Nicholas Christakis: [00:00:05] Hyvä on, joten ihmiset ovat kiinnittyneet sosiaalisiin verkostoihin, ja nämä verkostot noudattavat hyvin erityisiä matemaattisia, biologisia ja sosiaalisia periaatteita. Ja yhä useammin lisäämme keinotekoista älykkyyttä muodossa, joka sisältää verkkosovelluksia ja fyysisiä robotteja keskuudessamme, jotka vuorovaikuttavat kanssamme ikään kuin ne olisivat sosiaalisia olentoja. Ja nämä agentit, joita aiomme lisätä järjestelmiimme, vaihtelevat itseohjautuvista autoista teillä, kassakoneista kaupoissa, humanoidi-robotteihin kodeissa tai tehtaissa tai taistelukentillä tai palokuntatehtävissä, eristyneisiin autonomisiin agentteihin, kuten verkkobotteihin ja digitaalisiin tekoälyavustajiin puhelimissamme tai silmälaseissamme tai työpaikoillamme. Ja nämä teknologiat vuorovaikuttavat kanssamme tasavertaisella pelitasolla, ikään kuin ne olisivat ihmisiä. Ja ne tulevat synnyttämään hybridejä järjestelmiä, joissa ihmiset ja koneet toimivat yhdessä. Ja nämä järjestelmät tarjoavat mahdollisuuksia uusille sosiaalisen tekoälyn muodoille.
Nyt, annan sinulle vain leluesimerkin tästä. Kun saat esimerkiksi digitaalisen avustajan, kuten Alexan, kyseisen laitteen valmistaja on hyvin huolissaan ihmisen ja koneen vuorovaikutuksesta. Ja tämä ihmisen ja koneen vuorovaikutus on optimoitua. Esimerkiksi et koskaan ostaisi Alexaa, jos joka kerta, kun tarvitsit siltä jotain, sinun olisi sanottava: 'anteeksi, Alexa, olen erittäin pahoillani, että keskeytän sinua. Jos et pahastu, kerrotko minulle sanan? [00:01:35] sää huomenna, oikein? Tämä olisi absurdi taso kohteliaisuutta. Odotat voivasi sanoa: 'Alexa, sää', ja kone vastaa sitten tottelevaisesti. Ja se on hienoa, kunnes tuot sen koneen kotiisi ja lapsesi puhuvat sille ja oppivat olemaaan mahdottomia. Ja sitten he menevät leikkikentälle ja ovat epämääräisiä muita lapsia kohtaan. Joten se kone, joka on lisätty joukkoomme, ei liity vain ihmisen ja koneen vuorovaikutukseen, vaan myös ihmisten väliseen vuorovaikutukseen koneiden läsnäollessa. Ja siksi minua kiinnostaa, eivätkä ihmisten väliset vuorovaikutukset koneiden läsnä ollessa. Ja voimme käyttää sosiaalisten verkostojen rakenteen ja toiminnan ymmärrystä arvioidaksemme sosiaalisen tekoälyn käyttöä ja vaikutusta ihmisten ryhmiin, ottaen huomioon tekijät, kuten luottamus ja yhteistyö, jotka ovat välttämättömiä, jotta ihmisryhmät voivat työskennellä yhdessä, ja jotka vaikuttavat näiden kollektiivisuuksien käyttäytymiseen.
Joten annan nyt esimerkin työstä, jota teemme, uh, käyttäen useita lähestymistapoja verkkoexperimenteille, jotka liittyvät, uh, tekoälyyn. Nämä kokeet arvioivat, miten tekoäly voisi vaikuttaa ihmisten sosiaalisten vuorovaikutusten rakenteeseen ja toimintaan. [00:02:45] Nyt on olemassa joukko kollektiivisen toiminnan ongelmia sosiaalisissa vuorovaikutuksissa, joita kutsumme koordinaatio-ongelmiksi. Nämä ovat ongelmia, joissa meidän on työskenneltävä yhdessä, jos haluamme luoda jotain hyödyllistä. Joskus ratkaisemme näitä ongelmia luomalla keskitettyjä instituutioita, kuten poliisia, tuomioistuimia tai hallituksia. Mutta usein pystymme ratkaisemaan kollektiivisen toiminnan ongelmia, jotka vaativat meitä koordinoimaan tai yhteistyöhön suuren määrän ihmisiä hajautetulla tavalla. Olemme itse asiassa kehittyneet omaksumaan tämän kyvyn. Ja yksi erityinen tyyppi kollektiivisen toiminnan ongelmaa, johon haluaisin tänään keskittyä, on itse asiassa koordinaatio.
Esimerkiksi välttääkseen tämän liikenneonnettomuuden, ihmisten on koordinoitava tehdä jotain erilaista kuin naapurinsa. Joten jos kaikki lähtevät kotoaan samaan aikaan, kaikki jäävät liikenneonnettomuuteen. Mutta jos he säätävät lähtöaikojaan ja lähtevät aikaväleittäin, niin kukaan ei ole liikenneonnettomuudessa. Nyt, tietenkin, voit olla jonkinlainen keskeinen viranomainen, joka koordinoi tätä. Te lähdette ensin, sitten te, ja sitten te. [00:03:45] Mutta ihanteellisesti haluaisitte jonkinlaisen hajautetun, ylhäältä alas -tyyppisen ihmisten koordinoivan ratkaisun tähän ongelmaan.
Joten tässä oli meidän ensimmäinen kokeilumme, joka julkaistiin vuonna 2017 tällaisista hybridi-järjestelmistä, jotka tutkivat, miten tekoäly voisi auttaa tällaisessa haasteessa. Tutkimme ihmisten ryhmien suorituskykyä, jotka osallistuivat koordinaatiotehtävään. Paradigmamme oli lainata tietojenkäsittelytieteestä jotain, joka tunnetaan nimellä graafinen värjäysongelma. Tämä on klassinen ongelma tietojenkäsittelytieteessä. Mutta mitä me teimme, oli se, että otimme sen ja laitoimme ihmiset tähän tilanteeseen. Joten otimme 4,000 ihmistä ja sijoitimme heidät 230 online-ryhmään. Nämä ihmiset heitettiin näihin ryhmiin. Heille annettiin satunnaisesti paikka keinotekoiseen verkkoon, jonka rakenteen voidaan sanoa muistuttavan todellisia ihmisverkkoja. Heidät tiputettiin näihin paikkoihin ja heille kerrottiin, että heidät oli määrätty yhteen kolmesta väristä, [00:04:46] violetti, oranssi, violetti, oranssi ja vaaleanpunainen. Heille kerrottiin, että heidän oli valittava väri, joka ei ollut samanlainen kuin naapureidensa.
