credit: [1]

"... het is de schaal van de fysica waar het leven ontstaat, maar dat leven zelf is een breder fenomeen dat op verschillende schalen terugkeert, van chemie tot cellen tot samenlevingen - wat meer in het algemeen betrekking heeft op de interacties van informatie (een abstracte eigenschap) met materie." [2]

In Deel 1 van deze serie besprak ik hoe kunstmatige intelligentie (AI) zo ver is gevorderd dat het nieuwe gegevens voor analyse creëert, de inzichten uit de synthetische gegevens abstraheert en een groot deel van de cognitieve rol op zich neemt die voorheen aan mensen was voorbehouden. In Deel 2 van de serie hebben we de concepten abstractie, inzicht en synthetische gegevens verder onderzocht en de mogelijkheid geïntroduceerd dat AI de menselijke capaciteiten overtreft. In dit deel 3 bespreek ik hoe we creativiteit opnieuw moeten onderzoeken, zodat mensen waarde blijven toevoegen ondanks de vooruitgang op het gebied van AI. Evolutie heeft elk jong kind genadig geprogrammeerd (niet stervend van de honger) om van nature creatief te zijn als onderdeel van hun instinct om te ontdekken, te herhalen en te leren. Veel onderzoek toont aan dat deze creativiteit door middel van formeel onderwijs uit het kind is geprogrammeerd tegen de tijd dat het kind de 12e klas bereikt. Vormgeven aan creativiteit voor de 21e eeuw houdt de erkenning in dat het industriële tijdperk en zijn model(len) voor het creëren van welvaart zo goed als voorbij zijn. De oude reeks systemen, praktijken en culturen die de afgelopen drie eeuwen ongelooflijke menselijke vooruitgang hebben gevormd, moet opnieuw worden onderzocht, in twijfel worden getrokken en waarschijnlijk worden opgeschort. Hopelijk begint dit artikel met zo'n onderzoek.

creativiteit

De meesten van ons hebben nog nooit een cursus creativiteit gevolgd en weinigen hebben het gestudeerd. Mijn ervaring met studenten is dat de meesten creativiteit niet kunnen definiëren. Nooit heb ik een student gevonden die het verschil weet tussen verbeelding en creativiteit. De meeste mensen die gevraagd worden om een ​​voorbeeld van creativiteit te geven, geven een lied, een kunstwerk of misschien een film als voorbeeld. Weinigen bieden voorbeelden uit de wiskunde, wetenschap of techniek. Het onvermogen om creativiteit te onderwijzen en het belang ervan in wiskunde, natuurwetenschappen, techniek en sociale wetenschappen niet te begrijpen, is bijzonder verontrustend op dit moment in de geschiedenis waarin mensen voor het eerst met uitsterven worden bedreigd.

De cognitieve wetenschapper Margaret Boden definieert drie soorten creativiteit [3]. De eerste is een "nieuwe combinatie" van bestaande componenten of variabelen. Ik denk dat dit is wat Einstein bedoelde met 'combinatorisch spel', wat mogelijk is afgeleid van Poincare's idee dat uitvinding eerst de selectie uit creatieve alternatieven was. Bodens andere twee definities van creativiteit verwijzen naar (1) 'conceptuele ruimtes [of] gestructureerde denkstijlen' afgeleid van iemands cultuur(en) en (2) de verkenning van deze ruimtes. Ik zie geen meerwaarde in Bodens 'conceptual spaces'. Een conceptuele ruimte heeft bepaalde "componenten" of "variabelen" die opnieuw kunnen worden gedefinieerd of gewijzigd. Boden en ik zijn het erover eens dat deze component van creativiteit zich leent voor benaderingen zoals AI. We zijn het er verder over eens dat het argument of kunstmatige intelligentie 'creatief' is niet belangrijk is. De AI produceert nieuwe resultaten die waarde hebben. Of de computer doelbewust op zoek was naar de nieuwigheid, is eigenlijk van weinig belang, behalve voor filosofen. Desalniettemin is de vraag of computers hun vermogen uitbreiden om mensen te vervangen zeer reëel. Ik geloof echter dat een probleem of vraag pas goed wordt begrepen als het positief wordt vermeld. Daarom is de betere vraag: hoe zullen mensen creatief zijn en waarde creëren... in een toekomst waarin computers en kunstmatige intelligentie steeds meer menselijke capaciteiten dupliceren?

