Ano ba talaga ang kayang gawin ng artificial intelligence ngayon

2024 May -akda: Malcolm Clapton | [email protected]. Huling binago: 2023-12-17 04:13

Spoiler alert: Matagal pa bago ang pag-aalsa ng mga makina.

Nang ipakilala ni Elon Musk ang humanoid robot na Tesla Bot, tila malapit na ang isang bagong rebolusyong siyentipiko. Kaunti pa - at malalampasan ng artificial intelligence (AI) ang tao, at papalitan tayo ng mga makina sa trabaho. Gayunpaman, sina Propesor Gary Marcus at Ernest Davis, parehong kilalang eksperto sa AI, ay hinihiling na huwag magmadali sa gayong mga konklusyon.

Sa Artificial Intelligence Reboot, ipinaliwanag ng mga mananaliksik kung bakit malayo sa perpekto ang modernong teknolohiya. Sa pahintulot ng publishing house na "Alpina PRO" Lifehacker ay nag-publish ng isang sipi mula sa unang kabanata.

Sa puntong ito, mayroong isang malaking agwat - isang tunay na bangin - sa pagitan ng aming ambisyon at ang katotohanan ng artificial intelligence. Ang bangin na ito ay lumitaw dahil sa hindi pagkalutas ng tatlong partikular na problema, na ang bawat isa ay dapat matapat na harapin.

Ang una sa mga ito ay ang tinatawag nating gullibility, na batay sa katotohanan na tayong mga tao ay hindi talaga natutong makilala ang pagkakaiba ng tao at ng mga makina, at ito ay nagpapadali sa atin na lokohin. Iniuugnay namin ang katalinuhan sa mga computer dahil tayo mismo ay umunlad at namuhay kasama ng mga taong higit na nakabatay sa kanilang mga aksyon sa mga abstraction tulad ng mga ideya, paniniwala, at pagnanasa. Ang pag-uugali ng mga makina ay kadalasang mababaw na katulad ng pag-uugali ng mga tao, kaya mabilis kaming nagtatalaga sa mga makina ng parehong uri ng mga pangunahing mekanismo, kahit na wala ang mga ito sa mga makina.

Hindi namin maiwasang mag-isip ng mga makina sa mga terminong nagbibigay-malay ("Sa tingin ng aking computer ay tinanggal ko ang aking file"), gaano man kasimple ang mga patakaran na talagang sinusunod ng mga makina. Ngunit ang mga konklusyon na nagbibigay-katwiran sa kanilang sarili kapag inilapat sa mga tao ay maaaring ganap na mali kapag inilapat sa mga programa ng artificial intelligence. Bilang paggalang sa isang pangunahing prinsipyo ng panlipunang sikolohiya, tinatawag namin itong pangunahing error sa bisa.

Ang isa sa mga pinakaunang pagkakataon ng error na ito ay naganap noong kalagitnaan ng 1960s, nang kumbinsihin ng isang chatbot na nagngangalang Eliza ang ilang tao na talagang naiintindihan niya ang mga bagay na sinasabi nila sa kanya. Sa katunayan, kinuha lang ni Eliza ang mga keyword, inulit ang huling sinabi ng tao sa kanya, at sa isang dead-end na sitwasyon ay ginamit niya ang karaniwang mga trick sa pakikipag-usap tulad ng "Sabihin sa akin ang tungkol sa iyong pagkabata." Kung binanggit mo ang iyong ina, tatanungin ka niya tungkol sa iyong pamilya, kahit na wala siyang ideya kung ano talaga ang pamilya o kung bakit ito mahalaga sa mga tao. Ito ay isang hanay lamang ng mga trick, hindi isang pagpapakita ng tunay na katalinuhan.

Sa kabila ng katotohanan na hindi naiintindihan ni Eliza ang mga tao, maraming mga gumagamit ang naloko sa mga pag-uusap sa kanya. Ang ilan ay gumugol ng maraming oras sa pag-type ng mga parirala sa keyboard, pakikipag-usap sa ganitong paraan kay Eliza, ngunit maling-interpret ang mga trick sa chatbot, napagkakamalang kapaki-pakinabang, taos-pusong payo o simpatiya ang pagsasalita ng loro.

Joseph Weisenbaum Tagalikha ni Eliza.

Ang mga taong alam na alam na nakikipag-usap sila sa isang makina ay nakalimutan ang katotohanang ito, kung paanong ang mga mahilig sa teatro ay pansamantalang isinantabi ang kanilang hindi paniniwala at nakalimutan na ang aksyon na kanilang nasaksihan ay walang karapatang tawaging totoo.

