Skupni in ponavljajoči se pogled na najnovejše preboje raziskav umetne inteligence je, da so čuteči in inteligentni stroji ravno na obzorju. Stroji razumejo verbalne ukaze, razlikujejo slike, vozijo avtomobile in igrajo igre bolje kot mi. Koliko dlje lahko mine, preden se sprehodijo med nami?
Novo poročilo Bele hiše o umetni inteligenci na to sanje ustrezno skeptično gleda. Pravi, da naslednjih 20 let stroji verjetno ne bodo imeli široko uporabne inteligence, primerljive z ali večjo od človeške, "čeprav še vedno pravijo, da" bodo stroji v prihodnjih letih dosegli in presegli človeško zmogljivost na več in več nalog. " Toda njene domneve o tem, kako se bodo te zmogljivosti razvijale, so zgrešile nekatere pomembne točke.
Kot raziskovalec AI bom priznal, da je bilo lepo, da sem svoje področje osvetlil na najvišji ravni ameriške vlade, toda poročilo se je skoraj izključno osredotočalo na tisto, čemur pravim "dolgočasna AI." V pol stavka je razrešil mojo vejo raziskav AI, kako lahko evolucija pomaga razviti vedno boljše sisteme AI in kako računski modeli nam lahko pomagajo razumeti, kako se je razvijala naša človeška inteligenca.
Poročilo se osredotoča na tako imenovana glavna orodja AI: strojno učenje in globoko učenje. To so vrste tehnologij, ki so lahko igrale "Ogroženost!" No, in premagali človeka Go mojstre pri najbolj zapleteni igri, ki so jo kdajkoli izumili. Ti trenutno inteligentni sistemi so sposobni obdelovati ogromno količino podatkov in zelo hitro opraviti kompleksne izračune. Vendar jim primanjkuje elementa, ki bo ključen za izgradnjo čutečih strojev, ki jih bomo imeli v prihodnosti.
Za učenje moramo narediti več kot učiti stroje. Preseči moramo meje, ki opredeljujejo štiri različne vrste umetne inteligence, ovire, ki ločujejo stroje od nas - in nas od njih.
AI tipa I: reaktivni stroji
Najosnovnejše vrste AI sistemov so čisto reaktivne in ne morejo oblikovati spominov niti uporabiti preteklih izkušenj za obveščanje o trenutnih odločitvah. Deep Blue, IBM-ov šahovski superračunalnik, ki je v poznih devetdesetih letih prejšnjega stoletja premagal mednarodnega velemojstra Garryja Kasparova, je odličen primer te vrste strojev.
Globoko modra lahko prepozna koščke na šahovnici in ve, kako se premikajo. Lahko napoveduje, kakšne poteze bi lahko bile naslednje in zanjo nasprotnik. In med možnostmi lahko izbere najbolj optimalne poteze.
Vendar nima nobenega pojma o preteklosti, niti spomina na to, kar se je zgodilo prej. Razen redko uporabljenega šahovskega pravila proti ponovitvi iste poteze trikrat, Deep Blue ignorira vse pred današnjim trenutkom. Vse to je, da pogledate koščke na šahovnici, kot trenutno stoji, in izbirate med možnimi naslednjimi potezami.
Ta vrsta inteligence vključuje, da računalnik neposredno dojema svet in deluje na to, kar vidi. Ne zanaša se na notranji koncept sveta. V seminarski nalogi je raziskovalec AI Rodney Brooks trdil, da bi morali graditi samo take stroje. Njegov glavni razlog je bil, da ljudje niso zelo dobri v programiranju natančno simuliranih svetov za računalnike, ki jih uporabljajo, kar v AI štipendiji imenujejo "reprezentacija" sveta.
Trenutno inteligentni stroji, ki se jim čudimo, bodisi nimajo takšnega koncepta sveta, bodisi imajo zelo omejen in specializiran za svoje posebne naloge. Inovacija v oblikovanju Deep Blueja ni bila razširitev obsega možnih filmov, o katerih je računalnik razmišljal. Namesto tega so razvijalci našli način, kako zožiti svoje mnenje in prenehati slediti nekaterim potencialnim prihodnjim korakom glede na to, kako je ocenil njihov rezultat. Brez te sposobnosti bi moral Deep Blue biti še močnejši računalnik, da bi dejansko premagal Kasparov.
Prav tako Googlov AlphaGo, ki je premagal vrhunske strokovnjake Go Go, tudi ne more oceniti vseh prihodnjih korakov. Njegova metoda analize je bolj izpopolnjena kot Deep Blue, ki uporablja nevronsko mrežo za oceno razvoja iger.
Te metode izboljšujejo sposobnost AI sistemov, da bolje igrajo določene igre, vendar jih ni mogoče enostavno spremeniti ali uporabiti v drugih situacijah. Te računalniške domišljije nimajo pojma širšega sveta - kar pomeni, da ne morejo delovati zunaj določenih nalog, ki so jim dodeljene, in jih zlahka zavedejo.