Als deze diepgaande educatieve inhoud nuttig voor u is, abonneer je op onze AI-mailinglijst om gewaarschuwd te worden wanneer we nieuw materiaal uitbrengen. 

Onderzoek en innovatie

Zoals je zou verwachten, staat AI niet stil en lijkt elke grote vooruitgang massaal bekend te worden gemaakt om de technologie te promoten, kapitaal aan te trekken, de aandelenkoers te promoten of al het bovenstaande. Deze vorderingen zijn allemaal gebaseerd op twee kenmerken van kunstmatige intelligentie: het vermogen van de computer om (1) patronen te herkennen, meestal met het oog op (2) voorspelling. De vorderingen identificeren doorgaans complexere patronen en vormen in toenemende mate de basis voor nieuwe inzichten, kennis en begrip over gecompliceerde onderwerpen. Juergen Schumidhuber maakt het punt goed:

"Aangezien korte en eenvoudige verklaringen van het verleden meestal een terugkerende regelmaat weerspiegelen die ook helpt om de toekomst te voorspellen, zou elk intelligent systeem dat geïnteresseerd is in het bereiken van toekomstige doelen gemotiveerd moeten zijn om de geschiedenis van ruwe sensorische inputs te comprimeren in reactie op zijn acties, simpelweg om zijn vermogen om vooruit te plannen verbeteren.” [4]

Natuurlijk is deze "herhalende regelmaat" hetzelfde onderzoekende, iteratieve gedrag waarmee mensen door de evolutie zijn geprogrammeerd als basis voor hoe we leren. Dit soort gedrag is gedocumenteerd door Piaget en vele andere onderzoekers. Er moet echter worden erkend dat alleen patroonherkenning zelden waardevol is en hierin ligt het blijvende belang in de rol van mensen. Het is in de focus op de rol van mensen in deze AI-ondersteunde zoektocht naar de nieuwe patronen dat we zowel leren als onderzoek herdefiniëren en de menselijke toegevoegde waarde duidelijk maken. In deze driedelige serie artikelen ben ik voortdurend teruggekomen op kwesties van epistemologie en metafysica. Respectievelijk, wat is onze kennistheorie en wat is echt (realiteit). Ik denk dat het historische concept van de werkelijkheid, ontwikkeld in de 17e eeuw door Descartes, Spinoza, Leibniz en anderen, achterhaald is en dat een bijgewerkt concept ons beter in staat zal stellen om creatief gebruik te maken van AI om innovatieve resultaten te produceren. Ik heb consequent gepleit voor een modern concept van de werkelijkheid, gebaseerd op kwantumfysica, complexiteitswetenschap en systeemdenken.

De ironie is dat de AI-tools die we beschikbaar hebben tegenwoordig beter geschikt zijn voor deze bijgewerkte metafysica dan mensen. Als we kijken naar wat we weten [5]:

(1) Creativiteit is de combinatie van bestaande componenten op nieuwe manieren. Dit concept is niets anders dan de erkenning dat de werkelijkheid gebaseerd is op subatomaire en atomaire componenten die samen alles creëren, van moleculen tot door mensen en door mensen gemaakte systemen.

(2) Het concept van synthese van Herbert Simon liet ons zien dat deze natuurlijke en door de mens gemaakte componenten "creatief" gecombineerd kunnen worden in nieuwe combinaties om problemen op te lossen

(3) John Holland hielp ons beseffen dat veel van de natuur en door de mens gemaakte systemen kunnen worden begrepen uit een beperkt aantal regels of wetten. “Deze eeuwige nieuwigheid, geproduceerd met een beperkt aantal regels of wetten, is een kenmerk van de meeste complexe systemen: DNA bestaat uit strengen van dezelfde vier nucleotiden, maar geen twee mensen zijn precies hetzelfde; de stellingen van de Euclidische meetkunde zijn gebaseerd op slechts vijf axioma's, maar na twee millennia worden er nog steeds nieuwe stellingen afgeleid; en dat geldt ook voor de andere complexe systemen.” [6]

