Plačiai manoma, kad naujausiais dirbtinio intelekto tyrimų laimėjimais gyvos ir protingos mašinos netrukus atsidurs horizonte. Automobiliai geriau nei mes supranta balso komandas, skiria paveikslėlius, vairuoja automobilius ir žaidžia žaidimus. Kiek belieka laukti, kol jie pradės vaikščioti tarp mūsų?
Neseniai paskelbta Baltųjų rūmų ataskaita apie dirbtinį intelektą laikosi skeptiškos pozicijos. Joje sakoma, kad per ateinančius 20 metų vargu ar matysime mašinas, „turinčias intelektualinių galimybių, prilygstančių žmonėms ar pranašesnėms už jas“, tačiau ateinančiais metais „mašinos pasieks žmogaus galimybes atlikti vis daugiau ir daugiau užduočių“. Tačiau šioje ataskaitoje trūksta kelių svarbių dalykų.
Dirbtinio intelekto tyrinėtojas Arendas Hintze teigia, kad ataskaitoje daugiausia dėmesio skiriama „nuobodžiam intelekto tipui“. Jame sakinio viduryje nutraukiama milžiniška PG tyrimų šaka, kaip evoliucija padeda sukurti vis geresnes PG sistemas ir kaip skaičiavimo modeliai padeda suprasti mūsų pačių žmogaus intelekto evoliuciją.
Ataskaitoje daugiausia dėmesio skiriama, kaip sako mokslininkas, pagrindinėms dirbtinio intelekto priemonėms: mašininiam mokymuisi ir giliam mokymuisi. Tokia technologija leido robotams gerai žaisti viktorinas ir pralenkti „go go“meistrus. Šios sistemos gali labai greitai apdoroti didžiulius duomenų kiekius ir atlikti sudėtingus skaičiavimus. Tačiau jiems trūksta elemento, kuris būtų pagrindinis kuriant pažangias mašinas, kurias norėtume turėti ateityje.
Kad išmoktume, reikia ne tik mokyti mašinų. Turime įveikti ribas, apibrėžiančias keturis skirtingus dirbtinio intelekto tipus. Barjerai, skiriantys mašinas nuo mūsų - ir mus nuo jų.
I tipo AI: reaktyviniai aparatai
Pagrindinės dirbtinio intelekto sistemų rūšys yra labai reaktyvios ir negali formuoti prisiminimų ar naudoti praeities patirties informuodamos apie dabartinius sprendimus. „Deep Blue“, šachmatais žaidžiantis superkompiuteris IBM, 1990-ųjų pabaigoje įveikęs didmeistrį Garį Kasparovą, yra puikus šio tipo mašinų pavyzdys.
Reklaminis vaizdo įrašas:
„Deep Blue“gali atpažinti figūras šachmatų lentoje ir žino, kaip jos juda. Jis gali nuspėti tiek savo, tiek priešininko judesius. Ir jis pasirenka optimaliausius įmanomus judesius.
Tačiau jis neturi jokio supratimo apie praeitį ir atmintį apie tai, kas įvyko. Be retai naudojamos šachmatams būdingos taisyklės, kad tas pats žingsnis nebekartotų tris kartus, „Deep Blue“iki šiol viską ignoruoja. Jis tik žiūri į šachmatų lentos figūras ir pasirenka kitą žingsnį.
Šio tipo intelektas apima kompiuterį, kuris tiesiogiai suvokia pasaulį ir veikia pagal tai, ką mato. Jis nesiremia vidine pasaulio samprata. Dirbtinio intelekto tyrėjas Rodney Brooksas savo darbe teigė, kad mes turėtume kurti tik tokias mašinas. Jo nuomone, žmonėms nelabai sekasi programuoti tikslius modeliuojamus pasaulius kompiuteriams, kaip sakoma, sukurti „reprezentaciją“, pasaulio reprezentaciją.
Šiuolaikinės išmaniosios mašinos, kuriomis mes žavimės, arba neturi tokios pasaulio sampratos, arba ji yra labai ribota ir susijusi su tam tikromis užduotimis. „Deep Blue“dizaino naujovė nebuvo skirta išplėsti galimų kompiuterio judesių skaičių. Vietoj to, kūrėjai rado būdą susiaurinti jo viziją, atsisakyti kai kurių galimų žingsnių ateityje, atsižvelgiant į tai, kaip jie bus įvertinti.
Taip pat „AlphaGo Google“, nugalėjęs pasaulio čempioną „Go“, niekaip negali įvertinti galimų būsimų žingsnių. Jo analizės metodas yra sudėtingesnis nei „Deep Blue“: žaidimo vystymuisi įvertinti naudojamas neuroninis tinklas.
Šie metodai pagerina dirbtinio intelekto sistemų galimybes, verčia geriau žaisti tam tikrus žaidimus, tačiau jų nėra lengva pakeisti ar pritaikyti kitose situacijose. Šie kompiuteriniai vaizduotės tipai neturi viso pasaulio sampratos - vadinasi, jie negali peržengti konkrečių užduočių, kurioms jie buvo atlikti, atlikimo ir yra lengvai apgauti.
