Generativ AI ChatGPT versus de uendelige skriveaber, ingen konkurrence siger AI-etik og AI-lov

De der ramponerede aber.

Der er et ret berømt tankeeksperiment, som du måske har hørt om involverer aber. Det helt igennem spændende opfindsomhed bruges ofte af dem, der ønsker at gøre en særlig finpudset pointe.

Sådan foregår plottet.

Forestil dig, at en abe skriver på en skrivemaskine. Hvis aben bliver ved med at skrive over en uendelig lang tid og antager, at aben skriver nøgler rent tilfældigt, er oddset, at hele Shakespeares værker uundgåeligt vil blive maskinskrevet.

Essensen er tilsyneladende, at det ved et tilfældigt tilfælde alene er muligt nogle gange at få et forståeligt svar. Vi er alle tilbøjelige til at være enige om, at Shakespeares værker er en enorm udstilling af forståelig skrift og ræsonnement. Altså, hvad som helst eller en hvilken som helst måde at producere Shakespeares værdsatte ord på, synes at være forbløffende imponerende, selvom vi på samme tid ville blive svigtet af, at det ikke var af intelligens i sig selv og i stedet af blot tilfældigt held.

Nogle forsøger i dag at sammenligne denne abeladede metafor med det seneste inden for kunstig intelligens (AI).

Du ved sandsynligvis, at den hotteste form for kunstig intelligens i disse dage er Generativ AI, som er eksemplificeret via en meget og vildt populær AI-app kendt som ChatGPT lavet af OpenAI. Jeg vil om et øjeblik forklare mere om generativ AI og ChatGPT. For lige nu skal du bare vide, at dette er en tekst-til-tekst eller tekst-til-essay AI-app, der kan producere et essay til dig baseret på en indtastet prompt efter dit valg.

Den påståede forbindelse i forbindelse med den legendariske skriveabe er, at de imponerende, outputtede essays produceret af generativ AI, der ser ud til at være fuldstændig flydende, ikke er mere forbløffende end den skrivende primats præstationer. Hvis du accepterer præmissen om, at en abe, der tilfældigt skriver, kan generere Shakespeares værker, og hvis du er villig til at indrømme, at ChatGPT og anden generativ AI tilsyneladende er den samme, må du derfor konkludere, at generativ AI slet ikke er særlig bemærkelsesværdig. Det er blot tilfældigheder, der narrer os.

Nå, det kan virke som en overbevisende sag, men vi er nødt til at pakke den ud. En opmærksom udpakning vil vise, at sammenligningen mellem de to er vildledende og åbenlyst forkert.

Stop med at sammenligne. For dem, der insisterer på at fortsætte med at foretage en sammenligning, bedes du i det mindste gøre det på en forsigtig og overordnet måde.

Dem, der blot kaster rundt på sammenligningen, gør en bjørnetjeneste for generativ AI. Og den mere afgørende bekymring er, at dette er vildledende for den brede offentlighed og samfundet som helhed. Jeg formoder, at vi også kunne tilføje, at de også gør de hårdtarbejdende aber en bjørnetjeneste, eller måske underminerer værdien af ​​sætningen om uendelig skrive-aber. Vær retfærdig. Vær sød. Vær sandfærdig.

Inden vi kommer ind i et dybt dyk om dette, er der en insider-joke, der udnytter forestillingen om skriveabe. Du kan måske lide det.

Den kyniske smule humor spores ofte til personlig korrespondance under internettets indledende storhedstid. Det var, da internettet var på vej ud af at være et dystert seriøst online-rige og ind i det uhængte territorium af støjende, larmende og uregerlige, efterhånden som antallet af mennesker, der bruger internettet, steg påviselig.

Den humoristiske anekdote siger, at hvis aber, der skriver på skrivemaskiner, i sidste ende ville producere eller skal vi sige gengive hele værket af Shakespeare, har vi nu beviser for, at takket være internettets fremkomst må dette bestemt ikke Vær ærlig.

Griner du?

Nogle opfatter dette som en voldsomt sjov bemærkning.

Joken er en nedsættelse af, hvordan Internettet med alle dets frådende og udspyende opslag næsten er ved at stige til niveauet for at producere Shakespeare. Det er en skarpt skærende bemærkning, der fremhæver, at internettet formentlig ikke har ophøjet diskurs, men i stedet nedgjort diskurs. Mange antog, at internettet ville være en velsignelse for intelligent interaktion, hvilket giver mulighed for tankevækkende diskussioner over hele kloden. Det ser ud til, at vi ikke nødvendigvis har været vidne til dette på et så stort grundlag som håbet.

Naturligvis ville vi være skødesløse ved at tage vittigheden som en sand varsel om, hvad internettet har frembragt. Der er masser af gode afsløringer og bemærkelsesværdige værdier forbundet med internettet. Joken er en udsmykning eller overdrivelse. Ikke desto mindre er pointen veloverstået, at vi skal være på vagt over for lumsk og rendyrket indhold, samtidig med at vi sigter mod at finde og opløfte samfundsinspirerende værker via brugen af ​​internettet. For min dækning om hvordan AI både kan hjælpe og alligevel i en dobbelt anvendelse mode undergraver samfundsdiskursen via negative opslag på internettet, se min diskussion på linket her.

I dagens klumme vil jeg tage fat på de væsentlige forskelle mellem generativ AI og den klassiske fortælling om de skrivende aber. Jeg vil forklare, hvor sammenligningen kommer til kort. Du vil utvivlsomt ende med at vide mere om type-aber-sætningen, sammen med at forstå mere konkret, hvordan generativ AI fungerer. Jeg vil lejlighedsvis henvise til ChatGPT, da det er 600-punds gorilla af generativ AI (pun intended), men husk, at der er masser af andre generative AI-apps, og de er generelt baseret på de samme overordnede principper.

