Nicholas Christakis: [00:00:05] Mirë, kështu që njerëzit janë të integruar në rrjetet sociale, dhe këto rrjete i përmbahen parimeve shumë të veçanta matematikore, biologjike dhe sociale. Dhe gjithnjë e më shumë, po shtojmë inteligjencën artificiale në formën e agjentëve online dhe robotëve fizikë midis nesh, të cilët interagojnë me ne sikur të ishin entitete sociale. Dhe këta agjentë që do të shtojmë në sistemet tona variojnë nga makinat pa shofer në rrugë, në makinat për nënshkrimin në dyqane, tek robotët humanoidë në shtëpi, në fabrika, në fushat e betejës ose në situata zjarri, deri tek agjentët autonomë të pa trup siç janë robotët online dhe ndihmësit digjitalë AI në telefonat tanë ose në syzat tona ose në vendet tona të punës. Dhe këto teknologji interagojnë me ne në një nivel të barabartë sikur të ishin njerëz. Dhe ato do të japin lindje për sisteme hibride të njerëzve dhe makinave. Dhe këto sisteme ofrojnë mundësi për një lloj të ri të inteligjencës sociale artificiale.
Tani, lejoni t'ju jap vetëm një shembull lodrash për këtë. Kur merrni, si një asistencë digjitale, si një Alexa, prodhuesi i atij pajisjeje është shumë i shqetësuar për ndërveprimin njeri-majtro. Dhe ai ndërveprim njeri-majtro është optimizuar. Për shembull, ju kurrë nuk do të blinit Alexa nëse sa herë që keni nevojë për diçka nga ajo, duhet të thoni, më falni, Alexa, më vjen shumë keq që po ju ndërpres. Nëse nuk e keni problem, a do të më thoni, fjala? [00:01:35] moti nesër, apo jo? Kjo do të konsiderohej një nivel absurd i sjelljes të sjellshme. Ju prisni të jeni në gjendje të thoni, Alexa, moti, dhe pastaj makina përgjigjet me bindje. Dhe kjo është në rregull deri sa ta sillni atë makinë në shtëpinë tuaj dhe fëmijët tuaj flasin me atë makinë dhe mësojnë të jenë të paedukatë. Pastaj ata shkojnë në fushë dhe janë të paedukatë me fëmijët e tjerë. Prandaj, ajo makinë që është shtuar në mesin tonë, nuk është vetëm për ndërveprimin njeri-majtro, është për ndërveprimin njeri-njeri në prani të makinave. Dhe kështu, ajo që më intereson nuk është, a është, janë ndërveprimet njeri-njeri në prani të makinave. Dhe ne mund të përdorim një kuptim të strukturës dhe funksionit të rrjetit social për të vlerësuar përdorimet dhe ndikimin e inteligjencës sociale artificiale brenda dhe mbi grupet njerëzore, në lidhje me faktorë si besimi dhe bashkëpunimi që janë të nevojshme për grupet e njerëzve për të punuar së bashku, ah, dhe që ndikojnë në sjelljen e këtyre kolektivitetëve.
Le të theksoj disa nga punët që po bëjmë, përdorimi i disa qasjeve në eksperimente rrjetesh që përfshijnë, eh, inteligjencën artificiale. Këto eksperimente vlerësojnë se si AI mund të ndikojë në strukturën dhe funksionin e ndërveprimeve sociale njerëzore. [00:02:45] Tani, ka një klasë problemesh të veprimit kolektiv të ndërveprimeve sociale që njohim si probleme koordinimi. Këto janë probleme në të cilat duhet të punojmë së bashku për të krijuar diçka të dobishme. Dhe ndonjëherë i zgjidhim këto probleme duke krijuar institucione të centralizuara si policia, gjykatat ose qeveritë. Por shpesh arrijmë të zgjidhim problemet e veprimit kolektiv që kërkojnë të koordinohemi ose të bashkëpunojmë me numra të mëdhenj njerëzish në një mënyrë të decentralizuar. Në të vërtetë, ne kemi evoluar për të pasur këtë kapacitet. Dhe një lloj specifik i problemit të veprimit kolektiv që do të doja të filloja sot është, në fakt, koordinimi.
Pra, për shembull, për të shmangur këtë ngujim, njerëzit duhet të koordinohen për të bërë diçka ndryshe nga fqinjët e tyre. Pra, nëse të gjithë dalin nga shtëpia në të njëjtën kohë, të gjithë mbeten të bllokuar në një ngujim. Por nëse, nëse rregullojnë orët e nisjes dhe dalin në intervale, atëherë askush nuk është në ngujim. Tani, natyrisht, mund të kemi ndonjë lloj autoriteti qendror që e koordinoi këtë. Ju dilet së pari, pastaj ju, dhe pastaj ju. [00:03:45] Por idealisht, ajo që do të donit është ndonjë lloj mënyre të decentralizuar, jo nga lartë poshtë, të bashkëveprimit të njerëzve për të zgjidhur këtë problem.
Kështu që ky ishte eksperimenti ynë i parë që u publikua në vitin 2017 mbi këto sisteme hibride që eksploruan se si AI mund të ndihmojë me një sfidë të tillë. Dhe ne eksploruam performancën e grupeve njerëzore që ishin angazhuar në një detyrë koordinimi. Paradigma jonë ishte të merrnim nga shkenca kompjuterike diçka të njohur si problemi i ngjyrosjes së grafeve. Ky është një problem klasik në shkencën kompjuterike. Por ajo që bëmë ishte se e morëm dhe e vendosëm njeriun në atë situatë. Kështu që ne morëm 4,000 njerëz dhe i vendosëm ata në 230 grupe online. Këta njerëz u hodhën në këto grupe. Dhe ata u caktuan rastësisht në një vend brenda një rrjeti artificial që krijuam, struktura e të cilit ngjante në mënyrë të përbliqshme me rrjetet reale njerëzore. Dhe ata u hodhën në këto vende dhe u thanë se ishin caktuar një nga tre ngjyrat, [00:04:46] një violet, portokall, violet, portokall, dhe rozë. Dhe ata u thanë se duhej të zgjidhnin një ngjyrë të ndryshme nga fqinjët e tyre.
