Mula sa Pagprotekta sa mga Balyena hanggang sa Mas Pinadaling Kaginhawaan, Ano ang Hindi Kayang Gawin ng AI?

Patuloy na nagiging mas karaniwan ang Artificial Intelligence sa pang-araw-araw na buhay. Ang pagpapakilala ng mga LLM (Large Language Models) tulad ng ChatGPT ay naglagay ng AI sa kamay ng lahat. Gayunpaman, ang teknolohiya ay nasa landas na para baguhin ang mga buhay bago pa man lumabas ang mga LLM sa merkado. Narito ang isang sulyap sa kung ano ang kasalukuyang hindi kayang gawin ng AI at kung saan ito patutungo sa hinaharap.

Ebolusyon ng AI

Ang sektor ng AI ay dumaan sa maraming iterasyon batay sa kakayahan at accessibility ng teknolohiya. Ang konsepto ng mga makinang kahawig ng tao ay nagmula pa noong sinaunang panahon. Binuhay muli ng Renaissance ang mga konseptong ito, at mga kilalang imbentor tulad nina Leonardo da Vinci ay nagpakita ng konsepto gamit ang mga awtomaton noong 1495.

Ang artificial intelligence na nakikita natin ngayon ay maaaring subaybayan pabalik sa Universal Turing Machine ni Alan Turing noong 1935. Makalipas lamang ng 15 taon, nilikha niya ang Turing test. Ginagamit ng Turing test ang pag-uusap ng tao upang matukoy kung ang isang AI system ay nakamit na ang kakayahang kahawig ng tao at higit pa. Ang pagsusulit na ito ay ginagamit pa rin ngayon bilang pamantayan para sa pakikipag-ugnayan ng AI.

Ang mga breakthrough sa komputasyon noong 1990s ay tumulong itulak pa ang mga AI system. Nagsimulang lumitaw ang machine learning at iba pang AI system sa panahong ito, na nagdala ng mga breakthrough noong unang bahagi ng 2000s. Halimbawa, ipinakita ng IBM ang kakayahan ng AI na si Watson sa pamamagitan ng pagtalo sa mga tao sa larong Jeopardy. Sa parehong panahon, nagsimulang maglabas ang Google ng data tungkol sa mga neural network system nito.

AI Ngayon

Ang dekadang ito ay nakakita ng ilan sa pinakamalalaking pagtalon sa teknolohiyang AI hanggang ngayon. Ang pagpapakilala ng mga self-learning AI technologies tulad ng torque clustering algorithms ay nagdala ng maraming talakayan sa sektor.
Ang mga teknolohikal na pag-unlad na ito ay sinamahan din ng mga moral na tanong at pangkapaligirang alalahanin. Ang lahat ng mga salik na ito ay nagdulot ng masusing pagsusuri sa hinaharap ng AI at ang impluwensya nito sa pang-araw-araw na buhay. Kaya, ano ang hindi kayang gawin ng AI? Ipinapakita ng mga proyektong ito ang ilan lamang sa kasalukuyang kakayahan at limitasyon nito.

Tulungan ang mga Tao na Magtayo ng Mas Magandang Lungsod

Maaaring tulungan ng mga AI system ang mga city planner na lumikha ng mas epektibo at mahusay na mga komunidad. Maaaring subaybayan ng mga AI system ang trapiko at iba pang mahahalagang datos na may malaking halaga sa pagtukoy ng mga lokasyon para sa mga bagong serbisyo, highway, at iba pang pangangailangan ng komunidad.

Mga Insight sa Imprastruktura

Isang paraan kung saan ginagamit na ang mga AI system upang lumikha ng mas ligtas at komportableng mga kapitbahayan ay sa pamamagitan ng mga insight. Isang pag-aaral¹ na inilathala sa Journal of Smart Cities and Society ay sumisid nang malalim sa seguridad at katatagan ng elektrikal.
Partikular, sinusuri nito ang pamamahagi ng enerhiya, pangangailangan ng mga bahay, anong uri ng pinagmumulan ng enerhiya ang ginagamit ng bawat bahay, at kung nagdudulot ba ito ng mas mataas na panganib ng pagkawala ng kuryente. Ipinaliwanag ng pag-aaral na habang mas maraming bahay ang lumilipat sa ganap na elektrikal na opsyon, maaaring napabayaan ang ilang panganib.
Lalo na, binibigyang-diin ng ulat kung paano ang mga solar panel ay mahusay na pinagmumulan ng enerhiya tuwing tag-init, ngunit maaaring iwanan ang buong komunidad na walang kuryente sa panahon ng mga bagyo sa taglamig at iba pang kondisyon ng kapaligiran. Nakakalungkot na ang senaryong ito ay nagiging mas karaniwan habang patuloy ang pagsulong para sa lahat ng tahanan na elektripikado.

