Month: December 2022

Here we go again! For the sixth consecutive year, we present Neural’s annual AI predictions. 2022 was an incredible year for machine learning and artificial intelligence. From the AI ​​developer trying to convince the world that one of Google’s chatbots had become sentient to the recent launch of OpenAI’s ChatGPT, it’s been 12 months of non-stop drama and action. And we have every reason to believe that next year will be both bigger and stranger.

That’s why we reached out to three thought leaders whose companies are investing heavily in artificial intelligence and the future. Without further ado, here are the predictions for AI in 2023:

First, Alexander Hagerup, co-founder and CEO of Vic.ai, told us that we’ll continue to see the “progress from people using AI and ML software to augment their work to people relying on software to do the work for them autonomously.” According to him, this will have a lot to do with generative AI for creatives – we’re pretty sure he’s talking about the ChatGPTs and DALL-Es of the AI ​​world – as well as “reliance on truly autonomous systems for finance and other clerical work. “

Greetings, humanoids

Subscribe to our newsletter now to get a weekly roundup of our favorite AI stories delivered to your inbox.

He believes a looming recession could even double that progress as companies could be forced to find ways to reduce labor costs.

Next we heard from Jonathan Taylor, Chief Technology Officer at Zoovu. He predicts the consumer shopper experience will be transformed globally by 2023 thanks to “innovative zero-party solutions that leverage advanced machine learning techniques and are designed to interact directly and transparently with consumers.” I know this sounds like corporate jargon, but the fact of the matter is that marketing language sometimes hits the nail on the head.

Consumers are fed up with the traditional business interaction experience. We’ve been on hold since we were old enough to pay bills. It’s a bold new world and the companies that know how to use machine learning to make us happy will be the cream that comes out on top in 2023 and beyond.

Jonathan Taylor, Chief Technology Officer at Zoovu

Taylor also predicts that Europe’s world-leading consumer protection and privacy legislation will force companies large and small to “adopt these new approaches before the old approaches are either regulated by government or mandated by consumers.”

The writing is on the wall. As he puts it, “The only way to make these zero-party solutions truly scalable and as effective as the older privacy-violating alternatives will be to use advanced machine learning and transfer learning techniques.”

Finally, we got in touch with Gabriel Mecklenburg, co-founder of Hinge Health. He told us that in 2023, the future of AI lies in diversity. For the field, especially in medicine, to continue to evolve, machine learning needs to work for everyone.

In his words, “AI is clearly the future of motion tracking for health and fitness, but it’s still extremely difficult to get good results from. Many apps will work if you’re a white person with an average body and a newer iPhone model with a large screen. However, equal access means AI-powered care experiences need to work on low-end phones, for people of all shapes and colors, and in real-world environments.”

Gabriel Mecklenburg, co-founder of Hinge Health

Mecklenberg explained that more than one in five suffer from diseases of the musculoskeletal system such as neck, back and joint pain. According to him, “It is a global crisis with a heavy human and economic toll.”

He believes medical professionals with AI have what they need to help these people. “For example,” says Mecklenberg, “AI technology can now help identify and track many unique joints and reference points on the body just by using the phone camera.”

But as mentioned above, this only matters if these tools work for everyone. Per Mecklenberg, “we need to ensure that AI is used to close the supply gap and not widen it.”

From the publisher of Neural:

It has been a privilege to curate and publish these predictions over the years. When we started over half a decade ago, we made a conscious choice to highlight voices from smaller companies. And as long-time readers may remember, I even made a few predictions myself in 2019.

But considering we’ve spent the whole of 2020 in COVID lockdown, I’m reluctant to tempt fate again. I make no predictions for AI in 2023 except one: the human spirit will endure.

When we first started predicting the future of AI here at Neural, a certain segment of the population thought it smart to tell creatives to “learn to code”. At the time, it seemed as if journalists and artists were about to be replaced by machines.

But six years later we still have journalists and artists. That’s the problem with humans: we’re never satisfied. Build an AI that understands us today and is obsolete tomorrow.