I mellemtiden undrer du dig måske over, hvad generativ AI i virkeligheden er.

Lad os først dække det grundlæggende i generativ AI, og så kan vi se nærmere på sammenligningerne af typeaber-sætningen.

Ind i alt dette kommer en række overvejelser om AI-etik og AI-lov.

Vær opmærksom på, at der er løbende bestræbelser på at gennemsyre etiske AI-principper i udviklingen og anvendelsen af ​​AI-apps. Et voksende kontingent af bekymrede og tidligere AI-etikere forsøger at sikre, at bestræbelserne på at udtænke og vedtage AI tager hensyn til et syn på at gøre AI til gode og afværge AI For Bad. Ligeledes er der foreslået nye AI-love, der bliver fløjtet rundt som potentielle løsninger for at forhindre AI-bestræbelser fra at gå amok med menneskerettigheder og lignende. For min løbende og omfattende dækning af AI-etik og AI-lovgivning, se linket her , linket her, For blot at nævne nogle få.

Udviklingen og udbredelsen af ​​etiske AI-forskrifter forfølges for forhåbentlig at forhindre samfundet i at falde i et utal af AI-inducerende fælder. For min dækning af FN's AI-etiske principper som udtænkt og støttet af næsten 200 lande via UNESCOs indsats, se linket her. På samme måde undersøges nye AI-love for at forsøge at holde AI på en jævn køl. Et af de seneste optagelser består af et sæt foreslåede AI Bill of Rights som det amerikanske Hvide Hus for nylig udgav for at identificere menneskerettigheder i en tidsalder med kunstig intelligens, se linket her. Det kræver en landsby at holde AI- og AI-udviklere på en retfærdig vej og afskrække den målrettede eller utilsigtede underhåndsindsats, der kan underbyde samfundet.

Jeg vil flette AI-etik og AI-lovrelaterede overvejelser ind i denne diskussion.

Grundlæggende om generativ AI

Den mest kendte forekomst af generativ AI er repræsenteret af en AI-app ved navn ChatGPT. ChatGPT sprang ind i den offentlige bevidsthed tilbage i november, da den blev udgivet af AI-forskningsfirmaet OpenAI. Lige siden ChatGPT har høstet store overskrifter og forbavsende overskredet sine tildelte femten minutters berømmelse.

Jeg gætter på, at du sikkert har hørt om ChatGPT eller måske endda kender nogen, der har brugt det.

ChatGPT betragtes som en generativ AI-applikation, fordi den tager noget tekst fra en bruger som input og derefter genererer eller producerer et output, der består af et essay. AI'en er en tekst-til-tekst-generator, selvom jeg beskriver AI'en som værende en tekst-til-essay-generator, da det lettere tydeliggør, hvad den almindeligvis bruges til. Du kan bruge generativ kunstig intelligens til at komponere lange kompositioner, eller du kan få den til at give ret korte pittige kommentarer. Det hele er efter dit bud.

Alt du skal gøre er at indtaste en prompt, og AI-appen genererer et essay til dig, der forsøger at svare på din prompt. Den komponerede tekst vil virke, som om essayet er skrevet af den menneskelige hånd og sind. Hvis du skulle indtaste en prompt, der sagde "Fortæl mig om Abraham Lincoln", vil den generative AI give dig et essay om Lincoln. Der er andre former for generativ AI, såsom tekst-til-kunst og tekst-til-video. Jeg vil her fokusere på tekst-til-tekst-variationen.

Din første tanke kunne være, at denne generative evne ikke virker som en så stor sag med hensyn til at producere essays. Du kan nemt foretage en onlinesøgning på internettet og let finde tonsvis af essays om præsident Lincoln. Kickeren i tilfælde af generativ AI er, at det genererede essay er relativt unikt og giver en original komposition snarere end en kopi. Hvis du skulle prøve at finde det AI-producerede essay online et sted, ville du sandsynligvis ikke opdage det.

Generativ AI er præ-trænet og gør brug af en kompleks matematisk og beregningsmæssig formulering, der er blevet sat op ved at undersøge mønstre i skrevne ord og historier på tværs af nettet. Som et resultat af at undersøge tusinder og millioner af skrevne passager, kan AI'en udspy nye essays og historier, der er en blanding af det, der blev fundet. Ved at tilføje forskellige probabilistiske funktioner, er den resulterende tekst temmelig unik i forhold til, hvad der er blevet brugt i træningssættet.

Der er mange bekymringer om generativ AI.

En afgørende ulempe er, at essays produceret af en generativ-baseret AI-app kan have forskellige løgne indlejret, herunder åbenlyst usande fakta, fakta, der er vildledende portrætteret, og tilsyneladende fakta, der er helt opdigtede. Disse opdigtede aspekter omtales ofte som en form for AI hallucinationer, et slagord, som jeg ikke favoriserer, men som desværre synes at vinde populær indpas alligevel (for min detaljerede forklaring om, hvorfor dette er elendig og uegnet terminologi, se min dækning på linket her).

En anden bekymring er, at mennesker let kan tage æren for et generativt AI-produceret essay, på trods af at de ikke selv har skrevet essayet. Du har måske hørt, at lærere og skoler er ret bekymrede over fremkomsten af ​​generative AI-apps. Studerende kan potentielt bruge generativ AI til at skrive deres tildelte essays. Hvis en elev hævder, at et essay er skrevet af deres egen hånd, er der ringe chance for, at læreren kan skelne, om det i stedet er smedet af generativ AI. For min analyse af denne elev og lærer forvirrende facet, se min dækning på linket her , linket her.