Dhe u dhanë pesë minuta për ta bërë këtë. Kështu që këta njerëz do të shihnin rreth e rrotull tek fqinjët e tyre. Çdo person do të shihte rreth dhe do të thoshte, si, ky djalë këtu është rozë. Ai sheh se ka një fqinj rozë dhe një fqinj portokalli. Ajo që duhet të bëjë është të kalojë në ngjyrën e purpurt. Dhe linjat e kuqe këtu tregojnë konflikte ngjyrash. Me fjalë të tjera, nëse dy ngjyrat e nyjeve fqinjë janë të njëjta, ata marrin një linjë të kuqe. Dhe linjat e purpura në sfond tregojnë strukturën e ndërveprimeve sociale. Kështu që ju i vendosni njerëzit këtu. Ata shikojnë rreth e rrotull tek fqinjët e tyre çdo sekondë ose sekondë e gjysmë. Ata bëjnë një ndryshim në përputhje me objektivin që të gjithë ata duhet të zgjedhin një ngjyrë të ndryshme nga fqinjët e tyre brenda pesë minutash të ardhshme. Dhe nëse e bëjnë këtë, atëherë dhe vetëm atëherë do të paguhen. Po ju paguaj për të punuar së bashku. Dhe nëse të gjithë punoni së bashku në një mënyrë të decentralizuar për të zgjidhur problemin, të gjithë do të paguheni. Ndryshe, nuk do të merrni asgjë, mirë? Kështu që kjo është ajo që ndodh në këtë eksperiment. Këtu në aksin x është koha në sekonda deri në shenjën e pesë minutave. [00:05:47] Loja zgjat pesë minuta poshtë këtu diku. Dhe këtu në aksin y është funksioni objektiv ose numri i konflikteve të ngjyrave. Dhe kështu këtu në fillim, ka 12 konflikte ngjyrash. Ata janë të caktuar rastësisht ngjyrat e tyre fillestare. Dhe kjo tregohet këtu në këtë histogram të vogël aty. Dhe kështu njerëzit fillojnë të shikojnë rreth e rrotull dhe të kalojnë ngjyrat e tyre. E dini, ata kalojnë dhe kalojnë. Dhe arrijnë në këtë pikë këtu ku tani kanë arritur situatën në të cilën ka një konflikt ngjyrash midis këtyre dy njerëzve. Dhe ky konflikt, megjithatë, është ajo që ne e quajmë një konflikt të pazgjidhshëm. Kështu që linjat e lehta portokalli janë konflikte të zgjidhshme. Kjo është ky djalë këtu. Ai mund të bëjë një lëvizje për të purpurta që zgjidh këtë konflikt. Por këta djem këtu që janë portokalli, nuk ka asnjë lëvizje që mund të bëjnë që të reduktojë numrin e konflikteve të ngjyrave në lagjen e tyre, mirë? Ky djalë nuk mund të kalojë në purpurta sepse, në fakt, nëse kalon në purpurta, do të ketë më shumë konflikte. Ai ka, si, katër fqinjë purpurta. Dhe nuk mund të kalojë në rozë sepse ka dy fqinjë rozë. Kështu që ai shikon dhe thotë, mirë, konflikti më i vogël që kam është të qëndroj thjesht portokalli. Kështu që tani kjo grupim është ngelur, mirë? [00:06:49] Ata kanë një konflikt të pazgjidhshëm dhe nuk mund të ndodhë asgjë. Nuk mund të bëhet përparim në zgjidhjen e problemit të veprimit kolektiv derisa një nga këta dy njerëz të bëjë një lëvizje të kundërintuitshme, të kalojë ngjyrat në purpur ose rozë, dhe të rrisë përkohësisht konflikte. Dhe kjo, në të vërtetë, ndodh. Dhe pastaj kalon koha, dhe njerëzit në 245 sekonda e zgjidhin problemin. Mašina e detecton zgjidhjen, ndalon lojën dhe i paguan ata, mirë?
Tani, për shkak se ishim të zgjuar, ajo që bëmë ishte të bënim disa eksperimente ku fshehurazi zëvendësuam disa nga qeniet njerëzore me bots. Dhe evaluuam se si shtimi i bots me inteligjencë artificiale për të krijuar një sistem hibrid ndikonte në performancën e grupit. A është e mundur të shtosh disa bots në grupet njerëzore dhe të përmirësosh aftësinë e tyre për të koordinuar kur përballen me një sfidë të tillë? Dhe ajo që bëmë ishte të shtonim tre bots dhe ne ndryshuam eksperimentalisht dy akse. Ku u vendosën bots, ku ranë rastësisht në rrjet, ku u vunë në [00:07:51] qendër të rrjetit, ose ku u vunë në periferinë e rrjetit. Dhe ne manipulonim rastësisht kapacitetin e tyre të inteligjencës artificiale këtu në një mënyrë shumë triviale dhe të thjeshtë. Pra, ne manipuluam nëse bots vepronin me përsosmëri ose vepronin me pak zhurmë.
Në situatën e përsosmërisë, çdo një gjysmë sekonde, bots shikonin rreth e rrotull te fqinjët e tyre dhe pastaj zgjidhnin ngjyrën që kishte më pak konflikte me fqinjët e tyre. Mund ta mendoni si një sjellje iracionale. Në situatën e zhurmës 10%, ata e bënë këtë, por 10% të kohës, ata zgjidhnin një ngjyrë rastësore. Dhe në situatën e zhurmës 30%, ata e bënë këtë, por 30% të kohës, ata zgjidhnin një ngjyrë rastësore. Pra, ne e bëmë bots, le të themi, gjithnjë e më të prirur për gabime, gjithnjë e më shumë zhurmë.
Dhe pastaj ne shikuam, kishim, mendoj, diçka si, le të fillojmë me një grup kontrolli. Këtu e kemi skicuar në aksin x është koha, dhe këto janë kurbat e mbijetesës. Në aksin y është probabiliteti që grupi si një e tërë nuk e ka zgjidhur lojën e koordinimit. Pra, këtu, nëse e shikoni këtu, për shembull, në fillim, në kohën zero, [00:08:51] 100% e grupeve vetëm njerëzore, seancat me vetëm njerëz, janë në portokalli. Në fillim, 100% e grupeve vetëm njerëzore nuk e kanë zgjidhur lojën. Dhe pastaj me kalimin e kohës, gjithnjë e më shumë nga grupet njerëzore zgjidhin lojën, ndoshta deri në fund të pesë minutave, ndoshta 60% e grupeve vetëm njerëzore e kanë zgjidhur lojën.
Mirë, ajo që ndodh është se nëse vendosni 10% bota me zhurmë në pozitat qendrore të rrjetit, do të merrni një përformancë të dukshme më të mirë. Këtu, shumë më tepër grupe njerëzish, kur bota që kishin pak zhurmë u shtuan në mes, ishin në gjendje të zgjidhnin problemin. Në fakt, ata e ulën kohën mesatare për zgjidhje nga 232 sekonda në 103 sekonda. Dhe ka edhe gjetje të tjera në këto të dhëna. Bota të përsosura dhe bota tepër të zhurmshme ishin të pavlefshme. Ju nevojitej disa kalibrim. Ishin 10% bota me zhurmë që ishin më të dobishme, dhe gjithashtu pozita e botave kishte një ndikim po ashtu. Por kryesisht në këto eksperimente, ne gjithashtu zbuluam se qeniet njerëzore që nuk ishin të lidhura me botat, [00:09:52] që ishin më larg në rrjet. Pra, në grafikë, kishte disa njerëz që ishin të lidhur me botat dhe disa të tjerë që nuk ishin. Ne gjetëm se madje edhe ata njerëz filluan të ndryshonin mënyrën si luanin. Pra, kishte një efekt ripplesh, një efekt kaskadash. Përfitimet e mënyrës si bota po bashkëpunonte me njerëzit e saj kaluan përmes rrjetit dhe filluan të ndikojnë në ndërveprimet njerëzore më tej e më tej në rrjet. Me fjalë të tjera, botat ndihmuan njerëzit të ndihmojnë veten e tyre, dhe përfitimet e zhurmës u shpërndahen brenda këtij sistemi social.
