Ky tekst nuk është rezultat i kërkimit shkencor, por një nga shumë mendimet në lidhje me zhvillimin tonë të menjëhershëm teknologjik. Dhe në të njëjtën kohë një ftesë për diskutim.
Gary Marcus, një profesor në Universitetin e Nju Jorkut, beson se të mësuarit e thellë luan një rol të rëndësishëm në zhvillimin e AI. Por ai gjithashtu beson se entuziazmi i tepruar për këtë teknikë mund të çojë në diskreditimin e saj.
Në librin e tij Rinisja e AI: Ndërtimi i inteligjencës artificiale të cilës mund t'i besojmë Marcus, një neuroshkencëtar i trajnuar, i cili ka ndërtuar një karrierë në kërkimet më të fundit të AI, trajton aspektet teknike dhe etike. Nga këndvështrimi i teknologjisë, të mësuarit e thellë mund të imitojë me sukses detyrat perceptuese që kryen truri ynë, si njohja e imazhit ose e të folurit. Por për detyra të tjera, të tilla si të kuptuarit e bisedave ose përcaktimi i marrëdhënieve shkak-pasojë, mësimi i thellë nuk është i përshtatshëm. Për të krijuar makineri inteligjente më të avancuara që mund të zgjidhin një gamë më të gjerë problemesh - shpesh të quajtura inteligjencë e përgjithshme artificiale - mësimi i thellë duhet të kombinohet me teknika të tjera.
Nëse një sistem AI nuk i kupton vërtet detyrat e tij ose botën përreth tij, kjo mund të çojë në pasoja të rrezikshme. Edhe ndryshimet më të vogla të papritura në mjedisin e sistemit mund të çojnë në sjellje të gabuar. Ka pasur tashmë shumë shembuj të tillë: përcaktues të shprehjeve të papërshtatshme që mashtrohen lehtë; sistemet e kërkimit të punës që diskriminojnë vazhdimisht; makina pa shofer që përplasen dhe ndonjëherë vrasin shoferin ose këmbësorin. Krijimi i inteligjencës së përgjithshme artificiale nuk është vetëm një problem interesant kërkimor, ai ka shumë aplikime krejtësisht praktike.
Në librin e tyre, Marcus dhe bashkëautori i tij Ernest Davis argumentojnë për një rrugë tjetër. Ata besojnë se ne jemi ende larg krijimit të AI të përgjithshme, por ata kanë besim se herët a vonë do të jetë e mundur ta krijojmë atë.
Pse na duhet AI e përgjithshme? Versione të specializuara tashmë janë krijuar dhe sjellin shumë përfitime.
Kjo është e drejtë, dhe do të ketë edhe më shumë përfitime. Por ka shumë probleme që AI e specializuar thjesht nuk mund t'i zgjidhë. Për shembull, të kuptuarit e të folurit të zakonshëm, ose ndihmë të përgjithshme në botën virtuale, ose një robot që ndihmon me pastrimin dhe gatimin. Detyra të tilla janë përtej aftësive të AI të specializuar. Një pyetje tjetër praktike interesante: a është e mundur të krijosh një makinë të sigurt vetë-drejtuese duke përdorur AI të specializuar? Përvoja tregon se një AI e tillë ka ende shumë probleme me sjelljen në situata jonormale, edhe kur vozitni, gjë që e ndërlikon shumë situatën.
Unë mendoj se ne të gjithë do të dëshironim të kishim AI që mund të na ndihmojë të bëjmë zbulime të reja të mëdha në mjekësi. Është e paqartë nëse teknologjitë aktuale janë të përshtatshme për këtë, pasi biologjia është një fushë komplekse. Duhet të përgatiteni për të lexuar shumë libra. Shkencëtarët kuptojnë marrëdhëniet shkak-pasojë në ndërveprimin e rrjeteve dhe molekulave, mund të zhvillojnë teori rreth planeteve, etj. Megjithatë, me AI të specializuar, ne nuk mund të krijojmë makina të afta për zbulime të tilla. Dhe me AI të përgjithshme, ne mund të revolucionarizojmë shkencën, teknologjinë dhe mjekësinë. Sipas mendimit tim, është shumë e rëndësishme të vazhdohet puna drejt krijimit të AI të përgjithshme.
Duket sikur me "të përgjithshme" do të thotë AI i fortë?
Me "të përgjithshme" dua të them që AI do të jetë në gjendje të mendojë dhe të zgjidhë probleme të reja në fluturim. Ndryshe nga, le të themi, Shko, ku problemi nuk ka ndryshuar për 2000 vitet e fundit.
Inteligjenca artificiale e përgjithshme duhet të jetë në gjendje të marrë vendime si në politikë ashtu edhe në mjekësi. Kjo është analoge me aftësinë njerëzore; çdo person i arsyeshëm mund të bëjë shumë. Ju merrni studentë të papërvojë dhe brenda pak ditësh i bëni ata të punojnë për pothuajse çdo gjë, nga një problem ligjor në një problem mjekësor. Kjo është për shkak se ata kanë një kuptim të përgjithshëm të botës dhe mund të lexojnë, dhe për këtë arsye mund të kontribuojnë në një gamë shumë të gjerë aktivitetesh.
Marrëdhënia midis një inteligjence të tillë dhe inteligjencës së fortë është se një inteligjencë jo e fortë ndoshta nuk do të jetë në gjendje të zgjidhë probleme të përgjithshme. Për të krijuar diçka mjaft të fortë për t'u përballur me një botë që ndryshon vazhdimisht, mund t'ju duhet të paktën t'i afroheni inteligjencës së përgjithshme.