(4) Capra en Luisi voltooien het noodzakelijke grondwerk door ons te laten zien dat alle dimensies van het menselijk leven systemen zijn die complexe niet-lineaire netwerken zijn. “Een centraal kenmerk van de systeemvisie op het leven is de niet-lineariteit ervan: alle levende systemen zijn complexe – dwz zeer niet-lineaire – netwerken; en er zijn talloze onderlinge verbanden tussen de biologische, cognitieve, sociale en ecologische dimensies van het leven.” [7]

Wanneer we deze samenvatting verwerken, zien we alle onderdelen van computationele creativiteit, zoals hieronder gedefinieerd:

“Het combinatorische perspectief stelt ons in staat om creativiteit te modelleren als een zoekproces door de ruimte van mogelijke combinaties. De combinaties kunnen ontstaan ​​door compositie of aaneenschakeling van verschillende representaties, of door een op regels gebaseerde of stochastische transformatie van initiële en tussenliggende representaties.” [8]

AI is bij uitstek geschikt om deze natuurlijke rekenomgeving te modelleren.

Economische geschiedenis

Ik wil nu het begrip innovatie introduceren omdat ik duidelijk wil maken dat creativiteit weinig waarde heeft als het niet kan worden omgezet in een uitvinding (een tastbaar proces, methode, compositie of ontwerp). [9] en vervolgens aangeboden om waarde te creëren in het leven van mensen. Om de legendarische econoom Joseph Schumpeter te parafraseren: "innovatie is uitvinding gecommercialiseerd". De discussie over innovatie brengt de focus terug naar de mensheid en het oplossen van de problemen van mensen. We worden deze eeuw geconfronteerd met angstaanjagende problemen op het gebied van het milieu, een "koude oorlog" met China, de kwestie van ongelijkheid in rijkdom en de "sociale determinanten" die van invloed zijn op elke sociale kwestie. Vanwege de omvang van deze problemen en de steeds meer onderling verbonden wereld waarin we leven, is de behoefte aan nieuwe wetenschap en techniek van het grootste belang. Maar ik wil ook duidelijk maken dat de dagen van "wetenschap omwille van de wetenschap" in wezen voorbij zijn, zoals blijkt uit de strategische focus van de National Science Foundation (NSF) op vertaling - het op de markt brengen van innovatieve wetenschap en techniek. De NSF werd in 1950 opgericht om de Amerikaanse nationale onderzoeksstrategie te definiëren en te financieren. In de loop der jaren heeft de NSF steeds meer de nadruk gelegd op de commercialisering van het onderzoek om schaalbare sociale en economische impact te bereiken. De NSF erkent ook het multidisciplinaire karakter van de huidige problematiek [10] en de noodzaak om AI te integreren in onderzoek en gecommercialiseerde oplossingen [11].)

Wat we ons realiseren is dat naarmate de nieuwe wetenschap duidelijker werd, het probleem (de problemen) ook duidelijker werden - hoe de combinatorische aard van natuurlijke en door de mens gemaakte componenten te benutten om oplossingen te creëren. Zoals Bryan Arthur voorspelt, lijken de tools de problemen van deze tijd op te lossen en machine learning, neurale netwerken en genetische algoritmen zijn allemaal voorbeelden van de tools die nodig zijn om deze combinatorische oplossingen te produceren. We hebben zelfs grafische neurale netwerken om biologische en sociale connectiviteit beter te begrijpen. Laten we, voordat we te euforisch worden, even stilstaan ​​bij wat er in de economie gebeurt.

Schumpeter, Thomas Kuhn, Carlotta Perez en vele anderen hebben wetenschappelijke en industriële revoluties onderzocht. Een van mijn favoriete onderzoekers is Nikolai Kondratieff, een Russische econoom, die de golven of cycli van technologische innovatie beschreef [12]Zoals hieronder aangegeven.