Tani do t'ju them më shumë rreth kësaj sfide kolektive dhe se si këta agjentë të thjeshtë të AI mund t'ju ndihmojnë me një analogji tjetër. Pra imagjinoni se keni një avion. Kjo është si në zbritjen gradientale në mësimin makinerik, për shembull. Keni një plan, dhe keni kodra dhe një mal. Dhe keni kodra të ndryshme, mirë. të larta të ndryshme. Dhe keni një mal shumë lart këtu që është mali më i lartë. Pra, unë do t'ju lë në katër, dhe unë do t'ju lë diku këtu, dhe do t'ju lidh me pranga, secili prej jush duke parë në një drejtim kardinal të ndryshëm, [00:10:54] dhe do t'ju verbosh. Dhe do t'ju them, gjeni malin më të lartë. Pra, ju flisni mes jush dhe thoni, mirë, pse të mos heqim secili një hap në drejtimin tonë dhe të raportojmë prapa në ekip? Pra, ju hidhni një hap në veri, dhe thoni se është në rënie nga këtu. Dhe jug thotë se është në rritje nga këtu. Dhe lindja dhe perëndimi thonë se është lateral nga këtu. Pra, të gjithë bien dakord, le të heqim një hap në veri. Dhe e mbani këtë process deri sa të arrini një pikë kur të gjithë thoni se është në rënie nga këtu.
A keni gjetur malin më të lartë? Jo. (...) Çfarë keni bërë? Keni gjetur kodrën më të afërt.
Tani do të gjejë ndonjëherë malin më të lartë? Jo. Nik nuk do të gjejë malin më të lartë. Je i bllokuar. Je optimizuar lokalish, por jo globalish. Dhe për të optimizuar globalisht, të nevojitet pak zhurmë. Të nevojitet herë pas here të lejesh këtë grup njerëzish të bëjnë një hap të kundërt nën mal ose poshtë kodrës. Kështu ata marrin një sekuencë ndonjëherë për rastësi të një sekuence hapesirash deri sa të kthehen në planin e barabartë. Dhe pastaj navigojnë përreth kësaj peizazhi të fitnesit, duke eksploruar këto maja deri sa përfundojnë në këtë majë. [00:11:56] Dhe kjo majë e lartë ka tendencë, optimi global, ka tendencë të jetë një gjendje e pranuar sepse kërkon shumë më tepër zhurmë për t’u larguar nga ajo majë se sa nga majat e tjera. Dhe kështu tani oscillon rreth optimit global. Kështu në punën tonë, kemi hetuar këtë lloj programimi të thjeshtë të futur në sistemet sociale për të parë nëse mund ta përmirësojmë performancën e qenieve njerëzore në adresimin e llojeve të ndryshme të problemeve të veprimit kolektiv.
Tani një tjetër problem kolektiv përfshin një sfidë tjetër, e cila është bashkëpunimi, dhe jo koordinimi. Njerëzit shpesh duhet të bashkëpunojnë për të prodhuar atë që njihet si një mall publik. Dhe një faros është një nga shembujt kanonikë të një mall publik. Malli publik ka dy karakteristika kanonike. Së pari, është ajo që quhet jo përjashtues. Dhe kjo do të thotë që personat e tjerë nuk mund të pengohen nga përdorimi i tij. Nëse ndihmon një faros për interesat e tua personale, sepse po navigon në det dhe nuk do të shkelësh në breg, kjo është e shkëlqyer për ty, por nuk mund të ndalosh askënd tjetër nga përdorimi i saj, a e kupton? Jo përjashtues. [00:12:58] Dhe gjithashtu, është jo rivalrues. Kjo do të thotë që konsumimi nga një person nuk e redukton konsumimin nga të tjerët. Nëse unë përdor dritën nga farosi im, nuk ka më pak dritë për ty. Dhe kjo është ndryshe, për shembull, nga një copë tortë. Nëse kam një copë tortë, është e imja, a e kupton? Mund të të pengoj nga konsumimi i saj. Dhe nëse e hanë atë, nuk ka më të disponueshme për ty, a e kupton? Pra, mall publik ka këto karakteristika, dhe është këto karakteristika që nga ana e tyre e bëjnë shumë të vështirë prodhimin e mallrave publike. Sepse kur vjen puna për ndërtimin e një farosi, është shumë joshëse të konkurrosh interesat tuaja individuale me ato të grupeve. Nëse nuk kontribuon në ndërtimin e farosit, mund të përfitosh nga ai. Dhe kështu, të gjithë janë të tentuar të mos bëjnë asgjë, dhe atëherë farosi nuk ndërtohet në dëm të të gjithëve. Gjithashtu, vlen të theksohet se mallrat publike janë të dobishme, sepse në fakt mund të prodhosh gjëra me to, siç është udhëtimi i sigurt në det. Dhe si rezultat, nën-investimi në mallrat publike është një problem serioz në shoqërinë tonë, dhe gjithashtu është quajtur tragjedia e pronave të përbashkëta. Këto mallra publike, për shembull, normat e besimit që ne mbajmë mes nesh janë efikase. [00:14:01] Mendoni për kur ishit në një shkollë të mesme. Disa nga ju shkuan në një shkollë të mesme ku studentët besonin njëri-tjetrit, dhe kjo do të thoshte që mund të linit çantat e shkollës në holl dhe nuk shqetësoheshit se dikush do t'i vjedhë. Të tjerët nga ju shkuan në shkolla të mesme kur nuk kishte ato norma besimi, dhe tani duhej të mbyllnit çantën e shkollës ose ta mbani gjithmonë me vete. Në cilin nga këto dy mjedise mendoni se do të kishit një mësim më të mirë? A e kupton? Në mjedisin e mëparshëm. Pra, ajo normë që mbahet kolektivisht është produktive. Në këtë rast, produktive për mësimin. Këtu, produktive për udhëtimin e sigurt në det dhe kështu me radhë.
