Энэхүү бичвэр нь шинжлэх ухааны судалгааны үр дүн биш, харин бидний ойрын үеийн технологийн хөгжлийн талаархи олон үзэл бодлын нэг юм. Үүний зэрэгцээ хэлэлцүүлгийн урилга.
Гүнзгий суралцах нь хиймэл оюун ухааныг хөгжүүлэхэд чухал үүрэг гүйцэтгэдэг гэж Нью-Йоркийн их сургуулийн профессор Гари Маркус үзэж байна. Гэхдээ тэрээр энэ техникийг хэт их сонирхох нь түүнийг гутаан доромжлоход хүргэдэг гэж тэр үзэж байна.
Түүний номонд AI-г дахин ачаалах: Бидний итгэж болох хиймэл оюун ухааныг бий болгох AI-ийн хамгийн сүүлийн үеийн судалгаан дээр карьераа босгосон, мэдрэл судлаач Маркус техникийн болон ёс зүйн талыг авч үздэг. Технологийн үүднээс авч үзвэл гүнзгий суралцах нь бидний тархи дүрс, яриа таних гэх мэт мэдрэхүйн даалгавруудыг амжилттай дуурайж чаддаг. Гэхдээ харилцан яриаг ойлгох, шалтгаан-үр дагаврын холбоог тодорхойлох зэрэг бусад ажлуудад гүнзгий суралцах нь тохиромжгүй. Ихэнхдээ хиймэл ерөнхий оюун ухаан гэж нэрлэгддэг илүү өргөн хүрээний асуудлыг шийдэж чадах илүү дэвшилтэт ухаалаг машинуудыг бий болгохын тулд гүнзгий суралцах аргыг бусад техниктэй хослуулах хэрэгтэй.
Хэрэв хиймэл оюун ухааны систем нь даалгавраа эсвэл эргэн тойрныхоо ертөнцийг үнэхээр ойлгохгүй байвал энэ нь аюултай үр дагаварт хүргэж болзошгүй юм. Системийн орчинд гэнэтийн өчүүхэн төдий өөрчлөлт гарсан ч алдаатай зан үйлд хүргэдэг. Иймэрхүү жишээнүүд аль хэдийн олон байсан: хууран мэхлэхэд хялбар зохисгүй илэрхийллийн тодорхойлогч; байнга ялгаварлан гадуурхдаг ажил хайх систем; жолоочгүй машинууд осолдож, заримдаа жолооч эсвэл явган зорчигчийг хөнөөдөг. Хиймэл ерөнхий оюун ухааныг бий болгох нь зөвхөн сонирхолтой судалгааны асуудал биш бөгөөд энэ нь олон бүрэн практик хэрэглээтэй байдаг.
Маркус болон түүний хамтран зохиогч Эрнест Дэвис нар номондоо өөр замыг эрэлхийлдэг. Тэд биднийг ерөнхий хиймэл оюун ухаан бүтээхээс хол байгаа гэж үзэж байгаа ч эрт орой хэзээ нэгэн цагт үүнийг бүтээх боломжтой гэдэгт итгэлтэй байна.
Яагаад бидэнд ерөнхий хиймэл оюун ухаан хэрэгтэй байна вэ? Мэргэшсэн хувилбарууд аль хэдийн бүтээгдсэн бөгөөд маш их ашиг тусыг авчирдаг.
Энэ нь зөв, үүнээс ч илүү ашиг тус байх болно. Гэхдээ нарийн мэргэжлийн хиймэл оюун ухаанаар шийдэж чадахгүй олон асуудал бий. Жишээлбэл, энгийн яриаг ойлгох, виртуал ертөнц дэх ерөнхий тусламж, эсвэл цэвэрлэгээ, хоол хийхэд тусалдаг робот. Ийм даалгавар нь мэргэшсэн хиймэл оюун ухааны чадвараас давж гардаг. Өөр нэг сонирхолтой практик асуулт: тусгай хиймэл оюун ухаан ашиглан аюулгүй өөрөө жолооддог машин бүтээх боломжтой юу? Туршлагаас харахад ийм хиймэл оюун ухаан жолоодох үед ч гэсэн хэвийн бус нөхцөлд биеэ авч явахад олон асуудал байсаар байгаа нь нөхцөл байдлыг ихээхэн хүндрүүлдэг.