Ang mga kausap ni Eliza ay madalas na humihingi ng pahintulot para sa isang pribadong pag-uusap sa system at pagkatapos ng pag-uusap ay iginiit, sa kabila ng lahat ng aking mga paliwanag, na talagang naiintindihan sila ng makina.

Sa ibang mga kaso, ang pagkakamali sa pagtatasa ng pagiging tunay ay maaaring nakamamatay sa literal na kahulugan ng salita. Noong 2016, ang isang may-ari ng isang automated Tesla car ay umaasa nang labis sa tila kaligtasan ng autopilot mode na (ayon sa mga kuwento) ay lubusan niyang isinubsob ang kanyang sarili sa panonood ng mga pelikulang Harry Potter, na iniwan ang kotse upang gawin ang lahat nang mag-isa.

Naging maayos ang lahat - hanggang sa isang punto ay naging masama ito. Ang pagmamaneho ng daan-daan o kahit libu-libong milya nang walang aksidente, ang kotse ay bumangga (sa bawat kahulugan ng salita) na may hindi inaasahang balakid: isang puting trak ang tumawid sa highway, at si Tesla ay sumugod mismo sa ilalim ng trailer, na pinatay ang may-ari ng kotse sa lugar.. (Mukhang ilang beses na binalaan ng kotse ang driver na kontrolin, ngunit mukhang masyadong relaxed ang driver para mabilis na mag-react.)

Ang moral ng kuwentong ito ay malinaw: ang katotohanan na ang isang aparato ay maaaring mukhang "matalino" sa isang sandali o dalawa (at kahit na anim na buwan) ay hindi nangangahulugang ito ay totoo o kaya nitong makayanan ang lahat ng mga pangyayari kung saan ang isang tao ay magiging sapat na reaksyon.

Ang pangalawang problema ay tinatawag nating ilusyon ng mabilis na pag-unlad: ang maling pag-unlad sa artipisyal na katalinuhan, na nauugnay sa paglutas ng mga madaling problema, para sa pag-unlad, na nauugnay sa paglutas ng mga mahihirap na problema. Ito, halimbawa, ay nangyari sa IBM Watson system: ang pag-unlad nito sa larong Jeopardy! tila napaka-promising, ngunit sa katunayan ang sistema ay naging mas malayo sa pag-unawa sa wika ng tao kaysa sa inaasahan ng mga developer.

Posible na ang AlphaGo program ng DeepMind ay susunod sa parehong landas. Ang laro ng go, tulad ng chess, ay isang ideyal na laro ng impormasyon kung saan makikita ng mga manlalaro ang buong board anumang oras at kalkulahin ang mga kahihinatnan ng mga galaw sa pamamagitan ng brute force.

Sa karamihan ng mga kaso, sa totoong buhay, walang nakakaalam ng anumang bagay na may ganap na katiyakan; ang aming data ay kadalasang hindi kumpleto o nabaluktot.

Kahit na sa pinakasimpleng mga kaso, mayroong maraming kawalan ng katiyakan. Kapag nagpasya kami kung pupunta sa doktor sa paglalakad o sa subway (dahil ang araw ay maulap), hindi namin alam kung gaano katagal maghintay para sa tren sa subway, kung ang tren ay natigil sa kalsada, kung magsisiksikan tayo sa karwahe na parang herring sa isang bariles o mababasa tayo sa ulan sa labas, hindi mangahas na sumakay sa subway, at kung ano ang magiging reaksyon ng doktor sa ating pagkahuli.

Palagi kaming nagtatrabaho sa impormasyong mayroon kami. Ang paglalaro ng Go sa sarili nitong milyun-milyong beses, ang DeepMind AlphaGo system ay hindi kailanman humarap sa kawalan ng katiyakan, hindi nito alam kung ano ang kakulangan ng impormasyon o ang pagiging hindi kumpleto at hindi pagkakapare-pareho nito, hindi pa banggitin ang mga kumplikado ng pakikipag-ugnayan ng tao.