Kështu, bashkëpunimi në grupet njerëzore për të prodhuar mallra publike është sfidues, dhe kërkohen mekanizma të ndryshëm për ta mbajtur atë. Dhe ne kemi bërë shumë eksperimente që përfshijnë vendosjen e njerëzve në grupe të rrjetit dhe t'i kërkojmë atyre të luajnë lloje të ndryshme lojërash mallrash publike me fqinjët e tyre, duke manipuluar shumë karakteristika strukturore dhe aspekte të tjera për vite me radhë. Kështu, për shembull, ne filluam vite më parë me një eksperiment në të cilin njerëzit u vendosën në një rrjet si ky. Ata u prezantuan me fqinjët e tyre, dhe luajtën një lojë mallrash publike nga, si, ekonomia qëndrore, [00:15:03] ku, siç është, unë mund të jap një pak para çdo fqinjit tim. Siç është, marr një dollar dhe e ndaj atë midis fqinjëve të mi. Dhe pastaj shkencëtarët e dyfishojnë dollarin. Pra, le të themi se kam katër fqinjë. Le të themi se kam tre fqinjë, dhe i jap një dollar grupit. Ai bëhet dy dollarë. Ky dy dollarë ndahet mes katër prej nesh. Pra, e gjithë grupi fiton pasuri me dy dollarë, por unë vetëm marr 50 cent. Dy e ndarë me katër, unë marr 50 cent. Pra, unë duhet të bëj një sakrificë për mirëmbajtjen e të tjerëve. Kështu që natyrshëm, të gjithë thonë, nuk dua të sakrifikoj. Le të japin paratë të gjithë të tjerët. Unë nuk do të jap asgjë, dhe shpresoj të tjerët do të kontribuojnë. Por, natyrisht, nëse të gjithë e bëjnë këtë, do të ndodhi një kolaps përsëri. Dhe sjellja më e mirë është nëse të gjithë kontribuojnë maksimalisht. Kështu që këtu në këtë situatë, fillojmë lojën. Pikat e bluara janë, njerëzit e kaltër janë njerëzit e mirëbashkëpunues. Ata japin maksimalisht fqinjëve të tyre, dhe ata po krijojnë mallra publike, si ndërtimi i faros. Dhe pikat e kuqe janë shfrytëzuesit që nuk bëjnë asnjë kontribut, çka njihet gjithashtu si defektorët. Dhe ajo që gjejmë në këtë eksperiment është se ne riprodhojmë një rezultat që është e njohur për 30 vjet, [00:16:03] që është se bashkëpunimi kolapson në grupe, apo jo? Në fund të lojës, disa raunde më vonë, praktikisht të gjithë bëhen defektorë, përveç këtyre njerëzve të vegjël të kaltër këtu anash, që mbajnë të gjallë civilizimin, e dini, mes vetes. Mund të mendoni gjithashtu, përsëri, për të përmendur shkollën e mesme për studentët. A e mbani mend atë situatë në të cilën mësuesi juaj i shkencës u caktoi katër nga ju për të bërë një projekt grupor, dhe do të merrnit të njëjtën notë. Dhe ju u caktuat me katër, tre dështakë të tjerë. Kështu që tani keni dy zgjedhje. Ose bëni gjithë punën, dhe ata gjithashtu marrin A sepse doni një A. Ose thoni, kjo është e padrejtë. Nuk dua që këta lenë-për të përfitojnë nga puna ime e vështirë. Dhe thoni, nuk do të bëj asgjë, dhe të gjithë merrni F, apo jo? Kjo është një dilemë e tmerrshme. Epo, çfarë ndodh këtu është se qeniet njerëzore përfundimisht zgjidhin opsionin e dytë. Të gjithë zgjedhin të marrin F, sepse nuk duan të jenë budallenj dhe të vazhdojnë të kontribuojnë. Kështu që bashkëpunimi kolapson në sistemet sociale si një rezultat i përgjithshëm. Por ajo që bëmë është, edhe një herë, ne shtuam disa megjithatë lloje të ndryshme botëve në sistem. Ne shtuam disa bota që ishin të pajisura me shumë të thjeshta A. [00:17:05] Dhe këto bota ishin si pak ndërmjetës martesash. Ata ndërmjetësonin ndërveprimet sociale. Shikonin përreth në mënyrë lokale se kush po ndërvepronte me kë, dhe jepnin sugjerime për njerëzit në sistem. E dini çfarë? Duhet ta shkëputni lidhjen me atë defektor që po shfrytëzon, dhe të formoni një lidhje me këtë djalosh të mirë këtu. Dhe ky këshillim i butë për rizgjedhjen që vetëm përdor informacione lokale. Nuk ka mësues atje që urdhëron njerëzit të jenë të mirë. As policë. As gjykata. Asnjë autoritet qendror që po e ekzekuton këtë. Vetëm duke vepruar mbi njohurinë lokale, ne gjetëm se këto bota mund të, në eksperimentet tona me më shumë se 1,000 njerëz në 64 grupe, ne gjetëm se jo vetëm që bashkëpunimi mund të stabilizohej, por për herë të parë ndonjëherë, ne treguam një rezultat që bashkëpunimi mund të rritet në nivelin bazë kur këto lloje bota u shtuan. Dhe DeepMind më pas e riprodhoi rezultatin tonë dhe e zgjeroi atë në një tjetër raport që u shfaq rreth një viti ose dy pas këtij.
Tani në një eksperiment tjetër, ne shqyrtuam se si botët mund të ndikojnë në kreativitetin grupor. [00:18:07] sepse gjetja e ideve të reja është e vështirë. Dhe teoria dhe eksperimentet sugjerojnë se grupet mund të jenë më të afta të identifikojnë dhe të ruajnë inovacionet sesa individët duke ndarë zbulimet e tyre.
Por inovacioni brenda grupeve përballet me sfida të veta, duke përfshirë mendimin grupor. Ajo? Nëse e vendosni një grup njerëzish së bashku, ata mund të konvergojnë më herët në një ide jo optimale.
Ose mund të imagjinoni, duhet të imagjinoni, se një grup njerëzish mund të ketë kolektivisht më shumë urti, mund të jenë në gjendje të krijojnë më shumë ide. Për shembull, nëse i jepni një grup njerëzish detyrën për të përmirësuar një tel fishing, e dini, personi i parë mund të thotë, mirë, pse nuk e vendosim një kapëse në fund të një fishe? Dhe pastaj personi që mban stringun me një kapëse. Dhe dikush thotë, pse nuk e vendosim një përmbledhje për stringun? Oh, kjo është një ide fantastike. Pra, ata e bashkojnë njohurinë e tyre dhe e bëjnë atë. Dhe dikush thotë, mirë, wierka me kapësin po noton në sipërfaqe. Le të shtojmë një valë që shkon poshtë. Mirë, tani po shkon shumë poshtë. Si do të ishte të shtonim një bobber që të dimë se ku është dhe kështu me radhë. Dhe njerëzit inovojnë, ndajnë njohuri midis tyre, ruajnë njohuri përmes kohës, [00:19:08] dhe ju merrni këto artefakte kulturore që janë produkti i përbërë i njerëzve të shumtë që ndajnë ide dhe janë krijues.
