AI- og 5G-teknologi: hva de vil bety for fremtiden | VPNOverview

Det har vært mye hype rundt 5G og AI de siste par årene. Aviser, nettsteder, tv-pundits og politikere snakker ofte om den potensielle effekten disse teknologiene vil ha på verden. Dette er helt berettiget ettersom 5G og AI representerer den neste teknologiske revolusjonen som drastisk kan endre livene våre på mange måter. 5G og AI har potensial til å digitalisere og automatisere oppgaver innen medisin, utdanning, informatikk, robotikk, bank, styring, krigføring, rom, virtuell virkelighet og mye mer. Mennesker vil kunne gjøre ting som anses som fantasi for ikke så lenge siden. De potensielle bruksområdene til 5G og AI er praktisk talt uendelige. Dessuten er 5G og AI komplementære: de hjelper hverandre med å prestere bedre og nå nye potensialer.


Likevel med alle de nye mulighetene og endringene av disse nye teknologiene dukker det opp et nytt sett med risikoer som vi må ta hensyn til. Denne artikkelen ser på hva disse nye teknologiene er, hva de kan bety for menneskeheten, og hva den potensielle risikoen er.

Hva er 5G?

5G er ganske enkelt det neste trinnet i mobil telekommunikasjon. 1G trådløse tilkoblede mobiltelefoner til radiotårn, slik at du kan føre en samtale mens du går. 2G gjorde analog til digital kommunikasjon, slik at du også kan sende tekstmeldinger. 3G tok hoppet til å ha internett på mobiltelefonen din. 4G forbedret hastigheten og volumet på internettoverføringer i en slik grad at du kunne streame hele filmer på telefonen. 5G er neste i kø, og den nærmer seg raskt. Neste trinn i telekommunikasjon vil tillate deg å oppnå internetthastigheter opptil 100 ganger så raskt som 4G uten praktisk talt ingen prosessforsinkelser.

5G vil gjøre ‘tingenes internett’ til virkelighet

Med 5G vil det også bli mulig å koble bokstavelig talt millioner av internett-tilkoblede enheter, apparater og sensorer uten å tømme batteriene. Slike nye nettverk vil gjøre det mulig å ha hele smarte hjem og smarte byer. Et slikt globalisert nettverk av enheter, apparater og sensorer kalles noen ganger “tingenes internett”, eller IoT. Det vil tillate alle disse enhetene å overføre data og kommunisere uten noen menneskelige innspill.

Denne “IoT” vil gjøre det mulig for virksomheter å automatisere alle slags prosesser, redusere produksjonskostnader, redusere avfall og øke gjennomsiktigheten. For eksempel, med riktig programmering, kunne IoT lage selvopprettholdende oppdrettsenheter. Jordssensorer vil varsle droner om hvor mye vann eller næringsstoffer avlingene trenger for et maksimalt utbytte. Biler kan være utstyrt med dekkføler som dirigerer selvkjørende biler til en mekaniker for rettidig utskifting av dekk. Mulighetene for å sette opp selvforsynt økosystemer gjennom et stort, sammenkoblet nett av gjensidig assissting-apparater ser ut til å være begrenset av vår fantasi og investeringsvilje. Det er ingen overraskelse at det forventes store økonomiske gevinster fra innføringen av 5G. Det globale ledelseskonsulentfirmaet McKinsey forventer for eksempel at tingenes internett vil ha en økonomisk innvirkning på opptil 11,1 billioner dollar innen 2025.

5G vil hjelpe AI med å bryte ny mark

For å utvide mulighetene til AI, må vi mate den mer data. MYE data. De nylige fremskrittene i AI er et resultat av to utviklinger. For det første år og år med forbedret datakraft. Denne strømmen angir antall beregninger som en datamaskin kan utføre i løpet av et sekund. Den andre utviklingen har vært eksplosjonen av personlige data som plutselig ble tilgjengelig da mennesker over hele verden begynte å laste opp personopplysningene sine på nettsteder for sosiale medier. Mengden av offentlige data som plutselig ble tilgjengelig, falt sammen med datamaskinens evne til å faktisk behandle disse dataene med lynets hastighet.

For å forbedre AI ytterligere vil det kreves nye teknikker og enda mer data for datamaskiner å sortere gjennom. Kunstig intelligens krever store datamengder for å trene dens underliggende algoritmer. 5G gjør det mulig å registrere og overføre langt større datasett over plattformer enn det som er mulig akkurat nå. Med andre ord, 5G vil bidra til å overvinne den teknologiske barrieren for å mate AI-algoritmer nok data til å hjelpe AI til å bli mer avansert.

