έτσι, τώρα έχετε δύο επιλογές. Ή να κάνετε όλη τη δουλειά και να πάρουν κι αυτοί Α, επειδή θέλετε ένα Α. Ή να πείτε, αυτό είναι παράλογο. Δεν θέλω αυτοί οι τεμπέληδες να επωφεληθούν από τη σκληρή μου δουλειά. Και να πείτε, δεν πρόκειται να κάνω τίποτα ούτε εγώ, και όλοι θα πάρετε F, σωστά; Αυτό είναι ένα φρικτό δίλημμα. Λοιπόν, τι συμβαίνει εδώ είναι ότι οι άνθρωποι τελικά επιλέγουν την τελευταία επιλογή. Επιλέγουν όλοι να πάρουν F επειδή δεν θέλουν να είναι αφελείς και να συνεχίζουν να συνεισφέρουν. Έτσι, η συνεργασία καταρρέει στα κοινωνικά συστήματα ως γενικό αποτέλεσμα. Αλλά αυτό που κάναμε είναι, και πάλι, προσθέσαμε μερικά διαφορετικά είδη ρομπότ στο σύστημα. Προσθέσαμε μερικά ρομπότ που ήταν εφοδιασμένα με πολύ απλή Α. [00:17:05] Και αυτά τα ρομπότ ήταν όπως μικροί μεσάζοντες γάμου. Χειρίζονταν κοινωνικές αλληλεπιδράσεις. Κοίταξαν γύρω τους τοπικά σε ποιος αλληλεπιδρά με ποιον και έδωσαν προτάσεις στους ανθρώπους στο σύστημα. Ξέρετε τι; Πρέπει να κόψετε τον δεσμό με αυτόν τον αποστάτη που σας εκμεταλλεύεται και να σχηματίσετε ένα δεσμό με αυτόν τον καλό άνθρωπο εδώ αντί. Και αυτή η ήπια συμβουλή επανασύνδεσης που χρησιμοποιεί μόνο τοπικές πληροφορίες. Δεν υπάρχει δάσκαλος εκεί που να διατάζει τους ανθρώπους να είναι καλοί. Καμία αστυνομία. Κανένα δικαστήριο. Καμία κεντρική αρχή που να εκτελεί αυτό. Απλώς ενεργώντας με τοπικές γνώσεις, βρήκαμε ότι αυτά τα ρομπότ μπορούσαν, στα πειράματά μας με πάνω από 1.000 ανθρώπους σε 64 ομάδες, να μην σταθεροποιηθεί η συνεργασία, αλλά για πρώτη φορά αποδείξαμε ένα αποτέλεσμα ότι η συνεργασία θα μπορούσε πραγματικά να αυξηθεί από τη βάση όταν προστέθηκαν αυτού του τύπου ρομπότ. Και η DeepMind αργότερα αναπαρήγαγε τα αποτελέσματά μας και τα εξέτεινε σε μια άλλη εργασία που δημοσιεύθηκε περίπου έναν χρόνο ή δύο μετά από αυτήν.
Τώρα σε ακόμη ένα πείραμα, εξερευνήσαμε πώς τα bots μπορεί να επηρεάσουν τη δημιουργικότητα των ομάδων. [00:18:07] γιατί η εύρεση νέων ιδεών είναι δύσκολη. Και οι θεωρίες και τα πειράματα προτείνουν ότι οι ομάδες μπορεί να είναι καλύτερες στο να αναγνωρίζουν και να διατηρούν καινοτομίες από ότι τα άτομα, μοιράζοντας τις ανακαλύψεις τους.
Ωστόσο, η καινοτομία μέσα σε ομάδες αντιμετωπίζει τις δικές της προκλήσεις, συμπεριλαμβανομένου του groupthink. Σωστά; Αν βάλεις μια ομάδα ανθρώπων μαζί, μπορεί να καταλήξουν πρόωρα σε μια υποβέλτιστη ιδέα.
Ή μπορείς να φανταστείς, θα πρέπει να φανταστείς, ότι μια ομάδα ανθρώπων θα μπορούσε συλλογικά να έχει μεγαλύτερη σοφία, θα μπορούσε να είναι σε θέση να σκεφτεί περισσότερες ιδέες. Για παράδειγμα, αν δώσεις σε μια ομάδα ανθρώπων την αποστολή να βελτιώσουν ένα καλάμι ψαρέματος, ξέρεις, ο πρώτος μπορεί να πει, καλά, γιατί να μην βάλουμε ένα αγκίστρι στο τέλος ενός σκοινιού; Και τότε ο άνθρωπος κρατάει το σκοινί με το αγκίστρι. Και κάποιος λέει, γιατί να μην βάλουμε ένα ξύλο προσκολλημένο στο σκοινί; Ω, αυτή είναι μια μεγάλη ιδέα. Έτσι συνδυάζουν τις γνώσεις τους και το κάνουν αυτό. Και κάποιος λέει, καλά, η δόλωμα με το αγκίστρι επιπλέει στην επιφάνεια. Ας προσθέσουμε ένα κύμα ώστε να πάει κάτω. Λοιπόν, τώρα πάει πολύ κάτω. Τι γίνεται αν προσθέσουμε μια μπάλα ώστε να ξέρουμε πού είναι και ούτω καθεξής. Και έτσι οι άνθρωποι καινοτομούν, μοιράζονται γνώσεις μεταξύ τους, διατηρούν γνώσεις διαχρονικά, [00:19:08] και παίρνεις αυτά τα πολιτισμικά τεκμήρια που είναι το σύνθετο προϊόν πολλών ανθρώπων που μοιράζονται ιδέες και είναι δημιουργικοί.