Kështu që ne donim të krijonim një lojë në të cilën grupet e njerëzve kërkonin një peizazh për një ide optimale. Dhe vendosëm të përdorim emra si një zëvendësues për idetë. Dhe morëm 20,000 emra nga korpusi klasik i shkencave kompjuterike word-to-vec. Kështu që morëm 20,000 emra. Dhe distanca midis këtyre emrave mund të përcaktohet nga metrika e ngjashmërisë kosinusi. Mund ta imagjinoni një hapësirë vektoriale me hiper-dimensione në të cilën macja është më e ngjashme me qenin se sa me tavolinën. Dhe mënyra se si e bënë atë është se ata panë se sa shpesh fjalët macja dhe qeni shfaqeshin së bashku në faqe interneti. Kështu që ata kishin një univers faqesh interneti dhe një univers të 20,000 emrave. Dhe thanë se këto dy emra shpesh shfaqen së bashku dhe këta dy emra të tjerë nuk shfaqen shpesh së bashku. Ata krijuan një hapësirë vektoriale me 300 dimensione. [00:20:08] Dhe tani mund të përshkruani sa të ngjashme janë dy emra të ndryshëm. Dhe vendosëm të përdorim emra si një zëvendësues për idetë. Ne morëm këta 20,000 emra. Dhe pastaj zgjodhëm një grup emrash. Imagjinoni se zgjodhëm një emër, por zgjodhëm një grup. Një emër rastësor nga të gjithë këta, si për shembull, braggadocio, ishte një emër. Kështu që morëm braggadocio. Dhe ne themi se kjo është ideja perfekte që duam që ky grup njerëzish të gjejë. Dhe pastaj të gjithë emrat që janë afër braggadocio bien nga ky hapësirë vektoriale. Kështu që ju keni emrin përparësor që merr më shumë pikë, 20,000 pikë, dhe të gjithë emrat e tjerë ndaj emrave më të largët. Dhe ne vendosim njerëz në këtë sistem dhe themi, gjeni këtë fjalë. Nuk u themi fjalën. Dhe pastaj u themi vlerën pikore të fjalëve. Kështu që ata fillojnë të tregojnë. Dhe ndërsa ata tregojnë, ata marrin reagime. Dhe ata thonë, ah, kjo fjalë ka më shumë pikë se një fjalë tjetër. Dhe ata bëhen më të afërt dhe më të afërt dhe fillojnë të ndajnë njohuritë me njëri-tjetrin. Po përpiqen të jenë kreativë për të zgjidhur problemin.
Pra çdo emër është i lidhur me të tjerët në një hapësirë semantike ose një peisazh të papërshtatshëm. [00:21:10] Dhe kishim 18 emra të ndryshëm synues, sikur të ishim tërhequr një majë nga peisazhi i këtyre 20,000 emrave në 18 vende të ndryshme në 18 peisazhe të ndryshme. Dhe këta emra ishin me qëllim të pazakontë, si fratricide, shoehorn, sarcoma, kartografi, e kështu me radhë. Dhe pastaj ne kryem eksperimente që përfshinin disa kushte ku njerëzit ishin vetëm duke u përpjekur të navigonin në peisazh, ku njerëzit ishin në grupe duke punuar së bashku për të naviguar në peisazh, ose ku njerëzit ishin në grupe por gjithashtu kishin disa bots aty brenda për të ndihmuar ata të ishin krijues. Dhe bots e bënë punën sepse ata mund të kalonin informacion nga një rajon i rrjetit në një tjetër duke komunikuar me njëri-tjetrin. Pra për shembull, bot numri dy mund të kalonte fjalën qiell ose makinë te bot numri një. Pra ky është një shembull rrjeti.
Ne hedhim njerëzit brenda. Pikat katrore janë bota. Dhe ky bot ka katër ndërveprime dhe ky bot ka, nuk e di, gjashtë ose shtatë ndërveprime. Njerëzit e zakonshëm në fillim fillojnë të hamendosin. [00:22:12] Ata nuk kanë asnjë bazë për një hamendim fare në raundin e parë të lojës. Ata hamendosin qiell, makinë, lepur, derë, qen, mace, tavolinë. Siç do t’ju pyesja ju, zgjidhni një emër për të hamendosur, do të hamendosnit shtëpi ose diell ose hënë ose mace ose qen ose ndonjë emër të vogël tipik. Dhe tani ata informohen për vlerën e pikëve, si të ngjashme është fjala derë, qen, mace, tavolinë, dhe kështu me radhë, me sarcomën. Dhe atyre u thuhet vlera e pikëve të atyre emrave në lidhje me emrin e synuar, i cili është sarcoma. Dhe pastaj këto vlera pikësh shpallen për ta. Dhe pastaj ky bot mund të shikojë vlerat e pikëve të njerëzve përreth tij dhe mund të transmetojë ose një zgjedhje të rastësishme për këtë bot ose vlerën më të lartë të pikëve ose vlerën më të ulët të pikëve, një lloj kanali të pasmë të komunikimit që përcjell informacione nga një rajon i grupit të njerëzve që përpiqen të zgjidhin problemin në një rajon tjetër. Pra, le të shohim disa shembuj për ta bërë më të qartë këtë, pasi kjo mund të jetë e vështirë për t'u kuptuar. Njerëzit luajtën këtë lojë për rreth 25 raunde. Dhe ja, ngjashmëria kosine me një emër që është fjala fratricide. Ok, kështu që kemi 20,000 emra. [00:23:13] Fratricide ka 20,000 pikë. Dhe fjalët e tjera kanë pika të tjera. Dhe ja, një person i vetëm, një person vetëm që po hamendos. Pra, hamendja e tij e parë është copë. Dhe i thuhet se sa e ngjashme është fjala copë me fratricide. Dhe pastaj hamendja e tij tjetër është lindje. Dhe ata marrin një rritje të madhe në ngjashmërinë kosine, sepse mund ta imagjinoni se fjala lindje është më afër fjalës fratricide se sa fjala copë. Ok? Dhe pastaj ata hamendosin. Ata provojnë para. Kjo është më e keqe. Pastaj provojnë majmun. Kjo është edhe më keq. Kontrollojnë. Bëjnë një kontroll sane. Provojnë lindje. Kjo rritet përsëri. Pastaj provojnë foshnjë. Kjo nuk është një hamendje e keqe. Lindje me foshnjë. Por foshnjë i çon më larg nga fratricide. Dhe pastaj zonjë dhe kështu me radhë. Dhe ata lundrojnë. Dhe ata po hamendosin. Dhe ata po hamendosin. Dhe ata nuk arrijnë afër fratricide deri në fund. Tani në këtë situatë tjetër, kemi një grup njerëzish, por pa bota. Dhe tani njerëzit mund, përveç se të bëjnë hamendjet e tyre, të shikojnë hamendjet e njerëzve përreth tyre. Dhe të ndihmojnë idetë e të tjerëve. Ok? Krijuar. Si të bëjnë së bashku ronë e peshkimit. [00:24:13] Pra, ky person, hamendja e tij e parë është qen. Por hamendja e tij tjetër është shield. Mund të shihni që shield është më afër fratricide se sa qen. Dhe ky person po hamendos dhe hamendos dhe merr input nga fqinjët e tij. Dhe deri në fund, ai Afrohet gjithnjë e më shumë. Ai përfundon me fjalën armik. Ok? Në fakt, ushtar ishte hamendja e tij më e mirë. Kishte vlerën më të lartë të pikëve gjatë trajektorisë së tij.
