[Ayla Mustafa]

Analiza kolosalnych ilości danych przez AI w ultraszybkim czasie to faktycznie czynnik, który mocno pomaga w odkryciach naukowych.

AI analizuje dane zdobyte pośrednio, czyli przygotowane przez człowieka, a to jest dla AI większym złem niż dobrem. To jakim to jest złem wychodzi wtedy, gdy np. wpuści się AI do świata rzeczywistego i każe się jej funkcjonować w świecie rzeczywistym i w czasie rzeczywistym, czyli np. autonomiczne samochody - tutaj ze "złem teoretycznych danych zdobytych pośrednio" AI musi walczyć za pomocą danych zdobywanych bezpośrednio przez siebie samą.

Autonomiczne taksówki od Waymo jeżdzą już w paru miastach USA. Sęk w tym, że potrzebują one dokładnego zmapowania całego terenu, na którym jeżdżą, więc na razie jeżdżą w miastach ciepłych i w których nie pada za bardzo, czyli w miastach, w których drogi są ciągle zasadniczo w tym samym stanie, a więc trasy przejazdów są tam przewidywalne. Jakie są to miasta? Los Angeles, San Fransisco, Phoenix i Austin:
https://support.google.com/waymo/answer/...%20operate.

Dlaczego nie polepszyć tej oszałamiającej możliwości dodaniem do niej niebywałej kreatywnej intuicji?

Przeciwnie. Wybujała kreatywność przy mocno ograniczonej liczbie rozpatrywanych kontekstów, przy niemożności podważania i weryfikacji sensu danych zdobytych pośrednio, przy niemożności doprecyzowania danych względem kontekstów na podstawie własnych przemyśleń w czasie rzeczywistym, itp., itd, prowadzi nader często, czasem nieakceptowalnie często, wprost do generowania przez AI całej masy zwykłych głupot.

Za kreatywne generowanie głupot byłyby kary. Za kreatywne odkrywanie wniosku naukowego, który byłłby subiektywnie nowy dla AI, ale byłby już obiektywnie udowodniony przez ludzi z przeszłości, byłyby nagrody. Zatem AI uczyłoby się jak AlphaGo, ale w innej dziedzinie. W końcu po wyćwiczeniu kreatywnej skuteczności w badaniu świata potrafiłoby wymyślać odpowiedniki "ruchu 37", ale w nauce, a nie w grze go.
I sztuczna inteligencja mogłaby robić eksperymenty w swych badaniach, ale miałaby prawo używać do tych eksperymentów jedynie narzędzi, które były znane w zakresie czasowym istnienia danych, na których się już trenowała, chyba że sama stworzyłaby dane narzędzie w swym procesie badawczo-twórczym. Zatem po nauce na podstawie danych do 2000 roku (włącznie z 2000 rokiem) nie mogłaby używać niczego, co zostało stworzone po 2000 roku, chyba że sama stworzyłaby dane narzędzie w swym procesie badawczo-twórczym. AI miałoby też ograniczenia budżetowe w swych badaniach, by jeszcze bardziej nakierować AI na kreatywne kombinowanie. A im mniej kontekstów i innych danych dla AI, tym wyższy sztuczna inteligencja miałaby poziom trudności, a w procesie nauczania powinno się stopniowo podwyższać poziom trudności, by nauczyć się jak najwięcej.