May isa pang parameter na ginagawang ibang-iba ang mga laro sa isip tulad ng sa totoong mundo, at muli itong may kinalaman sa data. Kahit na ang mga kumplikadong laro (kung ang mga patakaran ay sapat na mahigpit) ay maaaring mamodelo nang halos perpekto, kaya ang mga artificial intelligence system na naglalaro sa kanila ay madaling mangolekta ng malaking halaga ng data na kailangan nila upang sanayin. Kaya, sa kaso ng Go, maaaring gayahin ng isang makina ang isang laro sa mga tao sa pamamagitan lamang ng paglalaro laban sa sarili nito; kahit na ang system ay nangangailangan ng terabytes ng data, ito mismo ang lilikha nito.

Ang mga programmer ay maaaring makakuha ng ganap na malinis na data ng simulation na may kaunti o walang gastos. Sa kabaligtaran, sa totoong mundo, walang perpektong malinis na data, imposibleng gayahin ito (dahil ang mga patakaran ng laro ay patuloy na nagbabago), at mas mahirap na mangolekta ng maraming gigabytes ng nauugnay na data sa pamamagitan ng pagsubok at pagkakamali.

Sa katotohanan, mayroon lamang kaming ilang mga pagtatangka upang subukan ang iba't ibang mga diskarte.

Hindi namin magagawa, halimbawa, na ulitin ang pagbisita sa doktor ng 10 milyong beses, unti-unting inaayos ang mga parameter ng mga desisyon bago ang bawat pagbisita, upang kapansin-pansing mapabuti ang aming pag-uugali sa mga tuntunin ng pagpili ng transportasyon.

Kung nais ng mga programmer na sanayin ang isang robot upang tulungan ang mga matatanda (sabihin, upang tumulong sa pagpapatulog ng mga maysakit), ang bawat bit ng data ay nagkakahalaga ng totoong pera at totoong oras ng tao; walang paraan upang mangolekta ng lahat ng kinakailangang data gamit ang mga simulation game. Kahit na ang mga crash test dummies ay hindi mapapalitan ang mga totoong tao.

Kinakailangan na mangolekta ng data sa mga tunay na matatandang tao na may iba't ibang mga katangian ng paggalaw ng senile, sa iba't ibang uri ng kama, iba't ibang uri ng pajama, iba't ibang uri ng mga bahay, at dito hindi ka maaaring magkamali, dahil ang pagbagsak ng isang tao kahit na sa layo na ilang sentimetro mula sa kama ay magiging isang sakuna. Sa kasong ito, nakataya ay isang tiyak na pag-unlad (sa ngayon ang pinaka-elementarya) sa lugar na ito ay nakamit gamit ang mga pamamaraan ng makitid na artificial intelligence. Ang mga computer system ay binuo na naglalaro halos sa antas ng pinakamahusay na mga manlalaro ng tao sa mga video game na Dota 2 at Starcraft 2, kung saan sa anumang oras ay bahagi lamang ng mundo ng laro ang ipinapakita sa mga kalahok at, sa gayon, ang bawat manlalaro ay nahaharap sa problema ng kakulangan ng impormasyon - na sa magaan na kamay ni Clausewitz ay tinatawag na "ang fog ng hindi alam." Gayunpaman, ang mga binuo na sistema ay nananatiling napakakitid na nakatuon at hindi matatag sa pagpapatakbo. Halimbawa, ang programang AlphaStar na gumaganap sa Starcraft 2 ay natuto lamang ng isang partikular na lahi mula sa iba't ibang uri ng mga character, at halos wala sa mga development na ito ang puwedeng laruin gaya ng ibang lahi. At, siyempre, walang dahilan upang maniwala na ang mga pamamaraan na ginamit sa mga programang ito ay angkop para sa paggawa ng matagumpay na paglalahat sa mas kumplikadong mga sitwasyon sa totoong buhay. totoong buhay. Tulad ng natuklasan ng IBM hindi isang beses, ngunit dalawang beses na (una sa chess, at pagkatapos ay sa Jeopardy!), Ang tagumpay sa mga problema mula sa isang saradong mundo ay hindi ginagarantiyahan ang tagumpay sa isang bukas na mundo.

Ang ikatlong bilog ng inilarawang bangin ay isang labis na pagpapahalaga sa pagiging maaasahan. Paulit-ulit, nakikita namin na sa sandaling ang mga tao sa tulong ng artificial intelligence ay makahanap ng solusyon sa ilang problema na maaaring gumana nang walang kabiguan nang ilang sandali, awtomatiko nilang ipinapalagay na may rebisyon (at may bahagyang mas malaking halaga ng data) ang lahat. gagana nang mapagkakatiwalaan.oras. Ngunit ito ay hindi kinakailangan ang kaso.