Pra sa e rëndësishme shtimi i robotëve? Pra kjo, përsëri, tregon përmbledhjen e rezultateve. Në aksin x është raundi. Në aksin y është mesatarja e ngjashmërisë kosine në këtë hapësirë vektoriale hiperdimensionale, e cila është një masë e performancës së grupit. Dhe këtu është një grup njerëzish që veprojnë, duke guessuar veçmas. Pra njerëzit që po guessojnë vetë nuk e bëjnë shumë mirë, apo jo? Ata, ata, e dini, është thjesht rastësi nëse ata ndonjëhow, apo, e dini, ndonjë aftësi të lindur në secilin individ njeri. Ata bëhen pak më të mirë me kalimin e kohës, duke u afruar. Të gjitha grupet e kalojnë performancën e vetjakëve. Dhe ky është një rezultat i vjetër që dihet. Një grup njerëzish është më krijues se një grup i ngjashëm në madhësi nga praktikantët veçmas. Por ajo çfarë gjejmë është që nëse shtojmë robotin më të ngjashëm, robotin që e parë fqinjët e tij, [00:25:17] dhe gjeti, çfarë është konsensusi i tyre lokal këtu? Njerëzit e mi dukej se po mendojnë që kjo është një fjalë e mirë. Dhe pastaj ia kalon robotit në një pjesë të largët të rrjetit. Ai robot e përmirësoi ndjeshëm performancën e këtij grupi njerëzish për të bërë një zbulim. Duhet të jeni në gjendje të imagjinoni se si mund të funksionojë kjo në një grup inxhinierësh ose në ndonjë punëtor tjetër njohës. Si, si mund të shpërndani njohuri në një mënyrë efikase, duke shmangur grup-think dhe nxitur krijimtarinë, duke dizajnuar robotë që ndihmojnë njerëzit të ndihmojnë veten e tyre. Roboti këtu nuk ka, nuk ka një brain. Nuk është, nuk është duke sugjeruar ide. Ai thjesht po ndihmon njerëzit të përhapin idetë mes vete.
Pra, agjentët e thjeshtë AI me sjellje interpretuese mund të rrisin kapacitetin për zbulim krijues në grupet njerëzore duke shpërndarë ide rreth të cilave ka konsensus lokal në një pjesë të grupit me njerëz në një pjesë të largët të grupit. Dhe si rezultat, grupi mund të performojë më mirë.
Tani, ne kemi filluar të eksperimentojmë edhe me sisteme fizike. Dhe kemi shtuar robotë humanoidë dhe jo-humanoidë [00:26:19] të dhënë me AI të thjeshtë për t'u përballur me grupe njerëzish dhe treguar si mund ta lehtësojnë bashkëpunimin e grupeve të njerëzve duke i ndihmuar ata të tejkalojnë fërkimet ose pamundësinë për të bashkëpunuar në ndërveprimet e tyre. Një nga shembujt e mi më të preferuar është një eksperiment që bëra me ish-studenten time, Maggie Traeger, që është në fund dhe tani është asistente profesore në Notre Dame, është ky eksperimenti. Në këtë eksperiment, ne morëm tre njerëz të vërtetë që erdhën në laborator dhe një robot humanoid. Dhe dizenjuam një lojë të vogël, një lojë me binar hekurudhor, që luhet në një kompjuter tablet, dhe kjo grup njerëzish dhe një robot kishte detyrën të vendoste binar hekurudhor nga pika A në pikën B, si binarët e vogla të Thomas the Tank Engine. Dhe pastaj iu dhamë disa copë që mund të zgjidhnin në tablet, si copa të drejta dhe copa të kthyer. Por herë pas here e krijuam situatën, megjithëse dukej sikur kishte një përzierje copash dhe se në parim ata duhet të ishin në gjendje të shkonin nga pika A në pikën B, ne e dizajnuam keq për të mos pasur numrin e duhur të kthesave për t'i lejuar ata të kalonin nga pika A në pikën B. [00:27:21] Pra, ata nuk mund të ecnin. Nuk mund të zgjidhnin problemin pa e ditur. Okay? Pra, së pari secili person do të merrte një turn për të vendosur një copë binari, pastaj personi tjetër dhe personi tjetër. Ata po punonin së bashku për të lidhur pikën A në pikën B në tabletat e tyre.
Dhe çfarë bëmë në këtë eksperiment është se manipuluam dhe ata luajtën 30 runde të kësaj loje në këtë botë virtuale, dhe kishim 51 grupe, manipuluam stilin e bisedës së robotëve, konkretisht nëse robotët shpreheshin me ndjeshmëri duke pranuar një gabim. Kështu që roboti tha, e dini, bëra një gabim. Ose nëse roboti tregon shaka babaxhë, supozoj se të gjithë e dinë se çfarë janë shakatë babaxhë. Mirë. Pra, gjithashtu e kishim robotin që thoshte, për shembull, kjo është një universale kulturore, si antropologët në xhunglën Amazonike që kanë parë popujt indigjener dhe baballarët atje gjithashtu thonë shaka babaxhë. Dhe fëmijët janë si, nuk mund ta besoj se shakatë e budallaqeve të babait. Por megjithatë, dhe në të vërtetë ka një teori për atë se çfarë janë shakatë babaxhë, që kanë për qëllim t'i fortifikojnë fëmijët në njëfarë mënyre. Kjo është një teori. Por megjithatë, kjo është një temë tjetër e krejtësisht. Megjithatë, kishim robotët tanë që tregonin shaka babaxhë ose shpreheshin me ndjeshmëri. [00:28:21] Dhe çfarë na interesonte të gjenim ishte nëse ndryshimet në fjalimin e robotëve kishin fuqinë jo vetëm për të ndikuar si njerëzit ndërveprojnë me robotët, por gjithashtu si njerëzit ndërveprojnë me njëri-tjetrin. Dhe një herë tjetër, kjo ofron perspektivën për të modifikuar ndërveprimet sociale me ndihmën e agjentëve artificialë në sistemet hibride të njerëzve dhe makinave.
Këtu është një shembull i vogël, oh, dhe nuk e thashë rezultatet. Këtu janë, këtu kur kemi, pra, këto, trashësia e këtyre linjave, ne vendosëm kamera video për të monitoruar se kush po flet me kë, dhe sa shumë po flasin. Dhe trashësia e këtyre linjave tregon sa shumë personi dy po flet me personin një dhe në këtë mënyrë. Pra, personi një nuk flet shumë me robotin. Ajo është një linjë e hollë. Dhe kur keni robotë neutralë, merrni këtë model. Por kur keni robotin e brishtë, të gjitha këto linja bëhen më të trasha dhe barazohen. Kështu që zbuluam se një robot i brishtë rriti barazinë e fjalëve ndërmjet njerëzve, rriti volumet e fjalëve ndërmjet njerëzve, dhe në rezultate të ndara, [00:29:22] rriti kënaqësinë e njerëzve në atë lloj ambienti.
Dhe këtu është vetëm një video nga dy raunde të ndryshme që ilustrojnë se si roboti flet në një mënyrë neutrale në fillim, në zërin pasiv, i cili nuk ndikon shumë në komunikimin njerëzor. roboti thotë, në një mënyrë shumë Reagan-esque, një gabim është bërë.
Por në raundin e ardhshëm, roboti thotë, unë bëra një gabim. Dhe ju mund të shihni se çfarë ndodh këtu. Le t'i japim një mundësi. (25 sekonda pauzë) Kështu që nëpërmjet shumë, shumë dhjetëra rrotullimeve, kjo është lloji i modelit që gjejmë. Pra, një manipulim i thjeshtë, manipulim i thjeshtë në modelin e fjalëve të robotit ndalon se si njerëzit ndërveprojnë me njëri-tjetrin. [00:30:25] Dhe nuk e kam menduar, nuk merr shumë për t'u imagjinuar se si gjithë mënyra në të cilën e projektojmë botin tonë të bisedave dhe gjithçka tjetër mund të ndikojë jo vetëm në shembullin e Alexa-s që ju tregova në fillim, se si trajtojmë njëri-tjetrin. Njerëzit duken se besojnë më shumë në njëri-tjetrin dhe se kanë më shumë argëtim në këtë situatë.