Der har været nogle sindssyge store påstande på sociale medier om Generativ AI hævder, at denne seneste version af AI faktisk er følende AI (nej, de tager fejl!). Dem i AI-etik og AI-lov er især bekymrede over denne spirende tendens med udstrakte påstande. Du kan høfligt sige, at nogle mennesker overvurderer, hvad nutidens AI faktisk kan. De antager, at AI har egenskaber, som vi endnu ikke har været i stand til at opnå. Det er uheldigt. Endnu værre, de kan tillade sig selv og andre at komme i alvorlige situationer på grund af en antagelse om, at AI'en vil være sansende eller menneskelignende i at kunne handle.

Antropomorf ikke AI.

Hvis du gør det, bliver du fanget i en klæbrig og hård afhængighedsfælde, hvor du forventer, at AI'en gør ting, den ikke er i stand til at udføre. Når det er sagt, er det seneste inden for generativ AI relativt imponerende for, hvad det kan. Vær dog opmærksom på, at der er betydelige begrænsninger, som du hele tiden bør huske på, når du bruger en generativ AI-app.

En sidste advarsel for nu.

Hvad end du ser eller læser i et generativt AI-svar synes skal formidles som rent faktuelle (datoer, steder, personer osv.), sørg for at forblive skeptisk og være villig til at dobbelttjekke, hvad du ser.

Ja, datoer kan opdigtes, steder kan finde på, og elementer, som vi normalt forventer at være hævet over bebrejdelser, er alle underlagt mistanke. Tro ikke på, hvad du læser, og hold et skeptisk øje, når du undersøger generative AI-essays eller output. Hvis en generativ AI-app fortæller dig, at Abraham Lincoln fløj rundt i landet i sit private jetfly, ville du utvivlsomt vide, at dette er malarky. Desværre er nogle mennesker måske ikke klar over, at jetfly ikke var til stede i hans tid, eller de ved måske, men undlader at bemærke, at essayet fremsætter denne frekke og skandaløst falske påstand.

En stærk dosis sund skepsis og en vedvarende tankegang af vantro vil være dit bedste aktiv, når du bruger generativ AI.

Vi er klar til at gå ind i næste fase af denne opklaring.

Hvad sker der med disse skriveaber

Nu hvor du har et billede af, hvad generativ AI er, kan vi udforske sammenligningen med de skrivende aber. På en måde vil jeg trin-for-trin gradvist adskille abe-typesætningen. Det gør jeg for at belyse grundlaget. Vi kan derefter bruge de afslørede elementer til at sammenligne med generativ AI.

Typing monkeys-sætningen eller -hypotesen indeholder et kernesæt af elementer:

• a) Hvem eller hvad. Det identificerede væsen eller skuespilleren, der skriver
• b) Antal og levetid. Hvor mange af dem er der og deres levetidsstatus
• c) Udsendte symboler. Fremstilling af bogstaver og kendte symboler via en rudimentær enhed
• d) Tid. Varighed af udførelse af opgaven
• e) Efterretninger. Hvilken viden giver de til udførelsen af ​​opgaven
• f) Målrettet output. Det målrettede output af det, vi ønsker, at de skal producere

Lad os først undersøge de skrivende aber.

Du husker måske, at jeg nævnte ved åbningen af ​​denne diskussion, at vi skulle forestille os, at en abe skrev på en skrivemaskine. Jeg henviste til de grundlæggende begreber som indebærer, at kun én abe gør det. Vi kan justere den facet.

Her er måder, hvorpå situationen ofte skildres:

• En ensom abe i en dagligdags jordisk tilværelse
• Tusind af sådanne aber
• En million sådanne aber
• Et uendeligt antal af sådanne aber
• En ensom abe, der er udødelig
• Et eller andet antal udødelige aber
• Osv

Læg mærke til, at i stedet for kun at have én abe, kan vi omarbejde tankeeksperimentet og have et væld af aber, der formentlig arbejder samtidigt. Desuden er et andet justerbart aspekt, om aberne er dødelige eller udødelige. Jeg vil grave videre i dette et øjeblik.

Vi er også nødt til at inkludere faktoren tid som en afgørende ingrediens.

Normalt er tidsfaktoren en af ​​disse to overvejelser:

• Begrænset tidsrum
• Uendelig tid

Et andet noget uudtalt underliggende element er, at der bliver brugt aber i dette tilfælde, fordi vi anser dem for at være relativt uovervejede. De ved ikke, hvordan de skal læse eller skrive. De er ikke i stand til at udvise intelligens på samme måde, som vi forbinder intelligens med menneskelige kapaciteter.

Dette er noget fornærmende, når du tænker lidt over det. Jeg tror, ​​at vi alle med rimelighed kan blive enige om, at aber er forbløffende smarte, i det mindste for hvad de kan udrette inden for deres tankegrænser. Jeg vil vove at påstå, at vi tillægger aber større tænkeevne, end vi gør til mange andre dyr. Der er masser af flittige forskningseksperimenter, der er blevet udført for at vise, hvor mentalt skarpe aber kan være.

Under alle omstændigheder, med henblik på metaforen, er antagelsen, at aber ikke er i stand til at tro i en grad, at de af egen drift kunne forestille sig Shakespeares værker. Hvorimod den klassiske film Apæernes Planet forsøgte at advare os om, at dette kan være en fejlagtig antagelse, vi går under alle omstændigheder med det i dagens verden.

Hvis vi erstattede brugen af ​​myrer med aberne, forsvinder metaforen noget. Vi opfatter ikke myrer som værende i stand til at skrive på skrivemaskiner. Vi kunne prøve at erstatte brugen af ​​hunde eller katte, da de næsten kunne skrive på en skrivemaskine, men i sidste ende er brugen af ​​aber bedst, da de kan skrive på en måde, der minder om, at mennesker skriver. De har den passende lemmer og kropsstruktur til at udføre opgaven ved hånden. De betragtes også mentalt som i stand til at skrive, selvom vi antager, at de ikke ved, hvad de skriver.