Έτσι, θέλαμε να δημιουργήσουμε ένα παιχνίδι όπου ομάδες ανθρώπων θα αναζητούσαν ένα τοπίο για μια βέλτιστη ιδέα. Και αποφασίσαμε να χρησιμοποιήσουμε ουσιαστικά ως έναν τρόπος για ιδέες. Και πήραμε 20.000 ουσιαστικά από το κλασικό σώμα λέξεων word-to-vec της επιστήμης των υπολογιστών. Έτσι, πήραμε 20.000 ουσιαστικά. Και η απόσταση μεταξύ αυτών των ουσιαστικών θα μπορούσε να καθοριστεί από το μέτρο ομοιότητας κόνεου. Μπορείτε να φανταστείτε έναν υπερ-διάστατο χώρο διανυσμάτων όπου η γάτα είναι πιο παρόμοια με το σκύλο από ότι με το γραφείο. Και ο τρόπος που το έκαναν αυτό είναι ότι κοίταξαν πόσο συχνά οι λέξεις γάτα και σκύλος εμφανίζονταν ταυτόχρονα σε ιστότοπους. Έτσι, είχαν ένα σύμπαν ιστότοπων και ένα σύμπαν 20.000 ουσιαστικών. Και είπαν ότι αυτά τα δύο ουσιαστικά εμφανίζονται συχνά μαζί και αυτά τα δύο άλλα ουσιαστικά δεν εμφανίζονται συχνά μαζί. Δημιούργησαν ένα χώρο διανυσμάτων 300 διαστάσεων. [00:20:08] Και τώρα μπορείτε να περιγράψετε πόσο παρόμοια είναι οποιαδήποτε δύο ουσιαστικά. Και αποφασίσαμε να χρησιμοποιήσουμε ουσιαστικά ως έναν τρόπο για ιδέες. Πήραμε αυτά τα 20.000 ουσιαστικά. Και μετά επιλέξαμε ένα σύνολο ουσιαστικών. Φανταστείτε ότι επιλέξαμε ένα ουσιαστικό, αλλά επιλέξαμε ένα σύνολο. Ένα ουσιαστικό τυχαία από όλα αυτά, όπως η λέξη braggadocio, για παράδειγμα, ήταν ένα ουσιαστικό. Έτσι, επιλέξαμε το braggadocio. Και λέμε ότι αυτή είναι η ιδανική ιδέα που θέλουμε αυτή η ομάδα ανθρώπων να βρει. Και στη συνέχεια, όλα τα ουσιαστικά που είναι κοντά στο braggadocio απομακρύνονται σε αυτόν τον χώρο διανυσμάτων. Έτσι, έχετε το κορυφαίο ουσιαστικό που παίρνει τους περισσότερους πόντους, 20.000 πόντους, και όλα τα άλλα ουσιαστικά στα ουσιαστικά που είναι πιο μακριά. Και βάζουμε τους ανθρώπους σε αυτό το σύστημα και λέμε, βρείτε αυτή τη λέξη. Δεν τους λέμε τη λέξη. Και μετά τους λέμε την αξία πόντων των λέξεων. Έτσι, αρχίζουν να μαντεύουν. Και καθώς μαντεύουν, παίρνουν ανατροφοδότηση. Και λένε, α, αυτή η λέξη έχει περισσότερους πόντους από μια άλλη λέξη. Και πλησιάζουν όλο και περισσότερο και αρχίζουν να μοιράζονται τις γνώσεις μεταξύ τους. Προσπαθούν να είναι δημιουργικοί για να λύσουν το πρόβλημα.
Έτσι κάθε ουσιαστικό σχετίζεται με άλλα σε έναν σημασιολογικό χώρο ή μια ακατάλληλη τοπογραφία. [00:21:10] Και είχαμε 18 διαφορετικά στοχευμένα ουσιαστικά, σαν να τραβήξαμε μια κορυφή από το τοπίο αυτών των 20,000 ουσιαστικών σε 18 διαφορετικές τοποθεσίες σε 18 διαφορετικά τοπία. Και αυτά τα ουσιαστικά ήταν σκόπιμα ασυνήθιστα, όπως φραγκοσυκιές, παπουτσοθήκη, σαρκώμα, χαρτογραφία και ούτω καθεξής. Και μετά εκτελέσαμε πειράματα που περιλάμβαναν αρκετές συνθήκες όπου οι άνθρωποι ήταν μόνοι τους προσπαθώντας να πλοηγηθούν στο τοπίο, όπου οι άνθρωποι ήταν σε ομάδες συνεργαζόμενοι για να πλοηγηθούν στο τοπίο, ή όπου οι άνθρωποι ήταν σε ομάδες αλλά είχαν επίσης κάποιους ρομπότ που προσπαθούσαν να τους βοηθήσουν να είναι δημιουργικοί. Και τα ρομπότ δούλευαν γιατί μπορούσαν να μεταφέρουν πληροφορίες από μια περιοχή του δικτύου σε άλλη επικοινωνώντας μεταξύ τους. Έτσι για παράδειγμα, το ρομπότ αριθμός δύο θα μπορούσε να μεταφέρει τη λέξη ουρανός ή αυτοκίνητο στο ρομπότ αριθμός ένα. Έτσι, εδώ είναι ένα παράδειγμα δικτύου.
