Van egy vicces pszichológiai jelenség: ismételje meg bármelyik szót sokszor, és végül elveszíti minden értelmét, nedves rongygá alakul, fonetikus semmmé. Sokak számára a „mesterséges intelligencia” kifejezés régóta elvesztette jelentését. Az AI jelenleg mindenütt megtalálható a technológiában, mindent táplál, a tévétől a fogkeféig, de ez nem jelenti azt, hogy mit kellene. Nem kell így lennie.
Mesterséges intelligencia: jó vagy rossz
Noha a "mesterséges intelligencia" kifejezést tagadhatatlanul visszaélik, ez a technológia minden eddiginél jobban teljesít, mind a jó, mind a rossz szempontból. Egészségügyben és harcban használják; segít az embereknek zenét és könyveket írni; értékeli hitelképességét és javítja a telefonnal készített fényképeket. Röviden: olyan döntéseket hoz, amelyek befolyásolják az életed, akár tetszik, akár nem.
Nehéz lehet egyetérteni azzal a hype és hype-vel, amelyet a tech-cégek és a hirdetők megvitatnak az AI-vel. Vegyük például az Oral-B Genius X fogkefét, amely az idei CES-en bemutatott sok eszköz közül az egyik állítólagos AI képességeket mutatott. De közelebbről megvizsgálva egyértelművé válik, hogy a kefe egyszerűen visszajelzést ad arról, hogy a megfelelő időben és a megfelelő helyen fogmosja-e a fogait. Vannak olyan okos érzékelők, amelyek meg tudják mondani, hogy hol van az ecset a szádban, de a mesterséges intelligencia elnevezése szar, ez nem más.
A hype félreértést okoz. A sajtó bármilyen kutatást felfújhat és eltúlozhat, ha a Terminátort ráteszi minden homályos AI történetre. Ez gyakran zavart okozza abban, hogy mi a mesterséges intelligencia. Ez nagyon nehéz téma lehet a nem szakemberek számára, és az emberek gyakran tévesen társítják a modern AI-t azzal a verzióval, amelyre a legjobban ismerkednek: egy tudatos számítógép sci-fi reprezentációja sokszor okosabb, mint az ember. A szakértők az AI általános képét az általános mesterséges intelligenciának hívják, és ha valaha is létre tudunk hozni ilyent, akkor nagyon távol lesz. Addig az AI rendszer képességeinek, intelligenciájának vagy képességeinek eltúlzása semmilyen módon nem segíti a folyamatot.
Sokkal jobb "gépi tanulásról" beszélni, nem pedig a mesterséges intelligenciáról. Ez egy olyan mesterséges intelligencia almezője, amely magába foglalja az összes olyan technikát, amelyek ma a legnagyobb hatással vannak a mai világra (beleértve a mély tanulást). Ebben a kifejezésben nincs "AI" misztika, de inkább elmagyarázza, hogy mit csinál ez a technológia.
Hogyan működik a gépi tanulás? Az elmúlt években Önnek és nekem több tucat magyarázatot lehetett olvasni, és a legfontosabb különbség, amelyet magamnak fedeztem fel, közvetlenül a nevében rejlik: a gépi tanulás minden, ami lehetővé teszi a számítógépek számára, hogy önmagukban tanuljanak. De mit jelent ez valójában, egy sokkal nagyobb kérdés.
Promóciós videó:
Kezdjük a problémával. Tegyük fel, hogy olyan programot akar létrehozni, amely felismeri a macskákat. Írhat le régimódi módon, programozva olyan nyilvánvaló szabályokat, mint a "macskák hegyes füle" és a "macskák puha". De mit csinál a program, ha egy tigris képet mutat be? Az egyes szabályok időigényesek a programozáshoz, és sokféle fogalmat meg kell magyarázni, mint például a bolyhosság és a foltosság. Jobb, ha hagyja, hogy a gép önmagát tanítsa. Tehát adsz neki egy hatalmas macskaképek gyűjteményt, és végigmegy rajta, hogy megtalálja saját mintáit abban, amit lát. Először összekapcsolja a pontokat, többnyire véletlenül, de újra és újra teszteled, hogy megőrizd a legjobb verziókat. És az idő múlásával meglehetősen jól meg tudja határozni, mi a macska és mi nem.