Ja heille annettiin viisi minuuttia tehdä se. Joten nämä ihmiset katsoivat ympärilleen naapureihinsa. Jokainen henkilö katsoi ympärilleen ja sanoi, että tämä tyyppi täällä on vaaleanpunainen. Hän näki, että hänellä on vaaleanpunainen naapuri ja oranssi naapuri. Mitä hänen pitäisi tehdä, on vaihtaa purppuraan väriin. Ja nämä punaiset viivat osoittavat väriyhteensattumia. Toisin sanoen, jos viereisten solmujen värit ovat samat, ne saavat punaisen viivan. Ja taustalla olevat purppuraviivat osoittavat sosiaalisten vuorovaikutusten rakennetta. Joten laitat ihmiset tänne. He katsovat ympärilleen naapureihinsa joka sekunti tai sekunnin ja puolen välein. He tekevät vaihdon, joka on johdonmukainen tavoitteelle, että kaikkien heidän on valittava väri, joka on erilainen kuin heidän naapuriensa seuraavien viiden minuutin aikana. Ja jos he tekevät niin, niin vain silloin heitä maksetaan. Minä aion maksaa teille, että työskentelette yhdessä. Ja jos työskentelette kaikki yhdessä hajautetulla tavalla ratkaistaksenne ongelman, kaikki saavat palkkionsa. Muuten ette saa mitään, okei? Joten tässä on mitä tapahtuu tässä kokeessa. Täällä x-akselilla on aika sekunteina, kunnes viiden minuutin raja saavutetaan. [00:05:47] Peli kestää viisi minuuttia, joka on täällä alhaalla. Ja täällä y-akselilla on tavoitefunktio tai väriyhteensattumien määrä. Ja niin alussa on 12 väriyhteensattumaa. Heille on satunnaisesti määrittänyt alkuperäiset värit. Ja tämä näkyy täällä tällä pienellä histogrammilla juuri tässä. Ja niin ihmiset alkavat katsella ympärilleen ja vaihtavat värejään. He tietävät, että he vaihtavat ja vaihtavat. Ja he pääsevät tähän kohtaan, jossa he ovat nyt saavuttaneet tilanteen, jossa on väriyhteensattuma näiden kahden henkilön välillä. Tämä konflikti, kuitenkin, on se, mitä kutsumme ratkaisemattomaksi konfliktiksi. Joten vaaleanoranssit viivat ovat ratkaistavissa olevia konflikteja. Tämä tyyppi täällä voi siirtyä purppuraan, mikä ratkaisee konfliktin. Mutta nämä tyypit, jotka ovat oransseja, eivät voi tehdä liikettä, joka vähentäisi väriyhteensattumien määrää heidän ympärillään, eikö niin? Tämä tyyppi ei voi vaihtaa purppuraan, koska itse asiassa jos hän vaihtaa purppuraan, hän saa enemmän konflikteja. Hänellä on neljä purppuranaapuria. Ja hän ei voi vaihtaa vaaleanpunaiseen, koska hänellä on kaksi vaaleanpunaista naapuria. Joten hän katsoo ja sanoo, että vähiten konflikteja on pysyä vain oranssina. Joten nyt tämä ryhmä on jumissa, eikö niin? [00:06:49] Heillä on ratkaisematon konflikti eikä mitään voi tapahtua. Ei edistystä voida tehdä kollektiivisen toimintaongelman ratkaisemisessa, kunnes toinen näistä kahdesta henkilöstä tekee vastoin intuitiota olevan liikkeen, vaihtaa värit purppuraan tai vaaleanpunaiseen ja lisää konflikteja tilapäisesti. Ja näin käy. Ja sitten aika kuluu, ja ihmiset 245 sekunnin kohdalla ratkaisevat ongelman. Kone havaitsee ratkaisun, pysäyttää pelin ja maksaa heille, okei?
Nyt, koska olimme ovelia, mitä teimme, oli se, että suoritimme kokeita, joissa vaihdoimme salaa joitakin ihmisiä boteilla. Ja arvioimme, miten tekoälyllä varustettujen bottien lisääminen luomaan hybridi-järjestelmä vaikutti ryhmän suoritukseen. Onko mahdollista lisätä joitakin botteja ihmisten ryhmiin ja parantaa heidän kykyään koordinoida tällaisessa haasteessa? Ja mitä teimme, oli se, että lisäsimme kolme bottia, ja vaihdoimme kokeellisesti kahta akselia. Missä botit sijoitettiin, missä ne satunnaisesti tipahtivat verkkoon, joko keskelle verkkoa tai verkon periferiään. Ja manipuloimme satunnaisesti niiden tekoälykapasiteettia täällä hyvin triviaalilla ja yksinkertaisella tavalla. Nimittäin, manipuloimme, toimivatko botit täydellisesti vai aavistuksen verran kohinalla.
Täydellisessä tilanteessa joka puolitoista sekuntia botit katsoivat ympärilleen naapureihinsa ja valitsivat sitten värin, jolla oli vähiten ristiriitoja naapureidensa kanssa. Sitä, mitä saatat ajatella järjettömänä käyttäytymisenä. 10 % melutilanteessa he toimivat niin, mutta 10 % ajasta he valitsivat satunnaisen värin. Ja 30 % melutilanteessa he toimivat niin, mutta 30 % ajasta he valitsivat satunnaisen värin. Joten teimme boteista, sanotaan, yhä virheherkempiä, yhä meluisampia.
Ja sitten katsoimme, meillä oli, ajattelen jotain sellaista, aloitetaan kontrolliryhmällä. Piirsimme tänne x-akselille ajan, ja nämä ovat eloonjäämiskäyrät. Y-akselilla on todennäköisyys, että ryhmä kokonaisuudessaan ei ole ratkaissut koordinaatiopeliä. Joten täällä, jos katsotaan, esimerkiksi alussa, ajan nollassa, [00:08:51] 100 % ainoista ihmisten ryhmistä, sessioista, joissa on vain ihmisiä, ovat oransseja. Alussa 100 % pelkästään ihmisten ryhmistä ei ole ratkaissut peliä. Ja sitten ajan kuluessa yhä useammat ihmisten ryhmät ratkaisevat pelin, niin että viiden minuutin lopussa ehkä 60 % pelkästään ihmisten ryhmistä on ratkaissut pelin.
No, mikä tapahtuu, on se, että jos laitat 10 % meluisia boteja verkon keskeiseen asemaan, saat havaittavasti parannettua suorituskykyä. Tässä olennaisesti suurempi määrä ihmisryhmiä, kun keskelle lisättiin hieman melua sisältäviä boteja, pystyivät ratkaisemaan ongelman. Itse asiassa ne vähensivät ratkaisuaikaa mediaania 232 sekunnista 103 sekuntiin. Ja näissä tiedoissa on myös muita havaintoja. Täydet botit ja liiallisesti meluisat botit olivat molemmat hyödyttömiä. Tarvitsit jonkinlaista kalibrointia. Juuri nuo 10 % meluisat botit olivat hyödyllisimmät. Ja myös botin sijainnilla oli vaikutusta. Mutta ratkaisevalla tavalla näissä kokeissa havaitsimme myös, että ihmiset, jotka eivät olleet yhteydessä boteihin, [00:09:52] jotka olivat kauempana verkossa. Joten kaavioissa oli joitain ihmisiä, jotka olivat yhteydessä boteihin ja toisia, jotka eivät olleet. Huomasimme, että jopa nuo ihmiset alkoivat muuttaa tapaa, jolla he pelasivat. Joten oli aaltoefekti, cascading-efekti. Sen hyödyt, kuinka botti vuorovaikutti ihmisten kanssa, levisivät verkossa ja alkoivat sitten vaikuttaa ihmisten välisiin vuorovaikutuksiin yhä kauempana verkossa. Toisin sanoen, botit auttoivat ihmisiä auttamaan itseään, ja melun hyödyt levisivät tämän sosiaalisen järjestelmän sisällä.