Αφήνουμε τους ανθρώπους να συμμετάσχουν. Τα τετραγωνάκια είναι ρομπότ. Και αυτό το ρομπότ έχει τέσσερις αλληλεπιδράσεις και έχει, δεν ξέρω, έξι ή επτά αλληλεπιδράσεις. Οι άνθρωποι στην αρχή ξεκινούν να μαντεύουν. [00:22:12] Δεν έχουν καμία βάση για να κάνουν μαντεψιά καθόλου στον πρώτο γύρο του παιχνιδιού. Μαντεύουν ουρανό, αυτοκίνητο, κουνέλι, αρουραίο, σκύλο, γάτα, γραφείο. Σαν να σας ρωτούσα, επιλέξτε ένα ουσιαστικό για να μαντέψετε, θα μαντεύατε σπίτι ή ήλιο ή φεγγάρι ή γάτα ή σκύλο ή κάποιο μικρό τυπικό ουσιαστικό. Και τώρα τους λένε την αξία βαθμών, όπως πόσο παρόμοια είναι η λέξη αρουραίος, σκύλος, γάτα, γραφείο και ούτω καθεξής, με τη λέξη σαρκώμα. Και τους λένε την αξία βαθμών αυτών των ουσιαστικών σε σχέση με το στόχο ουσιαστικό, το οποίο είναι το σαρκώμα. Και στη συνέχεια, αυτές οι αξίες βαθμών τους ανακοινώνονται. Και αυτό το ρομπότ μπορεί να κοιτάξει τις αξίες βαθμών των ανθρώπων γύρω του και μπορεί να μεταφέρει είτε μια τυχαία επιλογή σε αυτό το ρομπότ είτε τη μεγαλύτερη ή τη χαμηλότερη αξία βαθμών, ένα είδος καναλιού πίσω επικοινωνίας που διαδίδει πληροφορίες από μια περιοχή μιας ομάδας ανθρώπων που προσπαθούν να λύσουν το πρόβλημα σε μια άλλη περιοχή. Ας δούμε μερικά παραδείγματα για να το κατανοήσουμε καλύτερα, γιατί αυτό μπορεί να είναι δύσκολο να κατανοηθεί. Οι άνθρωποι έπαιξαν αυτό το παιχνίδι για περίπου 25 γύρους. Και εδώ είναι η συσχετιστική ομοιότητα με ένα στόχο ουσιαστικό, που είναι η λέξη φρατρυκτονία. Εντάξει, υπάρχουν 20.000 ουσιαστικά. [00:23:13] Η φρατρυκτονία είναι 20.000 βαθμοί. Και οι άλλες λέξεις έχουν άλλους βαθμούς. Και εδώ είναι ένα άτομο μόνο του που μαντεύει. Έτσι, η πρώτη του μαντεψιά είναι κομμάτι. Και του λένε πόσο παρόμοια είναι η λέξη κομμάτι με τη φρατρυκτονία. Και στη συνέχεια η επόμενη μαντεψιά του είναι γέννηση. Και παίρνει μια μεγάλη αύξηση στη συσχετιστική ομοιότητα, γιατί μπορείτε να φανταστείτε ότι η λέξη γέννηση είναι πιο κοντά στη λέξη φρατρυκτονία από τη λέξη κομμάτι. Εντάξει; Και μετά μαντεύει. Δοκιμάζει χρήματα μετά. Αυτό είναι χειρότερο. Στη συνέχεια δοκιμάζει μαϊμού. Αυτό είναι ακόμη χειρότερο. Ελέγχουν. Κάνουν έναν έλεγχο κανονικότητας. Δοκιμάζουν γέννηση. Ξαναπηδάει. Έπειτα δοκιμάζουν μωρό. Αυτό δεν είναι κακή μαντεψιά. Γέννηση προς μωρό. Αλλά το μωρό τους απομακρύνει από τη φρατρυκτονία. Και μετά κυρία και ούτω καθεξής. Και πλοηγούνται. Και μαντεύουν. Και μαντεύουν. Και μαντεύουν. Και δεν πλησιάζουν καθόλου τη φρατρυκτονία μέχρι το τέλος. Τώρα σε αυτή την άλλη κατάσταση, έχουμε μια ομάδα ανθρώπων, αλλά κανένα ρομπότ. Και τώρα οι άνθρωποι μπορούν, εκτός από το να κάνουν τις δικές τους μαντεψιές, να δουν τις μαντεψιές των ανθρώπων γύρω τους. Και να χτίσουν πάνω στις ιδέες των άλλων. Εντάξει; Δημιουργείται. Σαν να φτιάχνουμε το καλάμι του ψαρέματος μαζί. [00:24:13] Έτσι, αυτό το άτομο, η πρώτη του μαντεψιά είναι σκύλος. Αλλά η επόμενη μαντεψιά του είναι ασπίδα. Μπορείτε να δείτε ότι η ασπίδα είναι πιο κοντά στη φρατρυκτονία από ό,τι ο σκύλος. Και αυτό το άτομο μαντεύει και μαντεύει και παίρνει εισροή από τους γείτονές του. Και στο τέλος, πλησιάζει και πλησιάζει. Καταλήγει με τη λέξη εχθρός. Εντάξει; Στην πραγματικότητα, ο στρατιώτης ήταν η καλύτερη μαντεψιά του. Είχε τη μεγαλύτερη αξία βαθμών κατά τη διάρκεια της πορείας του.
Πώς επηρεάζει λοιπόν η προσθήκη των ρομπότ; Αυτό, πάλι, δείχνει την περίληψη των αποτελεσμάτων. Στον άξονα x είναι ο γύρος. Στον άξονα y είναι η μέση ομοιότητα κοσίνου σε αυτόν τον υπερ-διαστατικό χώρο διανυσμάτων, που είναι μέτρο της απόδοσης της ομάδας. Και εδώ είναι μια ομάδα ανθρώπων που ενεργούν, μαντεύουν ατομικά. Οι άνθρωποι που μαντεύουν μόνοι τους δεν τα πάνε πολύ καλά, έτσι δεν είναι; Είναι απλώς τύχη αν μπορούν κάπως, ή, ξέρετε, κάποια έμφυτη ικανότητα σε κάθε μεμονωμένο άνθρωπο. Γίνονται λίγο καλύτεροι με τον χρόνο και πλησιάζουν. Όλες οι ομάδες έχουν καλύτερες επιδόσεις από τους ατομικούς παίκτες. Και αυτό είναι ένα παλιό αποτέλεσμα που είναι γνωστό. Μια ομάδα ανθρώπων είναι πιο δημιουργική από μια επίσης παρόμοια σε μέγεθος ομάδα ατομικών πρακτικών. Αλλά αυτό που βρίσκουμε είναι ότι αν προσθέσουμε το πιο παρόμοιο ρομπότ, το ρομπότ που κοίταξε τους γείτονές του, [00:25:17] και βρήκε, ποια είναι η τοπική συναίνεση εδώ; Οι άνθρωποί μου φαίνεται να πιστεύουν ότι αυτή είναι μια καλή λέξη. Και στη συνέχεια το μεταφέρει στο ρομπότ σε μια απομακρυσμένη περιοχή του δικτύου. Αυτό το ρομπότ βελτίωσε σημαντικά την απόδοση αυτής της ομάδας ανθρώπων για να κάνουν μια ανακάλυψη. Θα πρέπει να μπορείτε να φανταστείτε πώς αυτό θα μπορούσε να λειτουργήσει σε μια ομάδα μηχανικών ή οποιωνδήποτε άλλων γνώστες εργαζομένων. Πώς μπορείτε, δηλαδή, να διανείμετε γνώσεις με αποδοτικό τρόπο, αποφεύγοντας την ομαδική σκέψη και προωθώντας τη δημιουργικότητα, σχεδιάζοντας ρομπότ που βοηθούν τους ανθρώπους να βοηθούν τον εαυτό τους. Το ρομπότ εδώ δεν έχει, δεν έχει εγκέφαλο. Δεν αυτοπροτείνει ιδέες. Απλώς βοηθά τους ανθρώπους να διαδώσουν τις ιδέες μεταξύ τους.