The future is all about finding ways to make AI work for us, not the other way around.

In einem Raum an der University of Plymouth im Vereinigten Königreich hat ein Ph.D. Student sitzt mit geschlossenen Augen an einem Computer, als würde er meditieren. Auf seinem Kopf sieht er aus wie eine schwarze Badekappe, ist aber eigentlich ein Elektroenzephalogramm (EEG)-Lesegerät, das die elektrische Aktivität erfasst, die über seine Kopfhaut fließt. Vor ihm auf dem Monitor ist ein Drahtmodell-Globus mit zwei mit „1“ und „0“ markierten Punkten zu sehen. In der Mitte des Globus befindet sich wie bei einer Uhr mit einem einzigen Zeiger ein Pfeil, der zwischen den beiden Punkten oszilliert. Als der Schüler seinen Ausdruck von Entspannung zu Aufregung mit weit aufgerissenen Augen ändert, zuckt und bewegt sich der Pfeil. Alle paar Sekunden gibt er eine neue Ziffer ein.

Es sieht vielleicht nicht nach viel aus (und im Moment ist es noch sehr früh für diese Arbeit), aber es ist nichtsdestotrotz faszinierendes Zeug. Während der Student seine Gehirnmuster von ruhig zu energetisiert und wieder zurück ändert, erzeugt er Alpha- und Betawellen, die dann verwendet werden, um simulierte Qubits – die elementare Einheit im Quantencomputing, die die Mathematik der Quantenphysik widerspiegelt – zu manipulieren, indem er nichts anderes als die Kraft verwendet des Denkens.

„Wenn Sie sich selbst trainieren, diese beiden Arten von Wellen zu erzeugen, können Sie eine Art Morsecode an den Computer senden“, sagte Professor Eduardo Miranda von der University of Plymouth gegenüber Digital Trends. „Das Problem ist, dass es im Moment acht Sekunden dauert, um einen Befehl zu erzeugen, weil das EEG sehr langsam ist. Wir brauchen viel Verarbeitung, um es zu analysieren. Und diese Analyse ist nicht so genau, also müssen wir viele Male überprüfen, ob der Code wirklich das ist, was die Person produzieren möchte.“

Willkommen in den etwas wackligen, zaghaften Schritten der Welt der Quantenprogrammierung mittels Gehirn-Computer-Schnittstelle. Laut seinen Entwicklern ist dies der Beginn der Konstruktion dessen, was das Team das Quantum Brain Network (abgekürzt QBraiN) nennt. Und es hat das Potenzial, eine Reihe von Dingen zu tun, für die es sich zu begeistern lohnt.

Mehr als die Summe seiner Teile oder ein Toaster-Kühlschrank?

Wenn Sie eine Liste der aufregendsten Technologien gesehen haben, die derzeit am Tech-Horizont auftauchen, sind Sie mit ziemlicher Sicherheit auf die Begriffe Brain-Computer-Interface (BCI) und Quantencomputer gestoßen.

Ein BCI ist eine ausgefallene Terminologie für eine Möglichkeit, einen Computer mithilfe von Gehirnsignalen zu steuern. Während jedes Gerät mit manueller Eingabe technisch vom Gehirn gesteuert wird – wenn auch in der Regel über einen Vermittler wie Finger oder Stimme – ermöglicht ein BCI, diese Befehle an die Außenwelt zu senden, ohne dass sie zuerst vom Gehirn an periphere Nerven oder Muskeln ausgegeben werden müssen .

Universität von Plymouth

Quantencomputer hingegen sind das nächste große Ding in der Datenverarbeitung. Quantencomputing wurde erstmals in den 1980er Jahren vorgeschlagen, obwohl es erst jetzt beginnt, technische Realität zu werden, und bezieht sich auf einen völlig neuen Ansatz in der Computerarchitektur. Er wird nicht nur weitaus leistungsstärker sein als bestehende klassische Computer, sondern auch Dinge ermöglichen, die selbst mit Millionen verketteter heutiger Supercomputer unmöglich wären. Sie könnten, wenn man ihren Befürwortern glaubt, die Antwort auf das unvermeidliche Ende des Mooreschen Gesetzes sein, wie wir es kennen.