Tani këtu është akoma, dhe mendoj se ky është eksperimentin e fundit që do t'ju tregoj dhe pastaj do ta përfundoj, në një eksperiment tjetër, ne zhvilluam një platformë të re kibernetike-fizike për të testuar këto efekte sociale dhe madje etike të llojeve të thjeshta të AI. Sepse për shkak të natyrës së problemeve të veprimit kolektiv, përfshirja e AI në grupet njerëzore mund të shtypë në mënyrë paradoksale dhe pa dashje normat sociale të dobishme ekzistuese tek njerëzit, si ato që përfshijnë bashkëpunimin dhe altruizmin që ne kemi evoluar si një specie për të pasur. Prandaj kemi qindra mijëra vjet përzgjedhje natyrore që punon mbi ne për të na bërë të aftë për të zgjidhur problemet e veprimit kolektiv. Pra, pyetja është, mirë, nëse i delegojmë disa nga ato agjencë makinerive, a do të humbasim kapacitetin për të punuar së bashku për të zgjidhur ato probleme? [00:31:32] A do të besojmë në këto makina, dhe kështu tani ne e degradojmë aftësinë tonë natyrore për të bashkëpunuar dhe koordinuar dhe krijuar dhe kështu me radhë? Pra, në këtë eksperiment, duke bashkëpunuar me Hiro Shirato në CMU, një student tjetër i diplomuar i imi, ndërtuam një platformë që përfshinte dy makina të vogla mekanike të pajisura me Raspberry Pi, dhe e lidhëm atë me disa softuer që kemi që na lejon të organizojmë eksperimente online në një shkallë të gjerë. Pra, njerëzit ishin në shtëpitë e tyre dhe ata ishin caktuar një nga këto makina, dhe ata po drejtonin këto makina drejt njëri-tjetrit,
dhe ne i patëm të luajmë lojën e pulës. Kështu që në pulë, e dini, si, kushdo që arrin nga ana tjetër më shpejt fiton. Kështu që jeni të incentivuar të mos i jepni dorë tjetrit. Por nëse secili nga ju zgjedh të mos i japë dorë, atëherë përplasen, dhe të dy marrin shpërblimin më të keq. Kështu që çfarë do të bënte njeriu në këtë situatë, nëse po luan një lojë pulë të përsëritur, është se do të mësonit shpejt të bëni turne. Këtë herë është rradha juaj të shkoni drejt, unë do të tërhiqem dhe do të lejoj, por herën tjetër ju do të tërhiqeni dhe do të lejoni të shkoj në drejtim të drejtë. [00:32:35] Nëse jemi egoistë, ne vazhdojmë të përplasen njëri me tjetrin, si të shkatërrojmë njëri-tjetrin herë pas here, ose budallallëku, të dy devijojmë në anë, dhe asnjëri nuk merr përfitimin e shkuarjes drejt. Kështu që në këtë situatë këtu, makina e verdhë vendos të tërhiqet, makina blu vazhdon pa pengesa deri në anën tjetër.
Dhe përdorëm 300 pjesëmarrës dhe 150 dyada, dhe ata u paguan sipas shkallës së shpejtësisë që e arritën në anën tjetër. Pastaj shtuam pak AI. Shtuam asistencë për frenimin automatik, ku kur kishe një alarm afërsie, kur je afër makinës tjetër, ajo frenonte dhe të jepte mundësinë të vendosje, oh, duhet të largohem dhe t’i lë këtë djalë të kalojë, ose përkundrazi. Ose shtuam asistencë për drejtimin automatik, që është, në momentin që afroheshin me makinën tjetër, thjesht devijonte, mirë? Dhe shtuam një funksion minimal komunikimi, ku njerëzit mund të thoshin faleminderit, ose diçka të tillë. Thjesht një komunikim shumë minimal. Së pari, treguam se asistenca për frenimin automatik, ku makinat ndalen në një distancë fikse para përplasjeve, rriti altruizmin njerëzor. [00:33:38] Kjo do të thotë, ti jepesh rrugë të tjerëve, siç bën makina e verdhë këtu. Pra, shtimi i pak asistencës për frenimin automatik AI e bëri më të lehtë që njerëzit të punojnë së bashku dhe të bashkëpunojnë në situatën. Për më tepër, lehtësimi i komunikimit nga ana e njerëzve ndihmon më tej që ata të bëjnë koncesione reciproke në kushtin e frenimit automatik. Nga ana tjetër, asistenca për drejtimin automatik, ku makina thjesht devijonte, e ndaloi plotësisht lindjen e reciprocitetit midis njerëzve në favor të maksimizimit të interesit personal. Njerëzit thjesht dorëzojnë agjencinë e tyre morale. Ata nuk shqetësohen më. Ata lejojnë makinën të devijojë vazhdimisht, dhe dorëzohen, mirë? Pra, të gjitha aftësitë etike të natyrshme që personat kishin tani janë hequr nga shtimi i AI në kushtin e drejtimit automatik, por janë përmirësuar në kushtin e frenimit automatik. Dhe kjo gjithashtu duhet t'ju bëjë të mendoni. Duhet të mendoni, oh Zoti im, çdo vogëlci që bëjmë kur e programojmë këta agjentë AI mund të ketë efekte të mira ose të këqija mbi tendencat natyrore të njerëzve.
Aftësia e njerëzve për të bashkëpunuar dhe për të marrë turne dhe për të vepruar altruistikisht mund të atrofizohet, duke çuar në rezultate më të këqija, si kolektive ashtu edhe individuale në fund. [00:34:46] Dhe në fakt, në të shkurtër, AI mund të çojë në një lloj lengezimi moral. (..) Ja një shembull përfundimtar i ndryshimit të qëndrueshëm pas ekspozimit ndaj AI në sistemet hibride. Dhe është gjithashtu një shembull se si prania e AI mund të ndryshojë ndërveprimet njerëzore, edhe pas përfundimit të pranisë së AI në këto ndërveprime. Pra, në vitin 2016, DeepMind zhvilloi AlphaGo, dhe në atë vit të njëjtë, ky agjent AI luajti ndaj Lee Sedol, kampionit të jashtëzakonshëm të botës nga Koreja.
E shikoja ndeshjen. Nuk di të luaj Go, por e njoh si një lojë të mahnitshme. Djali im luan Go. (.) Dhe unë isha me zemër për Lee Sedol. Lee Sedol është si një hero në Kore, ashtu siç do të kishim ne, e dini, atletë të mëdhenj në kutitë tona të Wheaties dhe gjëra të tjera. Si, i tij është në paketat e vogla të noodles dhe në paketat e cerealëve. Si, mendoj se është mahnitëse që në Kore ndonjë nerd inteligjent si unë shihet, e dini, si një person i rëndësishëm, mirë? Pra, ai është shumë popullor në Kore. Dhe ai del për ndeshjen e parë, dhe është shumë i mburrur. [00:35:47] Mund ta them se është shumë i mburrur. Dhe humbet ndaj makinës, dhe pastaj kërkon falje nga tifozët e tij. Ai thotë, më vjen shumë keq. Janë pesë ndeshje. Fituesi është ai që fiton tri nga pesë. Pastaj luan një lojë të dytë, dhe humbet përsëri. Dhe tani po e merr seriozisht. Pastaj luan një lojë të tretë, dhe humbet. Ai ka humbur garën.