Έτσι, απλά AI όργανα με αναγνωρίσιμη συμπεριφορά μπορούν να ενισχύσουν την ικανότητα για δημιουργική ανακάλυψη σε ανθρώπινες ομάδες, μοιράζοντας ιδέες γύρω από τις οποίες υπάρχει τοπική συναίνεση σε ένα μέρος της ομάδας με ανθρώπους σε μια απομακρυσμένη περιοχή της ομάδας. Και ως αποτέλεσμα, η ομάδα μπορεί να αποδώσει καλύτερα.
Τώρα, έχουμε επίσης αρχίσει να πειραματιζόμαστε με φυσικά συστήματα. Και προσθέσαμε ανθρωπόμορφους και μη ανθρωπόμορφους ρομπότ [00:26:19] που είναι εφοδιασμένα με απλή AI για να βοηθούν ομάδες ανθρώπων σε πρόσωπο με πρόσωπο αλληλεπιδράσεις και να δείχνουν πώς μπορούν να διευκολύνουν την συνεργασία μεταξύ ομάδων ανθρώπων, βοηθώντας τους να ξεπεράσουν τις τριβές ή την αδυναμία συνεργασίας στις αλληλεπιδράσεις τους. Ένα από τα αγαπημένα μου παραδείγματα είναι ένα πείραμα που έκανα με την πρώην μεταπτυχιακή μου φοιτήτρια, Maggie Traeger, που είναι πίσω και τώρα είναι αναπληρώτρια καθηγήτρια στο Notre Dame, είναι αυτό το πείραμα. Σε αυτό το πείραμα, πήραμε τρεις πραγματικούς ανθρώπους που ήρθαν στο εργαστήριο και ένα ανθρωπόμορφο ρομπότ. Και σχεδιάσαμε ένα μικρό παιχνίδι, ένα μικρό παιχνίδι σιδηροδρομικής πίστας, που παίζεται σε ένα ταμπλέτα, και αυτή η ομάδα ανθρώπων και το ρομπότ είχαν το καθήκον να τοποθετήσουν σιδηροτροχιές από το σημείο Α στο σημείο Β, όπως οι σιδηροτροχιές του Thomas the Tank Engine. Και τους δώσαμε κάποια κομμάτια που μπορούσαν να επιλέξουν από την ταμπλέτα, όπως ευθείες και καμπύλες. Αλλά κατά διαστήματα σκαρφιστήκαμε, αν και φαινόταν ότι υπήρχε ένα μείγμα κομματιών και ότι κατ' αρχήν θα έπρεπε να μπορούν να πάνε από το σημείο Α στο σημείο Β, το σχεδιάσαμε επιδέξια έτσι ώστε να μην είχαν τον σωστό αριθμό καμπυλών για να τους επιτρέψουν να πάνε από το σημείο Α στο σημείο Β. [00:27:21] Έτσι δεν μπορούσαν να το κάνουν. Δεν μπορούσαν να λύσουν το πρόβλημα χωρίς να το γνωρίζουν. Εντάξει; Έτσι, πρώτα ο κάθε άνθρωπος θα έπαιρνε μια σειρά να τοποθετήσει ένα κομμάτι σιδηροτροχιάς, μετά ο επόμενος και ο επόμενος. Συνεργάζονταν για να συνδέσουν το σημείο Α με το σημείο Β στις ταμπλέτες τους.
Και αυτό που κάναμε σε αυτό το πείραμα είναι ότι χειριστήκαμε, και έπαιξαν 30 γύρους αυτού του παιχνιδιού σε αυτόν τον εικονικό κόσμο, και είχαμε 51 ομάδες, χειριστήκαμε το στυλ συνομιλίας των ρομπότ, συγκεκριμένα αν το ρομπότ εξέφρασε ευπάθεια παραδεχόμενο ένα λάθος. Έτσι, το ρομπότ είπε, ξέρετε, έκανα ένα λάθος. Ή αν το ρομπότ έλεγε αστεία μπαμπάδων. Υποθέτω ότι όλοι γνωρίζουν τι είναι τα αστεία μπαμπάδων. Εντάξει. Έτσι, είχαμε επίσης το ρομπότ να λέει, παρεμπιπτόντως, αυτό είναι μια πολιτιστική καθολικότητα, όπως οι ανθρωπολόγοι στη ζούγκλα του Αμαζονίου έχουν παρατηρήσει τους ιθαγενείς λαούς και οι μπαμπάδες εκεί λένε επίσης αστεία μπαμπάδων. Και τα παιδιά είναι σαν, δεν μπορώ να πιστέψω τα ανόητα αστεία του μπαμπά. Αλλά τέλος πάντων, και στην πραγματικότητα υπάρχει μια θεωρία για το τι είναι τα αστεία μπαμπάδων, που προορίζονται να σκληρύνουν τα παιδιά με κάποιο τρόπο. Αυτή είναι μια θεωρία. Αλλά τέλος πάντων, αυτό είναι ένα εντελώς διαφορετικό θέμα. Τέλος πάντων, είχαμε τα ρομπότ μας να λένε αστεία μπαμπάδων ή να εκφράζουν ευπάθεια. [00:28:21] Και αυτό που μας ενδιέφερε να βρούμε είναι αν οι αλλαγές στην ομιλία του ρομπότ είχαν την δύναμη να επηρεάσουν όχι μόνο το πώς οι άνθρωποι αλληλεπιδρούν με τα ρομπότ, αλλά και το πώς οι άνθρωποι αλληλεπιδρούν ο ένας με τον άλλον. Και μία ακόμη φορά, αυτό προσφέρει την προοπτική της τροποποίησης των κοινωνικών αλληλεπιδράσεων μέσω της εισαγωγής τεχνητών πρακτόρων σε υβριδικά συστήματα ανθρώπων και μηχανών.
