Széles körben úgy vélik, hogy a mesterséges intelligencia kutatásának legfrissebb előrelépésével az élő és intelligens gépek hamarosan a láthatáron lesznek. Az autók jobban értik a hangutasításokat, megkülönböztetik a képeket, vezetik az autókat és játékokat játszanak, mint mi. Meddig marad várni, amíg járni kezdenek közöttünk?
A Fehér Ház nemrégiben közzétett jelentése a mesterséges intelligenciáról szkeptikus álláspontot képvisel. Azt mondja, hogy a következő 20 évben nem valószínű, hogy olyan gépeket látnánk, amelyek "az emberekéhez hasonló vagy annál magasabb szintű szellemi képességeket mutatnak", de a következő években "a gépek egyre több feladat elvégzéséhez fogják elérni az emberi képességeket". E jelentésből azonban hiányzik néhány fontos dolog.
A mesterséges intelligencia kutatója, Arend Hintze azzal érvel, hogy a jelentés kizárólag az "unalmas AI-típusra" összpontosít. A mondat közepén levágja a mesterséges intelligencia kutatásának óriási ágát, hogyan segít az evolúció egyre jobb mesterséges intelligencia-rendszerek kifejlesztésében, és hogy a számítási modellek hogyan segítenek megérteni saját emberi intelligenciánk fejlődését.
A jelentés a tudós elmondása szerint az AI fő eszközeire összpontosít: a gépi tanulásra és a mély tanulásra. Ez a fajta technológia lehetővé tette a robotok számára, hogy jól vetélkedőket játsszanak, és felülmúlják a játék játék mestereit. Ezek a rendszerek hatalmas mennyiségű adatot képesek kezelni, és összetett számításokat végeznek nagyon gyorsan. De hiányzik belőlük egy olyan elem, amely kulcsfontosságú lesz az intelligens gépek létrehozásában, amelyekkel a jövőben szeretnénk rendelkezni.
A tanuláshoz nem csak gépek tanítására van szükségünk. Le kell győznünk azokat a határokat, amelyek a mesterséges intelligencia négy különböző típusát határozzák meg. A korlátok, amelyek elválasztják a gépeket tőlünk - és minket tőlük.
I. típusú AI: sugárhajtású gépek
A mesterséges intelligencia-rendszerek legalapvetőbb típusai rendkívül reaktívak, és nem képezhetnek emlékeket, és nem használhatják fel a múlt tapasztalatait a jelenlegi döntések megalapozásához. A Deep Blue, a sakkozó szuperszámítógép, az IBM, amely az 1990-es évek végén legyőzte Garri Kaszparov nagymestert, tökéletes példája ennek a géptípusnak.
Promóciós videó:
A Deep Blue képes azonosítani a sakktábla darabjait, és tudja, hogyan mozognak. Meg tudja jósolni a mozdulatokat, mind a saját, mind az ellenfélét. És a lehető legoptimálisabb mozdulatokat választja.
Fogalma sincs azonban a múltról és a történtek emlékéről. Eltekintve a ritkán alkalmazott sakk-specifikus szabálytól, miszerint nem ismételjük meg ugyanazt a mozdulatot háromszor, a Deep Blue eddig mindent figyelmen kívül hagy. Csak megnézi a sakktábla darabjait, és kiválasztja a következő lépést.
Ez a fajta intelligencia magában foglal egy számítógépet, amely közvetlenül érzékeli a világot, és a látottak alapján cselekszik. Nem támaszkodik a világ belső koncepciójára. Munkájában az AI kutatója, Rodney Brooks azzal érvelt, hogy csak ilyen gépeket kellene építenünk. Véleménye szerint az emberek nem nagyon tudnak pontosan szimulált világokat programozni a számítógépek számára, ahogy mondani szokták, "reprezentáció", a világ reprezentációjának létrehozásában.
A modern intelligens gépek, amelyeket csodálunk, vagy nem rendelkeznek ilyen világképpel, vagy nagyon korlátozottak, és bizonyos feladatokkal foglalkoznak. A Deep Blue tervezésében az újítás nem a számítógép által megfontolt lehetséges lépések számának bővítéséről szólt. Ehelyett a fejlesztők megtalálták a módját, hogy szűkítsék a jövőképét, eldobják a jövőben a lehetséges lépéseket, attól függően, hogy miként értékelik őket.
Hasonlóképpen, az AlphaGo Google, amely Go-ban verte a világbajnokot, nem tudja felmérni a lehetséges jövőbeli lépéseket. Elemzési módszere kifinomultabb, mint a Deep Blue esetében: neurális hálózatot használ a játék kibontakozásának értékelésére.
Ezek a technikák javítják az AI rendszerek képességeit, jobbá teszik bizonyos játékokat, de nem könnyű megváltoztatni vagy más helyzetekre alkalmazni őket. Ezeknek a számítógépes képzelettípusoknak nincs fogalma a világ egészéről - ami azt jelenti, hogy nem léphetik túl azokat a konkrét feladatokat, amelyekre készültek, és könnyen becsapják őket.