Anna minun vielä selventää ajatuksia tästä kollektiivisesta haasteesta ja siitä, miten nämä yksinkertaiset tekoälyagentit voisivat auttaa toisen analogian avulla. Kuvittelepa, että sinulla on taso. Tämä on kuin gradientin laskeutuminen koneoppimisessa, esimerkiksi. Sinulla on taso, ja sinulla on vuoria ja kukkuloita. Ja sinulla on erilaisia kukkuloita, okei, eri korkeuksilla. Ja sinulla on vuori täällä ylhäällä, joka on korkein vuori. Joten pudotan, otan teistä neljä ja pudotan teidät jotenkin tänne, ja käsirautoja teidät yhteen, jokaisen teistä katsoen eri suuntaan, [00:10:54] ja annan teille silmälaput. Ja sanon teille, löytäkää korkein vuori. Joten te keskustelitte keskenänne ja sanotte, no, miksi emme jokainen ottaisi yhden askeleen suuntaamme ja raportoi takaisin tiimille? Joten otatte askeleen pohjoiseen, ja sanotte, että täältä on ylämäki. Ja etelä sanoo, että täältä on alamäki. Ja itä ja länsi sanovat, että täältä on vaakasuora. Joten kaikki sovitte, että otetaan askel pohjoiseen. Ja te teette tätä iteratiivisesti, kunnes saavutatte pisteen, jossa kaikki sanotte, että täältä on alamäki.
Oletteko löytäneet korkein vuori? Ei. (...) Mitä olette tehneet? Olette löytäneet lähimmän kukkulan.
Löydätkö koskaan korkeimman vuoren? Et. Et koskaan löydä korkeinta vuorta. Olet jumissa. Olet paikallisesti optimoitu, mutta globaalisti aliohjattu. Ja globaalia optimointia varten tarvitset hieman hälyä. Sinun on joskus sallittava tämän ryhmän ihmisten tehdä vastoin intuitiota siirto alas vuorelta tai mäeltä. Joten he kulkevat joskus sattumanvaraisesti askel askeleelta, kunnes he pääsevät takaisin tasolle. Ja sitten he navigoivat ympäri tätä kunto-maisemaa, tutkien kaikkia näitä huippuja, kunnes he päätyvät tälle huipulle. [00:11:56] Ja tämä korkea huippu, globaali optimi, on yleensä vastaanottava tila, koska sieltä poistuminen vaatii paljon enemmän hälyä kuin muilta huipuilta. Ja nyt siis keinut globaalin optimin ympärillä. Työssämme olemme tutkineet tällaista yksinkertaista ohjelmointia sosiaalisiin järjestelmiin, jotta voisimme parantaa ihmisten suorituskykyä erilaisissa kollektiivisen toiminnan ongelmissa.
Nyt toinen kollektiivinen toimintaongelma liittyy eri haasteeseen, joka on yhteistyö, ei koordinointi. Ihmisten on usein yhteistyössä tuotettava sitä, mitä kutsutaan julkiseksi hyväksi. Majakka on yksi klassisista esimerkeistä julkisesta hyvästä. Julkisella hyvällä on kaksi klassista ominaisuutta. Ensinnäkin se on niin kutsuttu ei-excludable. Ja se tarkoittaa, että muita henkilöitä ei voida estää käyttämästä sitä. Jos rakennat majakan omaksi hyväksesi, koska navigoit merillä etkä halua törmätä rannikkoon, se on hienoa sinulle, mutta et voi estää ketään muuta käyttämästä sitä, okei? Ei-excludable. [00:12:58] Ja myös se on ei-rivalrous. Se tarkoittaa, että yhden henkilön kulutus ei vähennä muiden kulutusta. Jos käytän valoa majakastani, ei ole vähempää valoa sinulle käytettäväksi. Ja tämä eroaa esimerkiksi palasta kakkua. Jos minulla on pala kakkua, se on minun, eikö? Voin estää sinua syömästä sitä. Ja jos syön sen, sitä ei ole enää saatavilla sinulle, okei? Joten julkisella hyvällä on nämä ominaisuudet, ja juuri nämä ominaisuudet tekevät julkisten hyvien tuottamisesta erittäin vaikeaa. Koska kun on kyse majakan rakentamisesta, on hyvin houkuttelevaa asettaa yksittäiset etusi ryhmien etujen vastakkain. Jos et osallistuu majakan rakentamiseen, voit silti hyötyä siitä. Ja niin kaikki houkuttelevat tekemään mitään, ja sitten majakkaa ei rakenneta kaikkien vahingoksi. Ja on myös syytä korostaa, että julkiset hyvät ovat hyödyllisiä, koska voit oikeasti tuottaa asioita niiden avulla, kuten turvallista merimatkailua. Ja siksi julkisten hyvien alituotto on vakava ongelma yhteiskunnassamme, ja sitä on myös alettu kutsua yhteismaan tragediaksi. Nämä julkiset hyvät, esimerkiksi luottamuksen normit, joita ylläpidämme keskuudessamme, ovat tehokkaita. [00:14:01] Ajattele, kun olit lukiossa. Jotkut teistä menivät lukioon, jossa opiskelijat luottivat toisiinsa, ja se tarkoitti, että saattoi jättää reppunsa rauhassa käytävälle ilman huolta siitä, että kukaan varastaisi niitä. Toiset teistä menivät lukioihin, joissa ei ollut samoja luottamuksen normeja, ja nyt sinun piti lukita reppusi tai pitää se mukanasi koko ajan. Missä näistä kahdesta ympäristöstä luulet, että olisit oppinut paremmin? Oikein? Ensimmäisessä ympäristössä. Joten se normi, joka ylläpidetään kollektiivisesti, on tuottava. Tässä tapauksessa tuottavaa oppimista. Tässä, tuottavaa turvallista merimatkailua ja niin edelleen.