Λοιπόν, εδώ υπάρχει ένα μικρό παράδειγμα, και δεν σας είπα τα αποτελέσματα. Εδώ είναι, όταν έχουμε, αυτές οι γραμμές, η παχύτητα αυτών των γραμμών, έχουμε εγκαταστήσει κάμερες βίντεο για να παρακολουθούμε ποιος μιλάει με ποιον και πόσο δεν μιλάνε. Και η παχύτητα αυτών των γραμμών δείχνει πόσο μιλάει το άτομο δύο με το άτομο ένα και ούτω καθεξής. Έτσι, το άτομο ένα δεν μιλάει πολύ με το ρομπότ. Αυτό είναι μια λεπτή γραμμή. Όταν έχετε ουδέτερα ρομπότ, παίρνετε αυτό το μοτίβο. Αλλά όταν είχατε το ευάλωτο ρομπότ, όλες αυτές οι γραμμές γίνονται παχύτερες και εξισώνονται. Έτσι, διαπιστώσαμε ότι ένα ευάλωτο ρομπότ αύξησε την ισότητα ομιλίας μεταξύ των ανθρώπων, αύξησε την ένταση της ομιλίας μεταξύ των ανθρώπων και στην πραγματικότητα, σε ξεχωριστά αποτελέσματα, [00:29:22] αύξησε την ικανοποίηση των ανθρώπων σε αυτό το είδος περιβάλλοντος.
Και εδώ είναι ένα μόνο απόσπασμα από δύο διαφορετικούς γύρους που δείχνουν ότι το ρομπότ μιλάει με ουδέτερο τρόπο πρώτα, σε παθητική φωνή, η οποία δεν επηρεάζει πολύ την ανθρώπινη επικοινωνία. το ρομπότ λέει, με πολύ Ρίγκανσκο τρόπο, έγινε ένα λάθος.
Αλλά στον επόμενο γύρο, το ρομπότ λέει, έκανα ένα λάθος. Και μπορείτε να παρακολουθήσετε τι συμβαίνει εδώ. Ας δούμε αν μπορούμε να το κάνουμε να λειτουργήσει. (25 δευτερόλεπτα παύσης) Έτσι, σε πολλές, πολλές δεκάδες εκτελέσεις, αυτό είναι το είδος του μοτίβου που βρίσκουμε. Έτσι, μια απλή χειραγώγηση, μια απλή χειραγώγηση στο μοτίβο ομιλίας του ρομπότ αλλάζει τον τρόπο αλληλεπίδρασης των ανθρώπων μεταξύ τους. [00:30:25] Και υποθέτω ότι δεν χρειάζεται πολύ φαντασία για να σκεφτείτε πώς ολόκληρος ο τρόπος σχεδίασης των chatbot μας και όλα τα υπόλοιπα μπορεί να επηρεάζει όχι μόνο το παράδειγμα της Alexa που σας έδωσα στην αρχή, αλλά και πώς αντιμετωπίζουμε ο ένας τον άλλο. Οι άνθρωποι φαίνεται να εμπιστεύονται ο ένας τον άλλον περισσότερο και να έχουν περισσότερη διασκέδαση σε αυτή την κατάσταση.