Анагаах ухаанд томоохон шинэ нээлт хийхэд туслах хиймэл оюун ухаантай болохыг бид бүгд хүсэж байна гэж би бодож байна. Биологи бол нарийн төвөгтэй салбар учраас одоогийн технологи нь үүнд тохиромжтой эсэх нь тодорхойгүй байна. Та олон ном унших бэлтгэлтэй байх хэрэгтэй. Эрдэмтэд сүлжээ, молекулуудын харилцан үйлчлэлийн шалтгаан-үр дагаврын холбоог ойлгож, гаригуудын тухай онолыг боловсруулж чаддаг. Гэсэн хэдий ч тусгай хиймэл оюун ухаантай бол бид ийм нээлт хийх чадвартай машин бүтээж чадахгүй. Мөн ерөнхий хиймэл оюун ухааны тусламжтайгаар бид шинжлэх ухаан, технологи, анагаах ухаанд хувьсгал хийж чадна. Миний бодлоор ерөнхий хиймэл оюун ухаан бүтээх чиглэлээр үргэлжлүүлэн ажиллах нь маш чухал юм.
"Ерөнхий" гэдгээр та хүчирхэг хиймэл оюун ухаан гэсэн үг юм шиг санагдаж байна уу?
"Ерөнхий" гэдэг нь хиймэл оюун ухаан нь шинэ асуудлуудын талаар бодож, шийдвэрлэх чадвартай болно гэсэн үг юм. Сүүлийн 2000 жилийн хугацаанд асуудал өөрчлөгдөөгүй явлаа гэхээс ялгаатай нь.
Ерөнхий хиймэл оюун ухаан нь улс төр, анагаах ухааны аль алинд нь шийдвэр гаргах чадвартай байх ёстой. Энэ нь хүний чадвартай адил юм; ямар ч эрүүл ухаантай хүн ихийг хийж чадна. Та туршлагагүй оюутнуудыг аваад хэдхэн хоногийн дотор хууль эрх зүйн асуудлаас эхлээд эрүүл мэндийн асуудал хүртэл бараг бүх зүйл дээр ажиллана. Учир нь тэд ертөнцийн талаарх ерөнхий ойлголттой, уншиж чаддаг тул маш өргөн хүрээний үйл ажиллагаанд хувь нэмрээ оруулж чаддаг.
Ийм оюун ухаан, хүчтэй оюун ухаан хоёрын харьцаа нь хүчтэй биш оюун ухаан ерөнхий асуудлыг шийдэж чадахгүй байх магадлалтай. Үргэлж өөрчлөгдөж буй ертөнцийг даван туулах хангалттай бат бөх зүйлийг бүтээхийн тулд та ядаж ерөнхий оюун ухаанд хандах хэрэгтэй байж магадгүй юм.
Харин одоо бид үүнээс маш хол байна. AlphaGo нь 19х19 хэмжээтэй самбар дээр маш сайн тоглож чаддаг ч тэгш өнцөгт самбар дээр тоглохын тулд дахин сургах шаардлагатай. Эсвэл гүн гүнзгий суралцах дундаж системийг авч үзье: сайн гэрэлтүүлж, арьсны бүтэц нь харагдаж байвал зааныг таньж чадна. Зөвхөн зааны дүрс л харагдах юм бол систем үүнийг таньж чадахгүй байх магадлалтай.