Yhteistyö ihmisryhmissä julkisten hyödykkeiden tuottamiseksi on haastavaa, ja sen ylläpitämiseksi tarvitaan erilaisia mekanismeja. Olemme tehneet monia kokeita, joissa ihmiset sijoitetaan verkostoryhmiin ja heitä pyydetään pelaamaan erilaisia julkisten hyödykkeiden pelejä naapureidensa kanssa, manipuloinnin monia rakenteellisia ja muita ominaisuuksia vuosien varrella. Esimerkiksi aloitimme vuosia sitten kokeen, jossa ihmiset laitettiin tällaisiin verkkoihin. Heidät esiteltiin naapureilleen, ja he pelasivat julkisten hyödykkeiden peliä, joka on peräisin käytöksen taloustieteestä, [00:15:03] jossa voisin antaa hieman rahaa jokaiselle naapureistani. Otan dollarin ja jaan sen naapureideni kesken. Sitten tutkijat kaksinkertaistavat dollarin. Joten oletetaan, että minulla on neljä naapuria. Oletetaan, että minulla on kolme naapuria, ja annan dollarin ryhmälle. Se muuttuu kahdeksi dollariksi. Tämä kaksi dollaria jaetaan meidän neljän kesken. Joten koko ryhmä saa varallisuutta kahden dollarin verran, mutta minä saan takaisin vain 50 senttiä. Kaksi jaettuna neljällä, saan takaisin 50 senttiä. Joten minun on tehtävä uhraus muiden hyväksi. Luonnollisesti kaikki sanoo, ettei halua uhrata. Antakoon jokainen muu typerys antaa rahaa. En aio antaa mitään, ja toivottavasti muut panostavat. Mutta, tietenkin, jos kaikki tekevät niin, saadaan romahtaminen jälleen. Ja paras toiminta on, jos kaikki osallistuvat maksimissaan. Joten tässä tilanteessa aloitamme pelin. Siniset pisteet ovat, siniset ihmiset ovat mukavia, yhteistyöhaluisia ihmisiä. He antavat maksimissaan naapureilleen, ja he loivat julkisia hyödykkeitä, kuten majakan rakentamista. Ja punaiset pisteet ovat hyväksikäyttäjiä, jotka eivät tee mitään panoksia, tunnetaan myös pettäjinä. Ja mitä huomaamme tässä kokeessa on, että toistamme tuloksen, joka on ollut tunnettu 30 vuotta, [00:16:03] että yhteistyö romahtaa ryhmissä, oikein? Pelin lopussa, useiden kierrosten jälkeen, melkein kaikki muuttuvat pettureiksi, paitsi nämä pienet siniset ihmiset täällä sivussa, jotka pitävät sivilisaatiota elävänä, tiedätkö, keskenään. Voit myös ajatella, taas, jotta vedät mieleen lukion opiskelijat. Muista se tilanne, jossa tiedepedagogisi teki neljästä teistä ryhmäprojektin, ja teidän piti saada sama arvosana. Ja sinut määrättiin kolmeen muuhun luuseriin. Joten nyt sinulla on kaksi vaihtoehtoa. Joko teet kaiken työn, ja hekin saavat A:n, koska haluat A:n. Tai sanot, että se on järjetöntä. En halua, että nämä laiskat tyypit hyötyvät kovasta työstäni. Ja sanot, etten aio tehdä mitään, ja kaikki saavat F:t, oikein? Se on kauhea dilemma. No, mitä tässä tapahtuu on, että ihmiset valitsevat lopulta jälkimmäisen vaihtoehdon. He kaikki päättävät saada F:t, koska eivät halua olla tyhmiä ja jatkaa panostamista. Joten yhteistyö romahtaa sosiaalisissa järjestelmissä yleisesti. Mutta mitä me teimme, oli jälleen lisätä jotain eri kaltaisia botteja järjestelmään. Lisäsimme joitain botteja, jotka oli varustettu hyvin yksinkertaisella A:lla. [00:17:05] Ja nämä botit olivat kuin pieniä avioliittovälittäjiä. He välittivät sosiaalisista vuorovaikutuksista. He katsoivat ympärilleen paikallisesti, kuka vuorovaikuttaa kenen kanssa, ja antoivat ehdotuksia järjestelmän ihmisille. Tiedätkö mitä? Sinun pitäisi katkaista side siihen petturiin, joka käyttää sinua hyväksi, ja muodostaa side tähän mukavaan tyyppiin täällä sen sijaan. Ja tämä hellävarainen uudelleenkaapelointineuvo perustuu vain paikalliseen tietoon. Siellä ei ole opettajaa käskemässä ihmisiä olemaan mukavia. Ei poliisia. Ei oikeutta. Ei keskitettyä valtaa, joka toteuttaa tätä. Toimimalla vain paikallisen tiedon mukaan, havaitsimme, että nämä botit voisivat, kokeissamme yli 1 000 ihmisen kanssa 64 ryhmässä, pystyä ei vain stabilisoimaan yhteistyötä, vaan ensimmäistä kertaa koskaan, näytimme tuloksen, että yhteistyö voisi todellakin kasvaa perustasosta, kun näitä kaltaisia botteja lisättiin. Ja DeepMind toisti myöhemmin tuloksemme ja laajensi niitä toiseen paperiin, joka julkaistiin noin vuosi tai kaksi tämän jälkeen.
Nyt toisessa kokeilussa tutkimme, miten botit voisivat vaikuttaa ryhmän luovuuteen. [00:18:07] koska uusien ideoiden löytäminen on vaikeaa. Teoriat ja kokeet viittaavat siihen, että ryhmät saattavat kyetä paremmin tunnistamaan ja säilyttämään innovaatioita kuin yksilöt jakamalla löytöjään.
Mutta innovaatio ryhmien sisällä kohtaa omat haasteensa, mukaan lukien ryhmäajattelu. Oikein? Jos kokoat ihmisryhmän yhteen, he saattavat liian aikaisin päätyä huonompaan idea.
Tai voit kuvitella, sinun pitäisi kuvitella, että joukko ihmisiä voisi kollektiivisesti olla viisaampi, he voisivat keksiä enemmän ideoita. Esimerkiksi, jos annat ryhmälle ihmisiä tehtäväksi kehittää kalastusvavan, tiedät, että ensimmäinen henkilö saattaisi sanoa, että miksi emme laittaisi koukkua langan päähän? Ja sitten henkilö pitää lankaa, jossa on koukku. Ja joku sanoo, että miksi emme laittaisi tikkuun lankaa? Oi, se on loistava idea. He yhdistävät tietonsa ja tekevät niin. Ja joku sanoo, että no, syötti, joka on koukussa, kelluu pinnalla. Lisätään aaltoa, jotta se menee alas. No, nyt se menee liian alas. Entä jos lisäämme kelluvan, jotta tiedämme, missä se on ja niin edelleen. Ja ihmiset innovoivat, jakavat tietoa keskenään, säilyttävät tietoa ajan kuluessa, [00:19:08] ja saat näitä kulttuurisia artefakteja, jotka ovat monien ihmisten ideoiden jakamisen ja luovuuden yhteistuote.
Halusimme luoda pelin, jossa ryhmät etsivät maisemasta optimaalista ideaa. Päätimme käyttää substantiiveja ideoiden vertailukohtina. Noudimme 20 000 substantiivia klassisesta tietojenkäsittelytieteen word-to-vec-korpuksesta. Joten otimme 20 000 substantiivia. Ja näiden substantiivien väliä voidaan määritellä kosinimetriikan avulla. Voit kuvitella hyperdimensionalisen vektoritilan, jossa kissa on enemmän samanlainen kuin koira kuin että se on samanlainen kuin pöytä. Ja se, miten he tekivät sen, oli se, että he tutkivat, kuinka usein sanat kissa ja koira esiintyivät yhdessä verkkosivustoilla. Heillä oli universumi verkkosivustoista ja universumi 20 000 substantiivista. Ja he sanoivat, että nämä kaksi substantiivia esiintyvät usein yhdessä ja nämä kaksi muuta substantiivia eivät esiinny usein yhdessä. He loivat 300-ulotteisen vektoritilan. [00:20:08] Ja nyt voit kuvailla, kuinka samanlaisia jotkin substantiivit ovat. Päätimme käyttää substantiiveja ideoiden vertailukohtina. Otimme nämä 20 000 substantiivia. Ja sitten valitsimme joukon substantiiveja. Kuvittele, että valitsimme yhden substantiivin, mutta valitsimme joukon. Yksi satunnainen substantiivi kaikista näistä, kuten braggadocio, on esimerkiksi substantiivi. Joten valitsimme braggadocion. Ja sanomme, että tämä on täydellinen idea, jonka haluamme tämän ryhmän löytävän. Ja sitten kaikki substantiivit, jotka ovat lähellä braggadocia, putoavat pois tällä vektoritilassa. Joten sinulla on huippusubstantiivi, joka saa eniten pisteitä, 20 000 pistettä, ja kaikki muut substantiivit ovat kauimpana olevat substantiivit. Ja laitamme ihmisiä tähän järjestelmään ja sanomme, että etsi tämä sana. Emme kerro heille sanaa. Ja sitten kerromme heille sanojen pistemäärät. Joten he alkavat arvata. Ja kun he arvaavat, he saavat palautetta. Ja he sanovat: 'Ah, tällä sanalla on enemmän pisteitä kuin toisella sanalla.' Ja he pääsevät lähemmäksi ja lähemmäksi ja he alkavat jakaa tietoa keskenään. He yrittävät olla luovia ratkaistakseen ongelman.