De mens begon behoeften te bevredigen en economische waarde te creëren met behulp van grondstoffen en primitieve gereedschappen. Dit economische model voor het creëren van welvaart duurde tot de 18e eeuw, toen energie werd geïntroduceerd als input om de efficiëntie en de productiesnelheid te verhogen. Door de introductie van meerdere vormen van energie en de gerelateerde technologieën hebben we de reikwijdte van innovatie vergroot tot het einde van de Tweede Wereldoorlog. Gefinancierd door oorlogsbehoeften, kwamen computers in de jaren zestig en zeventig naar voren als commerciële hulpmiddelen. Gebaseerd op de informatietheorie van Claude Shannon en de natuurlijke neiging tot netwerken, brachten computers een nieuw model voor het creëren van rijkdom voort, gebaseerd op informatie. De vervanging van energie, land en materiaal als de belangrijkste economische inputs was begonnen. Computing ging snel vooruit toen mensen de waarde van informatie en het te behalen concurrentievoordeel beseften. Begin ongeveer 1960 realiseerden onderzoekers en de industrie zich dat de AI die in 1970 in Dartmouth werd gelanceerd, alleen meer gegevens nodig had en niet meer rekenkracht om echte wetenschappelijke, economische en sociale waarde te hebben. De AI werd toegepast op nieuwe gebieden zoals synthetische chemie, computationele biologie en uiteindelijk de productie van zijn eigen synthetische gegevens. Tegenwoordig kunnen we materie en voedsel vervangen door synthetische materialen, productieprocessen voorspellend modelleren om het energieverbruik te verminderen en de efficiëntie te verhogen, en synthetische gegevens gebruiken om ons nieuwe inzichten te geven in moleculaire biologie, genetica, materiaalkunde en een groot aantal andere gebieden. Effectief, er is een nieuw economisch model voor het creëren van rijkdom ontstaan ​​- Synthesis - dat AI gebruikt om gegevens vorm te geven als invoer, uitvoer of beide in veel verschillende soorten nieuwe systemen, processen en platforms om nieuwe oplossingen te creëren en te ontwikkelen voor oude problemen en nieuwe problemen die net zijn ontdekt door middel van AI en synthetische gegevens. Een andere populaire manier om naar dit nieuwe model voor het creëren van rijkdom te kijken, is als de samensmelting van het fysieke, natuurlijke en digitale in een informatiesysteem, een bijgewerkte versie van John Wheelers baanbrekende "It to Bit" (dat werd uitgelegd in deel 2 van dit boek). serie artikelen).

Als we deze economische geschiedenisles combineren met de eerdere samenvatting van de stand van wetenschap, creativiteit en innovatie, kunnen we een toekomstplan vormen rond de volgende concepten:

(1) Elk probleem is nu een informatieprobleem.

(2) Onderwijs in wetenschap, techniek en wiskunde moet worden gevormd door kwantumfysica, complexiteit en systeemdenken.

(3) De inherente complexiteit van natuurlijke en door de mens gemaakte systemen leent zich voor een multidisciplinaire benadering van leren, onderzoek en innovatie.

(4) Toegepaste AI is een belangrijk onderdeel van elke multidisciplinaire benadering van onderzoek, het begrijpen van de complexiteit van kwesties en het ontwikkelen van de nodige innovatie.

(5) De existentiële problemen waarmee de mensheid wordt geconfronteerd, maken dat wetenschappelijk onderzoek moet worden gecommercialiseerd; de particuliere sector heeft de enorme middelen om de problemen op te lossen. De urgentie van de problemen vereist meer dan alleen een verantwoordelijkheid van de overheid en ngo's.

Velen maken zich zorgen over het feit dat AI menselijke banen wegneemt en een andere groep maakt zich zorgen over de discriminerende vooringenomenheid in de gegevens die AI nodig heeft om te functioneren. Weer een andere groep maakt zich zorgen over het toegenomen elektriciteitsverbruik en de milieuproblemen van de bijbehorende gegevensopslagapparaten. Veel groepen vlammen deze kwesties op en de dwaze politici aan beide kanten gooien alleen maar olie op het vuur. Elke technologie sinds de stoommachine heeft positieve en negatieve gevolgen gehad en we zijn erin geslaagd om deze technologieën creatief te kanaliseren om de levensstandaard te verbeteren. De vooruitgang heeft ons echter ook op de rand van uitsterven gebracht, aangezien we de eindige hulpbronnen van de planeet blijven uitputten.