Pagbuo ng AI Model upang I-ranggo ang Panganib ng Pagkawala ng Kuryente

Sinuri ng mga mananaliksik ng Stevens ang datos mula sa Department of Energy (DOE) building stock, kabilang ang mga pattern ng enerhiya ng 129,000 single-family homes. Ang mga bahay na ito ay matatagpuan sa walong magkaibang estado, na nagbigay-daan sa koponan na subukan ang sistema sa iba’t ibang kapaligiran.
Matagumpay na natukoy ng mga ML model ang indibidwal na bakas ng sistema ng enerhiya ng bawat bahay. Pagkatapos, pinroseso nito ang datos, kinross-refer sa mga data model nito, at tinukoy kung anong uri ng pinagmumulan ng enerhiya ang pinagkakatiwalaan ng bahay.
Higit pa rito, ginamit ng sistema ang datos na ito upang tukuyin ang panganib ng blackout sa bahay at komunidad. Ngayon, layunin ng koponan na palawakin ang pagsubok sa mas maraming komunidad upang matulungan ang mga planner na magtayo ng mas ligtas at mas matibay na mga electrical grid.

Iligtas ang Mundo

Ang mga kondisyon ng kapaligiran, polusyon, paglawak ng tao, at iba pang salik ay nag-iwan ng maraming rehiyon ng wildlife na wasak. Ang artificial intelligence ay isa sa mga solusyon na tinahak ng mga environmentalist upang matulungan tukuyin ang mga pattern ng wildlife.
Maaaring tulungan ng mga sistemang ito ang mga conservationist na mapansin ang biglaang pagbabago sa mga species, na isang mahalagang kasangkapan upang makatulong sa pagprotekta sa mga bihira at nanganganib na hayop mula sa pagkalipol. Sa kasalukuyan, kayang subaybayan ng mga AI system ang mga pattern ng migrasyon, kalusugan, aktibidad ng mga poacher, at iba pang mahahalagang datos.

Pagkonserba ng Balyena

Isang koponan ng mga makabagong mananaliksik mula sa Rutgers University-New Brunswick ang nagpakilala ng isang AI model na idinisenyo upang tulungan ang mga internasyonal na barkong pang-transportasyon na iwasan ang mga populasyon ng mga nanganganib na species kamakailan.
Ang mga pangunahing may-akda ng pag-aaral², sina Ahmed Aziz Ezzat at Josh Kohut, ay lumikha ng modelo ng migrasyon at pagsubaybay ng balyena gamit ang iba’t ibang datos na idinisenyo upang protektahan ang bihirang species na North Atlantic Right Whale. Nakakalungkot, ipinapakita ng datos mula sa National Oceanic and Atmospheric Administration na mas kaunti sa 400 ng mga kahanga-hangang nilalang na ito ang natitira sa ligaw. Sa natitirang populasyon, 70 lamang ang mga reproduktibong babae, na nagdudulot ng mas matinding pag-aalala ng mga conservationist.

