Υπάρχουν πολλά πράγματα που η τεχνητή νοημοσύνη δεν έχει ακόμη καταφέρει να επιτύχει

Πηγή: Pixabay

Τεχνητή Νοημοσύνη: 10+1 πράγματα που το AI δεν μπορεί να κάνει

Υπάρχουν ορισμένες δραστηριότητες που η τεχνητή νοημοσύνη δεν είναι ακόμη σε θέση να εκτελέσει από μόνη της - Το Newsbomb.gr συγκέντρωσε 11 πράγματα που η νέα ανεπτυγμένη τεχνολογία δεν μπορεί να κάνει

Αναστασία - Βασιλική Γκολέμη

16/02/2024 16:06

Η Τεχνητή Νοημοσύνη έχει εξελιχθεί σε τεράστιο βαθμό επηρεάζοντας τη ζωή μας τόσο σε προσωπικό όσο και σε επαγγελματικό επίπεδο. Η συγκεκριμένη τεχνολογική ανάπτυξη έχει αποδειχθεί καθοριστική για να φέρει κοντά μας άλλες σύγχρονες τεχνολογίες. Ωστόσο, όσο πλούσια και αν είναι η τεχνολογία, δεν μπορεί πάντα να ξεπεράσει την ανθρωπότητα.

Αν και η Τεχνητή Νοημοσύνη έχει αρκετά επιτεύγματα στο ενεργητικό της, υπάρχουν πολλά πράγματα που δεν έχει ακόμη καταφέρει να επιτύχει. Την ώρα που υπάρχει ταχεία πρόοδος στους μηχανισμούς που σχετίζονται με την τεχνητή νοημοσύνη, υπάρχουν μερικά πράγματα στα οποία εξακολουθεί να υστερεί.

Συγκεκριμένα η τεχνητή νοημοσύνη δεν μπορεί να κάνει πολλαπλές εργασίες και δεν μπορεί να έχει συναισθήματα. Ως αποτέλεσμα, η τεχνητή νοημοσύνη δεν μπορεί να αντικαταστήσει πλήρως την ανθρώπινη εργασία και σίγουρα όχι επαγγέλματα όπως δικηγόρους, συγγραφείς, σχεδιαστές, προγραμματιστές ή ψυχιάτρους.

1. Δεν μπορεί να γράψει τον κώδικα ενός λογισμικού

Η τεχνητή νοημοσύνη, όσο ανεπτυγμένη κι αν είναι, δεν έχει την ανθρώπινη κατανόηση που απαιτείται για τη σύνταξη κώδικα λογισμικού. Η ανάπτυξη κώδικα απαιτεί ανθρώπινη σκέψη, καθώς περιλαμβάνει ανίχνευση σφαλμάτων και εμπόδια κατά τη δημιουργία του. Η τεχνητή νοημοσύνη μπορεί σίγουρα να βοηθήσει στην εύρεση προτύπων, τη δοκιμή λογισμικού, τη δημιουργία δοκιμαστικών περιπτώσεων και τις ρυθμίσεις δοκιμών, αλλά δεν μπορεί να γράψει τον ίδιο τον κώδικα.

Επιπλέον, δεν μπορεί να εντοπίσει κακόβουλο λογισμικό ή να κάνει δημιουργική γραφή. Μπορεί να δημιουργήσει περιεχόμενο απευθείας με βάση τις κατευθυντήριες γραμμές, αλλά πρέπει να εποπτεύεται από ανθρώπους, καθώς η τεχνητή νοημοσύνη έχει περιορισμένη δημιουργική ικανότητα με μειωμένη πραγματική εστίαση στα συναισθήματα.

2. Δεν μπορεί να βάλει στόχους και να δημιουργήσει δραστηριότητες

Η τεχνητή νοημοσύνη βοηθά πολύ την ανθρωπότητα καθώς αντικαθιστά ορισμένες επίπονες ανθρώπινες δραστηριότητες. Ωστόσο, της λείπουν μερικά χαρακτηριστικά που έχουν μόνο οι άνθρωποι. Η τεχνητή νοημοσύνη δεν είναι σε θέση να συλλάβει, να σχεδιάσει και να δημιουργήσει κάτι, δεδομένου ενός συνόλου σχετικών στόχων. Δεν μπορεί να βάλει στόχους και να εφαρμόσει δραστηριότητες με βάση αυτές τις επιλεγμένες εργασίες.

3. Δεν έχει συναισθήματα

Φυσικά, η τεχνητή νοημοσύνη δεν μπορεί να νιώσει κανένα συναίσθημα. Μπορεί να να αναπαράγει ανθρώπινα συναισθήματα, αλλά δεν μπορεί να τα νιώσει. Μπορεί να υπάρχουν ρομπότ τα οποία αντικαθιστούν τους ανθρώπους, αλλά μόνο σε κοσμικές εργασίες και όχι στην προσφορά συναισθηματικών υπηρεσιών.