Ne morejo interaktivno sodelovati v svetu, kot si lahko zamislimo sisteme AI nekega dne. Namesto tega se bodo ti stroji ob vsaki isti situaciji obnašali popolnoma enako. To je lahko zelo dobro za zagotovitev, da je sistem AI zanesljiv: želite, da je vaš avtonomni avto zanesljiv voznik. Toda slabo je, če želimo, da se stroji resnično ukvarjajo s svetom in se odzivajo nanje. Ti najpreprostejši AI sistemi ne bodo nikoli dolgčas ali jih zanima ali žalosti.
AI vrste II: Omejen pomnilnik
Ta razred II vsebuje stroje, ki lahko gledajo v preteklost. Samovozeči avtomobili to že počnejo. Na primer, opazujejo hitrost in smer drugih avtomobilov. Tega ni mogoče storiti v samo enem trenutku, temveč je treba določiti določene predmete in jih nadzorovati skozi čas.
Ta opažanja so dodana že vnaprej programiranim predstavitvam sveta z avtomobili, ki vključujejo tudi oznake voznega pasu, semaforje in druge pomembne elemente, kot so krivine na cesti. Vključeni so, ko se avtomobil odloči, kdaj bo zamenjal vozne pasove, da se izogne drugemu vozniku ali da ga ne zadene bližnji avtomobil.
Toda ti preprosti podatki o preteklosti so le prehodni. Niso shranjeni kot del knjižnice izkušenj avtomobila, ki se jih lahko naučijo, na način, kako človeški vozniki skozi leta sestavljajo izkušnje za volanom.
Kako lahko torej sestavimo AI sisteme, ki gradijo popolno reprezentacijo, se spominjajo svojih izkušenj in se naučijo obvladovanja novih situacij? Prav Brooks je imel prav, da je to zelo težko storiti. Moje lastno raziskovanje metod, ki jih je navdihnila Darwinova evolucija, lahko začne odpravljati človekove pomanjkljivosti, če pustim, da stroji sami ustvarijo svojo predstavo.
AI tipa III: Teorija uma
Tu se lahko ustavimo in to točko imenujemo pomemben razkorak med stroji, ki jih imamo, in stroji, ki jih bomo gradili v prihodnosti. Vendar je bolje natančneje razpravljati o vrsti predstavitev, ki jih morajo oblikovati stroji, in o tem, kaj morajo biti.
Stroji v naslednjem, naprednejšem razredu ne oblikujejo samo predstavitve o svetu, ampak tudi o drugih agentih ali entitetah na svetu. V psihologiji se temu reče "teorija uma" - razumevanje, da imajo ljudje, bitja in predmeti na svetu lahko misli in čustva, ki vplivajo na njihovo lastno vedenje.
To je ključnega pomena za to, kako smo ljudje oblikovali družbe, saj so nam omogočili socialne interakcije. Brez razumevanja motivov in namenov drug drugega in brez upoštevanja tega, kar nekdo drug ve o meni ali o okolju, je skupno delo v najboljšem primeru težko, v najslabšem primeru nemogoče.
Če bodo AI-ji resnično kdaj hodili med nas, bodo morali razumeti, da ima vsak od nas misli in občutke ter pričakovanja, kako se bomo obnašali. In temu bodo morali svoje vedenje ustrezno prilagoditi.
AI tipa IV: Samozavedanje
Zadnji korak razvoja AI je izgradnja sistemov, ki lahko oblikujejo predstave o sebi. Navsezadnje bomo morali raziskovalci AI ne samo razumeti zavest, ampak tudi graditi stroje, ki jo imajo.
To je na neki način podaljšek "teorije uma", ki jo premore umetna inteligenca tipa III. Zavest se z razlogom imenuje tudi "samozavedanje". ("Želim si, da je predmet" je zelo drugačna izjava od "Vem, da želim to postavko.") Zavestna bitja se zavedajo sebe, vedo o svojih notranjih stanjih in znajo napovedati občutke drugih. Predvidevamo, da je nekdo, ki hrepeni za nami v prometu, jezen ali nestrpen, saj se tako počutimo, ko se prikolimo do drugih. Brez teorije uma ne bi mogli narediti takšnih sklepov.
Čeprav verjetno še zdaleč ne ustvarjamo strojev, ki se sami zavedajo, bi morali svoja prizadevanja usmeriti v razumevanje spomina, učenje in sposobnost, da odločitve temeljijo na preteklih izkušnjah. To je pomemben korak za samostojno razumevanje človeške inteligence. In ključno je, če želimo oblikovati ali razvijati stroje, ki so več kot izjemni pri razvrščanju tistega, kar vidijo pred seboj.
Arend Hintze, docent za integrativno biologijo in računalništvo in tehniko, Michigan State University