Та номондоо гүн гүнзгий суралцах нь ерөнхий хиймэл оюун ухааны чадамжид хүрч чадахгүй, учир нь энэ нь гүнзгий ойлгох чадваргүй гэдгийг дурдсан.
Танин мэдэхүйн шинжлэх ухаанд тэд танин мэдэхүйн янз бүрийн загвар бий болох тухай ярьдаг. Би зочид буудлын өрөөнд сууж байгаа бөгөөд тэнд шүүгээ, ор, ер бусын байдлаар өлгөгдсөн зурагт байгааг би ойлгож байна. Би эдгээр бүх объектыг мэддэг, би зөвхөн тэдгээрийг тодорхойлохгүй. Тэд бие биетэйгээ хэрхэн холбогдож байгааг би бас ойлгож байна. Миний эргэн тойрон дахь ертөнцийн үйл ажиллагааны талаархи санаа надад бий. Тэд төгс биш. Тэд буруу байж магадгүй, гэхдээ тэд маш сайн. Мөн тэдгээрт үндэслэн би өдөр тутмынхаа үйл ажиллагааны удирдамж болох олон дүгнэлт гаргадаг.
Нөгөө нэг туйлшрал нь DeepMind-ийн бүтээсэн Atari тоглоомын системтэй адил зүйл байсан бөгөөд дэлгэцэн дээрх тодорхой газруудад пикселийг хараад юу хийх ёстойгоо санаж байв. Хэрэв та хангалттай мэдээлэл авбал та ойлголттой гэж бодож болох ч бодит байдал дээр энэ нь маш өнгөцхөн байдаг. Үүний баталгаа нь хэрэв та объектыг гурван пикселээр хөдөлгөх юм бол хиймэл оюун ухаан илүү муу тоглодог. Өөрчлөлтүүд түүнийг гайхшруулдаг. Энэ бол гүн гүнзгий ойлголтын эсрэг зүйл юм.
Энэ асуудлыг шийдэхийн тулд та сонгодог хиймэл оюун ухаан руу буцахыг санал болгож байна. Бид ямар давуу талыг ашиглахыг хичээх ёстой вэ?
Хэд хэдэн давуу талтай.
Нэгдүгээрт, сонгодог хиймэл оюун ухаан нь үнэндээ дэлхийн танин мэдэхүйн загварыг бий болгох хүрээ бөгөөд үүний үндсэн дээр дүгнэлт хийж болно.
Хоёрдугаарт, сонгодог хиймэл оюун ухаан нь дүрэм журамд бүрэн нийцдэг. Мэргэжилтнүүд дүрмээс зайлсхийхийг хичээж байгаа гүн гүнзгий суралцах хандлага яг одоо байна. Тэд мэдрэлийн сүлжээнд байгаа бүх зүйлийг хийхийг хүсдэг бөгөөд сонгодог програмчлал шиг харагдах зүйлийг хийхгүй байхыг хүсдэг. Гэтэл ийм байдлаар тайван замаар шийдэгдсэн асуудал бий, хэн ч тоосонгүй. Жишээлбэл, Google газрын зураг дээр маршрут гаргах.
Үнэн хэрэгтээ бидэнд хоёр арга барил хэрэгтэй. Машины сургалт нь өгөгдлөөс суралцахдаа сайн боловч компьютерийн программ болох хийсвэрлэлийг илэрхийлэхдээ маш муу. Сонгодог хиймэл оюун ухаан нь хийсвэр зүйлтэй сайн ажилладаг, гэхдээ энэ нь бүхэлдээ гараар програмчлагдсан байх ёстой бөгөөд дэлхий дээр бүгдийг нь програмчлахад хэтэрхий их мэдлэг байдаг. Бид энэ хоёр аргыг хослуулах хэрэгтэй байгаа нь тодорхой.
