Splošno prepričanje je, da bodo z najnovejšim napredkom raziskav umetne inteligence kmalu na vidiku živi in inteligentni stroji. Avtomobili razumejo glasovne ukaze, razlikujejo slike, vozijo avtomobile in igrajo igre bolje kot mi. Koliko časa je še treba počakati, da začnejo hoditi med nami?
Nedavno objavljeno poročilo Bele hiše o umetni inteligenci ima skeptično stališče. Piše, da v naslednjih 20 letih verjetno ne bomo videli strojev, ki "kažejo intelektualne sposobnosti, primerljive ali boljše od ljudi", v prihodnjih letih pa bodo "stroji dosegli človeške sposobnosti za izvajanje vedno več nalog." Vendar v tem poročilu manjka nekaj pomembnih stvari.
Raziskovalec umetne inteligence Arend Hintze trdi, da se poročilo osredotoča izključno na "dolgočasno vrsto umetne inteligence". V sredini stavka odreže velikansko vejo raziskav o umetni inteligenci, kako nam evolucija pomaga razvijati vedno boljše sisteme umetne inteligence in kako nam računski modeli pomagajo razumeti razvoj lastne človeške inteligence.
Poročilo se osredotoča na, kot pravi znanstvenik, glavna orodja umetne inteligence: strojno učenje in globoko učenje. Tovrstna tehnologija je robotom omogočila dobro igranje kvizov in preigravanje mojstrov igre go. Ti sistemi lahko obdelujejo ogromne količine podatkov in zelo hitro izvajajo zapletene izračune. Manjka jim pa element, ki bo ključen pri ustvarjanju inteligentnih strojev, ki bi jih radi imeli v prihodnosti.
Za učenje potrebujemo več kot le učne stroje. Premagati moramo meje, ki opredeljujejo štiri različne vrste umetne inteligence. Ovire, ki ločujejo stroje od nas - in mi od njih.
AI tip I: reaktivni stroji
Najosnovnejši tipi sistemov umetne inteligence so zelo reaktivni in ne morejo ustvarjati spominov ali uporabljati preteklih izkušenj za obveščanje o trenutnih odločitvah. Deep Blue, šahovski superračunalnik IBM, ki je v poznih devetdesetih premagal velemojstra Garryja Kasparova, je odličen primer te vrste stroja.
Promocijski video:
Deep Blue lahko prepozna figure na šahovnici in ve, kako se premikajo. Lahko predvideva poteze, tako svoje kot nasprotnikove. In izbere najbolj optimalne možne poteze.
Vendar nima pojma o preteklosti in spominu na to, kar se je zgodilo. Poleg redko uporabljenega šahovskega pravila, da iste poteze ne ponovimo trikrat, Deep Blue vse do zdaj ignorira. Samo pogleda koščke na šahovnici in izbere naslednjo potezo.
Ta vrsta inteligence vključuje računalnik, ki svet neposredno zaznava in deluje na podlagi tega, kar vidi. Ne zanaša se na notranji koncept sveta. Raziskovalec umetne inteligence Rodney Brooks je v svojem delu trdil, da bi morali graditi samo take stroje. Po njegovem mnenju ljudje niso zelo dobri pri programiranju natančno simuliranih svetov za računalnike, kot pravijo, pri ustvarjanju "predstavitve", predstavitve sveta.
Sodobni inteligentni stroji, ki jih občudujemo, nimajo takšnega koncepta sveta ali pa je zelo omejen in se ukvarja z določenimi nalogami. Inovacija v zasnovi podjetja Deep Blue ni bila namenjena povečanju števila možnih potez, ki jih računalnik upošteva. Namesto tega so razvijalci našli način, kako zožiti njegovo vizijo in zavrniti nekatere možne poteze v prihodnosti, odvisno od njihove ocene.
Podobno tudi AlphaGo Google, ki je v Go premagal svetovnega prvaka, nikakor ne more oceniti morebitnih potez v prihodnosti. Njegova metoda analize je bolj izpopolnjena kot metoda Deep Blue: za oceno poteka igre uporablja nevronsko mrežo.
Te tehnike izboljšajo zmogljivosti sistemov umetne inteligence, nekatere igre izboljšajo, vendar jih ni enostavno spremeniti ali uporabiti v drugih situacijah. Te računalniške vrste domišljije nimajo koncepta sveta kot celote - kar pomeni, da ne morejo preseči izvajanja posebnih nalog, za katere so bile narejene, in jih je mogoče zlahka prevarati.