Derudover har der været mange forskningseksperimenter, der involverer aber og deres genkendelse af symboler. Inkluderet i disse forskellige undersøgelser har været opsætninger, der fik aberne til at skrive på skrivemaskiner eller lignende enheder. Hvis det gøres korrekt, kan dette være meningsfuldt i jagten på nyttig indsigt om intelligens og opståen af ​​intelligent adfærd.

Desværre er den forskning, der indebærer at skrive på skrivemaskiner, til tider ikke udført i en særlig seriøs ånd. Til tider har den anvendte tilgang ikke været andet end et svagt blink-blink nik til den berømte eller berygtede abe-tastesætning, snarere end til bona fide grundlæggende forskningsaktiviteter. Jeg finder ikke sådanne løjer morsomme eller ordentlige. Forestillingen har været, at aber fysisk fik skrivemaskiner og opfordret til at skrive som baseret på deres indfald eller nogle gange for godbidder såsom mad. Medmindre dette er gjort på en bona fide robust eksperimentel måde, er det intet andet end en facade.

Et lille twist, der er mere behageligt, består i at opsætte computerbaserede simuleringer, der foregiver at udføre, hvad aber kan gøre under disse omstændigheder. Computeren bruges til at simulere disse aspekter. Der er ingen egentlige aber involveret. Nogle er endda gået så langt som at lave lidt af såkaldte borgervidenskab ved at uddele simuleringen til alle, der er villige til at tillade, at deres bærbare eller computer bruges til disse bestræbelser. Fald ikke for falske svindelnumre, der snigende hævder, at de gør dette for videnskaben, når virkeligheden er, at de forsøger at inficere din computer med en computervirus. Vær på vagt.

Tilbage til sagen.

Et aspekt, der også er medvirkende til omstændighederne, er, at skrivemaskiner bliver brugt i denne skrive-abe-hypotetiske.

Hvorfor skrivemaskiner?

For det er sådan, vi kan få produktion af bogstaver, som så kan formes til ord, som så kan formes til historier. Den samme eller lignende forestilling om at producere mange bogstaver kræver ikke nødvendigvis, at vi skriver dem. Der er faktisk varianter af denne metafor, der går tilbage til Aristoteles' dage, og der var altså ikke skrivemaskiner dengang.

Vi kunne ændre metaforen og henvise til nutidens tastaturer og computere. Vi kan sige, at aberne banker væk på en bærbar computer eller måske endda på en smartphone. Det smukke ved at henvise til skrivemaskiner er, at vi forbinder skrivemaskiner som værende ikke-computeriserede, og derfor hjælper de ikke i selve skriveprocessen. Dette er afgørende for den involverede udformning.

Til sidst præsenteres vi normalt for det aspekt, at Shakespeares værker skal produceres. Vi kunne let erstatte Shakespeare med enhver anden kendt forfatter. Det kunne være, at vi gerne vil vide, om aberne kan producere hele Charles Dickens, Jane Austens, Ernest Hemingways værker og så videre. Det betyder ikke noget særligt. Essensen er, at skriften skal være noget, som vi alle kender, og som vi anerkender som enestående skrivning.

Vi kan let erstatte enhver skrift, som vi ønsker at sætte som mål.

Bekvemmeligheden ved at henvise til Shakespeare er, at hans værker er fortolket som det øverste eller højdepunktet af menneskelig skrift. Vi kunne i stedet finde et essay skrevet af en første klasse og bruge det som mål. Tro det eller ej, de samme forskrifter gælder stadig. Folk ville nok ikke finde det inspirerende, at aberne var i stand til at gengive et barns skrift. For at holde tingene engagerende skal skrivningen være af højeste kaliber.

En variant af det målrettede output ville være at henvise til et specifikt værk af Shakespeare i stedet for hele hans værk. Som du snart vil se, gør det ikke meget for sagens kerne. Jeg vil gætte på, at mange mennesker har en tendens til at nævne Hamlet som en del af abe-typesætningen, måske fordi dette tilfældigvis var hans længste spil, der beløber sig til en rapporteret 29,551 ord i størrelse (sammensat af omkring 130,000 bogstaver eller deromkring).

Ethvert af hans skuespil ville være tilstrækkeligt.

Hele opfindelsen afhænger af de forskellige sandsynlighedslove. Du har måske lært om nuancerne af sandsynligheder i de opslidende klasser om statistik og matematik, som du tog i skolen.

Lad os bruge ordet "Hamlet" for at se, hvad der skal til for at producere de seks bogstaver tilfældigt i den specifikke sekvens af Hamlet.

Den nemmeste måde at aritmetisk beregne dette på består i at antage, at vi har et let rundt tal på antallet af tilgængelige taster på en skrivemaskine. Antag, at vi har en skrivemaskine, der har 50 forskellige og lige brugbare taster. Hver tast repræsenterer et bestemt symbol, såsom symbolerne i det sædvanlige engelske alfabet. Antag, at tasterne er arrangeret i tilfældig rækkefølge, og at vi ikke har rigget situationen ved at placere Hamlets separate taster i et bestemt arrangement for at få til at skrive de specifikke taster mere end nogen andre taster.

Hver tast trykkes helt uafhængigt af, hvilken tast der er blevet trykket før den. Derfor, ud af de 50 taster, betragtes chancerne for, at enhver tast bliver trykket som 1 ud af 50 chancer. Det samme gælder for alle tasterne og gennem hele skriveindsatsen. Beregningen for en enkelt tast, der trykkes på, er en chance på 1 ud af 50, eller det er 1/50.

Chancerne for at skrive bogstavet "H" er 1/50, og chancerne for at skrive bogstavet "a" er 1/50, og chancerne for at skrive bogstavet "m" er 1/50, og så videre.