Dhe mund të shihni llojin e audiencës, dhe komentatorët ishin të mahnitur nga aftësia e makinës për të luajtur Go, duke bërë këto lëvizje të çuditshme dhe të bukura, disa nga të cilat ata zbuluan më vonë se ishin luajtur sepse kemi regjistrime që shkojnë prapa mijëra vjetesh të ndeshjeve të Go që janë luajtur në Kortin Perandorak Kinez. Dhe mund të gjenin, oh, zot, kjo është një lëvizje mesjetare që makina bëri. Nuk e kishim parë atë për kaq shumë kohë.
Dhe pastaj Lisa Dahl kthehet në lojën e katërt, dhe ai fiton. (..) Unë qava. Isha kaq e lumtur. (..) Sepse ai kishte makinën, e dini, ai kishte ardhur për specien time, dhe ai kishte mundur damn makinën. Si, në një heroj, si, nuk mund ta kuptoja, si, fuqia mendore që duhet të ketë qenë e nevojshme për Lisa Dahl për ta bërë atë. [00:36:49] Isha ekstazuar në atë moment, dhe kaq krenar për të që vazhdonte të përpiqej, edhe pas disfatës në ndeshje.
Tani, ajo që është interesante është se kur Lisa Dahl u intervistua pas kësaj, Lisa Dahl tha se loja e tij është ndryshuar pas ndeshjes. Pra, përsëri, AI po ndihmon njerëzit të ndihmojnë veten e tyre, mirë? Ai ndryshon se si luan për shkak të kontaktit. Dhe hetimet e mëvonshme nga shkencëtarë të tjerë shqyrtuan lojtarët profesionistë të Go dhe analizuan cilësinë e mesme të vendimeve. Ka disa standarte në Go për të parë se sa e mirë është një lëvizje, dhe risinë mesatare, si sa e pazakontë është një lëvizje. Dhe ata gjejnë se kur AlphaGo mposhti kampionin e botës në vitin 2016, në të gjithë botën, lojtarët e Go filluan të bënin lëvizje më të mira që ishin më inovative, mirë? Pra, të gjithë njerëzit që luajnë Go me njëri-tjetrin kanë ndryshuar për shkak të shtimit të AlphaGo. AI ndihmon njerëzit të ndihmojnë veten e tyre. Pra, ne po vazhdojmë të punojmë për të dizajnuar dhe shtuar bota të thjeshta për këto dhe situata të tjera që lidhen me dilemat sociale dhe problemet e veprimit kolektiv. [00:37:55] Ne po shikojmë se si bota mund të ndikojë në koordinimin, bashkëpunimin, komunikimin, kreativitetin, besimin, navigimin, ndarjen dhe evakuimin. Dhe në laboratorin tonë, ne nuk jemi përqendruar në AI super të mençur, si LLM-të ose AlphaGo, për të zëvendësuar njohjen njerëzore, por më tepër në AI të thjeshtë për të plotësuar ndërveprimin njerëzor. Ne nuk po përpiqemi të shpikim AI super të mençur për të zëvendësuar njohjen njerëzore. Ne po shpikim AI të thjeshtë për të plotësuar ndërveprimin njerëzor. Dhe AI jonë mund të jetë e thjeshtë sepse njerëzit janë të mençur. AI jonë është si platini i shtuar në një reaksion kimik organik. Është thjesht një katalizator. Gjithçka që na nevojitet është katalizatori për të ndihmuar një grup njerëzish të jenë më të mirë.
Dhe, sigurisht, është e rëndësishme të pranohet se inversi është gjithashtu i mundur. AI sociale mund të përdoret për të dëmtuar grupe njerëzish. Por qasja jonë ofron një numër avantazhesh teknike dhe konceptuale. Së pari, këto bota të thjeshta janë të kuptueshme dhe, në këtë mënyrë, ilustrojnë qartë fuqitë dhe mundësitë më të gjera. Ndryshe nga LLM-të, të cilat janë një kuti e zezë dhe nuk e di se çfarë po bën, unë mund t'ju them saktësisht se çfarë po bën boti ynë. [00:38:58] Është e zhurmshme. Po ndërton njohje. Po kalon mesazhe në këtë mënyrë shumë specifike. Dhe e dyta, eksperimentet e kontrolluara me botët tona gjithashtu mund të ofrojnë informacione se si sjellja njerëzore mund të ndryshojë në mënyrë të dobishme. Në fjalë të tjera, unë mund ta marra këtë nga laboratorin dhe mund të mësoj një grup njerëzish të bëjnë atë që bota jonë bëri. Në një mënyrë, nuk mund ta mësoni lehtë një grup njerëzish të bëjnë thjesht atë që bëri ChachiPT këtu. Ne nuk e dimë se çfarë po bën ChachiPT, por e dini se çfarë po bëjnë ata në situatën tonë.
Prandaj do të doja të përfundoja, kjo është diapozitiva ime e fundit, me një metaforë. Merrni parasysh këto dy objekte. Ato janë të dyja të bëra nga karboni. Nëse i merrni atomet e karbonit dhe i lidhni në një mënyrë, merrni grafit, i cili është i butë dhe i errët. Merrni të njëjtat atome karbon dhe i lidhni në një mënyrë tjetër, merrni diamantin, i cili është i fortë dhe i qartë. Dhe këtu janë dy ide kyçe intelektuale. Së pari, këto vetitë e butësisë dhe errësirës dhe fortësisë dhe qartësisë nuk janë veti të atomeve të karbonit. Ato janë veti të grumbullimit të atomeve të karbonit. Dhe së dyti, cilat veti merrni varet nga mënyra se si i lidhni atomët e karbonit me njëri-tjetrin. Merrni të njëjtat atome karbon dhe i lidhni në një mënyrë, merrni një grup vetish. [00:40:01] Lidhini në një mënyrë tjetër, merrni një grup krejtësisht të ndryshëm vetish. Po ashtu, natyra e lidhjeve tona ndikon në vetitë e grupeve tona sociale. Janë lidhjet midis njerëzve që mund të bëjnë të gjithë më të madh se shuma e pjesëve të tij. Veti të reja, si bashkëpunimi dhe dhuna, inovacioni dhe produktiviteti, besimi dhe mosbesimi, e vërteta dhe gënjeshtra, pasuria dhe varfëria, shëndeti dhe lumturia, mund të dalin dhe të përhapen për shkak të lidhjeve, për shkak të lidhjeve midis njerëzve, dhe jo domosdoshmërisht vetëm për shkak të njerëzve vetë. Në të vërtetë, përvoja jonë e botës varet nga struktura dhe funksioni i rrjeteve përreth nesh afër dhe larg. Dhe specie tona evoluar për që kjo të jetë rasti. Dhe nuk duhet të na befasojë që do të reagojmë ndaj AI-t në mesin tonë. Faleminderit shumë.