Obwohl BCIs und Quantencomputer zweifellos vielversprechende Technologien sind, die zum gleichen Zeitpunkt in der Geschichte auftauchen, stellt sich die Frage, warum sie zusammengebracht werden sollen – und genau das ist das Konsortium von Forschern der britischen Universität Plymouth, der spanischen Universität Valencia und der Universität Sevilla , Deutschlands Kipu Quantum und Chinas Shanghai University versuchen dies zu tun.

Es funktioniert jedoch nicht immer, zwei unverzichtbare Technologien zu kombinieren.

Technologen lieben nichts mehr, als vielversprechende Konzepte oder Technologien zusammenzufügen, in der Überzeugung, dass sie, wenn sie vereint sind, mehr als die Summe ihrer Teile darstellen. Manchmal funktioniert das wunderbar. Wie der Risikokapitalgeber Andrew Chen in seinem Buch The Cold Start Problem beschreibt, nutzte Instagram das Aufkommen von mit Kameras ausgestatteten Smartphones und die gleichzeitigen starken Netzwerkeffekte von Social Media, um zu einer der am schnellsten wachsenden Apps der Geschichte zu werden.

Es funktioniert jedoch nicht immer, zwei unverzichtbare Technologien zu kombinieren. Apple-CEO Tim Cook witzelte einmal: „Sie können einen Toaster und einen Kühlschrank zusammenführen, aber diese Dinge werden dem Benutzer wahrscheinlich nicht gefallen.“

Was also macht gehirngesteuertes Quantencomputing zu einem Beispiel für ersteres, zu einem Mitglied des Mehr-als-die-Summe-seiner-Teile-Clubs und nicht zu einem Symptom des Toaster-Kühlschrank-Problems? In einem Anfang 2022 veröffentlichten Papier schreibt das oben genannte Konsortium von Forschern: „Wir sehen die Entwicklung hochgradig vernetzter Netzwerke von Wetware- und Hardwaregeräten voraus, die klassische und Quantencomputersysteme verarbeiten, die durch Gehirn-Computer-Schnittstellen und KI vermittelt werden. Solche Netzwerke werden beteiligt sein unkonventionelle Computersysteme und neue Modalitäten der Mensch-Maschine-Interaktion.“

Anwendungsfälle in Hülle und Fülle

Die bedeutendste – und, wenn es funktioniert, unmittelbar transformierende – Anwendung des Quantum Brain Network ist, dass es BCIs helfen wird, besser zu arbeiten. Unser Gehirn ist unglaublich komplex. Sie verfügen über 100 Milliarden Neuronen, die riesige Netzwerke mit Billiarden von Verbindungen bilden, die über winzige elektrische Impulse ständig miteinander kommunizieren. Heute ist die Wissenschaft in der Lage, die Art und Weise aufzuzeichnen, wie Teile des Gehirns kommunizieren, von der kleinsten Neuron-zu-Neuron-Interaktion bis hin zu größeren Kommunikationen zwischen Neuronennetzwerken.

Dazu ist jedoch in der Regel eine hochspezialisierte Technologie wie die funktionelle Magnetresonanztomographie (fMRI) erforderlich, die nur in Spitzenforschungslabors verfügbar ist. Die BCI-Experimente, die sich auf das stumpfe Instrument des EEG stützen, sind in der Regel vergleichsweise einfach in dem, was sie tun können: Sagen Sie, zu entscheiden, ob eine Person an die Farbe Blau oder Rot denkt, oder eine Drohne dazu zu bringen, sich nach oben und unten oder nach links und rechts zu bewegen. Es fehlt ihnen an Nuancen.