Dette er:

• Sandsynligheden for at "H" bliver skrevet er 1/50.
• Sandsynligheden for at "a" bliver skrevet er 1/50.
• Sandsynligheden for at "m" bliver skrevet er 1/50.
• Sandsynligheden for at "l" bliver skrevet er 1/50.
• Sandsynligheden for at "e" bliver skrevet er 1/50.
• Sandsynligheden for at "t" bliver skrevet er 1/50.

En standardregel eller lov om sandsynlighed siger, at hvis to eller flere begivenheder er fuldstændig statistisk uafhængige af hinanden, kan vi beregne chancerne for, at de begge opstår ved blot at gange deres sandsynlighed med hinanden. Det kan vi gøre med disse seks breve.

Vi har denne beregning: "H" (1/50) x "a" (1/50) x "m" (1/50) x "l" (1/50) x "e" (1/50) x "t" (1/50)

Det vil sige: (1/50) x (1/50) x (1/50) x (1/50) x (1/50) x (1/50)

Det lille tal kommer til 1 / 15,625,000,000.

Chancerne for at skrive ordet "Hamlet" på seks bogstaver er omkring en ud af 15 milliarder, alt andet lige.

Det er skræmmende odds. Og dette er kun til at skrive et bestemt ord på seks bogstaver. Prøv at anvende den samme beregning på de 29,551 ord i hele Hamlet-stykket. Hvis du beslutter dig for at beregne dette, skal du også indse, at der skal tages højde for mellemrummene mellem ordene.

Jo længere det målrettede output er, jo større er chancerne for, at vi kan generere disse præcise sæt bogstaver og ord. Oddsene bliver mindre og mindre. Chancerne er så små, at vi næsten ville kaste håndklædet i ringen og sige, at det ser ud til, at det "aldrig" ville ske (vær forsigtig, når du bruger ordet "aldrig", da det er en formidabel påstand).

Tag for eksempel en dødelig abe.

Ifølge forskellige velrenommerede onlineindikationer er den sædvanlige levetid for en abe i naturen omkring 40 år eller deromkring. Hvis du vil diskutere den levetid, kan vi bare bruge tallet 100 og fortsætte med en ret usandsynlig øvre grænse. En abe, der skriver på en skrivemaskine non-stop i f.eks. hundrede år, ikke inklusive tid til at hvile, tid til at spise eller lignende, og antager, at det er alt, hvad aben gjorde fra fødslen til deres sidste åndedrag, vandt stadig 't hjælpe endda op på odds skrive af Hamlet alt sagt (aben, hvis den skrev en tast hvert sekund non-stop i de 100 år, ville trykke omkring 3,155,673,600 taster).

Vi kan med rimelighed sige, at det er enormt usandsynligt, at en dødelig abe kan ende med at skrive tilfældigt stykket Hamlet.

Du kan øge antallet af dødelige aber, men det gør ikke meget for at rokke ved de overvældende odds mod at skrive Hamlet. Nogle hævder, at der er tusinde aber. En anden tilgang siger, at der er en million aber. Hvis vi antager, at de alle blev 100 år gamle, og hver skrev en tilfældig tast på deres egen respektive skrivemaskine i et konstant tempo på en tast pr. Hamlet.

Overvej alt dette.

Noget tungen i kinden, hvor præcist ville du huse en million aber til denne opgave? Forestil dig også, at skrivemaskinerne skal holde i hundrede års kontinuerlig brug (kan du finde en million fungerende skrivemaskiner, som ingen ønsker og er villige til at donere til dette tidligere projekt?). Det ser ud til, at du skal have en masse ekstra skrivemaskiner klar med det samme. Og så videre. Logistikken er svimlende.

Alt dette virker så dystert, at de dødelige aber sandsynligvis ikke vil formere sig Hamlet.

Men antag, at vi gør dem udødelige. Ja, vi giver dem en trylledrikk, der lader dem leve evigt. Vi har ikke engang brug for mere end én udødelig abe. Kun én duer. Det kan måske gøre metaforen mere spændende at påstå, at vi har tusind eller en million udødelige aber.

Hvis vi har en abe, der kan leve evigt, kan vi foreslå, at dette er en uendelig abe. Den kan i uendelig tid dunke afsted på tasterne på skrivemaskinen. Den abe vil bare fortsætte og gå. Derfor, selvom chancerne for at skrive stykket Hamlet var ekstremt små, tyder det aspekt, som aben uendeligt vil fortsætte med at prøve, på, at skuespillet på et tidspunkt Hamlet vil næsten sikkert være blevet skrevet ud.

Tommelfingerreglen er sådan set, at et forløb af begivenheder, der har en chance for at ske, der ikke er nul, omend med usædvanligt lave chancer, vil vi med rimelighed være enige om, næsten næsten vil indtræffe, hvis vi har uendelig tid til at lege med, alt andet lige. Dem i matematik- og statistikfelterne er tilbøjelige til at beskrive den samme betragtning via brugen af ​​strenge eller endda binære tal på 0 og 1. Hvis du har et begrænset sæt af symboler, og der er en uendelig streng af dem, hvorved hvert symbol har blevet valgt ensartet tilfældigt, er der en endelig streng derinde, som du næsten sikkert kunne forudse ville forekomme.

Der er en stor fangst ved alt dette.

Vi lever i en verden af ​​begrænset. Ingen af ​​os ser ud til at have uendelig tid til rådighed. Til dem af jer, der siger, at I gør, kudos. Min hat går af for dig.

Hvis du påtvinger de skrivende aber den endelige verden, vil du finde dig selv at ramme en ret hård mur. Analyser af skrive-abe-sætningen vil stort set give sandsynligheden for opnåelse af stykket Hamlet er tæt nok på nul i begrænset tid til, at det for ethvert begrundet operationelt grundlag simpelthen ikke er sandsynligt, at det vil ske. Den sædvanlige skildring er, at hvis du brugte lige så mange aber, som der er atomer i det kendte univers, og de blev ved med at skrive i mange zillioner af gange af universets tidsrum, så ser du stadig på ufatteligt små, uudgrundelige odds for at se Spil Hamlet.