Sumakay ulit kami ng mga sasakyan na walang driver. Ito ay medyo madali upang lumikha ng isang demo ng isang autonomous na sasakyan na tama na magmaneho sa kahabaan ng malinaw na markang linya sa isang kalmadong kalsada; gayunpaman, nagawa ito ng mga tao sa loob ng mahigit isang siglo. Gayunpaman, mas mahirap gamitin ang mga system na ito sa mahirap o hindi inaasahang mga pangyayari.

Gaya ng sinabi sa amin ni Missy Cummings, direktor ng Humans and Autonomy Laboratory sa Duke University (at dating piloto ng manlalaban ng US Navy), ang tanong ay hindi kung gaano karaming milya ang maaaring maglakbay ng walang driver na sasakyan nang walang aksidente. ngunit sa lawak kung saan ang mga sasakyang ito ay nakakaangkop sa nagbabagong sitwasyon. Ayon sa kanyang Missy Cummings, mag-email sa mga may-akda noong Setyembre 22, 2018., ang mga modernong semi-autonomous na sasakyan "kadalasan ay nagpapatakbo lamang sa isang napakakitid na hanay ng mga kondisyon, na walang sinasabi tungkol sa kung paano sila makakapagpatakbo sa ilalim ng mas mababa sa perpektong mga kondisyon."

Ang pagiging ganap na maaasahan sa milyun-milyong pagsubok na milya sa Phoenix ay hindi nangangahulugang mahusay na gumaganap sa panahon ng tag-ulan sa Bombay.

Ang pangunahing pagkakaiba sa pagitan ng kung paano kumikilos ang mga autonomous na sasakyan sa mga perpektong kondisyon (tulad ng maaraw na araw sa mga suburban na multi-lane na kalsada) at kung ano ang maaari nilang gawin sa matinding mga kondisyon ay madaling maging isang bagay ng tagumpay at kabiguan para sa isang buong industriya.

Sa napakakaunting diin sa autonomous na pagmamaneho sa matinding mga kondisyon at ang kasalukuyang pamamaraan ay hindi umusbong sa direksyon ng pagtiyak na ang autopilot ay gagana nang tama sa mga kondisyon na nagsisimula pa lamang na isaalang-alang para sa tunay, ito ay maaaring maging malinaw sa lalong madaling panahon na bilyun-bilyong dolyar ay ginugol sa mga paraan ng paggawa ng mga self-driving na kotse na nabigo lamang na maihatid ang pagiging maaasahan sa pagmamaneho na tulad ng tao. Posible na upang makamit ang antas ng teknikal na kumpiyansa na kailangan natin, ang mga diskarte na sa panimula ay naiiba sa mga kasalukuyang kinakailangan.

At ang mga kotse ay isa lamang halimbawa ng maraming katulad. Sa modernong pagsasaliksik sa artificial intelligence, ang pagiging maaasahan nito ay minamaliit sa buong mundo. Ito ay bahagyang dahil karamihan sa mga kasalukuyang pag-unlad sa lugar na ito ay nagsasangkot ng mga problema na lubos na pinahihintulutan ng error, tulad ng pagrekomenda ng advertising o pag-promote ng mga bagong produkto.

Sa katunayan, kung inirerekumenda namin sa iyo ang limang uri ng mga produkto, at tatlo lang sa kanila ang gusto mo, walang pinsalang mangyayari. Ngunit sa ilang kritikal na aplikasyon ng AI para sa hinaharap, kabilang ang mga walang driver na kotse, pangangalaga sa matatanda at pagpaplano ng pangangalagang pangkalusugan, magiging kritikal ang pagiging maaasahan ng tulad ng tao.

Walang bibili ng robot sa bahay na maaaring ligtas na dalhin ang iyong matandang lolo sa kama nang apat na beses lamang sa lima.

Kahit na sa mga gawaing iyon kung saan ang modernong artificial intelligence ay dapat na theoretically lumitaw sa pinakamahusay na posibleng liwanag, ang mga malubhang pagkabigo ay nangyayari nang regular, kung minsan ay mukhang napaka nakakatawa. Isang tipikal na halimbawa: ang mga computer, sa prinsipyo, ay natutunan nang mabuti kung paano makilala kung ano ang (o nangyayari) sa ito o sa larawang iyon.