De bekende Franse filosoof Michel Foucault zei: "Om het onmogelijke te doen, moet je het onzichtbare zien." Het is in het menselijke vermogen tot patroonherkenning, analogie en inzicht dat we de creatieve oplossingen voor de problemen van vandaag zullen vinden. De AI zal deze inspanningen simpelweg ondersteunen door de analyse, de bepaling van bevindingen en het vermogen om te voorspellen te versnellen. Het echte probleem is of we de AI kunnen kanaliseren om de oplossingen op tijd te helpen vinden.

Ik heb er alle vertrouwen in dat we door zullen gaan met het ontwikkelen van nieuwe algoritmen, waardoor we kinderen op jongere leeftijd meer wiskunde, statistiek en toegepast machinaal leren moeten leren. Deze nieuwe algoritmen zullen nieuwe kennis opleveren op het gebied van wetenschap, geneeskunde en milieustudies. Deze nieuwe kennis zal leiden tot creatieve nieuwe technologische oplossingen voor problemen en veel van deze oplossingen zullen op componenten gebaseerde benaderingen zijn, vaak op nanometerschaal. Ik heb goede hoop dat deze kennis de levensverwachting aanzienlijk zal verlengen en ons uiteindelijk in staat zal stellen de levensstandaard te verbeteren van de mensen die al veel te lang zijn achtergelaten. Naarmate kwantumcomputing en kernenergie vorderen, ben ik nog optimistischer over deze voorspelling.

Het grootste risico voor mijn optimisme is de toename van natuurrampen en de voortdurende aantasting van het milieu. De mens zal waarschijnlijk overleven dankzij de nieuwe technologieën, maar de kwaliteit van leven kan drastisch veranderen of verminderen. Wat mijn optimisme ook bedreigt, is de toenemende incidentie van dictatuur en extremisme. Deze staatsvorm belemmert innovatie en onderdrukt de natuurlijke drang van mensen naar verbetering. De recente gebeurtenissen in China en Oekraïne zijn voorbeelden van de negatieve gevolgen van dictatuur. We hebben een betere geopolitieke omgeving nodig als we enige kans willen hebben om de milieukwesties op de juiste manier aan te pakken. Zonder tussenkomst van de overheid kunnen individuele empowerment, creativiteit en innovatie gedijen om de problemen van deze tijd op te lossen. Idealiter voor iedereen.

We kunnen onze problemen niet oplossen met hetzelfde denken waarmee we ze hebben gecreëerd.

- Albert Einstein

Referenties

[1] Falen om kritisch denken te verbeteren door Ben Parijs

[2] Informatiearchitectuur tussen niet-levende en levende collectieven door Hyunju Kim, Gabriele Valentini, Jake Hanson & Sara Imari Walker

[3] Kunnen computermodellen ons helpen de menselijke creativiteit te begrijpen? door Margaret Boden

[4] Gedreven door compressievoortgang: een eenvoudig principe verklaart essentiële aspecten van subjectieve schoonheid, nieuwigheid, verrassing, interessantheid, aandacht, nieuwsgierigheid, creativiteit, kunst, wetenschap, muziek, grappen door Jürgen Schmidhuber

[5] Een groot deel van de volgende paragraaf is in meer detail uitgewerkt in Deel 1 en Deel 2 van deze serie artikelen.

[6] Complexiteit: een zeer korte introductie door John H. Holland

[7] De systeemvisie op het leven door Fritjof Capra & Pier Luigi Luisi

[8] Computationele creativiteit

[9] Patent- en Merkenbureau van de Verenigde Staten

[10] National Science Foundation

[11] Het ontwikkelen van het datawetenschapspersoneel van de 21e eeuw

[12] Kondratiev-golf

Dit artikel is oorspronkelijk gepubliceerd op Medium en opnieuw gepubliceerd naar TOPBOTS met toestemming van de auteur.

Geniet van dit artikel? Meld u aan voor meer AI-onderzoeksupdates.

We laten het u weten wanneer we meer samenvattende artikelen zoals deze vrijgeven.

Verwant

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. Toegang hier.
• Bron: https://www.topbots.com/generative-ai-new-approach-to-research-innovation-and-entrepreneurship/