Eddig minden kiszámítható. Valójában valószínűleg olvasta már egy hasonló magyarázatot már korábban is - sajnálom. Egy másik dolog fontos. Milyen mellékhatásai vannak egy ilyen döntéshozó rendszer képzésének?
Ennek a módszernek a legnagyobb előnye a legnyilvánvalóbb: soha nem kell programoznia ezt a rendszert. Természetesen keményen dolgozik a rendszer adatfeldolgozási alapelveinek fejlesztésén, miközben okosabb módszereket talál az információk kinyerésére, de nem fogja mondani a rendszernek, hogy mit kell keresnie. Ez azt jelenti, hogy képes lesz olyan mintákat találni, amelyekre az emberek még hiányoznak, vagy amelyekre még nem is gondolnak. Mivel az összes program igénye az adatoknak van - 1-nek és 0-nak -, ezért bármilyen feladat elvégzésére kiképzhető, mivel a világ szó szerint tele van adatokkal. A kezedben lévő gépi tanulmány kalapáccsal a digitális világ tele lesz olyan körmökkel, amelyek készen állnak a cselekvésre.
De most gondolkozzunk a hátrányokra. Ha nem tanít számítógépet, honnan tudja, hogyan hoz döntéseket? A gépi tanulási rendszerek nem tudják magyarázni gondolkodásukat, ami azt jelenti, hogy algoritmusa rossz okokból is jól működhet. Ugyanígy, mivel minden számítógép ismeri az Ön által megadott adatokat, torzulást idézhet elő a dolgok ellen, vagy csak szűk feladatokra lehet jó, amelyek hasonlóak a korábban látott adatokhoz. Nincs olyan józan ész, amelyet elvárhat egy embertől. Készítheti a világ legjobb macskafelismerő szoftverét, de soha nem fogja mondani, hogy a kiscicák nem motorozhatnak, vagy hogy a macskát valószínűleg "Koschey the Immortal" vagy "Aleksej Tolstoi" néven hívják fel.
A számítógépek önmagukban történő megtanítása ragyogó trükk. És mint minden trükkö, ez is trükköket tartalmaz. Az AI rendszerek intelligenciával rendelkeznek, ha azt akarja hívni. De ez nem egy szerves elme, és nem ugyanazon szabályok szerint működik, mint az emberek. Ön is azt kérdezheti: Mennyire okos a könyv? Milyen tapasztalatokat tartalmaz a serpenyő?
Hol vagyunk most a mesterséges intelligenciánkkal? Miután évek óta a címsorok újabb nagy áttörésről szólnak (ami még nem történt meg, és a címsor nem halványul el), néhány szakértő arra a következtetésre jutott, hogy elértünk valamilyen fennsíkot. De ez nem akadályozza az előrehaladást. A kutatás szempontjából óriási lehetőség nyílik arra, hogy felfedezzük a már rendelkezésre álló ismeretekkel, és a termék szempontjából csak az algoritmikus jéghegy csúcsa látható.
Kai-fu Lee, a kockázatitőke-kapitalista és volt mesterséges intelligencia kutató úgy jellemzi a jelen pillanatot, hogy "az örökbefogadás korszaka" - amikor a technológia elkezdi "kiszivárogni a laboratóriumból a világba". Benedict Evans összehasonlítja a gépi tanulást a relációs adatbázisokkal, amelyek szerencsét jelentettek a 90-es években és megváltoztatták az egész iparágat, ám annyira hétköznapi lesz, hogy unatkozni fog, ha a szemét elfedi a filmes AI nagyszerűsége. Most abban a szakaszban vagyunk, amikor az AI-nek normálisnak, szokásossá kell válnia. Nagyon hamarosan mindenkiben megvan a gépi tanulás, és abbahagyjuk a figyelmet.
De eddig nem történt meg.
Jelenleg a mesterséges intelligencia - a gépi tanulás - még mindig valami új, amelyet gyakran megmagyaráznak vagy elégtelen tanulmányoznak. De a jövőben annyira ismerős és hétköznapi lesz, hogy nem fogja észrevenni.
Ilya Khel