Ne morejo interaktivno sodelovati v svetu in nekoč bi radi videli ravno takšne sisteme umetne inteligence. Namesto tega se bodo stroji obnašali točno tako, kot se vedno obnašajo v isti situaciji. Če želimo sistem AI narediti zanesljivega in zaupanja vrednega, je to dobro: želeli bi, da je vaše avtonomno vozilo zanesljivo. Če pa želimo, da stroji komunicirajo z nami in s svetom, je to slabo. Najenostavnejši sistemi umetne inteligence se nikoli ne dolgočasijo, ne morejo jih zanimati ali vznemiriti.
AI tip II: omejen pomnilnik
Tip II vključuje stroje, ki lahko pogledajo v preteklost. Samovozeči avtomobili so tega že nekoliko sposobni. Tako na primer opazujejo hitrost in smer drugih vozil. Tega ni mogoče storiti naenkrat, za to morate določiti določene predmete in jih skozi čas opazovati.
Ta opažanja so dodana vnaprej programiranim predstavitvam sveta v samovozečih avtomobilih, ki vključujejo cestne oznake, semaforje in druge kritične elemente. Povežejo se, ko se avto odloči, da bo zamenjal vozni pas in ne bo trčil v drugega.
Toda ti preprosti deli o preteklosti so le začasni. Ne bodo shranjeni kot del knjižnice izkušenj z vozili, v kateri se bo lahko učil, tako kot to počnejo človeški vozniki, in si z leti nabiral izkušnje med vožnjo.
Kako gradimo sisteme umetne inteligence, ki gradijo popolne predstavitve, se spominjamo svojih izkušenj in se učimo obvladovati nove situacije? Brooke je imel prav, da je to zelo težko storiti. Morda je vredno iskati navdih v darvinistični evoluciji?
AI tip III: teorija uma
Tu se moramo na kratko ustaviti in ta trenutek označiti kot pomembno vrzel med stroji, ki jih imamo, in stroji, ki bi jih radi zgradili v prihodnosti. Vendar je prvi korak natančnejši glede pogledov, ki jih bodo morali ustvariti stroji.
Stroji naslednjega, naprednejšega razreda ne tvorijo samo predstavitev sveta, temveč tudi drugih agentov ali entitet sveta. V psihologiji se to imenuje "teorija uma" - razumevanje, da imajo ljudje, bitja in predmeti na svetu misli in čustva, ki vplivajo na njihovo lastno vedenje.
To je pomembno za to, kako ljudje oblikujemo družbo, saj nam zagotavlja socialne interakcije. Če ne razumemo motivov in namenov drug drugega in ne upoštevamo, kaj kdo drug ve o meni ali okolju, je sodelovanje v najboljšem primeru v najslabšem primeru nemogoče.
Če se sistemi umetne inteligence res kdaj sprehajajo med nami, bodo morali razumeti, kaj mislimo in čutimo, vsaj na ravni predpostavk. In temu primerno prilagodite svoje vedenje.
IV vrsta AI: samozavedanje
Končni cilj razvoja umetne inteligence je ustvariti sisteme, ki lahko oblikujejo samopodobe. Raziskovalci umetne inteligence morajo navsezadnje ne le razumeti zavest, temveč tudi ustvarjati stroje z zavestjo.
To je v nekem smislu razširitev "teorije uma", ki je bila omenjena v prejšnji vrsti umetne inteligence. Ko govorimo o zavesti, mislimo tudi na samozavedanje. "Hočem to stvar" se razlikuje od "Vem, da hočem to stvar". Zavestna bitja se zavedajo sebe, zavedajo se svojih notranjih stanj in lahko predvidijo vedenje ali občutke drugih. Predvidevamo, da je nekdo, ki nas signalizira v prometu, jezen ali nestrpen, saj bi se tako lahko počutili na njegovem mestu. Brez teorije uma ne bi mogli sklepati na takšen način.
Čeprav verjetno še zdaleč ne gradimo samozavestnih strojev, moramo svoja prizadevanja usmeriti na pot do razumevanja spomina, učenja in sposobnosti odločanja o preteklih izkušnjah. To je pomemben korak k razumevanju samega človeškega uma. In to je zelo pomembno, če želimo oblikovati ali razviti stroje, ki ne morejo le razvrstiti tistega, kar vidijo pred nami, ampak tudi veliko več.
ILYA KHEL