<\/a><\/noindex>V svoji knjigi Marcus in njegov soavtor Ernest Davis predlagata druga\u010dno pot. Menita, da smo \u0161e dale\u010d od ustvarjanja splo\u0161ne umetne inteligence, vendar sta prepri\u010dana, da jo bomo prej ali slej uspeli ustvariti.<\/p>\n
Zakaj potrebujemo splo\u0161no umetno inteligenco? Specializirane razli\u010dice so \u017ee ustvarjene in prina\u0161ajo kar nekaj koristi.<\/b><\/p>\n
Da, in koristi bodo \u0161e ve\u010d. A obstaja veliko nalog, ki jih specializirana umetna inteligenca preprosto ne more re\u0161iti. Na primer, razumevanje obi\u010dajnega govora, ali splo\u0161na pomo\u010d v virtualnem svetu, ali robot, ki pomaga pri \u010di\u0161\u010denju in pripravi hrane. Tak\u0161ne naloge so zunaj zmogljivosti specializirane umetne inteligence. \u0160e en zanimiv prakti\u010den vpra\u0161anje: ali je mogo\u010de s pomo\u010djo specializirane umetne inteligence ustvariti varen avtonomni avtomobil? Izku\u0161nje ka\u017eejo, da ima tak\u0161na umetna inteligenca \u0161e vedno veliko te\u017eav s vedenjem v nenavadnih situacijah, tudi pri vo\u017enji, kar precej ote\u017euje situacijo.<\/p>\n
Mislim, da bi si vsi \u017eeleli umetno inteligenco, ki bi nam pomagala pri novih velikih odkritjih v medicini. Ni jasno, ali so trenutne tehnologije primerne, saj je biologija zapleteno podro\u010dje. Treba se bo pripraviti na branje precej\u0161njega \u0161tevila knjig. Znanstveniki razumejo vzro\u010dno-posledi\u010dne zveze v interakciji mre\u017e in molekul, lahko razvijajo teorije o planetih in tako naprej. Vendar s specializirano umetno inteligenco ne moremo ustvariti naprav, ki bi bile sposobne takih odkritij. S splo\u0161no umetno inteligenco pa bi mogli revolucionirati znanost, tehnologijo in medicino. Zame je zelo pomembno nadaljevati z delom na ustvarjanju splo\u0161ne umetne inteligence.<\/p>\n
Zdi se, da pod 'splo\u0161no' mislite na mo\u010dno umetno inteligenco?<\/b><\/p>\n
Ko re\u010dem 'splo\u0161no', mislim, da bo umetna inteligenca lahko na terenu razmi\u0161ljala in samostojno re\u0161evala nove naloge. V nasprotju s, recimo, Go, kjer se problem ni spreminjal zadnjih 2000 let.<\/p>\n
Splo\u0161na umetna inteligenca mora znati sprejemati odlo\u010ditve tako na podro\u010dju politike kot medicine. To je analogna sposobnost \u010dloveka; vsak trezen \u010dlovek lahko stori zelo veliko. Vzamete neizku\u0161ene \u0161tudente in jih po nekaj dneh prisilite, da delajo prakti\u010dno na \u010demer koli, od pravnih nalog do medicinskih. To je zato, ker imajo splo\u0161no razumevanje sveta in znajo brati, zato lahko prispevajo k zelo \u0161irokemu spektru dejavnosti.<\/p>\n
Povezava med tak\u0161nim inteligentnostjo in mo\u010dno umetno inteligenco je ta, da mo\u010dna umetna inteligenca verjetno ne bo mogla re\u0161evati splo\u0161nih nalog. Da bi ustvarili nekaj dovolj zanesljivega, sposobnega delati v nenehno se spreminjajo\u010dem svetu, boste morda morali vsaj pribli\u017eati splo\u0161ni inteligenci.<\/p>\n
Ampak trenutno smo od tega zelo dale\u010d. AlphaGo lahko odli\u010dno igra na plo\u0161\u010di 19\u00d719, vendar ga je treba ponovno usposobiti za igro na pravokotnih plo\u0161\u010dah. Ali pa vzemite povpre\u010dni sistem globokega u\u010denja: sposoben je prepoznati slona, \u010de je dobro osvetljen in je vidna tekstura njegove ko\u017ee. \u010ce pa je vidna le silhueta slona, sistem zagotovo ne bo mogel prepoznati.<\/p>\n