Энэ нь хүний оюун ухаанаас бид юу сурч болох талаар таны ярьж буй бүлэгтэй холбоотой. Юуны өмнө бидний ухамсар нь янз бүрийн аргаар ажилладаг олон янзын системүүдээс бүрддэг гэсэн дээр дурдсан санаан дээр үндэслэсэн үзэл баримтлалын талаар.
Үүнийг тайлбарлах өөр нэг арга бол бидний танин мэдэхүйн систем бүр өөр өөр асуудлыг шийддэг гэж би бодож байна. AI-ийн ижил төстэй хэсгүүд нь өөр өөр шинж чанартай янз бүрийн асуудлыг шийдвэрлэхэд зориулагдсан байх ёстой.
Одоо бид бие биенээсээ эрс ялгаатай асуудлуудыг шийдвэрлэхийн тулд зарим нэг технологи ашиглахыг оролдож байна. Өгүүлбэрийг ойлгох нь объектыг танихтай огт адилгүй. Гэхдээ хүмүүс энэ хоёр тохиолдолд гүнзгий суралцахыг ашиглахыг хичээж байна. Танин мэдэхүйн үүднээс авч үзвэл эдгээр нь чанарын хувьд өөр өөр ажил юм. Гүн гүнзгий суралцах нийгэмд сонгодог хиймэл оюун ухааныг хэр бага үнэлж байгааг би гайхаж байна. Яагаад мөнгөн сум гарч ирэхийг хүлээх вэ? Энэ нь боломжгүй бөгөөд үр дүнгүй хайлтууд нь хиймэл оюун ухааныг бий болгох ажлын нарийн төвөгтэй байдлыг ойлгох боломжийг бидэнд олгодоггүй.
Шалтгаан-үр дагаврын холбоог ойлгоход хиймэл оюун ухааны систем хэрэгтэй гэдгийг та мөн дурьдсан. Үүнд гүнзгий суралцах, сонгодог хиймэл оюун ухаан эсвэл цоо шинэ зүйл бидэнд тусална гэж та бодож байна уу?
Энэ бол гүнзгий суралцах нь тийм ч тохиромжтой биш өөр нэг хэсэг юм. Энэ нь тодорхой үйл явдлын шалтгааныг тайлбарлахгүй, харин өгөгдсөн нөхцөлд үйл явдлын магадлалыг тооцдог.
Бид юу яриад байгаа юм бэ? Та тодорхой нөхцөл байдлыг ажиглаж, яагаад ийм зүйл тохиолдож, зарим нөхцөл байдал өөрчлөгдвөл юу тохиолдож болохыг ойлгодог. Телевизийн суудаг тавиурыг хараад нэг хөлийг нь тайрчихвал тавиур нь хөмрөөд зурагт унана гэж төсөөлж байна. Энэ бол шалтгаан ба үр дагаврын холбоо юм.
Сонгодог хиймэл оюун ухаан нь бидэнд зарим хэрэгслийг өгдөг. Тэр жишээ нь дэмжлэг гэж юу болох, уналт гэж юу болохыг төсөөлж чадна. Гэхдээ би хэт магтахгүй. Асуудал нь сонгодог хиймэл оюун ухаан нь юу болж байгаа талаарх бүрэн мэдээлэлээс ихээхэн хамаардаг бөгөөд би индэрийг хараад л нэг дүгнэлтэд хүрсэн. Би ямар нэгэн байдлаар ерөнхийлөн дүгнэж, надад харагдахгүй байгаа индэрийн хэсгүүдийг төсөөлж чадна. Бидэнд энэ өмчийг хэрэгжүүлэх хэрэгсэл хараахан байхгүй байна.
Хүн төрөлхийн мэдлэгтэй гэж та бас хэлж байна. Үүнийг хиймэл оюун ухаанд хэрхэн хэрэгжүүлэх вэ?
Төрөх мөчид бидний тархи аль хэдийн маш нарийн бүтэцтэй систем юм. Энэ нь тогтворгүй, мөн чанар нь анхны бүдүүлэг төслийг бий болгосон. Дараа нь суралцах нь бидний амьдралын туршид тэр төслийг засахад тусалдаг.
