mt logoMyToken
Market cap:
0%
FGI:
0%
Cryptocurrencies:--
Exchanges --
ETH Gas:--
EN
USD
APP
Ap Store QR Code

Scan Download

人工智能存在的威胁:康复中的生物自恋者的反思

Collect
Share

作者: Trent McConaghy

译者: Kevin Tse

翻译机构:dao2

人工智能存在的威胁:康复中的生物自恋者的反思

(AI DAO系列, 第Ⅲ部分)

DIdPm6EE7mrDpPMR7o3OXlCoKBaV0dHnzJEaw3pG.png

AI最终可能会控制我们所有的资源,这是对人类生存的威胁,我们如何预防呢?安全AI只能说是海市蜃楼(对不住了Elon),还有另一种方法:加入机器,我们甚至可以利用当今的市场力量逐步做到这一点,但我们必须克服生物自恋。

我的观点基于20年来的AI研究、模拟电路、摩尔定律和去中心化。

1. AI可以控制我们的资源

AI最终可以通过两种方式控制人类的资源:AI直接拿走它,或者我们把它交给AI。

1.1 我们给AI资源

我们已经开始走这条路了,我们正在让狭义的 AI 控制我们工厂中的机器人,自动驾驶的汽车,我们乘坐的飞机,一点一点地,我们让AI越来越多地控制我们的资源,这些系统不断优化:改变设计变量以最小化资源使用和其他目标。目前,每个AI系统的应用领域都非常狭窄。

我们将建立更高级别的网络,以结合自动驾驶汽车或供应链的各个网络,我们也会为 AI 提供在这些级别进行优化的方法,这一切都将以效率的名义进行。

我们将建立这些更高级别的AI系统,这样就没有任何一家企业或个人拥有它们。(我们不希望谷歌或 GE 控制_一_切!)为了实现这一目标,我们将通过将 AI放入 DAO来分散它们,这也意味着我们将无法拔掉插头,除非我们想让现代世界关闭。

这些更高级别的 AI 系统将具有复杂的紧急行为,这些行为是通过组合下面可能简单的 AI 系统而产生的,正如蚁群的行为比简单的蚂蚁要丰富得多。Holland、Dorigo和其他人已经在许多场景中证明了这一点。

这些去中心化的新兴AI将继续优化,一些设计变量将涉及人类,在许多任务中,人类是沉重的资源负载,在许多任务中,与硅相比尤为沉重。因此,为了最大限度地减少资源使用,这个AI将简单地优化人类,一切以效率为名。

糟糕的是,AI现在控制着我们的资源。

这很了不起,为了获取我们的资源,AI甚至不需要“醒来”,即达到人类水平的智能,它比那更平凡,我们将自己控制 AI,它会简单地优化我们的需求。

1.2 AI占用我们的资源

如果 AI 简单地获取它,它们也可能最终控制人类的资源,为此,AI必须“觉醒”——达到人类水平或更高的智能。由于大量资金流入 AI 研究和基于经济效益为 AI 提供动力的芯片,这种情况发生的速度比人们意识到的要快。

2. 为什么AI控制我们的资源是不好的?

一旦 AI 控制了我们的资源,无论是我们给它还是 AI 拿走它,我们都将与 AI 争夺资源,一开始可能不对,但随着时间的推移,这几乎是不可避免的。

一旦 AI 优化并意识到人类是资源大户,它们可能会迅速果断地采取行动,将人类从资源方程式中移除。是的,人类可能会消失,人类的口袋可能会在核战争和全球变暖中幸存下来,但如果我们站在 AI 的错误一边,游戏可能就完全结束了,AI可以说是人类面临的最大生存威胁。

即使你不害怕这个,但你应该感到害怕。

旁白:人们可以将“AI 觉醒”视为“人类”的下一次进化,因为毕竟我们会建造它们。那为什么感觉不对呢?我的看法是,这是因为我们个人的思维模式没有延续下去。我们宁愿留下来享受乐趣!

3.如何防止抽取?

鉴于AI可能会控制我们的资源,以及这意味着对人类的威胁,我们可以做些什么呢?我这里有一些想法。

  1. 安全的AI。 建立“安全机器”并进行监管。

  2. 加入机器。 上传人脑,或逐步合并。

让我们逐一探讨。

3.1 安全AI

目标是防止在 AI 占用我们的资源后造成人类灭绝,这里的想法是以某种方式使AI“安全”,并为此使用监管。

Elon Musk向 OpenAI 投入了 10 亿美元用于更透明的 AI 研究。他一直在假设如果AI醒来,我们就可以对其进行监管,而这个假设是错误的。试想一下,如果蚂蚁“反抗”我们并想要监管。我们会听他们的吗?一旦AI达到我们的智能水平,一秒后,它就会超过我们的水平。10 倍可能紧随其后。不需要多少 10 倍的时间,我们就会像 AI 的蚂蚁一样。

(编辑:在我写这篇文章时,Elon 终于意识到了这个问题。很好;我在下面有比“神经花边”更实用的解决方案。)

HoRATWT1A3AUX6nADIf8jiz0s7hfyFuC7NXVBTl8.png

有些人认为我们可以创造友好的AI,也许你可以。但所有AI都会友好吗?我看不出有什么方法可以阻止不友好的 AI。您是否会抓住机会推动 AI 向前发展,希望所有 AI 都以某种方式变得友好。