V svoji knjigi omenjate, da globoko u\u010denje ne more dose\u010di zmo\u017enosti splo\u0161ne umetne inteligence, saj ne dosega globokega razumevanja.<\/b><\/p>\n
V kognitivistiki govorijo o oblikovanju razli\u010dnih kognitivnih modelov. Sedim v hotelski sobi in razumem, da je tam omara, tam postelja, tam televizor, ki je nenavadno obe\u0161en. Poznam vse te predmete, jih ne identificiram zgolj. Prav tako razumem, kako so med seboj povezani. Imam predstave o delovanju okolice. Te predstave niso popolne. Lahko so napa\u010dne, vendar so precej dobre. Na njihovi podlagi delam precej dedukcij, ki postanejo vodilo za moje vsakdanje dejavnosti.<\/p>\n
Druga skrajnost je nekaj podobnega igri Atari, ki jo je ustvaril DeepMind, kjer je pomnil, kaj mora storiti, ko je videl piksle na dolo\u010denih mestih na zaslonu. \u010ce dobite dovolj podatkov, se lahko zdi, da imate razumevanje, vendar je v resnici zelo povr\u0161no. Dokaz za to je, da, \u010de premaknete objekte za tri piksle, umetna inteligenca igra veliko slab\u0161e. Spremembe jo postavijo pred te\u017eave. To je nasprotno globokemu razumevanju.<\/p>\n
Za re\u0161itev tega problema predlagate vrnitev k klasi\u010dni umetni inteligenci. Katere njene prednosti bi se morali truditi izkoristiti?<\/b><\/p>\n
Nekaj je prednosti. <\/p>\n
Prvi\u010d, klasi\u010dna umetna inteligenca je v resnici okvir za ustvarjanje kognitivnih modelov sveta, na katerih lahko nato temelji dedukcija.<\/p>\n
Drugi\u010d, klasi\u010dna umetna inteligenca je popolnoma skladna s pravili. V dana\u0161njem svetu globokega u\u010denja opazimo \u010dudno tendenco, kjer se strokovnjaki trudijo izogibati pravilom. Vse \u017eelijo delati na nevronskih mre\u017eah in ne \u017eelijo ni\u010desar, kar izgleda kot klasi\u010dno programiranje. Vendar obstajajo naloge, ki so bile mirno re\u0161ene na ta na\u010din in to nih\u010de ni opazil. Na primer, izra\u010dunavanje poti v Google Zemljevidih.<\/p>\n
V resnici potrebujemo oba pristopa. Strojno u\u010denje se dobro u\u010di iz podatkov, a vendar slabo pomaga pri prikazovanju abstrakcij, ki jih predstavlja ra\u010dunalni\u0161ki program. Klasi\u010dna umetna inteligenca dobro deluje z abstrakcijami, vendar jo je potrebno v celoti programirati ro\u010dno, pri \u010demer je v svetu nabrano preve\u010d znanja, da bi vse to programirali. O\u010ditno je, da moramo zdru\u017eiti oba pristopa.<\/p>\n
To je povezano s poglavjem, v katerem govorite o tem, \u010desar se lahko nau\u010dimo od \u010dlove\u0161kega uma. In najprej o konceptu, ki temelji na zgoraj omenjeni ideji, da je na\u0161e zavedanje sestavljeno iz \u0161tevilnih razli\u010dnih sistemov, ki delujejo druga\u010de.<\/b><\/p>\n
Menim, da je druga\u010den na\u010din razlage tega: vsak kognitivni sistem, ki ga imamo, dejansko re\u0161i razli\u010dne naloge. Podobni deli umetne inteligence bi morali biti zasnovani za re\u0161evanje razli\u010dnih nalog, ki imajo razli\u010dne zna\u010dilnosti.<\/p>\n
Trenutno posku\u0161amo uporabiti nekatere vse-v-enem tehnologije za re\u0161evanje nalog, ki se popolnoma razlikujejo ena od druge. Razumevanje stavka ni isto kot prepoznavanje objekta. A ljudje posku\u0161ajo v obeh primerih uporabiti globoko u\u010denje. Z vidika kognicije so to kakovostno razli\u010dne naloge. Preprosto sem presene\u010den, kako malo v skupnosti strokovnjakov za globoko u\u010denje cenijo klasi\u010dno umetno inteligenco. Zakaj \u010dakati na pojav srebrne izbolj\u0161ave? Ta je dosegljiva, in obupne iskanje ne omogo\u010da, da bi razumeli vse zapletenost naloge ustvarjanja umetne inteligence.<\/p>\n