Kort sagt, 5G har potensial til å gjøre den neste store teknologiske revolusjonen til virkelighet. Potensialet for økt produktivitet er nesten utenkelig. Kombinert med det avanserte feltet til AI, er applikasjonene for disse nye teknologiene praktisk talt ubegrensede. Men hva er kunstig intelligens nøyaktig? Hvordan kan maskiner ‘lære’? Og hva er den mulige risikoen ved AI?

Hva er definisjonen av AI?

Circuit Brain på bærbar datamaskinAI, eller kunstig intelligens, er intelligens demonstrert av maskiner. Dette betyr at maskiner som datamaskiner utfører oppgaver som krever en form for intelligens. En annen beskrivelse av AI er: “En maskin sies å ha kunstig intelligens hvis den kan tolke data, potensielt lære av dataene og bruke denne kunnskapen til å tilpasse seg og oppnå spesifikke mål”. Tanken bak er at menneskelig intelligens kan beskrives så presist at det kan lages en maskin for å simulere den. Dette er grunnen til at AI ofte brukes i forbindelse med roboter: maskiner som i utgangspunktet er kopier av mennesker med de samme egenskapene.

Det er to veldig forskjellige forestillinger om kunstig intelligens. Den første ‘typen’ eller ideen om AI er den du kjenner igjen fra kjente filmer som 2001: A Space Odyssey eller Terminator. Dette er maskiner eller systemer som tenker, planlegger og svarer akkurat som mennesker, mens de også har såkalt ‘superintelligens’. Dette kalles Artificial General Intelligence (AGI) og vil kunne behandle informasjon med lynets hastighet, gjøre utrolig kompliserte beregninger i nanosekunder og aldri glemme noe. Du kan forestille deg det som Google med sitt eget sinn. Akkurat nå eksisterer ingen slik teknologi. Forskere vet ikke om AGI til og med er realistisk mulig.

Den andre versjonen av AI heter ‘Smal AI’. Dette er AI som faktisk eksisterer og blir videreutviklet når du leser dette. Smal AI er systemer som gjør forskjellige oppgaver utrolig godt, for eksempel selvkjørende biler, stemmegjenkjenning eller programvare som kan stille medisinske diagnoser basert på avansert avbildning. Innenfor smal AI skilles det mellom forskjellige typer læring.

De forskjellige typene for smal AI-læring

Innenfor smal AI er det forskjellige typer læring. I tabellen nedenfor finner du en kort og forenklet beskrivelse av denne typen læring.

Type ‘læring’
Beskrivelse
MaskinlæringMaskinlæring innebærer å bruke eksempler og erfaringer i dataform for å avgrense hvordan datamaskiner gjør forutsigelser eller utfører oppgaver
Veiledet læringVeiledet læring viser AI-merkede eksempeldata, som fotografier med beskrivelser, for å “lære” en datamaskin hvordan å tolke og kategorisere dem
Uovervåket læringUovervåket læring betyr å mate datamaskindata uten merkede eller merkede veiledninger
ForsterkningslæringForsterkningslæring er programvare som eksperimenterer med forskjellige typer handlinger den kan utføre for å finne ut hvordan man maksimerer en virtuell belønning, ikke i motsetning til å score poeng i et videospill
Dyp læringDyp læring er muligens den mest kjente formen og potensielt den mest banebrytende typen læring. Dyp læring lar maskiner ‘lære’ ved å la det sortere gjennom enorme datasett og deretter gjenkjenne mønstre, finne korrelasjoner og gjøre slutninger basert på sannsynligheter. Denne teknikken har gjort det mulig for AI å gjøre fantastiske ting som: slå verdens beste sjakkspiller, diagnostisere melanomer riktig, delta i kompliserte samtaler med mennesker, kjøre biler, slå videospill, male portretter og til og med gjøre vitenskapelige oppdagelser.

For rekorden er den faktiske mekanikken i AI-læring langt mer komplisert enn beskrevet her.