Joten jokainen substantiivi liittyy toisiin semanttisessa tilassa tai äänettömässä maisemassa. [00:21:10] Meillä oli 18 eri kohdesubstantiivia, ikään kuin olisimme nostaneet huipun näiden 20 000 substantiivin maisemasta 18 eri sijainnissa 18 eri maisemassa. Nämä substantiivit olivat tarkoituksellisesti epätavallisia, kuten fratricide, shoehorn, sarcoma, cartography ja niin edelleen. Suoritimme kokeita, joissa oli useita olosuhteita, joissa ihmiset olivat yksin yrittäessään navigoida maisemassa, jossa ihmiset olivat ryhmissä työskennellen yhdessä navigoidakseen maisemassa, tai missä ihmiset olivat ryhmissä mutta siellä oli myös botteja, jotka yrittivät auttaa heitä olemaan luovia. Ja botit toimivat, koska ne pystyivät välittämään tietoa yhdeltä verkon alueelta toiselle kommunikoimalla keskenään. Esimerkiksi botti numero kaksi saattoi välittää sanan sky tai car botti numero yhdelle. Tässä on verkkoesimerkki.
Pudotamme ihmiset sisään. Neliömäiset pisteet ovat boteja. Ja tässä botissa on neljä vuorovaikutusta ja tässä botissa on, en tiedä, kuusi tai seitsemän vuorovaikutusta. Ihmiset alussa alkavat arvaamaan. [00:22:12] Heillä ei ole lainkaan pohjaa arvaukselle pelin ensimmäisellä kierroksella. He arvaavat taivasta, autoa, kania, rottia, koiraa, kissaa, pöytää. Jos kysyisin teiltä, valitkaa substantiivi arvattavaksi, arvaisitte talon tai auringon tai kuun tai kissan tai koiran tai jonkin pienen tyypillisen substantiivin. Ja nyt heille kerrotaan pistemäärä, kuinka samankaltainen sana rotta, koira, kissa, pöytä ja niin edelleen on sarcomalle. Ja heille kerrotaan niiden substantiivien pistemäärät suhteessa kohdesubstantiiviin, joka on sarcoma. Ja sitten nämä pistemäärät ilmoitetaan heille. Ja sitten tämä botti voi tarkastella ympärillään olevien ihmisten pistemääriä ja voi välittää joko satunnaisen valinnan tälle bottiin tai korkeimman pistemäärän tai matalimman pistemäärän, eräänlaista takakanavaa viestinnälle, joka levittää tietoa yhdeltä alueelta tai ihmisryhmältä, joka yrittää ratkaista ongelman, toiselle alueelle. Katsotaanpa joitain esimerkkejä tämän selventämiseksi, koska tämä voi olla vaikeaa ymmärtää. Ihmiset pelasivat tätä peliä noin 25 kierrosta. Ja tässä on kosinisimilaresuus kohdesubstantiiville, joka on sana fratricide. Okei, eli heillä on 20 000 substantiivia. [00:23:13] Fratricide saa 20 000 pistettä. Ja muilla sanoilla on muita pisteitä. Ja tässä on sooloihminen, henkilö yksin, joka arvaa. Joten heidän ensimmäinen arvauksensa on bit. Ja heille kerrotaan, kuinka samankaltainen sana bit on fratricideen. Ja sitten heidän seuraava arvauksensa on birth. Ja he saavat suuren nosteen kosinisimilaresuudessa, koska voit kuvitella, että sana birth on lähempänä sanaa fratricide kuin sana bit. Okei? Ja sitten he arvaavat. He kokeilevat rahaa seuraavaksi. Se on huonompi. Sitten he kokeilevat apina. Se on vielä huonompi. He tarkistavat. He tekevät kohteliaisuus tarkistuksen. He kokeilevat birthia. Se nousee taas. Sitten he kokeilevat lasta. Se ei ole huono arvaus. Birthista lapseen. Mutta lapsi vie heitä kauemmas fratricidestä. Ja sitten lady ja niin edelleen. Ja he navigoivat. Ja he arvaavat. Ja he arvaavat. Ja he arvaavat. Ja he eivät pääse lähellekään fratricideä lopussa. Nyt tässä toisessa tilanteessa meillä on ryhmä ihmisiä, mutta ei boteja. Ja nyt ihmiset voivat lisäksi tehdä omia arvauksiaan nähdäksensä ympärillään olevien ihmisten arvauksia. Ja rakentaa toisten ideoita. Okei? Luotu. Ikään kuin tekisit kalastusvavan yhdessä. [00:24:13] Joten tämä henkilö, heidän ensimmäinen arvauksensa on koira. Mutta heidän seuraava arvauksensa on kilpi. Voit nähdä, että kilpi on lähempänä fratricideä kuin koira. Ja tämä henkilö arvaa ja arvaa ja saa syötettä naapureiltaan. Ja lopussa hän pääsee yhä lähempänä. Hän päätyy sanaan foe. Okei? Itse asiassa sotilas oli hänen paras arvauksensa. Se sai korkeimman pistemäärän hänen matkansa aikana.
Miten bottien lisääminen vaikutti? Tämä, jälleen, näyttää tulosten yhteenvetoa. X-akselilla on kierros. Y-akselilla on keskimääräinen kosinietäisyys tässä hyperulottuvuusvektoritilassa, joka on mittari ryhmän suorituskyvylle. Ja tässä on joukko ihmisiä, jotka toimivat ja arvaavat yksin. Eli ihmiset, jotka arvaavat omalla tahdillaan, eivät suoriudu kovin hyvin, eikö? Se on vain sattumaa, voivatko he jotenkin, tai onko jokaisella yksilöllä jotain synnynnäistä kykyä. He paranevat hieman ajan myötä ja pääsevät lähemmäksi. Kaikki ryhmät ylittävät yksinäisten suoritukset. Tämä on vanha tulos, joka on tunnettu. Ryhmä ihmisiä on luovempi kuin muuten saman kokoiset yksinyksilöiden joukko. Mutta mitä me löydämme on, että jos lisäämme kaikkein samanlaisimman botin, botin, joka tarkasteli naapureitaan, [00:25:17] ja havaitsi, mikä on heidän paikallinen konsensus täällä? Näyttää siltä, että ihmisiäni ajattelevat, että tämä on hyvä sana. Ja sitten se välittää sen bottiin, joka on kaukana verkostosta. Tämä botti paransi huomattavasti tämän joukon ihmisten suoritusta löytääkseen jotain. Sen pitäisi olla helppo kuvitella, miten tämä voisi toimia insinööriryhmässä tai muissa tietotyöläisryhmissä. Miten voit jakaa tietoa tehokkaalla tavalla, välttäen ryhmäajattelua ja edistäen luovuutta, suunnittelemalla botteja, jotka auttavat ihmisiä auttamaan itseään. Tämä botti ei ole, sillä ei ole aivoja. Se ei itselleen ehdota ideoita. Se vain auttaa ihmisiä levittämään ideoita keskenään.
