Izraz "umetna inteligenca" se pogosto nanaša na nevronske mreže, zgrajene na osnovi tehnologij globokega strojnega učenja. Poleg tega je tehnologija usposabljanja nevronskih mrež dobro razvita in obrodi sadove. Vendar pa vsi znanstveniki niso mnenja, da bi se na tej poti morala razvijati umetna inteligenca. Nekdo celo verjame, da takšnim sistemom „ne gre zaupati“in njihov razvoj ne bo prinesel nič dobrega.
Umetna inteligenca v modernem smislu - to sploh ni tisto, kar si mnogi mislijo.
Zakaj je strojno učenje slabo za človekov razvoj
V obsežnem delu, objavljenem na straneh Technologyreview, profesor na newyorški univerzi, strokovnjak za področje kognitivne znanosti (znanost o kogniciji) Gary Marcus, je spregovoril o tveganjih zaradi široke uporabe nevronskih mrež, ki temelji na globokem strojnem učenju.
Prvič, znanstvenik meni, da ima tehnologija jasne omejitve. Zlasti se že dolgo govori o tem, da je treba ustvariti tako imenovani "pravi AI", ki je primeren za reševanje širokega spektra težav in ne le enega konkretnega, kot se dogaja zdaj. Obstoječi AI sistemi so že dosegli vrhunec svojega razvoja in jih praktično "nikjer ne raste". Poleg tega ne morete samo vzeti in recimo enega AI najprej naučiti voziti avtomobila, drugega pa prisiliti, da ga popravi in nato kombinira sisteme in tako ustvari univerzalnega pomočnika. Umetne inteligence preprosto ne bodo mogle medsebojno vplivati, saj so se "učile na različne načine".
Kako narediti AI pametnejši
Promocijski video:
Da bi algoritmi postali bolj učinkoviti, jih je treba "usposobiti drugače." Treba jih je spodbuditi, da začnejo videti odnos predmetov in posledice interakcije z njimi. V tem primeru bomo služili kot najboljši primer.
Profesor Gary Marcus.
Poleg tega to, kar ponuja Marcus, sploh ni novo. Zgoraj opisani primer je, kako so si znanstveniki zamislili "klasični AI". Da pa lahko ta AI deluje učinkovito, moramo vnaprej programirati vse možne rezultate. In to je skoraj nerealno. Ampak obstaja izhod.
Rešitev je lahko nekakšna simbioza "klasičnega AI", ki vidi odnose in pridobiva rešitve na razumljiv način ter globoko učenje, ki je sposobno najti rešitev s pomočjo "poskusov in napak". To je lahko nekakšen osnovni sistem pravil in predpisov, ki zadevajo okoliški svet. Na njihovi osnovi se bodo AI sistemi že lahko razvijali na določenem področju. Prava umetna inteligenca mora razumeti, kako vse deluje naokoli, da bi razumela vzročno-posledične odnose in enostavno prešla iz ene na drugo nalogo. Sodobni sistemi, zgrajeni s tehnologijo globokega učenja, tega preprosto niso sposobni.
Vladimir Kuznecov