Typing abe-sætningen er noget af et tuderi og er ofte rangeret som værende blandt de syv bedste tankeeksperimenter i vor tid. Du er velkommen til at foretage en yderligere undersøgelse af sætningen, da der er masser af analyser tilgængelige online. Det er en levende og underholdende måde at få styr på sandsynlighed og statistik. I stedet for udelukkende at beskæftige dig med tørre tal, kommer du til at forestille dig de sjove, tumultaber og alle de gammeldags klik-clackity-skrivemaskiner.

Vi er nu klar til at bringe generativ kunstig intelligens ind i aber og skrivemaskiners gåde.

Generativ AI bliver irriteret af de skrivende aber

Forudsætningen, som vi skal undersøge nærmere, er den omstridte påstand om, at generativ AI såsom ChatGPT ikke er anderledes end de skrivende aber. Det siges, at hvis ChatGPT eller enhver generativ AI kan producere Hamlet eller lignende kendte værker, er dette helt og aldeles et tilfældigt resultat, der med sandsynlighed er opstået på samme måde, som aber kunne komme til at skrive dette længe værdsatte og dybt ærede Shakespeare-skuespil op.

Undskyld, det er forkert tænkning om dette vægtige emne.

Lad os se hvorfor.

Lad os først gennemgå og uddybe, hvad generativ AI består af.

Husk på, at jeg tidligere har angivet, at generativ AI er software, der indebærer brug af algoritmer til at datatræne den tekst, der findes på internettet og via andre beslægtede kilder. En bred vifte af mønstermatching har matematisk og beregningsmæssigt identificeret mønstre blandt de millioner og atter millioner af fortællinger og essays, som vi mennesker har komponeret.

Ordene har ingen særlig betydning for sig selv. Tænk på dem som objekter. Inden i computeren er de repræsenteret som tal, som vi betegner som tokens. De bruges som et bekvemt middel til at forbinde andre ord eller tokens med hinanden, hvilket gør det i en dybdegående og indviklet statistisk web-lignende struktur.

Nogle inden for kunstig intelligens er bekymrede for, at dette ikke er andet end det, der omtales som en stokastisk papegøje.

Ser du, snarere end at forsøge at forbinde nogle antydninger af "betydning" til ordene, er dette i stedet blot en omfattende indeksering af ord, der ser ud til at blive brugt omkring eller ved siden af ​​andre ord. I modsætning hertil antager vi, at mennesker kan "forstå" ordenes natur og betydning.

Overvej din daglige adgang til tilstedeværelsen af ​​ord-til-ord-korrespondancer. På samme måde som når du bruger en almindelig autofuldførelsesfunktion i dit tekstbehandlingssoftware, regner computeren matematisk ud, at et bestemt ord normalt efterfølges af et andet bestemt ord, som igen efterfølges af et andet bestemt ord, og så videre. Således kan du ofte begynde at skrive en sætning, og tekstbehandlingspakken vil vise dig et bud på, hvad de ekstra ord i sætningen vil være.

Det er et gæt, fordi statistisk set kan disse være de sædvanlige ord i sætningen, men du har måske noget andet i tankerne at sige, og derfor er forudsigelsen ude af det, du ville skrive. Der findes formodentlig nok andre eksempler på sætninger, der bruger de ord, som algoritmen er i stand til at vurdere, at du sandsynligvis vil afslutte sætningen med de forudsagte ord. Dette er ikke jernbeklædt. Der er heller ingen "betydning" forbundet med dette beregningsmæssige gæt.

Nogle AI-forskere hævder, at for at opnå ægte AI, ofte opfundet som Kunstig generel intelligens (AGI), vi bliver nødt til på en eller anden måde at indkode en endnu opdaget eller opfundet form for "forståelse" til computere (se min klumme for adskillige indlæg om AGI og forfølgelsen af ​​AGI). De bekymrer sig om, at manien over generativ AI ikke er mere end en blindgyde. Vi vil blive ved med at forsøge at skubbe længere og længere den generative AI ved at opskalere størrelsen af ​​computernetværkene og kaste mere og mere computerprocessorkraft på sagen. Alt det vil være til ingen nytte, når det kommer til at ankomme til AGI, hævder de.

En ekstra betænkelighed er, at denne jagt på en formodet blindgyde måske distraherer os fra den korrekte eller korrekte fremgangsmåde. Vi vil bruge enorm energi og kræfter på en misforstået sluttilstand. Sikker på, generativ AI kan være forbløffende ved mimicry-tricket, men det kan være, at dette har lidt eller intet at gøre med AGI. Vi kunne narre os selv til at spilde dyrebart fokus. Vi kan forsinke eller måske endda undlade at komme til AGI på grund af denne lokkende distraktion.

I hvert fald, med henblik på skriveaber, lad os vende tilbage til det overordnede problem.

Vi skal overveje disse bemærkelsesværdige faktorer:

• 1) Følende versus ikke sansende
• 2) Tænke versus ikke "tænke"
• 3) Begrænsede tankeprocesser versus computerbaserede algoritmer og mønstermatching
• 4) Utrænet eller ude af stand til at træne i forhold til beregningsdata trænet

Lad os tage fat på hver enkelt af disse faktorer.

Sentient Versus Ikke Sentient

Jeg tror, ​​vi kan indrømme, at aber er følende væsener. Uanset hvor smarte eller manglende klogskaber du måske ønsker at argumentere for, de er; de er unægtelig sansende. Det er et faktum. Ingen kan med rimelighed hævde andet.

Dagens kunstige intelligens er ikke sansende. Periode, punktum.

Desuden påstår jeg, at vi ikke er i nærheden af ​​AI-sans. Andre kan selvfølgelig være uenige. Men enhver med rimelig ro vil være enig i, at nutidens AI ikke er sansende. For min analyse af den afgrundsdybt fejlagtige mærkning af AI-sans af den Google-ingeniør sidste år, se min diskussion på linket her.