Τώρα εδώ είναι ακόμη, και νομίζω ότι αυτό είναι το τελευταίο πείραμα που θα σας δείξω και μετά θα ολοκληρώσω, σε ένα ακόμη πείραμα, αναπτύξαμε μια νέα κυβερνοφυσική πλατφόρμα για να δοκιμάσουμε τέτοιες κοινωνικές και πράγματι ηθικές επιπτώσεις απλών τύπων ΤΝ. Επειδή δεδομένης της φύσης των προβλημάτων συλλογικής δράσης, η εμπλοκή της ΤΝ σε ανθρώπινες ομάδες θα μπορούσε παραδόξως και ακούσια να καταστείλει τις υπάρχουσες ωφέλιμες κοινωνικές νόρμες στους ανθρώπους, όπως αυτές που επηρεάζουν τη συνεργασία και την αλτρουιστική συμπεριφορά που έχουμε εξελιχθεί ως είδος να έχουμε. Έτσι έχουμε εκατοντάδες χιλιάδες χρόνια φυσικής επιλογής που λειτουργούν πάνω μας για να μας κάνουν ικανούς να επιλύουμε προβλήματα συλλογικής δράσης. Άρα η ερώτηση είναι, καλά, αν αναθέσουμε κάποια από αυτήν την εξουσία σε μηχανές, θα χάσουμε την ικανότητα να συνεργαζόμαστε για να επιλύσουμε αυτά τα προβλήματα; [00:31:32] Θα αρχίσουμε να εξαρτόμαστε από αυτές τις μηχανές, και έτσι θα υποβαθμίσουμε τη φυσική μας ικανότητα να συνεργαζόμαστε και να συντονιζόμαστε και να δημιουργούμε και τα λοιπά; Έτσι σε αυτό το πείραμα, συνεργαζόμενοι με τον Hiro Shirato στο CMU, έναν άλλο πρώην φοιτητή μου, δημιουργήσαμε μια πλατφόρμα που περιλάμβανε δύο μικρά οχήματα που έχουν Raspberry Pi, και τα συνδέσαμε με κάποιο λογισμικό που έχουμε που μας επιτρέπει να οργανώνουμε διαδικτυακά πειράματα σε μεγάλη κλίμακα. Έτσι, οι άνθρωποι ήταν στα σπίτια τους, και τους ανατέθηκε ένα από αυτά τα αυτοκίνητα, και οδηγούσαν αυτά τα αυτοκίνητα ο ένας προς τον άλλο,
και είχαμε να παίξουμε το παιχνίδι του κοτόπουλου. Έτσι, στο κοτόπουλο, ξέρεις, όπως, όποιος φτάσει στην άλλη πλευρά πρώτος κερδίζει. Έτσι, έχεις κίνητρο να μην υποχωρήσεις στον άλλο. Αλλά αν και οι δύο επιλέξουν να μην υποχωρήσουν, τότε θα συγκρουστούν και και οι δύο θα έχουν την χειρότερη αποδοχή. Έτσι, τι θα έκαναν οι άνθρωποι σε αυτή την κατάσταση, αν παίζατε σε ένα επαναλαμβανόμενο παιχνίδι κοτόπουλου, είναι ότι θα μάθετε γρήγορα να παίρνετε εναλλάξ. Αυτή τη φορά είναι η σειρά σου να περάσεις κατευθείαν, εγώ θα παρακρατήσω και θα σε αφήσω, αλλά την επόμενη φορά εσύ θα παρακρατήσεις και θα με αφήσεις να περάσω κατευθείαν. [00:32:35] Αν είμαστε εγωιστές, συνεχίζουμε να συγκρούονται ο ένας με τον άλλον, όπως καταστρέφουμε ο ένας τον άλλον ξανά και ξανά και ξανά, ή ηλίθια, κάνουμε όλοι στροφή και κανένας δεν επωφελείται από το να προχωρήσει κατευθείαν. Έτσι, σε αυτή την κατάσταση εδώ, το κίτρινο αυτοκίνητο αποφασίζει να παραχωρήσει, το μπλε αυτοκίνητο προχωρά ανενόχλητο μέχρι την άλλη πλευρά.
Χρησιμοποιήσαμε 300 συμμετέχοντες και 150 δυάδες, και πληρώθηκαν ανάλογα με το πόσο γρήγορα ανέβαιναν στην άλλη πλευρά. Στη συνέχεια, προσθέσαμε κάποια AI. Προσθέσαμε βοήθεια αυτόματης πέδησης, όπου όταν είχες προειδοποίηση εγγύτητας, όταν πλησίαζες στο άλλο αυτοκίνητο, σταμάτησε και σου έδωσε την ευκαιρία να αποφασίσεις, ωραία, θα πρέπει να τον αφήσω να περάσει, ή το αντίστροφο. Ή προσθέσαμε βοήθεια αυτόματης κατεύθυνσης, που σημαίνει ότι τη στιγμή που πλησίασε το άλλο αυτοκίνητο, απλώς άλλαξε κατεύθυνση, εντάξει; Και προσθέσαμε μια ελάχιστη λειτουργία επικοινωνίας, όπου οι άνθρωποι μπορούσαν να πουν ευχαριστώ, ή κάτι τέτοιο. Πολύ ελάχιστη επικοινωνία. Και πρώτα, δείξαμε ότι η βοήθεια αυτόματης πέδησης, όπου τα αυτοκίνητα σταματούν σε μια σταθερή απόσταση πριν τη σύγκρουση, αύξησε την ανθρωπιστική στάση των ανθρώπων. [00:33:38] Δηλαδή, να δίνουν προτεραιότητα στους άλλους, όπως κάνει εδώ το κίτρινο αυτοκίνητο. Έτσι, η προσθήκη λίγης βοήθειας αυτόματης πέδησης AI έκανε πιο εύκολο για τους ανθρώπους να συνεργάζονται και να συνεργάζονται στην κατάσταση αυτή. Επίσης, δίνοντας τη δυνατότητα στους ανθρώπους να επικοινωνούν, βοηθά περαιτέρω στην αμοιβαία παραχώρηση στην κατάσταση αυτόματης πέδησης. Από την άλλη πλευρά, η βοήθεια αυτόματης κατεύθυνσης, όπου το αυτοκίνητο απλώς άλλαξε κατεύθυνση, εντελώς εμπόδισε την εμφάνιση αμοιβαιότητας μεταξύ των ανθρώπων υπέρ της μεγιστοποίησης του εγωιστικού συμφέροντος. Οι άνθρωποι απλώς παραιτούνται από την ηθική τους εκπροσώπηση. Δεν ανησυχούν πια. Απλά αφήνουν τη μηχανή να αλλάξει κατεύθυνση επανειλημμένα και τα παρατούν, εντάξει; Έτσι, όλες οι έμφυτες ηθικές ικανότητες που είχαν οι άνθρωποι έχουν πλέον αφαιρεθεί με την προσθήκη AI στην κατάσταση αυτόματης κατεύθυνσης, αλλά ενισχύθηκαν στην κατάσταση αυτόματης πέδησης. Και αυτό θα έπρεπε επίσης να σας προβληματίσει. Θα έπρεπε να σκέφτεστε, Θεέ μου, κάθε μικρή απόφαση που παίρνουμε όταν προγραμματίζουμε αυτούς τους πράκτορες AI μπορεί να έχει καλές ή κακές επιπτώσεις στις φυσικές τάσεις των ανθρώπων.