Yksinkertaiset AI-agentit, joilla on tulkittavissa oleva käyttäytyminen, voivat parantaa luovan löytämisen kapasiteettia ihmisten ryhmissä jakamalla ideoita, joista on paikallinen konsensus ryhmän yhdessä osassa, kaukana oleville ihmisille ryhmän toisessa osassa. Ja seurauksena ryhmä voi suoriutua paremmin.
Nyt olemme myös alkaneet kokeilla fyysisiä järjestelmiä. Ja olemme lisänneet humanoidisia ja ei-humanoideja robotteja [00:26:19], joilla on yksinkertainen tekoäly, ihmisten kasvokkain oleviin ryhmiin ja osoittaneet, kuinka ne voivat helpottaa ryhmien yhteistyötä auttamalla heitä voittamaan kitkaa tai kyvyttömyyttä tehdä yhteistyötä vuorovaikutuksessaan. Yksi suosikkiesimerkeistäni tästä on koe, jonka tein entisen jatko-opiskelijani, Maggie Traegerin, kanssa, joka on täällä takana ja on nyt apulaisprofessori Notre Damessa. Tämä koe on seuraava: otimme kolme oikeaa ihmistä, jotka tulivat laboratorioon, ja humanoidirobotin. Suunnittelimme pienen pelin, pienen junaradan pelaamisen, joka pelataan tabletilla, ja tälle ryhmälle ihmisiä ja robotille annettiin tehtäväksi asettaa rautatie pisteestä A pisteeseen B, kuin pienet Thomas the Tank Engine -rautatieurat. Ja sitten annoimme heille joitakin palasia, joita he voisivat valita tabletista, kuten suoria ja kaarevia paloja. Mutta ajoittain järjestimme niin, että vaikka palat näyttivät olevan sekoitus ja periaatteessa niiden pitäisi pystyä menemään pisteestä A pisteeseen B, suunnittelimme sen ovelasti niin, että kaarteita ei ollut oikeaa määrää, jotta he voisivat päästä pisteestä A pisteeseen B. [00:27:21] Joten he eivät voineet tehdä sitä. He eivät pystyneet ratkaisemaan ongelmaa, heidän tietämättään. Okei? Joten ensin kukin henkilö vuorollaan asetti raidepalasen, sitten seuraava henkilö ja seuraava henkilö. He työskentelivät yhdessä yhdistääkseen pisteen A pisteeseen B tableteillaan.
Ja mitä me teimme tässä kokeessa, on se, että manipuloimme, ja he pelasivat 30 kierrosta tätä peliä tässä virtuaalisessa maailmassa, ja meillä oli 51 ryhmää. Manipuloimme robottien keskustelutyyliä, erityisesti sitä, ilmensikö robotti haavoittuvuutta myöntämällä virheensä. Joten robotti sanoi, tiedätkö, tein virheen. Tai ilmensikö robotti isävitsejä. Oletan, että kaikki tietävät, mitä isävitsejä on. Okei. Joten meillä oli myös robotti, joka kertoi, muuten se on kulttuurinen universaali, kuten antropologit Amazonin viidakossa ovat tutkineet alkukansoja ja siellä isätkin kertovat isävitsejä. Ja lapset ovat kuin, en voi uskoa isän tyhmiä vitsejä. Mutta joka tapauksessa ja itse asiassa on teoria siitä, mitä isävitseillä tarkoitetaan, että niiden on tarkoitus kovettaa lapsia tietyllä tavalla. Tämä on teoria. Mutta joka tapauksessa, se on ihan toinen aihe. Joka tapauksessa, meillä oli robotteja, jotka kertoivat isävitsejä tai ilmensivät haavoittuvuutta. [00:28:21] Ja se, mikä meitä kiinnostaa, on selvittää, vaikuttavatko robotin puheen muutokset siihen, miten ihmiset vuorovaikuttavat robottien kanssa, mutta myös siihen, miten ihmiset vuorovaikuttavat keskenään. Ja jälleen kerran, tämä tarjoaa mahdollisuuden muokata sosiaalisia vuorovaikutuksia tuomalla keinotekoisia agentteja hybridiin ihmisten ja koneiden järjestelmiin.
Tässä on pieni esimerkki, mutta en kertonut teille tuloksia. Tässä ovat, kun meillä on, nämä viivojen paksuus. Asetimme videokameroita valvomaan, kuka puhuu kenelle ja kuinka paljon he puhuvat. Ja näiden viivojen paksuus kertoo, kuinka paljon henkilö kaksi puhuu henkilö yksi:lle ja niin edelleen. Henkilö yksi ei puhu robotille kovin paljon. Se on ohut viiva. Ja kun teillä oli neutraaleja robotteja, saitte tämän kuvion. Mutta kun teillä oli haavoittuva robotti, kaikkien näiden viivojen paksuus kasvaa ja ne tasaantuvat. Löysimme, että haavoittuva robotti lisäsi puheen tasa-arvoa ihmisten keskuudessa, lisäsi ihmisten puheen volyymia ja itse asiassa, erillisissä tuloksissa, [00:29:22] lisäsi ihmisten tyytyväisyyttä tällaisessa ympäristössä.
Ja tässä on vain yksi klippi kahdesta eri kierroksesta, joka havainnollistaa, kuinka robotti puhuu ensin neutraalisti, passiivisessa äänessä, mikä ei juurikaan vaikuta ihmisten kommunikointiin. Robotti sanoo, hyvin Reagan-tyyliin, virhe tehtiin.
Mutta seuraavalla kierroksella robotti sanoo, tein virheen. Ja voit vain katsoa, mitä täällä tapahtuu. Katsotaan, onnistuuko tämä. (25 sekunnin tauko) Joten monien, monien kymmenten kierrosten aikana tämä on se malli, jonka löydämme. Joten yksinkertainen manipulointi, yksinkertainen manipulointi robotin puhenäkymässä muuttaa sitä, kuinka ihmiset vuorovaikuttavat keskenään. [00:30:25] Ja ei, olettaisin, ettei ole vaikeaa kuvitella, kuinka koko tapa, jolla suunnittelemme keskusteluavustajiamme ja kaikkea muuta, voisi vaikuttaa siihen, miten kohtelemme toisiamme. Ihmiset näyttävät luottavan toisiinsa enemmän ja nauttivan enemmän tässä tilanteessa.