For datamaskiner er bildegjenkjenning vanskeligere enn for mennesker (mer om det nedenfor). Dette er fordi datamaskiner er flinke til å matche nuller og en, men ikke på å identifisere objekter. AI vil lett gjenkjenne to identiske bilder av en katt fordi disse bildene vil ha nøyaktig samme antall piksler (blant andre egenskaper). Dette betyr imidlertid ikke at maskinen anerkjente katten som en katt. Når den samme katten vises på andre bilder, vil maskinen ikke kjenne den igjen. For å kunne gjøre dette, må komplekse matematikkproblemer løses gjennom et nevralt nettverk.

Målet med dyp læring er å reversere den menneskelige hjernens læringsevner. Nevrale nettverk simulerer nettverket av nevroner i menneskelige hjerner for å ta avgjørelser på en mer menneskelignende måte.

Mulighetene og begrensningene til AI

Ulike studier har blitt utgitt de siste årene som hevder AI vil være en ekte økonomisk spillbytter. PwC Global, et profesjonelt tjenestenettverk, spår at “AI kan bidra med inntil 15,7 billioner dollar til den globale økonomien i 2030. Enkelt sagt er det en absurd mengde penger å tjene fra 5G og AI.

Noen av sektorene som vil hente mest ut av AI er helsevesen, bilindustri, finansielle tjenester, detaljhandel, teknologi, kommunikasjon og underholdning, produksjon, energi og transport og logistikk.

Robot som har spørsmålstegn

Imidlertid er det også viktig å se begrensningene av AI slik det for tiden eksisterer. AI nevrale nettverk frem til nå har bare noen få millioner “nevroner”. Noe som fremdeles er lite sammenlignet med 100 milliarder nevroner i hver menneskelig hjerne og billionene synapser. På toppen av det er AI nevrale nettverk “modellert” på menneskelige hjerner; men menneskelige hjerner er så utrolig kompliserte at vi fremdeles er langt borte fra å forstå dem fullstendig. Med andre ord, AI nevrale nettverk er en ufullstendig imitasjon av noe så komplekst vi ikke har funnet ut ennå – hvis vi noen gang vil.

For å gi et enkelt eksempel på AIs begrensninger slik det eksisterer i dag: “et” dyp læringssystem “som kjører på 16 000 prosessorer lærte seg å identifisere katter – med 75 prosent nøyaktighet – etter å ha analysert 10 millioner bilder.” Et tre år gammelt barn kan identifisere katter riktig etter å ha sett to eller tre under en tur i parken. Denne formen for AI kalles “smal” fordi AI på slutten av dagen bare er like god som dataene den mates inn. Mennesker kontrollerer fremdeles innspillet til data og blir utfordret til å komme med komplekse nettverk og ligninger for at AI skal fungere. Dessuten er disse dybdelæringsalgoritmene, i motsetning til mennesker, ikke i stand til å vurdere ideer eller konsepter som de aldri har opplevd før.

Kort sagt, det er mye potensiale for disse teknologiene; men vi er fremdeles langt fra å nå det potensialet.

Vanlige myter om AI

Fordi begrepet AI blir brukt mye i filmer og andre medier, har mennesker utviklet noen vanlige misoppfatninger om AI. I tabellen nedenfor diskuterer vi forskjellige kjente myter som eksisterer om AI og hva sannheten faktisk er.

Myte
Sannhet
‘Superintelligence’ er bare år unnaDe neste stadiene av smal AI er sannsynligvis tiår unna. AGI kommer kanskje aldri til å eksistere.
Opprettelsen av en mektig AGI er uunngåeligDet kan skje. Det kan ikke. AI-eksperter er uenige og det vet vi rett og slett ikke.
Bare mennesker som allerede er redd for ny teknologi, bekymrer seg for AIMange topp AI-forskere så vel som andre forskere har uttrykt bekymring for AI og retningen den går i.
AI kan bli bevisst eller ondDet mer sannsynlige scenariet er at AI vil misforstå menneskelige mål. Å si AI for å ”komme deg til sykehuset så raskt som mulig” kan føre til at en selvkjørende bil overskrider fartsgrensen og forårsaker mange ulykker fordi det eneste målet er å komme dit så raskt som mulig uten å vurdere konteksten. Dette er en feilkommunikasjon mellom mennesker og AI som fører til feiljusterte mål. Dette er forskjellig fra at AI gjør det onde.
Roboter er den største bekymringen når det gjelder farene ved AIDen største bekymringen når det gjelder AI er faktisk ‘feiljustert etterretning’ som nevnt ovenfor. Det er her målene for AI ikke samsvarer med målene våre.
Maskiner kan ikke ha målMaskiner kan faktisk ha mål. For eksempel har et varmesøkende missil et mål, nemlig: å treffe målet. Problemet som oppstår er når disse målene er feiljustert med menneskets mål som bestemmer disse målene.