Så en afgørende forskel mellem de ivrigt skrivende aber og nutidens generative AI er, at aberne er følende væsener, mens AI'en ikke er det. Oven i dette er det ofte en glidebane at begynde at sammenligne nutidens AI med noget sansende. Der er en tendens til at antropomorfe AI. Jeg opfordrer indtrængende til, at for at forsøge at forhindre denne nemme mentale fælde i at ramme os, undgår vi enhver sammenligning mellem AI og følende væsener, medmindre vi er over bord og tydeligt eksplicit identificerer og afgrænser denne forskel.

Få om nogen gør den afgrænsning, når man sammenligner de skrivende aber og generativ AI. De antager, at du enten allerede vil indse, at der er denne forskel, eller også er de ligeglade med, at der er forskel, eller de har ikke tænkt over det osv.

At tænke versus ikke at "tænke"

Jeg vil påstå, at aber kan tænke. De er tænkende væsener. Vi kan let diskutere, hvor meget de kan tænke. Du må næsten helt sikkert være enig i, at aber kan tænke.

Nutidens AI af alle slags, inklusive generativ AI, stiger ikke til, hvad jeg betragter som den menneskelige kapacitet tænker.

Jeg vil gentage mit netop nævnte omkvæd relateret til sansning. Det er vildledende, og jeg hævder forkert at gå rundt og sige, at nutidens AI kan tænke. Desværre gør folk dette hele tiden, inklusive AI-forskere og AI-udviklere. Jeg mener, at dette endnu en gang er uheldig og uovervejet antropomorfisering. Du giver en antydning af kapacitet eller evner til AI, som ikke er der, og som vil misinformere samfundet som helhed om sagen. Stop med at gøre det her.

Generativ AI er en kompleks web-lignende struktur af matematiske og beregningsmæssige egenskaber. Det er beundringsværdigt. Det er smaskens af, hvad dette opnår. Jeg tror ikke, at nogen rimelig fortolkning af "tænkning", som vi opfatter det, i al sin herlighed, passer til denne AI.

Begrænsede tænkeprocesser versus computerbaserede algoritmer og mønstertilpasning

Aber er begrænsede i deres tankeprocesser.

Du vil måske finde af interesse, at der er mange sammenligninger i den videnskabelige litteratur af abehjerner versus menneskers hjerner. Overvej for eksempel dette forskningsstudie: ”Den menneskelige hjerne er omkring tre gange så stor som hjernen hos vores nærmeste nulevende slægtning, chimpansen. Desuden indeholder en del af hjernen kaldet cerebral cortex - som spiller en nøglerolle i hukommelse, opmærksomhed, bevidsthed og tanke - dobbelt så mange celler hos mennesker som den samme region hos chimpanser. Netværk af hjerneceller i hjernebarken opfører sig også forskelligt hos de to arter” (i en artikel publiceret i eLIFE, september 2016, med titlen "Forskelle og ligheder mellem menneskelige og chimpanse neurale progenitorer under udvikling af hjernebarken").

Vi er alle klar over, at aber ikke er på niveau med menneskelig tænkning. Disse vidunderlige skabninger kan være indtagende og tænke overraskende meget, ingen tvivl om det. De stiger bare ikke til niveauet for menneskelig tænkning. Jeg vil fortryde at sige dette, når først aberne overtager menneskeheden.

Jeg sagde allerede for et øjeblik siden, at dagens AI ikke tænker. Jeg understregede, at det, AI laver, ikke bør mærkes som "tænkning", da det er vildledende og forvirrende.

Det er her, den generative AI overstråler aberne med hensyn til at bruge computerbehandling baseret på menneskeskabte algoritmer og baseret på menneskeskabte skrifter. Der er ringe eller ingen chance for, at den tænkende abe kan absorbere og mønstermatche den store brug af skrevne symboler, som mennesker har fundet på. Aber har ikke den slags tænkeevne.

Jeg tøver med at foreslå en sådan sammenligning i betragtning af mine andre udtrykte betænkeligheder. Men jeg angiver klart, hvad antagelserne er, og hvordan man korrekt og passende udfører denne analyse.

Utrænet eller ude af stand til at træne versus beregningsmæssigt datatrænet

I lighed med det, jeg lige sagde, vil du ikke være i stand til at træne en tænkende abe i den store brug af skrevne symboler for menneskeheden. Det kan du gøre på et ekstremt begrænset grundlag, og undersøgelser har vist, at aber tilsyneladende kan tænke på skrevne symboler. Dette er langt mindre end at kunne huske og gentage omfattende mønstre af ord, sætninger og hele fortællinger.

Generativ AI er en computerbaseret statistisk mimik, der kan datatrænes beregningsmæssigt. Hvis vi bliver ved med at fodre flere data, såsom yderligere tekster, som vi indsamler eller finder, er antagelsen og håbet, at de fundne mønstre bliver dybere og dybere. Desuden vil brug af hurtigere og hurtigere computerchips og -behandling også øge denne mønstertilpasning og responskapacitet.

Ser på bundlinjen

Hvis generativ AI skulle producere stykket Hamlet, hvad ville det betyde?

Først skal vi overveje, om historien eller skuespillet blev indført i den generative AI på tidspunktet for datatræningen. Hvis det er tilfældet, er der ikke noget særligt bemærkelsesværdigt eller bemærkelsesværdigt ved den generative AI, der senere udstøder de samme ord, som den tidligere havde scannet.

En AI-forsker kan være en smule forfærdet, fordi mønstertilpasningen formodentlig gik overbord, da han i det væsentlige havde lært ordene udenad. Vi henviser normalt til dette i maskinlæringsområdet som overmontering til de data, der blev brugt under træningen. Typisk ønsker man ikke, at de nøjagtige ord skal mønstres, man ønsker, at der skal dannes et generaliseret mønster.