Partikular, isinama ng koponan ang datos mula sa Rutgers University Center for Ocean Observing Leadership na nagmula pa noong unang bahagi ng 1990s, satellite imagery mula sa University of Delaware, at impormasyon ng underwater glider sa modelo. Kapansin-pansin, ang mga glider ay mga sasakyang nasa ilalim ng tubig na may hanay ng mga sensor. Nilalakbay nila ang sahig ng karagatan upang makatulong sa pagmamapa ng mga hindi pa natutuklasang rehiyon, subaybayan ang mga pagbabago sa kapaligiran, at maghanap ng mahahalagang mapagkukunan,
Hinulaan ng AI ang lokasyon at oras ng mga populasyon ng balyena batay sa mga kagustuhan ng balyena, mga nakaraang lokasyon, kondisyon ng kapaligiran, at panahon ng taon. Pinahintulutan nito ang mga mananaliksik na pag-ugnayin ang mga datos at hanapin ang mga pattern na nagdaragdag ng posibilidad ng pagkakita ng balyena. Sa hinaharap, tumpak na ipapakita ng sistemang ito sa mga barko kung nasaan ang mga populasyon ng balyena, na magbibigay-daan sa kanila na baguhin ang kurso upang iwasan ang mga natural na tirahan na ito.

Artificial Intelligence of Things (AIoT).

Ang pagsasama ng Artificial Intelligence at mga teknolohiya ng Internet of Things ay lumikha ng umuusbong na industriya ng AIoT. Pinagsasama ng sektor na ito ang saklaw at kakayahang mangolekta ng datos ng mga IoT system sa pattern recognition, pagproseso, at kaginhawahan na ibinibigay ng mga AI system.
Pinapahintulutan ng AIoT Systems ang mga kumpanya ng logistics na maihatid ang kanilang mga produkto sa buong mundo nang mas mabilis, mabawasan ang pamemeke, at magbigay ng maraming iba pang mataas na antas na tampok na imposibleng magawa. Pinapabuti ng AIoT ang konsepto ng IoT sa ilang mahahalagang paraan kabilang ang kahusayan.
Ang tradisyonal na mga IoT system ay gumagana bilang mga sensor. Kinokolekta nila at ipinapadala ang datos sa pamamagitan ng internet sa ibang lokasyon na pagkatapos ay nagpoproseso ng datos.  Inaalis ng AIoT ang pangangailangan na ipadala ang datos sa internet. Sa halip, maaaring iproseso ng mga sistemang ito ang impormasyon sa loob mismo, na nagbabawas ng oras, gastos, at pangangailangan sa bandwidth.

Matalinong Ekonomiya

Gagampanan ng AIoT ang isang mahalagang papel sa bukas na matalinong ekonomiya. Ang mga smart home ngayon ay umaasa sa iba’t ibang protokol ng pagkilala ng aktibidad ng tao upang subukang magbigay ng kaginhawahan sa kanilang mga gumagamit. Halimbawa, isipin na sinasabi mo kay Alexa na nais mong mag-ehersisyo, at nagsisimula ng isang serye ng mga gawain na dinisenyo upang gawing mas maginhawa ang proseso.
Maaaring kasama sa mga gawain na ito ang pag-aayos ng ilaw, pagpapatugtog ng musika, pagsasara ng mga blinds, at kahit pagsisimula ng smoothie maker pagkatapos ng ehersisyo. Lahat ng ito ay posible na ngayon gamit ang mga preset na macro. Gayunpaman, ang paggamit ng mga advanced na AI system para sa pagkilala ng aktibidad ng tao ay mag-aautomat ng prosesong ito.

MSF-Net

Kamakailan, nagpasiklab ng interes ang mga inhinyero ng Incheon National University matapos ipakilala³ ang kanilang MSF-Net (multiple spectrogram fusion network) Wifi human activity tracking system. Maaaring gamitin ng system ang channel state information (CSI) upang matukoy ang mga banayad na aktibidad ng tao.
Gagawing mas maginhawa ng teknolohiyang ito ang mga smart home. Sa lalong madaling panahon, magagawang tukuyin ng AI kung nagluluto ka, nagpapahinga, nanonood ng TV, o papauwi na para sa trabaho at i-aayos ang kapaligiran nang naaayon. Maaaring maisama ang teknolohiyang ito sa maraming sektor kabilang ang pagmamanupaktura, seguridad, at pangangalagang pangkalusugan.