Minsan ang mga algorithm na ito ay gumagana nang mahusay, ngunit kadalasan ay gumagawa sila ng ganap na hindi kapani-paniwalang mga error. Kung magpapakita ka ng larawan sa isang automated system na bumubuo ng mga caption para sa mga larawan ng mga pang-araw-araw na eksena, madalas kang nakakakuha ng sagot na kahanga-hangang katulad ng kung ano ang isusulat ng isang tao; halimbawa, para sa eksena sa ibaba, kung saan ang isang pangkat ng mga tao ay naglalaro ng frisbee, binibigyan ito ng lubos na naisapublikong subtitle na sistema sa pagbuo ng tamang pangalan.

Ngunit makalipas ang limang minuto, madali kang makakakuha ng isang ganap na walang katotohanan na sagot mula sa parehong sistema, tulad ng nangyari, halimbawa, sa sign ng kalsada na ito, kung saan may nagdikit ng mga sticker: ang computer na tinatawag na Ang mga tagalikha ng system ay hindi ipinaliwanag kung bakit nangyari ang error na ito., ngunit ang mga ganitong kaso ay hindi karaniwan. Maaari naming ipagpalagay na ang sistema sa partikular na kaso na ito ay inuri (marahil sa mga tuntunin ng kulay at pagkakayari) ang litrato bilang katulad ng iba pang mga larawan (kung saan ito natutunan) na may label na "isang refrigerator na puno ng maraming pagkain at inumin." Naturally, hindi naiintindihan ng computer (na madaling maunawaan ng isang tao) na ang naturang inskripsiyon ay magiging angkop lamang sa kaso ng isang malaking hugis-parihaba na kahon ng metal na may iba't ibang (at kahit na hindi lahat) mga bagay sa loob. ang eksenang ito ay "isang refrigerator na may maraming pagkain at inumin."

Gayundin, ang mga walang driver na kotse ay kadalasang tama ang pagtukoy kung ano ang kanilang "nakikita," ngunit kung minsan ay tila hindi nila napapansin ang halata, tulad ng sa kaso ng Tesla, na regular na bumagsak sa mga naka-park na trak ng bumbero o ambulansya sa autopilot. Ang mga blind spot na tulad nito ay maaaring maging mas mapanganib kung ang mga ito ay matatagpuan sa mga system na kumokontrol sa mga power grid o may pananagutan sa pagsubaybay sa kalusugan ng publiko.

Upang i-bridge ang agwat sa pagitan ng ambisyon at ang mga katotohanan ng artipisyal na katalinuhan, kailangan namin ng tatlong bagay: isang malinaw na kamalayan sa mga halaga na nakataya sa larong ito, isang malinaw na pag-unawa kung bakit ang mga modernong AI system ay hindi gumaganap ng kanilang mga pag-andar nang maaasahan, at, sa wakas, isang bagong pag-iisip ng diskarte sa pag-unlad ng makina.

Dahil ang mga pusta sa artificial intelligence ay talagang mataas sa mga tuntunin ng mga trabaho, kaligtasan, at ang tela ng lipunan, mayroong isang kagyat na pangangailangan para sa ating lahat - mga propesyonal sa AI, mga kaugnay na propesyon, mga ordinaryong mamamayan at mga pulitiko - upang maunawaan ang tunay na estado ng mga gawain sa larangang ito upang matuto nang kritikal na masuri ang antas at kalikasan ng pag-unlad ng artificial intelligence ngayon.

Kung paanong mahalagang maunawaan ng mga mamamayang interesado sa balita at istatistika kung gaano kadaling linlangin ang mga tao gamit ang mga salita at numero, narito ang isang lalong makabuluhang aspeto ng pag-unawa upang malaman natin kung nasaan ang artificial intelligence. advertising lang, ngunit saan ito tunay; kung ano ang kaya niyang gawin ngayon, at kung ano ang hindi niya alam kung paano at, marahil, ay hindi matututo.

Ang pinakamahalagang bagay ay upang mapagtanto na ang artificial intelligence ay hindi magic, ngunit isang hanay lamang ng mga diskarte at algorithm, na ang bawat isa ay may sariling mga lakas at kahinaan, ay angkop para sa ilang mga gawain at hindi angkop para sa iba. Ang isa sa mga pangunahing dahilan na itinakda namin upang isulat ang aklat na ito ay ang karamihan sa aming nabasa tungkol sa artificial intelligence ay tila sa amin ay isang ganap na pantasya, na lumalago mula sa isang walang batayan na pagtitiwala sa halos mahiwagang kapangyarihan ng artificial intelligence.