4. Όταν βρει τα δύσκολα, τα παρατάει

Η τεχνητή νοημοσύνη μπορεί να υποχωρήσει όταν πρόκειται για την εκτέλεση πολύπλοκων εργασιών. Μπορεί να λειτουργήσει σε προκαθορισμένες απλές εργασίες, αλλά μπορεί να μην είναι σε θέση να δώσει τέλεια αποτελέσματα όταν υπάρχουν αβέβαιοι ή περίπλοκοι τομείς χειρισμού πραγμάτων.

5. Δεν μπορεί να κατανοήσει τα σενάρια της πραγματικής ζωής

Οι τεχνικές της τεχνητής νοημοσύνης μπορούν να ανακαλύψουν λεπτομερή μοτίβα και συσχετισμό δεδομένων, υπό την προϋπόθεση ότι έχουν μαζί τους τα υποκείμενα ακατέργαστα δεδομένα. Αλλά η τεχνητή νοημοσύνη δεν είναι σε θέση να κατανοήσει τα σενάρια της πραγματικής ζωής, συμπεριλαμβανομένων των λόγων και των αιτιών πίσω από την εμφάνισή τους και τυχόν περαιτέρω επιπτώσεων που μπορεί να έχουν.

6. Δεν μπορεί να δει τον κόσμο όπως ο άνθρωπος

Συνολικά, η τεχνητή νοημοσύνη μπορεί να λειτουργήσει σε καταστάσεις, αλλά δεν μπορεί να κατανοήσει τη βασική αιτία πίσω από αυτές. Στην ουσία δεν μπορεί να δει τον κόσμο όπως ο άνθρωπος, και αυτό θα είναι πάντα ένα κενό που πρέπει να καλύψουν οι άνθρωποι.

7. Δεν μπορεί να πάρει αποφάσεις από μόνη της

Επιπλέον η τεχνητή νοημοσύνη δεν μπορεί να πάρει ηθικές αποφάσεις ή να τις εφεύρει από μόνη της. Δεν έχει κανένα συναίσθημα, και ως εκ τούτου, όταν πρέπει να γίνει μια ηθική κρίση, η τεχνητή νοημοσύνη πρέπει να εξαρτάται από την ανθρώπινη αλληλεπίδραση.

Για παράδειγμα, τα αυτοοδηγούμενα αυτοκίνητα είναι στη μόδα, αλλά πρέπει να υπάρχει ανθρώπινη συμμετοχή, καθώς στο δρόμο, το αυτοκίνητο δεν μπορεί να πάρει όλες τις αποφάσεις μόνο του.

8. Δεν μπορεί να δημιουργήσει τους κανόνες από την αρχή

Αναμφισβήτητα, η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην επιτάχυνση και την αυτοματοποίηση, αλλά όταν πρόκειται για πλήρη καινοτομία δεν μπορεί να βοηθήσει χωρίς ανθρώπινους πόρους. Το AI είναι εξαιρετικό στο να παίζει με τους κανόνες, αλλά δεν μπορεί να δημιουργήσει τους κανόνες από την αρχή. Μπορεί να βασίσει τις αποφάσεις του μόνο σε προηγούμενες εμπειρίες και δεν μπορεί να σκέφτεται μόνο του.

9. Έχει δικούς της κανόνες και δεν μπορεί να λάβει στιγμιαίες αποφάσεις

Επιπλέον, η τεχνητή νοημοσύνη δεν μπορεί να λάβει στιγμιαίες αποφάσεις όπως οι άνθρωποι. Εμμένει στους προκαθορισμένους κανόνες της και δεν εμπεριέχει ηθική στη λήψη των αποφάσεών της.

10. Δεν έχει κοινή λογική

Μια πολύ σημαντική ιδιότητα που έχουν οι άνθρωποι που δεν έχει η τεχνητή νοημοσύνη είναι η κοινή λογική. Αυτό είναι πολύ σημαντικό σε όλες τις δραστηριότητες ρουτίνας, και εκεί είναι που οι άνθρωποι έχουν το πάνω χέρι.

Η τεχνητή νοημοσύνη δεν μπορεί να κατανοήσει καμία έννοια από μόνη της χρησιμοποιώντας τη λογική, αφού εξαρτάται μόνο από προκαθορισμένα γεγονότα και αριθμούς.

11. Δεν μπορεί να προετοιμάσει μοντέλα πραγμάτων χρησιμοποιώντας την εμπειρία

Υπάρχουν πολλά γεγονότα που υπάρχουν σε αυτόν τον κόσμο λόγω της κοινής λογικής που χρησιμοποιούν οι άνθρωποι. Η συγκεκριμένη τεχνολογία μπορεί να μην είναι σε θέση να αντιληφθεί αυτά τα γεγονότα εάν δεν συμπίπτουν με ένα καθιερωμένο σύνολο ενεργειών.

Η τεχνητή νοημοσύνη δεν μπορεί να προετοιμάσει μοντέλα πραγμάτων διανοητικά χρησιμοποιώντας το περιβάλλον και την εμπειρία, όπως κάνουν οι άνθρωποι μπορεί απλώς να συνδέσει τη σχέση στα πρωτογενή δεδομένα με το μοντέλο που εξετάζει.