A "mesterséges intelligencia" kifejezés gyakran a mély gépi tanulási technológiákon alapuló neurális hálókra utal. Ezenkívül az idegi hálózatok kiképzésének technológiája fejlett és eredményes. De nem minden tudós osztja azt a véleményt, hogy a mesterséges intelligencianek ezen az úton kell fejlődnie. Valaki úgy gondolja, hogy az ilyen rendszereket „nem szabad megbízni”, és fejlesztésük semmi jót nem eredményez.
Mesterséges intelligencia modern értelemben - sokan ezt egyáltalán nem gondolják.
Miért káros a gépi tanulás az emberi fejlődésre?
A Technologyreview oldalain közzétett nagyszabású munkában Gary Marcus a New York-i Egyetem professzora, a kognitív tudomány (a megismerés tudománya) szakértője beszélt a mély gépi tanuláson alapuló idegi hálózatok széles körű alkalmazásának veszélyeiről.
Először, a tudós úgy véli, hogy a technológiának egyértelmű korlátai vannak. Különösen régóta beszélnek arról, hogy létre kell hozni egy úgynevezett "valódi AI-t", amely sokféle probléma megoldására alkalmas, és nem csak egy konkrét, mint ahogy most történik. A meglévő AI rendszerek már elérték a fejlődés csúcspontját, és gyakorlatilag "sehol nem nőnek". Ezenkívül nem csak el lehet venni és mondhatjuk, hogy először egy AI-t megtanít egy autó vezetésére, másrészt arra kényszerítheti egy másikot, hogy javítsa meg, majd a rendszereket egyesítse, így egy univerzális asszisztenst hozhat létre. A mesterséges intelligencia egyszerűen nem lesz képes kölcsönhatásba lépni, mivel "különféle módon tanultak".
Hogyan lehet intelligensebbé tenni az AI-t?
Promóciós videó:
Annak érdekében, hogy az algoritmusok hatékonyabbá váljanak, azokat "másképp kell képezni". Meg kell engedni nekik, hogy észrevegyék a tárgyak kapcsolatát és a velük való kölcsönhatás következményeit. Ebben az esetben a legjobb példaként szolgálunk.
Gary Marcus professzor.
Sőt, az, amit Marcus kínál, egyáltalán nem újdonság. A fent leírt példa az, hogy a tudósok hogyan képzelik el a „klasszikus AI-t”. De ahhoz, hogy egy ilyen AI hatékonyan működjön, minden lehetséges eredményt előre meg kell programoznunk. És ez szinte irreális. De van egy kiút.
A megoldás egyfajta szimbiózis lehet a "klasszikus AI" számára, amely a kapcsolatokat látja és érthető módon szerez megoldásokat, valamint a mély tanulást, amely "próba és hiba" útján képes megoldást találni. Ez egyfajta alapvető szabályrendszer lehet a környező világgal kapcsolatban. Ezek alapján az AI rendszerek már képesek lesznek fejlődni egy adott területen. A valódi mesterséges intelligenciának meg kell értenie, hogy minden működik, hogy megértsék az ok-okozati összefüggéseket, és könnyedén válthassanak az egyik feladatról a másikra. A mély tanulási technológiát alkalmazva épített modern rendszerek egyszerűen nem képesek erre.
Vladimir Kuznetsov