Glenn Asakawa/The Denver Post über Getty Images

Das ändert sich jetzt, erklärte Miranda. „Wir fangen an, Zugang zu guter Hardware zu haben. Es kommen immer bessere EEG-Scans heraus.“

Bessere Hardware zur Erkennung von Gehirnwellen ist jedoch nur ein Teil des Puzzles. Stellen Sie sich als Analogie ein außergewöhnlich genaues Mikrofon vor, das mitten in einem Fußballstadion aufgestellt ist. Das Mikrofon ist so leistungsstark, dass es jedes Geräusch der tausenden Fans im Stadion aufnehmen kann, egal ob sie laut jubeln oder leise einen Hotdog mampfen. Doch so beeindruckend dies auch wäre, ohne die richtige Audiofiltersoftware könnten Sie nicht mehr tun, als einer aggregierten, formlosen Masse von Massengeräuschen zuzuhören. Ein solches Mikrofon allein würde Ihnen beispielsweise nicht dabei helfen festzustellen, was die Person auf Platz 77A sagt.

Was Sie brauchen, ist nicht nur die Fähigkeit, diese Informationen aufzuzeichnen, sondern sie auch zu entschlüsseln und nutzbar zu machen. Und schnell. Das könnte Quantencomputing leisten, indem es seine überlegenen Fähigkeiten nutzt, um die unvorstellbare Menge an elektrischen Gehirnimpulsen besser zu verarbeiten, die erforderlich sind, um Absichten und Gedanken zu verstehen, sobald sie auftreten.

„BCI braucht Echtzeitkontrolle“, fuhr Miranda fort. „Ich denke, Quantencomputer können die Geschwindigkeit bereitstellen, die wir für diese Verarbeitung benötigen … [Right now] Wir können nicht herausfinden, was all diese chaotischen Informationen, die wir mit dem EEG bekommen, bedeuten. Wenn wir könnten, könnten wir damit beginnen, die Signale zu klassifizieren und bestimmte Verhaltensweisen zu benennen, zu denen wir uns selbst zwingen.“

Chris DeGraw/Digitale Trends, Getty Images

Vielleicht wäre es gar nicht nötig, sich anzustrengen, um diese Verhaltensweisen hervorzurufen. Wie Azeem Azhar in seinem Buch „Exponential“ aus dem Jahr 2021 schreibt, besteht das Versprechen von Gehirn-Computer-Schnittstellen darin, „neuronale Aktivität aus unseren Köpfen zu reißen, noch bevor sie sich zu Gedanken formt“. Genauso wie Empfehlungssysteme – wie die von Spotify, Netflix und Amazon – versuchen, uns zu zeigen, was wir konsumieren möchten, bevor wir uns überhaupt für uns entschieden haben, werden auch BCIs unsere kaum bewussten Denkmuster lesen und nützliche Informationen daraus extrapolieren .

Das könnte die Steuerung eines Smart Home oder eines Roboters sein, das Einblenden der richtigen Kontextinformationen im richtigen Moment oder das Bereitstellen einer feinkörnigeren Bewegung für eine neuronal gesteuerte Prothese. In Mirandas Haustier-Anwendungsfall, an dem er seit Jahren arbeitet, könnte es Menschen mit Locked-in-Syndrom helfen, schneller besser mit der Außenwelt zu kommunizieren.

Die Quanten-Metaverse?

Dann gibt es die Möglichkeit, das Gehirn zu verwenden, um mit einem Quantencomputer selbst zu interagieren, anstatt es nur für die Bootstrap-Verarbeitung zu verwenden. „In Zukunft könnte es möglich sein, Quantenzustände in einer Quantenmaschine mit mentalen Zuständen zu beeinflussen“, sagte Miranda. „Ich werde nicht so weit gehen zu sagen, dass wir in der Lage sein werden, unser Gehirn mit Quantencomputern zu verschränken, aber wir werden in der Lage sein, direkter mit Quantenzuständen zu kommunizieren.“

Das könnte bedeuten, einen Quantencomputer nicht auf die umständliche Weise der Demonstration zu programmieren, sondern einfach an eine gewünschte Ausgabe zu denken und die Maschine sofort den richtigen Code programmieren zu lassen. Stellen Sie es sich wie evolutionäres Computing (bei dem Sie eine gewünschte Ausgabe angeben und die Maschine den kreativen Weg dorthin finden lässt) auf Überlagerungssteroiden vor.