Jeg har i mine spalter diskuteret bekymringen om, at vi til tider kan se indtrængen i privatlivets fred og afsløring af fortrolige data i tilfælde, hvor generativ AI foretog en præcis matchning snarere end en generaliseret matchning af fed data, se min dækning på linket her.

For det andet, antag, at stykket Hamlet blev ikke fodret ind i den generative AI. Den næste overvejelse ville være, om nogen af ​​Shakespeares værker var blevet scannet under datatræning.

I så fald kan det tænkes, at stykket Hamlet kunne produceres ud fra de mønstre, der er forbundet med Shakespeares andre værker, især hvis der er andre referencer eller omtaler af Hamlet andetsteds i datatræningssættet. Alle disse kunne potentielt udnyttes af mønster-matching til at danne en stil af Hamlet. Ganske vist at kunne generere Hamlet ord-for-ord ville være en udstrakt rækkevidde, et betydeligt øjenåbnende og overraskende resultat.

For det tredje, hvis generativ AI producerede hele Hamlet og var aldrig på forhånd blevet fodret med noget som helst om Shakespeare, ja, det ville være forbløffende. Det ville dog ikke nødvendigvis være helt det samme som den rent tilfældige natur at hakke væk i taster på en skrivemaskine. Vi er nødt til at indse, at Shakespeares ord er ord, og derfor er de en del af helheden af ​​formuleringer, der findes på tværs af det store udvalg af teksthistorier og fortællinger, der fødes ind i den generative AI. Du forbedrer oddsene ved at starte med ords hjørnesten og associationerne mellem ordene. Alligevel er chancerne ret ringe for, at noget som dette sker.

Konklusion

Når det kommer til at producere ord og essays, bliver generativ AI gangbustere, da den er baseret på menneskeskabte ord og essays (selvfølgelig skal vi håndtere fejl, løgne og AI-hallucinationer). AI'en "forstår" ikke de udsendte ord. Der er ingen der, der.

Du behøver ikke vente en uendelig periode for at se flydende essays og fuldt læsbare output. De sker dagligt og med et tryk på en knap. De er ikke rodet sammen, i hvert fald ikke det meste af tiden, på grund af at de er fremstillet af et mønster baseret på, hvad mennesker har skrevet. Mønstertilpasningen bør finjusteres yderligere og efterhånden god nok til at slanke en stor del af de mærkelige formuleringer, se min forklaring på, hvordan dette kan fungere, vist på linket her. Denne tuning vil løbende blive forfinet, og vi vil alle blive mere og mere betaget af, hvad generativ AI producerer.

Ordene er ikke rent tilfældigt valgt. Ordene er ikke rent tilfældigt stavet. Der er nogle sandsynlighedsaspekter, såsom når du genererer det outputtede essay, om hvilke ord der skal vælges. Men dette er stadig baseret på menneskelige skrifter og dermed formodentlig ikke rent tilfældigt. Det er baseret på et tilfældigt valg blandt en håndfuld eller et eller andet antal formuleringsmuligheder, der ellers alle statistisk ville være gennemførlige som det næste valgte ord eller sæt af ord.

Hvor passer aberne ind i dette?

Disse skriveaber er helt sikkert attraktive som grundlag for sammenligning med generativ AI. Aber producerer Hamlet kontra generativ AI-produktion Hamlet. Det er en spændende konkurrence. Man kan sige, at der overhovedet ikke er en konkurrence involveret. Den AI, der blev udtænkt af menneskeheden og er baseret på menneskehedens skrifter, har en uretfærdig fordel i den henseende.

Apropos at skrive aber, i en episode af The Simpsons, beslutter Mr. Burns at hyre aber til at gå videre og skrive på skrivemaskiner som en del af kontorets skrivepulje. Han er den slags overdrevne chef, der lystigt ville drage af at bruge aber i sit nødvendige kontorarbejde over brugen af ​​mennesker, hvis han kunne gøre det.

Fans af showet husker måske, hvad der sker.

Mr. Burns griber en af ​​de maskinskrevne sider og læser med ivrig forventning, hvad aben har skrevet. Han læser siden højt og siger ”Det var den bedste tid, det var den sløre af gange” (dvs. der er ét ord, der er rodet, “blurst” eller noget der lyder sådan). Han bliver fuldstændig rasende og fuldstændig skuffet over de "dumme aber" over, hvad de kan producere.

Vi ved, at hvis en abe skrev den del af Charles Dickens "A Tale Of Two Cities", burde vi være ekstatiske og hoppe af glæde. Ikke for Mr. Burns.

Som en sidste kommentar til denne diskussion burde vi måske påberåbe os den fulde sætning, som Charles Dickens skrev: "Det var den bedste af tider, det var den værste af tider, det var visdommens tidsalder, det var tåbelighedens tidsalder, den var troens epoke, det var vantroens epoke, det var lysets årstid, det var mørkets årstid, det var håbets forår, det var fortvivlelsens vinter."

Vi er ikke helt sikre på, hvor vi er på vej hen med kunstig intelligens. Nogle siger, at det bliver det bedste siden skiveskåret brød. Andre advarer om, at den kunstig intelligens, vi laver, vil være en eksistentiel risiko for menneskehedens overlevelse. Det er faktisk enten den bedste af tider eller den værste af tider.

Bliv ikke overrasket over at se generativ AI udsende netop disse ord. Bliv overrasket, hvis du tilfældigvis ser aber i en zoologisk have, som muligvis skriver på skrivemaskiner og formår at skrive de samme indsigtsfulde ord.

Lad mig venligst vide, hvis du ser det ske.

Jeg er villig til at vente længe på at dette sker, men sandsynligvis ikke uendeligt.