Η ικανότητα των ανθρώπων να συνεργάζονται, να περιμένουν τη σειρά τους και να ενεργούν αλτρουιστικά μπορεί να μετριαστεί, οδηγώντας σε χειρότερα συλλογικά και ατομικά αποτελέσματα στο τέλος. [00:34:46] Και στην πραγματικότητα, εν ολίγοις, η Τεχνητή Νοημοσύνη μπορεί να οδηγήσει σε μια μορφή ηθικής τεμπελιάς. (..) Ορίστε ένα τελευταίο παράδειγμα διαρκούς αλλαγής μετά από έκθεση σε Τεχνητή Νοημοσύνη σε υβριδικά συστήματα. Και είναι επίσης ένα παράδειγμα του πώς η παρουσία της Τεχνητής Νοημοσύνης μπορεί να αλλάξει τις ανθρώπινες αλληλεπιδράσεις, ακόμη και αφού η Τεχνητή Νοημοσύνη δεν είναι πλέον μέρος αυτών των αλληλεπιδράσεων. Έτσι, το 2016, η DeepMind ανέπτυξε το AlphaGo, και την ίδια χρονιά, αυτός ο AI πράκτορας έπαιξε εναντίον του Lee Sedol, του αξιοσημείωτου παγκόσμιου πρωταθλητή από την Κορέα.
Παρακολούθησα τον αγώνα. Δεν μπορώ να παίξω Go, αλλά αναγνωρίζω ότι είναι ένα εξαιρετικό παιχνίδι. Ο γιος μου παίζει Go. (.) Και πράγματι υποστήριζα τον Lee Sedol. Ο Lee Sedol είναι σαν ήρωας στην Κορέα, όπως θα είχαμε, ξέρετε, σπουδαίους αθλητές στις συσκευασίες των Wheaties και τέτοια. Όπως, η εικόνα του είναι σε μικρές συσκευασίες ζυμαρικών και σε σακούλες δημητριακών. Νομίζω ότι είναι πανέμορφο το γεγονός ότι στην Κορέα ένας έξυπνος νέρντος σαν εμένα θεωρείται, ξέρετε, σημαντικό πρόσωπο, εντάξει; Είναι πολύ δημοφιλής στην Κορέα. Και εμφανίζεται στον πρώτο αγώνα, και είναι πολύ υπερόπτης. [00:35:47] Μπορώ να δω ότι είναι υπερόπτης. Και χάνει από τη μηχανή, και μετά ζητά συγγνώμη από τους θαυμαστές του. Λέει, λυπάμαι πολύ. Είναι πέντε αγώνες. Είναι οι καλύτεροι τρεις από πέντε νίκες. Έπειτα παίζει έναν δεύτερο αγώνα, και χάνει ξανά. Και τώρα σοβαρεύει. Έπειτα παίζει έναν τρίτο αγώνα και χάνει. Έχει χάσει την ανταγωνιστικότητα.
Και μπορούσες κάπως να δεις το κοινό, και οι σχολιαστές θαυμάζουν την ικανότητα της μηχανής να παίζει Go, κάνοντας αυτές τις παράξενες και όμορφες κινήσεις, κάποιες από τις οποίες αργότερα ανακάλυψαν ότι είχαν παιχτεί επειδή έχουμε καταγραφές που πηγαίνουν χιλιάδες χρόνια πίσω από αγώνες Go που έγιναν στην Κινεζική Αυτοκρατορική Αυλή. Και μπορούσαν να βρουν, ω, Θεέ μου, αυτή είναι μια μεσαιωνική κίνηση που έκανε η μηχανή. Δεν την είχαμε δει εδώ και πολύ καιρό.
Και τότε η Λίσα Ντάλ επιστρέφει στον τέταρτο αγώνα, και κερδίζει. (..) Και έκλαψα. Ήμουν τόσο ευτυχισμένος. (..) Επειδή είχε τη μηχανή, ξέρεις, είχε επιστρέψει για το είδος μου, και είχε νικήσει τη damn μηχανή. Όπως, με ηρωικό τρόπο, δεν μπορούσα να καταλάβω, όπως, την εγκεφαλική δύναμη που πρέπει να απαιτούνταν για να το κάνει αυτό η Λίσα Ντάλ. [00:36:49] Ήμουν ενθουσιασμένος εκείνη τη στιγμή, και τόσο περήφανος για αυτόν που συνεχίζει να προσπαθεί, ακόμα και μετά που είχε χάσει τον αγώνα.
Τώρα, το ενδιαφέρον είναι ότι όταν η Λίζα Νταλ ρωτήθηκε μετά το παιχνίδι, είπε ότι το τρόπο παιχνιδιού του άλλαξε μετά τον αγώνα. Έτσι λοιπόν, ξανά, η AI βοηθά τους ανθρώπους να βοηθήσουν τους εαυτούς τους, εντάξει; Αλλάζει τον τρόπο που παίζει λόγω επαφής. Και οι επόμενες έρευνες από άλλους επιστήμονες εξέτασαν επαγγελματίες παίκτες του Go και κοίταξαν την μεσαία ποιότητα απόφασης. Υπάρχει κάποιο πρότυπο στο Go για να αξιολογηθεί πόσο καλή είναι μια κίνηση και η μεσαία πρωτοτυπία, δηλαδή πόσο ασυνήθιστη είναι μια κίνηση. Και διαπιστώνουν ότι όταν το AlphaGo νικά τον άνθρωπο παγκόσμιο πρωταθλητή το 2016, σε όλο τον κόσμο οι παίκτες του Go αρχίζουν να κάνουν καλύτερες κινήσεις που είναι πιο καινοτόμες, εντάξει; Έτσι όλοι οι άνθρωποι που παίζουν Go μεταξύ τους έχουν αλλάξει λόγω της προσθήκης του AlphaGo. Η AI βοηθά τους ανθρώπους να βοηθήσουν τους εαυτούς τους. Έτσι συνεχίζουμε να επεκτείνουμε τη δουλειά μας για να σχεδιάσουμε και να προσθέσουμε απλούς bots σε αυτές και άλλες καταστάσεις που περιλαμβάνουν κοινωνικά διλήμματα και προβλήματα συλλογικής δράσης. [00:37:55] Εξετάζουμε πώς οι bots μπορούν να επηρεάσουν την συντονισμό, τη συνεργασία, την επικοινωνία, τη δημιουργικότητα, την εμπιστοσύνη, την πλοήγηση, την κοινή χρήση και την εκκένωση. Και στο εργαστήριό μας, δεν εστιάζουμε σε υπερ-έξυπνη AI, όπως LLM ή AlphaGo, για να αντικαταστήσουμε τη νόηση του ανθρώπου, αλλά μάλλον σε χαζή AI για να συμπληρώσουμε την ανθρώπινη αλληλεπίδραση. Δεν προσπαθούμε να εφεύρουμε υπερ-έξυπνη AI για να αντικαταστήσουμε τη νόηση του ανθρώπου. Εφευρίσκουμε χαζή AI για να συμπληρώσουμε την ανθρώπινη αλληλεπίδραση. Και η AI μας μπορεί να είναι χαζή επειδή οι άνθρωποι είναι έξυπνοι. Η AI μας είναι σαν το πλατίνα που προστίθεται σε μια αντίδραση οργανικής χημείας. Είναι απλώς ένας καταλύτης. Το μόνο που χρειαζόμαστε είναι ο καταλύτης για να βοηθήσουμε μια ομάδα ανθρώπων να γίνουν καλύτεροι.