Chris DeGraw/Digitale Trends, Getty Images

Einige der Forscher des Projekts sind auch von der Aussicht begeistert, etwas zu erschaffen, was sie eine Quanten-Metaverse nennen. (Und wenn Sie denken, dass das aktuelle Konzept des regulären Metaverses an den Rändern verschwommen ist, versuchen Sie, Ihren Kopf um sein Quantenäquivalent zu wickeln!). Irgendwie macht die Idee aber sehr viel Sinn. KI-Forscher haben sich schon lange vorgestellt – und das untermauert tatsächlich die gesamte Vorstellung von echter künstlicher Intelligenz – dass die Wetware des Gehirns durch Hardware und Software nachgebildet werden könnte. Mindestens seit den 1990er Jahren argumentieren einige führende Physiker und Mathematiker, dass die Natur des Bewusstseins tatsächlich quantenhaft ist.

Zum Beispiel argumentiert ein Artikel aus dem Jahr 2011, der von dem weltberühmten mathematischen Physiker Roger Penrose aus Oxford mitverfasst wurde, dass „das Bewusstsein von biologisch orchestrierten Quantenberechnungen in Ansammlungen von Mikrotubuli innerhalb von Gehirnneuronen abhängt, dass diese Quantenberechnungen mit neuronaler Aktivität korrelieren und diese regulieren, und so weiter die kontinuierliche Schrödinger-Entwicklung jeder Quantenberechnung endet in Übereinstimmung mit dem spezifischen Diósi-Penrose (DP)-Schema der ‚objektiven Reduktion‘ des Quantenzustands.“

„Es gibt viele philosophische Debatten darüber, dass das Gehirn als Quantencomputer funktioniert“, erklärte Miranda. „Die Leute träumen davon, dass es vielleicht möglich ist, dass wir, wenn es uns gelingt, unser Gehirn mit einer Quantenmaschine zu verbinden, zu einer Erweiterung der Maschine werden oder die Maschine zu einer Erweiterung unseres Gehirns wird.“

(Miranda sagte, dass er persönlich nicht „völlig überzeugt“ sei von dem Argument, dass Gehirne wie Quantencomputer funktionieren.)

Schritt eins auf einer langen Reise

Im Moment ist vieles davon weit weg – und weit draußen. Fortschritte müssen in mehreren Bereichen erzielt werden: Die Verfügbarkeit von Quantencomputern (die zuvor beschriebene Demo wurde mit einem simulierten Quantencomputer durchgeführt), die Nützlichkeit von Quantenalgorithmen, kontinuierliche Verbesserungen in der Gehirnlesetechnologie und vieles mehr.

Der nächste Schritt, sagte Projektteilnehmer Professor Enrique Solano, Direktor der Forschungsgruppe Quantum Technologies for Information Science (QUTIS), sei „ein gefangenes Ion zu suchen [quantum computer] oder eines, das auf Spin-Qubits basiert, die bei Raumtemperatur arbeiten und sicherstellen, dass Latenz- und Kohärenzzeiten kompatibel werden.“

Das Öffnen dieser Büchse der Pandora des gehirngesteuerten Quantencomputers wird schwierig sein. Wir sprechen von Jahren, bevor dies für mehr als nur ein paar vielversprechende Demos praktikabel wird. Doch die größten Innovationen brauchen oft Zeit.

„Das Gehirn ist das komplexeste Objekt im Universum, das wir bisher kennen“, sagte Solano gegenüber Digital Trends. „In diesem Sinne müssen Sie, wenn Sie es mit einer primitiven Schnittstelle verbinden, ein zu stark vereinfachtes Modell davon mit minimalen biologischen und intelligenten Merkmalen akzeptieren.“

Quantencomputing könnte die Lösung für dieses Problem sein. Willkommen im Quantum Brain Network, in der Tat.

Empfehlungen der Redaktion