Prav tako omenjate, da so sistemi umetne inteligence potrebni za razumevanje vzro\u010dno-posledi\u010dnih povezav. Menite, da nam bo pri tem pomagal globoko u\u010denje, klasi\u010dna umetna inteligenca ali kaj povsem novega?<\/b><\/p>\n
To je \u0161e eno podro\u010dje, za katerega globoko u\u010denje ni preve\u010d primerno. Ne pojasnjuje razlogov za nekatera dogajanja, temve\u010d izra\u010duna verjetnost dogodka v danih pogojih.<\/p>\n
O \u010dem govorimo? Gledate dolo\u010dene scenarije in razumete, zakaj se to dogaja in kaj se lahko zgodi, \u010de se nekatere okoli\u0161\u010dine spremenijo. Lahko se pogledam na podstavek, na katerem stoji televizor, in si predstavljam, da \u010de mu odsekam eno nogo, se bo podstavek prevrnil in televizor padel. To je vzro\u010dno-posledi\u010dna povezava.<\/p>\n
Klasik AI daje nam odre\u0111ene alate za ovo. Mo\u017ee predstaviti, na primer, \u0161ta je podr\u0161ka i \u0161ta je pad. Ali ne\u0107u preterivati. Problem je \u0161to klasik AI uglavnom zavisi od potpunosti informacija o doga\u0111anjima, a ja sam do\u0161ao do zaklju\u010dka samo posmatraju\u0107i podlo\u0161ku. Na neki na\u010din mogu da generalizujem, predstavljam delove podlo\u0161ke koje ne mogu da vidim. Jo\u0161 uvek nemamo alate za realizaciju ove osobine.<\/p>\n
Tako\u0111e govorite o tome da ljudi imaju uro\u0111eno znanje. Kako se to mo\u017ee realizovati u AI-u?<\/b><\/p>\n
U trenutku ro\u0111enja na\u0161 mozak ve\u0107 predstavlja vrlo pa\u017eljivo osmi\u0161ljeni sistem. Nije fiksiran, priroda je stvorila prvi, grubi nacrt. A zatim nas u\u010denje poma\u017ee da preispitujemo ovaj nacrt tokom celog \u017eivota.<\/p>\n
Grubi nacrt mozga ve\u0107 ima odre\u0111ene mogu\u0107nosti. Novoro\u0111eni planinski koza ve\u0107 nakon nekoliko sati mo\u017ee bez gre\u0161ke da se spusti niz planinu. O\u010digledno je da ve\u0107 ima razumevanje trodimenzionalnog prostora, svog tela i me\u0111usobne povezanosti. Veoma slo\u017een sistem.<\/p>\n
Delimi\u010dno zbog toga smatram da su nam potrebni hibridi. Te\u0161ko je zamisliti kako bi se mogao stvoriti robot koji dobro funkcioni\u0161e u svetu bez sli\u010dnog znanja, s \u010dime bi trebao da po\u010dne, umesto da po\u010dinje iz po\u010detka i u\u010di na dugom, ogromnom iskustvu.<\/p>\n
\u0160to se ti\u010de ljudi, na\u0161e uro\u0111eno znanje dolazi iz na\u0161eg genoma, koji se razvijao tokom dugog vremena. A sa AI sistemima mora\u0107emo da krenemo drugim putem. Delimi\u010dno to mogu biti pravila za konstrukciju na\u0161ih algoritama. Delimi\u010dno to mogu biti pravila za kreiranje struktura podataka kojima manipuli\u0161u ovi algoritmi. I delimi\u010dno to mogu biti znanja koja \u0107emo direktno unositi u ma\u0161ine.<\/p>\n
Zanimljivo je da u knjizi dolazite do ideje poverenja i stvaranja poverljivih sistema. Za\u0161to ste izabrali upravo ovaj kriterijum?<\/b><\/p>\n
Mislim da sve to danas predstavlja igru loptom. Deluje mi da \u017eivimo u \u010dudnom trenutku istorije, u velikoj meri veruju\u0107i softveru koji ne zaslu\u017euje poverenje. Mislim da dana\u0161nja na\u0161a briga ne\u0107e trajati zauvek. Za sto godina AI \u0107e opravdati na\u0161e poverenje, a mo\u017eda \u010dak i pre.<\/p>\n