Nem tudnak interaktívan részt venni a világban, és szeretnénk egyszer csak ilyen AI rendszereket látni. Ehelyett a gépek pontosan úgy fognak viselkedni, mint mindig, amikor ugyanazon helyzetben vannak. Ha az AI rendszert megbízhatóvá és megbízhatóvá akarjuk tenni, akkor ez jó dolog: szeretné, ha az önálló járműve megbízható lenne. De ha azt akarjuk, hogy a gépek kölcsönhatásba lépjenek velünk és a világgal, az rossz. A legegyszerűbb mesterséges intelligencia rendszerek soha nem unatkoznak, nem tudják őket érdekelni vagy idegesíteni.
AI típusú II: korlátozott memória
A II. Típusba olyan gépek tartoznak, amelyek a múltba tekinthetnek. Az önvezető autók erre már egy kicsit képesek. Például megfigyelik más járművek sebességét és irányát. Ez nem végezhető el egyszerre, ehhez azonosítania kell bizonyos tárgyakat, és idővel meg kell figyelnie őket.
Ezek a megfigyelések hozzáadódnak az önvezető autók világ előre programozott ábrázolásaihoz, amelyek tartalmazzák az útjelzéseket, a jelzőlámpákat és más kritikus elemeket. Akkor kapcsolódnak egymáshoz, amikor az autó úgy dönt, hogy sávot vált, és nem ütközik másikkal.
De ezek az egyszerű információk a múltról csak ideiglenesek. Nem kerülnek mentésre a járműélmény-könyvtár részeként, amelyben megtanulhatja, ahogyan az emberi vezetők megteszik, vezetés közben az évek során felhalmozódó tapasztalatokat.
Hogyan építhetünk olyan AI-rendszereket, amelyek teljes reprezentációkat építenek, emlékeznek tapasztalatainkra és megtanulják kezelni az új helyzeteket? Brooke-nak igaza volt, hogy ezt nagyon nehéz megtenni. Talán érdemes inspirációt keresni a darwini evolúcióban?
AI típus III: elmeelmélet
Itt meg kell állnunk egy rövid megállót, és ezt a pillanatot fontos résnek kell neveznünk a rendelkezésünkre álló gépek és a jövőben építeni kívánt gépek között. Az első lépés azonban, hogy pontosabban meghatározzuk azokat a nézeteket, amelyeket a gépeknek létre kell hozniuk.
A következő, fejlettebb osztály gépei nemcsak a világ, hanem a világ más ügynökeinek vagy entitásainak reprezentációit is alkotják. A pszichológiában ezt "elmeelméletnek" hívják - annak megértése, hogy a világon élő emberek, lények és tárgyak olyan gondolatokkal és érzelmekkel rendelkezhetnek, amelyek befolyásolják saját viselkedésüket.
Ez fontos ahhoz, hogy mi emberek hogyan alakítsuk a társadalmat, mivel ez társadalmi interakciókat biztosít számunkra. Anélkül, hogy megértenénk egymás motívumait és szándékait, és nem vennénk figyelembe azt, amit valaki tud rólam vagy a környezetről, a közös munka legjobb esetben is nehéz, rosszabb esetben lehetetlen.
Ha az AI rendszerek valóban valaha is elkalandoznak közöttünk, akkor legalább a feltételezések szintjén meg kell érteniük, mit gondolunk és érzünk. És ennek megfelelően állítsa be a viselkedését.
IV típusú AI: öntudat
A mesterséges intelligencia fejlesztésének végső célja az önképeket formálni képes rendszerek létrehozása. Végül az AI kutatóknak nemcsak meg kell érteniük a tudatot, hanem tudattal rendelkező gépeket is létre kell hozniuk.
Ez bizonyos értelemben annak a "tudatelméletnek" a kiterjesztése, amelyet az AI korábbi típusában említettek. Amikor a tudatról beszélünk, öntudatra is gondolunk. „Akarom ezt a dolgot” különbözik a „Tudom, hogy akarom ezt a dolgot” -tól. A tudatos lények öntudatosak, tisztában vannak belső állapotaikkal, és előre tudják látni mások viselkedését vagy érzéseit. Feltételezzük, hogy valaki a forgalomban minket jelző dühös vagy türelmetlen, mert így érezhetjük a helyét. Gondolatelmélet nélkül nem tehetnénk ilyen következtetéseket.
Bár valószínűleg távol állunk az öntudatos gépek felépítésétől, erőfeszítéseinket az emlékezet megértésének, a tanulásnak és a múltbeli tapasztalatokkal kapcsolatos döntési képességnek az útjára kell összpontosítanunk. Ez fontos lépés maga az emberi elme megértése felé. És ez nagyon fontos, ha olyan gépeket akarunk tervezni vagy fejleszteni, amelyek nemcsak osztályozni tudják az előttünk látottakat, hanem sokkal többet is.
KHEL ILYA