Mục lục:
Video: New Uber Driver app training in hindi 2018 || Complete tutorial (Tháng Chín 2024)
Vào ngày 12 tháng 3, MIT Technology Review đã thực hiện một câu chuyện bắt đầu như sau: "Đó là năm 2023 và những chiếc xe tự lái cuối cùng đã điều hướng các đường phố của chúng tôi. Lần đầu tiên, một trong số họ đã đâm và giết một người đi bộ, với phương tiện truyền thông lớn. Một vụ kiện cao cấp có khả năng, nhưng luật nào nên áp dụng? "
Mặc dù vụ việc vẫn đang được điều tra, nhưng sự hỗn loạn xảy ra là một dấu hiệu cho thấy chúng ta còn bao xa để tích hợp thành công trí tuệ nhân tạo vào các nhiệm vụ và quyết định quan trọng của mình.
Trong nhiều trường hợp, vấn đề không nằm ở AI mà là sự kỳ vọng và hiểu biết của chúng tôi về nó. Theo Wired, gần 40.000 người đã chết trong các sự cố trên đường vào năm ngoái chỉ riêng ở Hoa Kỳ, 6.000 người trong số họ là người đi bộ. Nhưng rất ít (nếu có) đưa ra tiêu đề theo cách mà sự cố Uber đã làm.
Một trong những lý do khiến vụ tai nạn Uber gây ra sự hỗn loạn như vậy là vì chúng ta thường có kỳ vọng cao về các công nghệ mới, ngay cả khi chúng vẫn đang được phát triển. Theo ảo tưởng rằng toán học thuần túy điều khiển các thuật toán AI, chúng ta có xu hướng tin tưởng vào quyết định của họ và bị sốc khi họ mắc lỗi.
Ngay cả những người lái xe an toàn ngồi sau tay lái của những chiếc xe tự lái cũng để họ cảnh giác. Cảnh quay từ vụ việc Uber cho thấy tài xế bị phân tâm, nhìn xuống vài giây trước khi vụ tai nạn xảy ra.
Vào năm 2016, người lái chiếc Tesla S Model hoạt động ở chế độ Autopilot đã chết sau khi chiếc xe đâm vào một chiếc xe tải. Một cuộc điều tra cho thấy người lái xe có thể đã xem một bộ phim Harry Potter tại thời điểm va chạm.
Kỳ vọng về sự hoàn hảo là cao, và sự thất vọng là mạnh mẽ. Các nhà phê bình đã nhanh chóng đưa toàn bộ dự án xe tự lái của Uber vào diện nghi vấn sau vụ việc; công ty đã tạm thời ngừng thử nghiệm xe tự lái sau khi kết thúc.
AI không phải là con người
Trong số những lời chỉ trích sau vụ tai nạn là một người lái xe sẽ dễ dàng tránh được vụ việc.
"Không phải là nhảy ra khỏi bụi rậm. Cô ấy đã đạt được tiến bộ rõ ràng trên nhiều làn đường giao thông, đáng lẽ phải ở trong hệ thống xem xét để đón", một chuyên gia nói với CNN.
Cô ấy đúng. Một người lái xe có kinh nghiệm có khả năng sẽ phát hiện ra cô ấy. Nhưng thuật toán AI không phải là con người.
Các thuật toán học sâu được tìm thấy trong những chiếc xe tự lái sử dụng nhiều ví dụ để "học" các quy tắc trong miền của chúng. Khi họ dành thời gian trên đường, họ phân loại thông tin họ thu thập và học cách xử lý các tình huống khác nhau. Nhưng điều này không nhất thiết có nghĩa là họ sử dụng quy trình ra quyết định giống như trình điều khiển của con người. Đó là lý do tại sao chúng có thể hoạt động tốt hơn con người trong một số tình huống và thất bại ở những người có vẻ tầm thường với con người.
Một ví dụ hoàn hảo là thuật toán phân loại hình ảnh, học cách nhận biết hình ảnh bằng cách phân tích hàng triệu bức ảnh được dán nhãn. Trong những năm qua, phân loại hình ảnh đã trở nên siêu hiệu quả và vượt trội so với con người trong nhiều môi trường. Điều này không có nghĩa là các thuật toán hiểu bối cảnh của hình ảnh giống như cách con người làm.
Chẳng hạn, nghiên cứu của các chuyên gia tại Đại học Microsoft và Đại học Stanford đã phát hiện ra rằng một thuật toán học sâu được đào tạo với hình ảnh của những con mèo trắng được cho là có sức thuyết phục cao rằng một bức ảnh về một con chó trắng đại diện cho một con mèo, một sai lầm mà một đứa trẻ có thể dễ dàng tránh được. Và trong một trường hợp khét tiếng, thuật toán phân loại hình ảnh của Google đã phân loại nhầm người có màu da sẫm là khỉ đột.
Chúng được gọi là "trường hợp cạnh", các tình huống mà thuật toán AI chưa được đào tạo để xử lý, thường là do thiếu dữ liệu. Vụ tai nạn Uber vẫn đang được điều tra, nhưng một số chuyên gia AI cho rằng đây có thể là một trường hợp khác.
Học sâu có nhiều thách thức phải vượt qua trước khi nó có thể được áp dụng trong các tình huống quan trọng. Nhưng những thất bại của nó không nên ngăn cản chúng ta. Chúng ta phải điều chỉnh nhận thức và kỳ vọng của mình và nắm bắt thực tế rằng mọi công nghệ vĩ đại đều thất bại trong quá trình phát triển của nó. AI cũng không khác.