Тархины бүдүүлэг ноорог аль хэдийн тодорхой чадвартай байдаг. Шинээр төрсөн уулын ямаа хэдхэн цагийн дотор уулын бэлээр алдаагүй бууж чаддаг. Тэрээр гурван хэмжээст орон зай, өөрийн бие, тэдгээрийн хоорондын харилцааны талаар аль хэдийн ойлголттой болсон нь илт байна. Маш нарийн төвөгтэй систем.
Энэ нь зарим талаараа би эрлийз хэрэгтэй гэдэгт итгэдэг. Хоосон хуудаснаас эхэлж, урт удаан, асар их туршлагаас суралцахын оронд хаанаас эхлэх талаар ижил төстэй мэдлэггүйгээр дэлхий дээр сайн ажилладаг роботыг хэрхэн бүтээхийг төсөөлөхөд хэцүү байдаг.
Хүний хувьд бидний төрөлхийн мэдлэг нь бидний геномоос гаралтай бөгөөд энэ нь удаан хугацааны туршид хувьсан өөрчлөгдөж байдаг. Гэхдээ AI системүүдийн хувьд бид өөр замаар явах хэрэгтэй болно. Үүний нэг хэсэг нь бидний алгоритмыг бүтээх дүрэм байж болно. Үүний нэг хэсэг нь эдгээр алгоритмуудын удирддаг өгөгдлийн бүтцийг бий болгох дүрэм байж болно. Үүний нэг хэсэг нь бид машинд шууд хөрөнгө оруулалт хийх болно гэсэн мэдлэг байж магадгүй юм.
Энэ номонд та итгэлцэл, итгэлцлийн тогтолцоог бий болгох санааг гаргаж ирсэн нь сонирхолтой юм. Та яагаад энэ тодорхой шалгуурыг сонгосон бэ?
Өнөөдөр энэ бүхэн бөмбөгний тоглоом гэдэгт би итгэдэг. Найдваргүй олон программ хангамжид итгэж, түүхийн хачирхалтай үеийг бид туулж байгаа юм шиг надад санагдаж байна. Өнөөдрийн бидний санаа зовоосон асуудал үүрд үргэлжлэхгүй гэж бодож байна. Зуун жилийн дараа хиймэл оюун ухаан бидний итгэлийг зөвтгөх болно, магадгүй бүр эрт.
Гэвч өнөөдөр хиймэл оюун ухаан аюултай. Элон Маск айдаг гэсэн утгаар биш, харин ажлын ярилцлагын систем нь эмэгтэйчүүдийг програмистууд юу хийж байгаагаас үл хамааран ялгаварлан гадуурхдаг, учир нь тэдний хэрэгсэл хэтэрхий энгийн байдаг.
Бид илүү сайн хиймэл оюун ухаантай болоосой гэж хүсч байна. Хүмүүс хиймэл оюун ухаан нь ажиллахгүй, зүгээр л аюултай гэдгийг ойлгож, засахыг хүсэхгүй байгаа "AI өвөл"-ийг хармааргүй байна.
Зарим талаараа таны ном их өөдрөг харагдаж байна. Та найдвартай хиймэл оюун ухаан бүтээх боломжтой гэж бодож байна. Бид зүгээр л өөр зүг рүү харах хэрэгтэй.
Тийм ээ, ном богино хугацаанд маш гутранги, урт хугацаандаа маш өөдрөг үзэлтэй. Зөв хариулт нь юу байх ёстойг илүү өргөн хүрээнд авч үзвэл бидний тайлбарласан бүх асуудлыг шийдэж чадна гэдэгт бид итгэдэг. Хэрэв ийм зүйл тохиолдвол дэлхий илүү сайхан газар болно гэж бид бодож байна.
Эх сурвалж: www.habr.com