Payo sa Moralidad

Mukhang kahit gaano pa ka-advanced ang teknolohiyang AI, palaging may kaunting kawalan ng tiwala sa mga sistemang ito. Isang kamakailang pag-aaral⁴ na inilathala sa journal na Cognition ay naglalahad kung paano hindi nagtitiwala ang mga tao sa mga AI system pagdating sa payong moral.
Pinag-aaralan ng School of Psychology kung bakit may kawalan ng tiwala sa mga AI system, kung paano ito nagpalubha sa pag-aampon, at kung ano ang kinakailangan upang mapagtagumpayan ang mga balakid na ito sa pag-aampon. Sinuri ng mga mananaliksik ang pag-usbong ng mga artificial moral advisors (AMAs) at kung paano maaaring maging pangkaraniwan ang mga ito balang araw.
Ang mga artificial moral advisors ay mga algorithm na nilikha para sa tiyak na layunin na gumagamit ng mga pre-programmed na teoryang etikal, prinsipyo, at gabay upang magbigay sa mga gumagamit ng mga sagot sa mahihirap na dilema sa moral.
Kapansin-pansin, natuklasan ng pag-aaral na nagiging maingat ang mga tao sa payo ng AI sa mga isyung moral, kahit na pareho ito sa payong ibinigay ng isang human advisor. Ipinakita rin nito na marami ang may maling pag-unawa sa AI at mga alalahanin tungkol sa kakayahan nitong magpakasama.
Sa hinaharap, maaaring magkaroon ka ng AMA sa iyong tabi upang tulungan kang gumawa ng tamang desisyon. Sa pinakakaunti, idodokumento nito at marahil iiuulat ang anumang “maling” desisyon na iyong gagawin. Dahil dito, madaling maunawaan kung bakit handa ang sangkatauhan na ibigay sa AI ang mga code para sa pagpapalipad ng missile, ngunit hindi hayaan itong maghatid ng sermon.

Ano ang Hindi Kayang Gawin ng AI? Marami Pa Rin

Ang rebolusyon ng AI ay nasa rurok na at patuloy na nagdadala ng mga pangunahing breakthrough sa teknolohiya na nagpapalawak ng kakayahan ng mga AI system. Sa kabila ng patuloy na pag-uulit na darating ang AI upang kunin ang iyong trabaho, marami pa ang may sapat na oras bago sakupin ng kanilang mga robot overlords ang kontrol. Gayunpaman, ang ugnayang pantao ay nananatiling isang paraan palabas.
Maraming salik tulad ng kawalan ng tiwala at maling pagkaunawa ang tiyak na magdudulot ng pag-aalinlangan hinggil sa tunay na kakayahan at layunin ng AI. Sa ngayon, ang teknolohiyang ito ay may walang hanggang potensyal ngunit nananatiling limitado sa kakayahang kumonekta sa mga tao. Habang umuunlad ang mga LLM at robotics, maaaring mas lalong magsanib ang hangganan sa pagitan ng sangkatauhan at AI, na magbubukas ng pinto para sa mga bagong realidad.
Alamin ang Iba pang Cool AI Projects Ngayon

Sanggunian ng Pag-aaral:

^{1. Majowicz, A., Popli, C., & Odonkor, P. (2025). Pagkuwenta ng kahinaan ng sambahayan sa pagkawala ng kuryente: Pagsusuri ng mga panganib ng mabilis na elektripikasyon sa mga matatalinong lungsod. Journal of Smart Cities and Society, 0(0). https://doi.org/10.1177/27723577241306340}

^{2. Ji, J., Ramasamy, J., Nazzaro, L., Kohut, J., & Ezzat, A. A. (2024). Machine learning para sa pagmomodelo ng presensya ng North Atlantic right whale upang suportahan ang pag-unlad ng offshore wind energy sa U.S. Mid-Atlantic. Scientific Reports, 14, 29147. https://doi.org/10.1038/s41598-024-80084-z}

^{3. Chen, J., Xu, X., Wang, T., Jeon, G., & Camacho, D. (2024). Isang AIoT framework na may multimodal frequency fusion para sa WiFi-based na pangkalahatang at detalyadong pagkilala ng aktibidad. IEEE Internet of Things Journal, 11(24), 39020-39029. https://doi.org/10.1109/JIOT.2024.3400773}

^{4. Myers, S., & Everett, J. A. C. (2025). Inaasahan ng mga tao na ang mga artificial moral advisors ay mas utilitarian at hindi pinagkakatiwalaan ang mga utilitarian moral advisors. Cognition, 256, 106028. https://doi.org/10.1016/j.cognition.2024.106028}