Toda\u0161nji AI je opasan. Ne u smislu kako se pla\u0161i Elon Musk, ve\u0107 u tome \u0161to sistemi za intervjuiranje prilikom zapo\u0161ljavanja diskrimini\u0161u \u017eene, bez obzira na to \u0161to programeri rade, jer su njihovi alati previ\u0161e jednostavni.<\/p>\n
\u017deleo bih da imamo kvalitetniji AI. Ne \u017eelim da do\u0111e do \"zime ve\u0161ta\u010dke inteligencije\" kada ljudi shvate da AI ne funkcioni\u0161e i jednostavno je opasan, a zatim ne\u0107e \u017eeleti to da poprave.<\/p>\n
U odre\u0111enom smislu va\u0161a knjiga zaista deluje vrlo optimisti\u010dno. Pretpostavljate da se mo\u017ee izgraditi pouzdani AI. Samo treba da pogledamo u drugom pravcu.<\/b><\/p>\n
Ta\u010dno je, knjiga je vrlo pesimisti\u010dna u kratkoro\u010dnom smislu i vrlo optimisti\u010dna u dugoro\u010dnom. Smatramo da se svi problemi koje smo opisali mogu re\u0161iti, ako \u0161ire pogledamo na to kakvi bi trebali biti odgovori. I mislimo da \u0107e, ako se to desi, svet postati bolji.habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"\u042d\u0442\u043e\u0442 \u0442\u0435\u043a\u0441\u0442 \u2014 \u043d\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043d\u0430\u0443\u0447\u043d\u043e\u0433\u043e \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f, \u0430 \u043e\u0434\u043d\u043e \u0438\u0437 \u043c\u043d\u043e\u0433\u0438\u0445 \u043c\u043d\u0435\u043d\u0438\u0439 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043d\u0430\u0448\u0435\u0433\u043e \u0431\u043b\u0438\u0436\u0430\u0439\u0448\u0435\u0433\u043e \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0440\u0430\u0437\u0432\u0438\u0442\u0438\u044f. \u0418 \u0437\u0430\u043e\u0434\u043d\u043e \u043f\u0440\u0438\u0433\u043b\u0430\u0448\u0435\u043d\u0438\u0435 \u043a \u0434\u0438\u0441\u043a\u0443\u0441\u0441\u0438\u0438. \u0413\u0430\u0440\u0438 \u041c\u0430\u0440\u043a\u0443\u0441, \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u043e\u0440 \u041d\u044c\u044e-\u0419\u043e\u0440\u043a\u0441\u043a\u043e\u0433\u043e \u0443\u043d\u0438\u0432\u0435\u0440\u0441\u0438\u0442\u0435\u0442\u0430, \u0443\u0432\u0435\u0440\u0435\u043d, \u0447\u0442\u043e \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0438\u0433\u0440\u0430\u0435\u0442 \u0432\u0430\u0436\u043d\u0443\u044e \u0440\u043e\u043b\u044c \u0432 \u0440\u0430\u0437\u0432\u0438\u0442\u0438\u0438 \u0418\u0418. \u041d\u043e \u043e\u043d \u0442\u0430\u043a\u0436\u0435 \u0441\u0447\u0438\u0442\u0430\u0435\u0442, \u0447\u0442\u043e \u0438\u0437\u0431\u044b\u0442\u043e\u0447\u043d\u043e\u0435 \u0443\u0432\u043b\u0435\u0447\u0435\u043d\u0438\u0435 \u044d\u0442\u043e\u0439 \u043c\u0435\u0442\u043e\u0434\u0438\u043a\u043e\u0439 \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0432\u0435\u0441\u0442\u0438 \u043a \u0435\u0451 \u0434\u0438\u0441\u043a\u0440\u0435\u0434\u0438\u0442\u0430\u0446\u0438\u0438. \u0412 \u0441\u0432\u043e\u0435\u0439 \u043a\u043d\u0438\u0433\u0435 Rebooting […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":29302,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-39055","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t
![\"Ne](\"\/wp-content\/uploads\/2019\/10\/dccacd1c137f2ec973edd6dc5d4c42f3.png\")