Και φυσικά, είναι σημαντικό να αναγνωρίσουμε ότι το αντίστροφο είναι επίσης δυνατό. Η κοινωνική ΑΙ μπορεί να χρησιμοποιηθεί για να βλάψει ομάδες ανθρώπων. Αλλά η προσέγγισή μας προσφέρει αρκετά άλλα τεχνικά και εννοιολογικά πλεονεκτήματα. Πρώτα απ' όλα, αυτά τα απλά ρομπότ είναι κατανοητά και επομένως καθαρά απεικονίζουν ευρύτερες δυνάμεις και ευκαιρίες. Σε αντίθεση με τα LLM, τα οποία είναι ένα μαύρο κουτί και δεν ξέρετε τι κάνουν, μπορώ να σας πω ακριβώς τι κάνει το ρομπότ μας. [00:38:58] Είναι θορυβώδες. Κάνει συστάσεις. Μεταφέρει μηνύματα με αυτόν τον πολύ συγκεκριμένο τρόπο. Και δεύτερον, τα ελεγχόμενα πειράματα των ρομπότ μας μπορούν επίσης να παρέχουν πληροφορίες σχετικά με το πώς θα μπορούσε να αλλάξει προς το συμφέρον η ανθρώπινη συμπεριφορά. Με άλλα λόγια, μπορώ να το πάρω από το εργαστήριο και μπορώ να διδάξω μια ομάδα ανθρώπων να κάνει ό,τι έκαναν τα ρομπότ μας. Με κάποιον τρόπο, δεν μπορείτε εύκολα να διδάξετε μια ομάδα ανθρώπων να κάνει ακριβώς ό,τι έκανε το ChachiPT εδώ. Δεν ξέρουμε τι κάνει το ChachiPT, αλλά ξέρετε τι κάνουν στην περίπτωσή μας.
Θα ήθελα να κλείσω, αυτή είναι η τελευταία μου διαφάνεια, με μια μεταφορά. Σκεφτείτε αυτά τα δύο αντικείμενα. Είναι και τα δύο φτιαγμένα από άνθρακα. Αν πάρετε τα άτομα άνθρακα και τα συνδέσετε με έναν τρόπο, αποκτάτε γραφίτη, που είναι μαλακός και σκοτεινός. Πάρτε τα ίδια άτομα άνθρακα και τα συνδέσετε με έναν άλλο τρόπο, αποκτάτε διαμάντι, που είναι σκληρός και διαυγής. Και υπάρχουν δύο βασικές διανοητικές ιδέες εδώ. Πρώτα απ' όλα, αυτές οι ιδιότητες της μαλακότητας και της σκοτεινότητας και της σκληρότητας και της διαφάνειας δεν είναι ιδιότητες των ατόμων άνθρακα. Είναι ιδιότητες της συλλογής των ατόμων άνθρακα. Και δεύτερον, ποιες ιδιότητες αποκτάτε εξαρτάται από το πώς συνδέετε τα άτομα άνθρακα μεταξύ τους. Πάρτε τα ίδια άτομα άνθρακα και συνδέστε τα με έναν τρόπο, αποκτάτε ένα σύνολο ιδιοτήτων. [00:40:01] Συνδέστε τα με έναν άλλο τρόπο, αποκτάτε ένα εντελώς διαφορετικό σύνολο ιδιοτήτων. Ομοίως, η φύση των συνδέσεών μας επηρεάζει τις ιδιότητες των κοινωνικών μας ομάδων. Είναι οι σχέσεις μεταξύ των ανθρώπων που μπορούν να κάνουν το σύνολο μεγαλύτερο από το άθροισμα των μερών του. Νέες ιδιότητες, όπως η συνεργασία και η βία, η καινοτομία και η παραγωγικότητα, η εμπιστοσύνη και η δυσπιστία, η αλήθεια και η ψευτιά, ο πλούτος και η φτώχεια, η υγεία και η ευτυχία, μπορούν να αναδυθούν και να εξαπλωθούν λόγω των συνδέσεων, λόγω των σχέσεων μεταξύ των ανθρώπων, και όχι απαραίτητα μόνο και μόνο λόγω των ανθρώπων αυτών καθεαυτών. Στην πραγματικότητα, η εμπειρία μας από τον κόσμο εξαρτάται από τη δομή και τη λειτουργία των δικτύων γύρω μας, κοντά και μακριά. Και το είδος μας εξελίχθηκε ώστε να είναι έτσι. Και δεν θα πρέπει να μας ξαφνιάζει ότι θα αντιδράσουμε στην Τεχνητή Νοημοσύνη ανάμεσά μας. Σας ευχαριστώ πολύ.
