I det framväxande förhållandet mellan teknik och samhälle har människor visat sig vara otroligt anpassningsbara. Det som en gång gjorde oss andfådda, integreras snart i vår vardag.
De häpnadsväckande funktionerna hos stora språkmodeller (LLM) gillar ChatGPT var, för bara några månader sedan, symbolen för banbrytande AI. De är nu på väg att bara bli tillägg och plugins till våra textredigerare och sökmotorer.
Vi kommer snart att förlita oss på deras kapacitet och sömlöst införliva dem i våra rutiner.
Ändå lämnar denna snabba acklimatisering oss med en kvardröjande fråga: vad händer härnäst? När våra förväntningar förändras, undrar vi över nästa innovation som kommer att fånga vår fantasi.
Människor kommer att försöka uppnå alla typer av smarta - och inte så smart – saker med AI. Många idéer kommer att misslyckas, andra kommer att ha en bestående effekt.
Vår kristallkula är inte mycket bättre än din, men vi kan försöka tänka på vad som kommer härnäst på ett strukturerat sätt. För att AI ska ha en bestående inverkan måste den inte bara vara tekniskt genomförbar, utan också ekonomiskt gångbar och normativt acceptabel – med andra ord, den överensstämmer med de värderingar som samhället kräver att vi följer.
Det finns några AI-tekniker som väntar vid sidan av just nu som lovar. De fyra vi tror väntar i kulisserna är nästa nivå GPT, humanoida robotar, AI-advokater och AI-driven vetenskap. Våra val verkar klara ur teknisk synvinkel, men om de uppfyller alla tre kriterierna vi har nämnt är en annan fråga. Vi valde dessa fyra eftersom det var de som hela tiden dök upp i våra undersökningar av framsteg inom AI-teknik.
1. AI juridisk hjälp
Startupföretaget DoNotPay säger sig ha byggde en laglig chatbot – byggd på LLM-teknik – som kan ge råd till åtalade i domstol.
Företaget sa nyligen att det skulle låta sitt AI-system hjälpa till två åtalade slåss mot fortkörningsböter i realtid. Ansluten via en hörsnäcka kan AI:n lyssna på förfaranden och viska juridiska argument i örat på svaranden, som sedan upprepar dem högt för domaren.
Efter kritik och en stämningsansökan för utövar juridik utan licens, uppstarten sköt upp AI:s debut i rättssalen. Teknikens potential kommer alltså inte att avgöras av tekniska eller ekonomiska begränsningar, utan av rättssystemets auktoritet.
Advokater är välbetalda proffs och kostnaderna för rättstvister är höga, så den ekonomiska potentialen för automatisering är enorm. Men den USA:s rättssystem verkar för närvarande motsätta sig robotar som representerar människor i domstol.
2. AI vetenskapligt stöd
Forskare vänder sig alltmer till AI för att få insikter. Maskininlärning, där ett AI-system förbättras med vad det gör med tiden, används för att identifiera mönster i data. Detta gör det möjligt för systemen att föreslå nya vetenskapliga hypoteser – föreslagna förklaringar till fenomen i naturen. Dessa kan till och med överträffa mänskliga antaganden och fördomar.
Till exempel, forskare vid University of Liverpool använde ett maskininlärningssystem som kallas ett neuralt nätverk för att rangordna kemiska kombinationer för batterimaterial, vägleda deras experiment och spara tid.
Komplexiteten i neurala nätverk gör att det finns luckor i vår förståelse för hur de faktiskt fattar beslut – s.k. problem med black box. Ändå finns det tekniker som kan belysa logiken bakom deras svar och detta kan leda till oväntade upptäckter.
Även om AI för närvarande inte kan formulera hypoteser självständigt, kan det inspirera forskare att närma sig problem från nya perspektiv.
3. AutoGPT
Vi kommer snart att se fler nya versioner av AI-chatbots baserade på den senaste LLM-tekniken, känd som GPT-4. Vi kommer att se AI som kan hantera olika typer av data, som bilder och tal, samt text. Dessa kallas multimodala system.
Men låt oss blicka lite längre in i framtiden. Auto-GPT, ett avancerat AI-verktyg som släppts av Significant Gravitas, finns redan skapa vågor i teknikbranschen.
Auto-GPT ges ett allmänt mål, som att planera en födelsedagsfest, och delar upp den i deluppgifter som den sedan slutför av sig själv, utan mänsklig input. Detta skiljer den från ChatGPT.
Auto-GPT innehåller AI-agenter, eller system, som fattar beslut baserat på förutbestämda regler och mål. Trots installationsbegränsningar, sådana funktionsproblem när de används med Windows, visar Auto-GPT stor potential i olika applikationer.
4. Humanoida robotar
Humanoida robotar – de som ser ut och rör sig som vi – har avsevärt avancerat sedan den första Darpa Robotics Challenge 2015, en tävling där team byggde robotar för att utföra en rad komplexa uppgifter som arrangörerna ställt in. Dessa inkluderade att gå ur en bil, öppna en dörr och borra ett hål i en vägg. Många kämpade för att nå målen.
Men startups utvecklar nu "humanoider" som kan utföra uppgifter som dessa och användas i lager och fabriker.
En rapport om Darpa-robotutmaningen 2015.
Framsteg inom AI-områden som datorseende, såväl som i krafttäta batterier som ger korta skurar av hög ström, har gjort det möjligt för robotar att navigera i komplexa miljöer och upprätthålla balansen dynamiskt – i realtid. Figur AI, ett företag som bygger humanoida robotar för lagerarbete, har redan säkrat 70 miljoner USD (55 miljoner pund) i investeringsfinansiering.
Andra företag, inklusive 1X, Apptronik och Tesla, investerar också i humanoida robotar, vilket tyder på att fältet mognar. Humanoida robotar erbjuder fördelar jämfört med andra robotar i uppgifter som kräver navigering, manövrerbarhet och anpassningsförmåga, eftersom de delvis kommer att arbeta i miljöer som har byggts upp kring mänskliga behov.
Med lång utsikt
Den långsiktiga framgången för dessa fyra kommer att bero på mer än bara beräkningskraft.
Humanoida robotar kan misslyckas med att få dragkraft om deras produktions- och underhållskostnader överväger deras fördelar. AI-advokater och chatbot-assistenter kan ha anmärkningsvärd effektivitet. Men deras antagande kan stoppas om deras beslutsfattande strider mot samhällets "moraliska kompass" eller lagar inte överensstämmer med deras användning.
Att hitta en balans mellan kostnadseffektivitet och samhällets värderingar är avgörande för att säkerställa att dessa teknologier verkligen kan blomstra.
Om författaren
Fabian Stephany, Föreläsare, University of Oxford och Johann Laux, Postdoktor, University of Oxford
Denna artikel publiceras från Avlyssningen under en Creative Commons licens. Läs ursprungliga artikeln.
