Sąvoka „dirbtinis intelektas“dažnai reiškia neuroninius tinklus, sukurtus remiantis giliųjų mašinų mokymosi technologijomis. Be to, neuroninių tinklų mokymo technologija yra gerai išvystyta ir duoda vaisių. Tačiau ne visi mokslininkai pritaria nuomonei, kad dirbtinis intelektas turėtų vystytis šiuo keliu. Kažkas net mano, kad tokiomis sistemomis „negalima pasitikėti“ir jų plėtra nieko gero neduos.
Dirbtinis intelektas šiuolaikine prasme - tai visai ne tai, ką daugelis galvoja.
- „Salik.biz“
Kodėl mašinų mokymasis kenkia žmogaus vystymuisi
Didelio masto darbe, paskelbtame „Technologyreview“puslapiuose, Niujorko universiteto profesorius, kognityvinio mokslo (pažinimo mokslo) ekspertas Gary Marcusas kalbėjo apie plataus nervų tinklų, pagrįstų giliu mašinų mokymusi, plataus naudojimo pavojus.
Pirma, mokslininkas mano, kad technologija turi aiškių trūkumų. Visų pirma, ilgą laiką buvo kalbėta, kad būtina sukurti vadinamąją „tikrąją PG“, kuri būtų tinkama išspręsti įvairiausias problemas, o ne tik vieną konkrečią, kaip vyksta dabar. Esamos PG sistemos jau pasiekė savo tobulėjimo viršūnę ir jos praktiškai „niekur neauga“. Be to, jūs negalite tiesiog imti ir, tarkime, pirmiausia išmokyti vieną AI vairuoti automobilį, o priversti kitą jį remontuoti ir tada sujungti sistemas, sukurdamas universalų asistentą. Dirbtinis intelektas tiesiog negalės bendrauti, nes „mokėsi skirtingai“.
Kaip padaryti AI protingesnę
Reklaminis vaizdo įrašas:
Kad algoritmai taptų efektyvesni, juos reikia „mokyti kitaip“. Būtina priversti juos pamatyti objektų ryšį ir sąveikos su jais pasekmes. Tokiu atveju mes pasirodysime geriausiu pavyzdžiu.
Profesorius Gary Marcusas.
Be to, tai, ką siūlo „Marcus“, nėra visiškai naujiena. Aukščiau aprašytas pavyzdys yra tai, kaip mokslininkai įsivaizdavo „klasikinę AI“. Bet norint, kad tokia AI veiktų efektyviai, turime iš anksto suplanuoti visus įmanomus rezultatus. Ir tai beveik nerealu. Tačiau yra išeitis.
Sprendimas gali būti savotiškas „klasikinės AI“, kuris mato santykius ir suprantamai gauna sprendimus, simbiozė ir gilus mokymasis, kuris sugeba rasti sprendimą per „bandymą ir klaidą“. Tai gali būti tam tikra pagrindinė su aplinkiniu pasauliu susijusių taisyklių ir reglamentų sistema. Jų pagrindu PG sistemos jau galės tobulėti tam tikroje srityje. Tikrasis dirbtinis intelektas turi suprasti, kaip viskas veikia, kad suprastų priežasties ir pasekmės ryšius ir lengvai pereitų nuo vienos užduoties prie kitos. Šiuolaikinės sistemos, sukurtos naudojant gilaus mokymosi technologijas, to tiesiog nesugeba.
Vladimiras Kuznecovas