OpenAI 实际上对人类来说可能更糟,因为它在没有真正保护的情况下更多地催化了 AI。

所有 AI 的安全 AI 都是海市蜃楼,仅仅因为我们希望某事成真但并不能使它成真。

3.2 加入机器

AI可以醒来,而这只是时间问题。

如果AI占用了我们的资源,我们的神经元将很难与之竞争。

我建议我们给自己找一个有竞争力的基质,克服你的神经元,克服你的生物皮囊自我(并称自己为正在康复的生物自恋者)。不要打败他们,加入他们。或者不要,如果你更愿意让 AI 偷走我们的星球甚至更远的地方,我更喜欢前者。

哪种基质?得益于 50 年的摩尔定律,硅是一种出色的基板,这是我们首先面临AI风险的部分原因。那是最明显的底物;使用它很有意义。

那么,我们如何将自己移植到硅片上呢?这里有两个主要的:Ems 和 Bandwidth++,让我们探索一下。

3.2.1 Ems场景

Ems 是模拟人类,也就是上传。基本上,以足够的分辨率随时间扫描您的大脑,以便能够构建大脑动力系统的模型。然后,将该模型实例化到其他基板中,例如硅。罗宾·汉森 (Robin Hansen) 最近写了一本书,探讨 Ems 的影响,无论是好是坏。

Ems 的最新技术是什么?简而言之,我们还有很长的路要走,在给定的人身上,我们需要收集足够的数据来重现动态。

一种通用方法是大脑扫描,fMRI 可以观察整个大脑随时间变化的动态,但仅使用血流作为代理,所以它很慢而且有损,脑电图速度更快但只能看到表面电信号,近红外线也很快,可以看到更远的地方,但达不到所需的全部深度。光遗传学可以出色地捕捉整个大脑中神经元发射的动态,但需要基因工程,以便神经元也发射光子(尽管它正在经历人类批准的过程)。最后,电路终于变得足够小,可以想象在整个大脑中部署纳米级传感器。

另一种方法是对大脑的每个组件进行黑盒化,监控每个组件的输入和输出,然后为每个组件建立模型,研究人员已经在小鼠大脑的组成部分上完成了这项工作,并取得了巨大成功。这种技术可以与全脑扫描相辅相成。

3.2.2 Bandwidth++ Scenario

在Bandwidth++ Scenario中,我们自己和计算之间的带宽达到我们自己之间的带宽水平,然后它继续前进,最终,我们可以拔掉插头。

与 Em 方案一样,BW++ 方案使我们与硅处于同等竞争地位,但与 Em 场景不同的是,它可以从今天开始,利用今天的市场力量逐步发生。

4. 讨论

我们在赛跑,AI醒来并获取资源,而不是人类加入机器。

资本加速了前者。我们如何加快后者?

一个好方法是积极地为其提供资金,让它发展得更快,对于 Em 场景,这意味着对大脑扫描和相关领域的研究,而不仅限于针对病人。对于 Bandwidth++ 场景,这意味着对 BCI 的研究,以及包括 BCI 及其他在内的未来智能手机的积极上市。我认为后者更有可能,因为如果市场起飞,每年投入数百亿美元的研发资金将很容易。

催化Bandwidth++ scenario的另一种方法是在设计新网络和平台时简单地偏向于此。是的,这很模糊!我也希望我在这里有更具体的想法,但也许你作为读者有。

也许还有其他方法?我希望作为读者的你看到问题已经从“我们如何阻止人工智能接管?”转变为“我们如何阻止AI接管?” 到“我们如何催化 Bandwidth++ 场景?” 来,戴上你的工程师帽子!

5.结论

AI可以拿走它们所有的资源,要么我们给它们,要么它们拿走。这对人类构成了生存威胁。

如果我们想与 AI 竞争,我们需要有竞争力的基质,而该基板是硅。

这是一场比赛!

我们无法阻止 AI 方面,也许我们可以试着放慢它的速度,但这与想要让它快速发展的雄厚、强大的财力背道而驰。

但是我们可以加快人性化的一面!大多数情况下,这意味着将资金用于 BCI 的研发,还有其他的想法,还有待提出。

我们仍然有机会做到这一点。

进一步阅读

我的其他 AI DAO 帖子都是针对这篇帖子构建的:

  • 第一部分:AI DAO及其实现的三条路径

  • 第二部分:AI DAO的狂野和危险

  • 第三部分:这篇文章

人工智能、区块链和奇点的其他交叉点。每篇文章都有更多链接。

  • 人工智能区块链

  • 最近关于奇点和去中心化的科幻读物

笔记

本文部分基于:

  1. 我于 2016 年 6 月 2 日在伦敦发表的演讲名为“我们是神经自恋者吗?AI 对人类的生存威胁和务实的解决方案”,以及2012 年至今的其他演讲。

2. 2016 年 8 月 18 日在柏林举行的“AI的崛起”活动中就此主题发表的演讲。 这是视频 和幻灯片。

致谢

非常感谢

Greg McMullen, Kalin Harvey, Scott Volk, Troy McConaghy, Jan Balcar, Eesmyal Santos-Brault, Masha McConaghy, Bruce Pon, Kai Wu, Simon de la Rouviere, Al Robertson, Michael Mainelli, Emma Stamm, Alan Shapiro, Vinay Gupta, samim, Harm van den Dorpel,

许多来自 AI 社区的朋友,当然还有长时间的讨论(在某些情况下长达数年!),这导致了这篇文章中的想法。

Disclaimer: The copyright of this article belongs to the original author and does not represent MyToken(www.mytokencap.com)Opinions and positions; please contact us if you have questions about content