科幻故事对人工智能的预测有多准确？

回顾人工智能过去十年的发展，很明显，很多科幻小说最终都没有预测人工智能（或通用人工智能）将如何构建。但其中很大一部分是不可预测的——2017 年推出的 Transformer 模型是否会为每天与人工智能互动的数十亿人带来有点混乱但相对迅速的推广，这一点并不明显。我同意乌苏拉·勒吉恩的观点：“科幻小​​说不是预测性的，而是描述性的。”对我来说，科幻小说的有趣之处不在于它如何准确地推断未来，而在于，在未来的情况下，它会如何？然而，这确实让我很好奇：哪些故事是正确的？为了做出这个决定，我首先分解了人工智能实际开发的显着特征，然后将它们映射到著名的故事上，然后对它们进行排名。

Ted Jiang 的《软件对象的生命周期》排在第一位，因为它是对人工智能教学、维护和销售工作最接近的整体描述。人工智能是如何构建的。

Richard Powers 的 Galatea 2.2 (8.4/10) 将语言视为神经网络可以学习的东西，一开始很糟糕，然后通过实验和教学进行改进。它能做什么。莱姆的电子诗人、伊根的机器书写文学、达尔的书写机器都可​​以承担创造性的工作。我们如何使用它。她和《完美搭配》共同打造了最强大的消费者助理愿景。赫特林的阿伏加德罗公司尤其擅长软件如何使用公司（代理机构）拥有的系统。我找不到 2017 年之前的任何作品能够清楚地描述 Transformer 注意机制，或者从广泛使用的聊天机器人到能够在几年内发现新的数学结果的代理的特定序列。所有作品的乐谱都是连续排列的。深色方块是更强的匹配。每个标题下方的细条显示了如何根据三个类别构建总体分数。在学习范式 (4)、迭代 (5)、人类反馈 (5)、语言 (4)、能力不均匀 (4)、界面/分布 (5)、经济学 (5)、社会变革 (4) 方面最强。在 Blue Gamma，安娜和德里克花了数年时间在数据地球中培育数码体。他们不只是安装语言模块。他们教导、奖励和纠正它们，不同的人工基因组以不同的方式发展。这是关于学习过程的一个很好的预测。