Samantala, ang kathang-isip na ito ay walang kinalaman sa mga makabagong teknolohikal na kakayahan. Sa kasamaang palad, ang talakayan ng AI sa pangkalahatang publiko ay naimpluwensyahan ng haka-haka at pagmamalabis: karamihan sa mga tao ay walang ideya kung gaano kahirap lumikha ng unibersal na artificial intelligence.

Linawin natin ang karagdagang talakayan. Bagama't ang paglilinaw sa mga katotohanang nauugnay sa AI ay mangangailangan ng seryosong pagpuna mula sa amin, tayo mismo ay hindi nangangahulugang mga kalaban ng artificial intelligence, talagang gusto natin ang bahaging ito ng pag-unlad ng teknolohiya. Nabuhay kami ng isang mahalagang bahagi ng aming buhay bilang mga propesyonal sa larangang ito at gusto namin itong umunlad sa lalong madaling panahon.

Ang Amerikanong pilosopo na si Hubert Dreyfus ay minsang nagsulat ng isang libro tungkol sa kung anong taas, sa kanyang opinyon, ang hindi maaabot ng artipisyal na katalinuhan. Hindi ito tungkol sa librong ito. Nakatuon ito sa bahagi sa kung ano ang kasalukuyang hindi maaaring gawin ng AI at kung bakit mahalagang maunawaan ito, ngunit ang isang mahalagang bahagi nito ay nag-uusap tungkol sa kung ano ang maaaring gawin upang mapabuti ang pag-iisip ng computer at palawakin ito sa mga lugar kung saan nahihirapan itong gawin muna.

Hindi namin gustong mawala ang artificial intelligence; gusto natin itong pagbutihin, higit pa, nang radikal, upang talagang maasahan natin ito at malutas sa tulong nito ang maraming problema ng sangkatauhan. Marami tayong mga kritisismo tungkol sa kasalukuyang estado ng artificial intelligence, ngunit ang ating pagpuna ay isang pagpapakita ng pagmamahal sa agham na ginagawa natin, hindi isang panawagan na sumuko at talikuran ang lahat.

Sa madaling salita, naniniwala kami na ang artificial intelligence ay talagang seryosong makapagpapabago sa ating mundo; ngunit naniniwala din kami na marami sa mga pangunahing pagpapalagay tungkol sa AI ay dapat magbago bago namin mapag-usapan ang tungkol sa tunay na pag-unlad. Ang aming iminungkahing "pag-reset" ng artipisyal na katalinuhan ay hindi isang dahilan upang tapusin ang pananaliksik (bagaman ang ilan ay maaaring maunawaan ang aming libro sa eksaktong espiritung ito), ngunit sa halip ay isang diagnosis: kung saan tayo natigil ngayon at paano tayo aalis sitwasyon ngayon.

Naniniwala kami na ang pinakamahusay na paraan upang sumulong ay maaaring tumingin sa loob, na nakaharap sa istruktura ng ating sariling isip.

Ang tunay na matatalinong makina ay hindi kailangang eksaktong mga replika ng mga tao, ngunit sinumang tumitingin sa artificial intelligence nang tapat ay makikita na marami pa ring matututunan mula sa mga tao, lalo na mula sa maliliit na bata, na sa maraming paraan ay higit na nakahihigit sa mga makina sa kanilang kakayahang sumipsip at umunawa ng mga bagong konsepto.

Madalas na kinikilala ng mga medikal na siyentipiko ang mga computer bilang "superhuman" (sa isang paraan o iba pa) na mga sistema, ngunit ang utak ng tao ay higit na nakahihigit sa mga katapat nitong silikon sa hindi bababa sa limang aspeto: naiintindihan natin ang wika, naiintindihan natin ang mundo, nababaluktot natin. umangkop sa mga bagong pangyayari, maaari tayong mabilis na matuto ng mga bagong bagay (kahit na walang malaking halaga ng data) at maaaring mangatwiran sa harap ng hindi kumpleto at kahit na magkasalungat na impormasyon. Sa lahat ng mga larangang ito, ang mga modernong artificial intelligence system ay walang pag-asa sa likod ng mga tao.

Artipisyal na Katalinuhan: Ang pag-reboot ay magiging interesado sa mga taong gustong maunawaan ang mga modernong teknolohiya at maunawaan kung paano at kailan mapapabuti ng bagong henerasyon ng AI ang ating buhay.