Jie negali interaktyviai dalyvauti pasaulyje, ir mes norėtume vieną dieną pamatyti būtent tokias dirbtinio intelekto sistemas. Vietoj to, mašinos elgsis tiksliai taip, kaip visada elgiasi susidūrusios su ta pačia situacija. Jei mes norime, kad dirbtinio intelekto sistema būtų patikima ir patikima, tai yra geras dalykas: norėtumėte, kad jūsų autonominė transporto priemonė būtų patikima. Bet jei norime, kad mašinos sąveikautų su mumis ir su pasauliu, tai yra blogai. Paprasčiausios dirbtinio intelekto sistemos niekada nenuobodžiauja, jos negali domėtis ar susierzinti.
II tipo dirbtinis intelektas: ribota atmintis
II tipas apima mašinas, kurios gali pažvelgti į praeitį. Savarankiškai važiuojantys automobiliai tai jau šiek tiek sugeba. Pavyzdžiui, jie stebi kitų transporto priemonių greitį ir kryptį. Tai negalima padaryti iš karto, tam reikia nustatyti konkrečius objektus ir laikui bėgant juos stebėti.
Šie pastebėjimai pridedami prie savaime važiuojančių automobilių iš anksto užprogramuotų pasaulio vaizdų, kurie apima kelio ženklus, šviesoforus ir kitus svarbius elementus. Jie jungiasi, kai automobilis nusprendžia persirikiuoti ir nesusidurti su kitu.
Bet šie paprasti informacijos apie praeitį fragmentai yra tik laikini. Jie nebus saugomi kaip transporto priemonių naudojimo biblioteka, kurioje ji gali išmokti, kaip tai daro vairuotojai, vairuodama kaupti patirtį per metus.
Kaip kurti AI sistemas, kurios sukurtų visas reprezentacijas, prisimintų mūsų patirtį ir išmoktų susidoroti su naujomis situacijomis? Brooke buvo teisi, kad tai padaryti labai sunku. Gal verta ieškoti įkvėpimo Darvino evoliucijoje?
III tipo intelektas: proto teorija
Čia turime trumpai sustoti ir šią akimirką pavadinti svarbiu atotrūkiu tarp turimų mašinų ir mašinų, kurias norėtume pastatyti ateityje. Tačiau pirmas žingsnis yra konkretesnis požiūris, kurį turės sukurti mašinos.
Kitos, pažangesnės klasės mašinos formuoja ne tik pasaulio, bet ir kitų pasaulio agentų ar esybių reprezentacijas. Psichologijoje tai vadinama „proto teorija“- supratimu, kad žmonės, būtybės ir daiktai pasaulyje gali turėti minčių ir emocijų, turinčių įtakos jų pačių elgesiui.
Tai svarbu tam, kaip mes, žmonės, formuojame visuomenę, nes ji teikia mums socialinę sąveiką. Nesuprantant vienas kito motyvų ir ketinimų ir neatsižvelgiant į tai, ką kažkas žino apie mane ar aplinką, dirbti kartu geriausiu atveju yra sunku, o blogiausiu - neįmanoma.
Jei dirbtinio intelekto sistemos kada nors klajoja tarp mūsų, jos turės suprasti, ką mes galvojame ir jaučiame, bent jau prielaidų lygiu. Ir atitinkamai pakoreguokite savo elgesį.
IV dirbtinio intelekto tipas: savimonė
Galutinis dirbtinio intelekto kūrimo tikslas yra sukurti sistemas, kurios galėtų formuoti savęs vaizdus. Galų gale dirbtinio intelekto tyrėjai turi ne tik suvokti sąmonę, bet ir sukurti sąmonę turinčias mašinas.
Tam tikra prasme tai yra „proto teorijos“pratęsimas, kuris buvo paminėtas ankstesniame PG tipe. Kalbėdami apie sąmonę, turime omenyje ir savimonę. „Aš noriu šio dalyko“skiriasi nuo „aš žinau, kad noriu šio dalyko“. Sąmoningos būtybės suvokia save, suvokia savo vidines būsenas ir gali numatyti kitų elgesį ar jausmus. Manome, kad kažkas, kas signalizuoja apie eismą, yra piktas ar nekantrus, nes taip galime jaustis jo vietoje. Be proto teorijos negalėtume daryti tokių išvadų.
Nors tikriausiai toli gražu nesukame savimonės mašinų, savo pastangas turime sutelkti į atminties supratimo, mokymosi ir gebėjimo priimti sprendimus dėl praeities patirties kelią. Tai yra svarbus žingsnis siekiant suprasti patį žmogaus protą. Ir tai yra labai svarbu, jei norime suprojektuoti ar sukurti mašinas, kurios gali ne tik klasifikuoti tai, ką mato priešais mus, bet ir daug daugiau.
ILYA KHEL