AI-ийн нууцлал, хотын дата ба шинжлэх ухааны шинэ дохио

AI туслахын санах ой нь илүү хэрэгтэй хариулт өгөх үндэс боловч хувийн мэдээлэл хаана, хэрхэн хадгалагдаж байгааг гол асуулт болгодог. DeepMind-ийн шинэ чиглэл нь энэ санах ойг сервер дээр ажиллуулахын зэрэгцээ хамгаалалттай байлгахыг зорьж байна. Хэрэглэгчид ийм боломж нэвтрэх үед ямар мэдээлэл санагдах, хэр удаан хадгалагдах, устгах болон хянах тохиргоо нь ойлгомжтой эсэхийг шалгах хэрэгтэй. “Хувийн” гэх тодотгол нь зөвхөн маркетинг биш, техникийн болон хэрэглэгчийн бодит хяналтаар баталгаажих ёстой.

Харааны AI нь замын хөдөлгөөн, нийтийн орон зай, дэд бүтцийн ашиглалт зэрэг хотын үзэгдлийг өргөн цар хүрээнд ажиглаж чадна. Энэ нь төлөвлөлт, хүртээмж, аюулгүй байдлын шийдвэрийг илүү бодит өгөгдөлтэй болгох боломжтой. Гэхдээ камерын дата хэнийг төлөөлж байна, хэнийг орхигдуулж байна, ямар зорилгоор дахин ашиглагдаж болох нь адил чухал. Хотын AI төслүүдэд зөвшөөрөл, анонимжуулалт, хараат бус хяналт болон иргэдийн оролцоо эхнээсээ хэрэгтэй.

Senescent эсүүд хуваагдахаа больсон ч эдэд үлдэж, үрэвсэл болон насжилттай холбоотой өөрчлөлтөд нөлөөлж болзошгүй. Тэднийг найдвартай олж, ялгах нь эмчилгээний судалгаанд чухал боловч техникийн хувьд амаргүй асуудал юм. AI-д суурилсан тэмдэглэгээ нь аль эсийг цаашид нарийвчлан судлахыг илүү үр ашигтай сонгоход тусална. Дараагийн гол алхам нь энэ арга өөр өөр эд, өвчний нөхцөлд хэр сайн давтагдаж, эмнэлзүйн хэрэглээнд хүрэх эсэх болно.

Амьд биед квант үзэгдэл өдөр тутмын хэмжээнд шууд үйлчилдэг гэсэн хүчтэй таамгуудыг батлахад бэрх байсан. Харин биологийн олон боломжит төлөв, харилцан хамаарал, шийдвэрийн тодорхойгүй байдлыг тайлбарлахад кванттай төстэй математик хэрэг болж болохыг судлаачид сонирхож байна. Энэ нь эс дотор “квант компьютер” байна гэсэн үг биш. Илүү зөвөөр хэлбэл, физикийн өөр салбарт хөгжсөн математик арга биологийн төвөгтэй өгөгдлийг шинэ өнцгөөс загварчлахад тусалж магадгүй гэсэн санаа юм.

Фонон нь материал доторх чичирхийллийн квант нэгж бөгөөд түүнийг нарийн хянах нь квант мэдээллийг дууны долгионоор боловсруулах боломжтой холбоотой. Бодит цагийн ажиглалт нь ийм системийн төлөв хэрхэн өөрчлөгддөгийг илүү шууд хэмжих боломж олгоно. Судалгаанаас хэрэглээний бүтээгдэхүүн хүртэлх зам урт хэвээр. Гэхдээ квант төлөвийн алдааг олж засах, маш мэдрэмтгий мэдрэгч бүтээхэд шаардлагатай үндсэн хэмжилтийн аргуудын нэг ахиж буйг анхаарах хэрэгтэй.

AI нь эрчим хүчний сүлжээний төлөвлөлт, цаг агаарын загварчлал, материалын судалгаа зэрэгт хэрэгтэй байж болно. Гэхдээ AI-ийн өсөлт өөрөө цахилгаан, ус, чипийн нийлүүлэлтэд нэмэлт ачаалал өгөх эрсдэлтэй учраас “AI уур амьсгалыг аварна” гэсэн энгийн дүгнэлт хангалтгүй. Хэлэлцүүлгийг бодит үр дүнгээр хэмжих нь чухал: тухайн AI хэрэглээ үнэхээр хэр их ялгарлыг бууруулах вэ, харин ажиллуулах дэд бүтэц нь ямар зардалтай вэ? Компаниудын амлалт дээр энэ хоёр талыг зэрэг асуух хэрэгтэй.

AI хэрэгсэл сайн заавар, баталгаатай эх сурвалж, тодорхой зорилгогүй бол алдааг маш хурдан үржүүлж чадна. Тиймээс санаагаа ойлгомжтой бичих, асуултаа нарийвчлах, гарсан үр дүнг шүүмжлэлтэй шалгах чадвар суурь хэвээр үлдэнэ. Сургалт болон ажил дээр AI-г зөвхөн хурдны хэрэгсэл гэж бус, хариуцлага хуваарилдаг хамтын ажлын нэг хэсэг гэж үзэх нь зүйтэй. Хүний давуу тал болох нөхцөл ойлгох, ёс зүйн шийдвэр гаргах, бусдыг ойлгуулах чадвар улам чухал болно.