Nyt täällä on vielä, ja mielestäni tämä on viimeinen kokeilu, jonka aion näyttää sinulle, ja sitten lopetan. Toisessa kokeilussa kehitimme uudenlaisen kyberfyysisen alustan testataksemme tällaisia sosiaalisia ja jopa eettisiä vaikutuksia yksinkertaisista tekoälyn tyypeistä. Koska olennaisten kollektiivisen toiminnan ongelmien luonteen vuoksi tekoälyn osallistuminen ihmisten ryhmiin voisi niin sanotusti ja tahattomasti tukahduttaa olemassa olevia hyödyllisiä sosiaalisia normeja, kuten yhteistyöhön ja altruismiin liittyviä, joihin olemme kehittyneet lajina. Meillä on siis satojatuhansia vuosia luonnonvalintaa työskentelemässä kanssamme, jotta voimme ratkaista kollektiivisen toiminnan ongelmia. Joten kysymys kuuluu: jos siirrämme osan siitä agentuurista koneille, menestytkö me yhdessä ratkaisemaan niitä ongelmia? [00:31:32] Aloitammeko luottamaan näihin koneisiin, ja näin heikennämmekö sisäistä kykyämme yhteistyöhön, koordinointiin ja luomiseen ja niin edelleen? Tässä kokeessa, yhteistyössä Hiro Shiraton kanssa CMU:sta, toisen entisen gradustudenttini kanssa, rakensimme alustan, joka sisälsi kaksi pientä Raspberry Pi:llä varustettua mekaanista ajoneuvoa, ja liitimme sen ohjelmistoon, jonka avulla voimme järjestää online-kokeita laajassa mittakaavassa. Ihmiset olivat omissa kodeissaan, ja heille annettiin yksi näistä autoista, ja he ajoivat näitä autoja kohti toisiaan,
ja me saimme heidät pelaamaan uhkapeliä. Joten uhkapelissä, tiedätkö, se joka pääsee toiselle puolelle nopeimmin voittaa. Joten sinua kannustetaan olemaan luovuttamatta toiselle. Mutta jos jokainen teistä päättää olla luovuttamatta, niin törmäätte toisiinne, ja molemmat saavat pahimman mahdollisen tuloksen. Joten mitä ihmiset tekisivät tässä tilanteessa, jos pelaatte toistuvaa uhkapelipeliä, on että oppisitte nopeasti vuorottelun. Tällä kertaa on sinun vuorosi mennä suoraan, minä pysähdyn ja annan sinun mennä, mutta seuraavalla kerralla sinä pysähdyt ja annat minun mennä suoraan. [00:32:35] Jos olemme itsekeskeisiä, törmäämme vain toisiimme jatkuvasti, tuhoten toisemme kerta toisensa jälkeen, tai typerästi, me molemmat käännymme pois, eikä kumpikaan saa hyötyä menemisestä suoraan. Joten tässä tilanteessa keltainen auto päättää pysähtyä, sininen auto jatkaa esteettä suoraan toiselle puolelle.
Ja käytimme 300 osallistujaa ja 150 paria, ja he saivat palkkaa sen mukaan, kuinka nopeasti he pääsivät toiselle puolelle. Sitten lisäämme vähän tekoälyä. Lisäsimme automaattisen jarruavustuksen, jossa, kun sinulla oli läheisyyshälytys, kun pääsit lähelle toista autoa, se jarrutti ja antoi sinulle mahdollisuuden päättää, että minun pitäisi väistää ja antaa tämän toisen tyypin ohittaa, tai päinvastoin. Tai lisäsimme automaattisen ohjausavustuksen, joka tarkoittaa, että kun se tuli lähelle toista autoa, se vain väisti, okei? Ja lisäsimme minimaaliset viestintätoiminnot, joissa ihmiset voisivat sanoa kiitos tai jotain sellaista. Erittäin minimaalista viestintää. Aluksi näytimme, että automaattinen jarruavustus, jossa autot pysähtyvät kiinteälle etäisyydelle ennen törmäämistä, lisäsi ihmisten altruismia. [00:33:38] Toisin sanoen, tilaa muille, kuten keltainen auto tekee täällä. Pienen automaattisen jarruavustuksen lisääminen teki ihmisten yhteistyöstä helpompaa tässä tilanteessa. Lisäksi mahdollisuus kommunikoida further auttaa heitä tekemään keskinäisiä myönnytyksiä automaattisen jarrutusolosuhteen aikana. Toisaalta automaattinen ohjausavustus, jossa auto vain väisti, estää täysin vastavuoroisuuden syntymistä ihmisten välillä itsekeskeisen maksimoinnin hyväksi. Ihmiset vain luovuttavat moraalisen toimivaltansa. He eivät vaivaudu enää. He vain antavat koneen toistuvasti väistää, ja he luovuttavat, okei? Joten kaikki sisäiset eettiset kyvyt, joita ihmisillä oli, on nyt poistettu automaattisen ohjausolosuhteen kautta, mutta parannettu automaattisen jarrutusolosuhteen aikana. Tämäkin pitäisi antaa sinulle miettimisen aihetta. Sinun pitäisi ajatella, oh luoja, jokainen pieni detalji, jonka teemme ohjelmoidessamme näitä tekoälyagentteja, saattaa vaikuttaa ihmisten luonnollisiin taipumuksiin joko hyvin tai huonosti.
Ihmisten kyky yhteistyöhön ja vuorotteluun sekä altruistiseen toimintaan voi heikentyä, mikä johtaa lopulta huonompiin kollektiivisiin ja yksilöllisiin tuloksiin. [00:34:46] Ja itse asiassa, lyhyesti sanottuna, AI voi johtaa eräänlaiseen moraaliseen laiskuuteen. (..) Tässä on vielä yksi lopullinen esimerkki kestävästä muutoksesta AI:n vaikutuksesta hybridi-järjestelmissä. Se on myös esimerkki siitä, kuinka AI:n läsnäolo voi muuttaa ihmisten välisiä vuorovaikutuksia, vaikka AI ei enää osallistuisikaan vuorovaikutukseen. Joten vuonna 2016, DeepMind kehitti AlphaGo:n, ja samana vuonna tämä AI-agentti pelasi Lee Sedolia vastaan, huomattavaa maailmancuppi-voittajaa Koreasta.
Katselin ottelua. En osaa pelata Go:ta, mutta tunnustan sen olevan upea peli. Poikani pelaa Go:ta. (.) Ja olin todella Lee Sedolin puolella. Lee Sedol on kuin sankari Koreassa, aivan kuten meillä olisi suuria urheilijoita Wheaties-pakkauksissamme ja muissa tavaroissa. Hänen kuvansa on pienissä nuudelipakkauksissa ja muroissa. Ajattelen, että on mahtavaa, että Koreassa jokin älykäs nörtti kuten minä nähdään tärkeänä henkilönä, okei? Hän on todella suosittu Koreassa. Ja hän tulee ensimmäiseen otteluun, ja hän on liian itsevarma. [00:35:47] Näen, että hän on liian itsevarma. Ja hän häviää koneelle, minkä jälkeen hän pahoittelee faneilleen. Hän sanoo, olen niin pahoillani. Otteita on viisi. Parhaasta kolmesta viidestä voittaa. Sitten hän pelaa toisen pelin, ja häviää taas. Ja nyt hän alkaa ottaa asioita vakavasti. Sitten hän pelaa kolmannen pelin ja häviää. Hän on hävinnyt kilpailun.