Bekymringene over 5G

Gitt at 5G og AI har et så enormt potensial for å endre verden, er det bare naturlig at det også er mange bekymringer. Den verste frykten sentreres rundt AI, men 5G har også mange vokalkritikere som frykter at den nye telekommunikasjonsinfrastrukturen vil gi negative helseeffekter.

5G bruker en høyere frekvens av radiobølger enn 3G eller 4G. Denne høyere frekvensen gjør det mulig for flere enheter å ha tilgang til internett på samme tid. Det er dette som vil gjøre tingenes internett mulig. Noen mennesker bekymrer seg imidlertid for at denne høyere frekvensen i kombinasjon med langt flere enheter som stadig kommuniserer med hverandre, vil ha en negativ effekt på helsen vår og andre dyr..

Dette er en rimelig bekymring. Hvis det er en stor økning i radiobølger og elektromagnetisk stråling over alle større byer, vil det være fornuftig å i det minste stille spørsmål ved om dette ikke kan ha noen bivirkninger. Men det er viktig å huske at det frem til nå ikke har vært noen negative helseeffekter knyttet til stråling av telekommunikasjonsapparater, noe som betyr radiotårn eller mobiltelefon. I 2014 ga Verdens helseorganisasjon uttalelsen: “Det er ikke påvist skadelige effekter som skyldes bruk av mobiltelefon”. Dette betyr ikke at det er umulig at negative helseeffekter kan være forårsaket av 5G. Men foreløpig er det ikke funnet bevis.

Risikoen ved tingenes internett

Tingenes internett vil koble flere enheter sammen enn noen gang har blitt gjort før. Dette kan produsere samarbeid og effektivitet på tvers av en rekke bransjer, men det medfører også en rekke risikoer.

  • Jo større nettverk av enheter er, jo flere enheter er sårbare hvis en hacker klarer å bryte sikkerheten til nettverket
  • Mengden enheter som vil bli koblet sammen kan være for mange til at menneskeheten kan realistisk realisere. Det vil komme et punkt der det vil være umulig å opprettholde tilsynet
  • Hvis det er en feil i nettverket, kan det være mulig at alle enheter i nettverket blir påvirket negativt av det
  • Det er fremdeles ingen global standard for kompatibiliteten til alle enhetene som skal bli en del av tingenes internett. Dette kan føre til kommunikasjonsproblemer på alle enhetene

Risikoen ved å utvikle AI

AI har spesielt mange mennesker bekymret. Opprettelsen av en AGI kan muligens komme ut av hånden og stave katastrofe for menneskeheten, akkurat som i Terminator. Heldigvis er dette det minst sannsynlige problemet som oppstår fra AI. Likevel er det en rekke andre alvorlige bekymringer rundt utviklingen av AI.

Person
Bekymre
Elon MuskDen globale konkurransen om AI-dominans kan føre til at verdens mest teknologisk avanserte nasjoner (USA, Kina, Russland, Tyskland etc.) ved et uhell kan føre til andre verdenskrig.
Stephen HawkingAI bringer mange forstyrrelser som kan føre til den største katastrofen i menneskets historie. Tenk på kraftige autonome våpen, nye måter å undertrykke folket på eller masseøkonomiske forstyrrelser
AI-utviklereAlgoritmisk skjevhet (for eksempel diskriminering av kvinner eller minoriteter) kan tilfeldigvis bli plukket opp av AI og føre til ytterligere diskriminering når det gjelder jobbmuligheter, rettigheter, stipend og mange andre områder
Den europeiske unionUten et regelverk for å beskytte individuelle friheter og personvern, kunne AI brukes som et verktøy for masseovervåking og et våpen mot personlige friheter

Siste tanker

5G og AI er ikke rundt hjørnet ennå. Det vil ta minst noen få år til før vi kan se de omfattende effektene av 5G-teknologi utplassert i masseskala. AI er sannsynligvis fortsatt tiår unna å nå det intelligensnivået som mange spekulerer i. 5G gir et mye tydeligere bilde av hva vi kan forvente når det gjelder fordeler og ulemper. En ting er sikkert, vi vil høre enda mer om 5G og AI de neste par årene.

Kim Martin
Kim Martin Administrator
Sorry! The Author has not filled his profile.
follow me