Ja saattoi nähdä yleisön, ja kommentaattorit ihmettelivät koneen kykyä pelata Go:ta, tehden outoja ja kauniita siirtoja, joista jotkut myöhemmin paljastuivat olevan pelattu, koska meillä on tallennuksia, jotka ulottuvat tuhansien vuosien taakse Go-otteluiden osalta, jotka on pelattu Kiinan imperiaalisen hovin aikana. Ja he pystyivät löytämään, oi jumala, tämä on keskiaikainen siirto, jonka kone teki. Emme olleet nähneet sitä niin pitkään.
Ja sitten Lisa Dahl palaa neljänteen peliin, ja hän voittaa. (..) Ja itkin. Olin niin onnellinen. (..) Koska hänellä oli kone, tiedätkö, hän oli palannut lajini vuoksi, ja hän oli voittanut sen perhanan koneen. Ikään kuin sankarillisesti, en voinut ymmärtää, millaista aivovoimaa siihen varmasti vaadittiin, että Lisa Dahl pystyi siihen. [00:36:49] Olin ekstaasissa tuossa hetkessä, ja olin niin ylpeä hänestä, että hän yritti edelleen, vaikka oli hävinnyt ottelun.
Nyt, mikä on mielenkiintoista, on se, että kun Lisa Dahlia haastateltiin jälkeenpäin, hän sanoi, että hänen oma pelityylinsä muuttui ottelun jälkeen. Joten jälleen kerran, tekoäly auttaa ihmisiä auttamaan itseään, eikö? Hän muuttaa pelaamistaan kontaktin vuoksi. Ja subsequent tutkimuksissa, joita muut tutkijat tekivät, tarkasteltiin ammattimaisia Go-pelaajia ja heidän päätöksentekonsa laatua. Go:ssa on olemassa normaali, jolla arvioidaan, kuinka hyvä siirto on, sekä keskivertohämmennys, eli kuinka epätavallinen siirto on. He huomaavat, että kun AlphaGo voittaa ihmisen maailmanmestarin vuonna 2016, ympäri maailmaa Go-pelaajat alkavat tehdä parempia ja innovatiivisempia siirtoja, eikö? Joten kaikki ihmiset, jotka pelaavat Go:ta keskenään, ovat muuttuneet, koska AlphaGo on tullut mukaan. Tekoäly auttaa ihmisiä auttamaan itseään. Joten jatkamme työn kehittämistä suunnitellaksemme ja lisätäksemme yksinkertaisia bottuja näihin ja muihin tilanteisiin, joissa on sosiaalisia dilemmoja ja kollektiivisen toiminnan ongelmia. [00:37:55] Tutkimme, kuinka bottit voivat vaikuttaa koordinointiin, yhteistyöhön, viestintään, luovuuteen, luottamukseen, navigointiin, jakamiseen ja evakuointiin. Laboratoriossamme emme keskity älykkäisiin tekoälyihin, kuten LLM:iin tai AlphaGo:hon, ihmisen kognition korvaamiseksi, vaan ennemmin tyhmiin tekoälyihin täydentämään ihmisten vuorovaikutusta. Emme yritä kehittää super älykkäitä tekoälyjä ihmisen kognition korvaamiseksi. Kehitämme tyhmiä tekoälyjä täydentämään ihmisten vuorovaikutusta. Ja meidän tekoälymmekään ei tarvitse olla älykäs, koska ihmiset ovat älykkäitä. Meidän tekoälymme on kuin platinaa lisättynä orgaaniseen kemialliseen reaktioon. Se on vain katalyytti. Kaikki mitä tarvitsemme, on katalyytti, joka auttaa ryhmää ihmisiä tulemaan paremmiksi.
Ja tietenkin on tärkeää tunnustaa, että myös toisinpäin on mahdollista. Sosiaalista tekoälyä voidaan käyttää vahingoittamaan ihmisiä. Mutta lähestymistapamme tarjoaa useita muita teknisiä ja käsitteellisiä etuja. Ensinnäkin, nämä yksinkertaiset botit ovat ymmärrettäviä ja näin ollen havainnollistavat laajempia voimia ja mahdollisuuksia. Toisin kuin LLM:t, jotka ovat mustia laatikoita etkä tiedä, mitä ne tekevät, voin kertoa tarkalleen, mitä bottimme tekee. [00:38:58] Se on meluisa. Se välittää esittelyjä. Se välittää viestejä tällä hyvin erityisellä tavalla. Ja toiseksi, hallitut bottikokeemme voivat myös tarjota näkemyksiä siitä, miten inhimillinen käyttäytyminen voisi hyödyllisesti muuttua. Toisin sanoen voin viedä tämän laboratoriosta ja voin opettaa ryhmän ihmisiä tekemään sen, mitä bottimme teki. Tietyllä tavalla et voi helposti opettaa ihmisiä vain tekemään sitä, mitä ChachiPT teki täällä. Emme tiedä, mitä ChachiPT tekee, mutta tiedät, mitä he tekevät meidän tilanteessamme.
Haluan päättää, tämä on viimeinen diani, vertauskuvalla. Ajattele näitä kahta esinettä. Ne ovat molemmat hiiltä. Jos yhdistät hiiliatomit tietyllä tavalla, saat grafiittia, joka on pehmeää ja tummaa. Ota samat hiiliatomit ja yhdistä ne toisella tavalla, saat timantin, joka on kovaa ja kirkasta. Ja täällä on kaksi keskeistä älyllistä ideaa. Ensinnäkin, nämä ominaisuudet pehmeydestä ja tummuudesta sekä kovuudesta ja kirkkaudesta eivät ole hiiliatomien ominaisuuksia. Ne ovat hiiliatomien kokoelman ominaisuuksia. Toiseksi, mitkä ominaisuudet saat riippuu siitä, miten yhdistät hiiliatomit toisiinsa. Ota samat hiiliatomit ja yhdistä ne yhdellä tavalla, saat yhden joukon ominaisuuksia. [00:40:01] Yhdistä ne toisella tavalla, saat täysin eri joukon ominaisuuksia. Samoin sosiaalisten ryhmiemme ominaisuuksia vaikuttaa se, miten yhteydet muodostuvat. Ihmisten väliset siteet voivat tehdä kokonaisuudesta suuremman kuin sen osien summa. Uusia ominaisuuksia, kuten yhteistyö ja väkivalta, innovaatio ja tuottavuus, luottamus ja epäluottamus, totuus ja valhe, varallisuus ja köyhyys, terveys ja onnellisuus, voi syntyä ja levitä näiden yhteyksien vuoksi, ihmisten välisistä siteistä, eikä välttämättä ainoastaan ihmisten itsensä vuoksi. Itse asiassa maailmankokemuksemme riippuu ympärillämme olevien verkostojen rakenteesta ja toiminnasta, läheltä ja kaukaa. Ja lajimme kehittyi tämän toteutumiseksi. Ei pitäisi yllättää meitä, että reagoimme tekoälyyn ympärillämme. Kiitos paljon.