Por tani jemi shumë larg nga kjo. AlphaGo mund të luajë shumë mirë në një tabelë 19x19, por duhet të ritrajnohet për të luajtur në një tabelë drejtkëndore. Ose merrni sistemin mesatar të mësimit të thellë: ai mund të njohë një elefant nëse është i ndriçuar mirë dhe struktura e lëkurës së tij është e dukshme. Dhe nëse vetëm silueta e një elefanti është e dukshme, sistemi ndoshta nuk do të jetë në gjendje ta njohë atë.
Në librin tuaj, ju përmendni se të mësuarit e thellë nuk mund të arrijë aftësitë e AI të përgjithshme, sepse nuk është në gjendje të kuptojë thellë.
Në shkencën kognitive ata flasin për formimin e modeleve të ndryshme njohëse. Unë jam ulur në një dhomë hoteli dhe e kuptoj që ka një dollap, ka një shtrat, ka një televizor që është i varur në një mënyrë të pazakontë. Unë i njoh të gjitha këto objekte, nuk i identifikoj thjesht. Unë gjithashtu e kuptoj se si ato janë të ndërlidhura me njëra-tjetrën. Unë kam ide për funksionimin e botës rreth meje. Nuk janë perfekte. Ata mund të kenë gabim, por janë mjaft të mirë. Dhe në bazë të tyre nxjerr shumë përfundime që bëhen udhëzime për veprimet e mia të përditshme.
Ekstremi tjetër ishte diçka si sistemi i lojës Atari i ndërtuar nga DeepMind, në të cilin kujtonte se çfarë duhej të bënte kur shihte pikselë në vende të caktuara në ekran. Nëse merrni të dhëna të mjaftueshme, mund të mendoni se keni një mirëkuptim, por në realitet është shumë sipërfaqësore. Dëshmi për këtë është se nëse i lëvizni objektet me tre piksel, AI luan shumë më keq. Ndryshimet e hutojnë atë. Kjo është e kundërta e të kuptuarit të thellë.
Për të zgjidhur këtë problem, ju propozoni kthimin në AI klasike. Çfarë avantazhesh duhet të përpiqemi të përdorim?
Ka disa avantazhe.
Së pari, AI klasike është në fakt një kornizë për krijimin e modeleve njohëse të botës, në bazë të të cilave mund të nxirren përfundime.
Së dyti, AI klasike është plotësisht në përputhje me rregullat. Ekziston një prirje e çuditshme në të mësuarit e thellë tani, ku ekspertët po përpiqen të shmangin rregullat. Ata duan të bëjnë gjithçka në rrjetet nervore dhe të mos bëjnë asgjë që duket si programim klasik. Por ka probleme që u zgjidhën me qetësi në këtë mënyrë dhe askush nuk i kushtoi vëmendje. Për shembull, ndërtimi i rrugëve në Google Maps.
Në fakt, ne kemi nevojë për të dyja qasjet. Mësimi i makinerive është i mirë për të mësuar nga të dhënat, por shumë i dobët në përfaqësimin e abstraksionit që është një program kompjuterik. AI klasik funksionon mirë me abstraksione, por duhet të programohet tërësisht me dorë dhe ka shumë njohuri në botë për t'i programuar të gjitha. Është e qartë se ne duhet të kombinojmë të dyja qasjet.
Kjo lidhet me kapitullin në të cilin ju flisni për atë që ne mund të mësojmë nga mendja njerëzore. Dhe para së gjithash, për konceptin e bazuar në idenë e përmendur më lart se vetëdija jonë përbëhet nga shumë sisteme të ndryshme që funksionojnë në mënyra të ndryshme.
Unë mendoj se një mënyrë tjetër për ta shpjeguar këtë është se çdo sistem njohës që kemi zgjidh vërtet një problem të ndryshëm. Pjesë të ngjashme të AI duhet të dizajnohen për të zgjidhur probleme të ndryshme që kanë karakteristika të ndryshme.
Tani po përpiqemi të përdorim disa teknologji gjithëpërfshirëse për të zgjidhur probleme që janë rrënjësisht të ndryshme nga njëra-tjetra. Të kuptuarit e një fjalie nuk është aspak e njëjtë me njohjen e një objekti. Por njerëzit po përpiqen të përdorin mësimin e thellë në të dyja rastet. Nga pikëpamja njohëse, këto janë detyra cilësisht të ndryshme. Unë thjesht jam i habitur se sa pak vlerësim ka për AI klasike në komunitetin e të mësuarit të thellë. Pse prisni që të shfaqet një plumb argjendi? Është e paarritshme dhe kërkimet e pafrytshme nuk na lejojnë të kuptojmë kompleksitetin e plotë të detyrës së krijimit të AI.
Ju gjithashtu përmendni se sistemet e AI janë të nevojshme për të kuptuar marrëdhëniet shkak-pasojë. A mendoni se mësimi i thellë, AI klasike ose diçka krejtësisht e re do të na ndihmojë me këtë?
Kjo është një fushë tjetër ku mësimi i thellë nuk është i përshtatshëm. Ai nuk shpjegon shkaqet e ngjarjeve të caktuara, por llogarit probabilitetin e një ngjarjeje në kushte të caktuara.
Për çfarë po flasim? Ju shikoni disa skenarë dhe kuptoni pse ndodh kjo dhe çfarë mund të ndodhë nëse disa rrethana ndryshojnë. Mund të shikoj stendën ku ulet televizori dhe të imagjinoj se nëse i pres njërën nga këmbët, mbështetja do të përmbyset dhe televizori do të bjerë. Kjo është një marrëdhënie shkak-pasojë.
AI klasik na jep disa mjete për këtë. Ai mund të imagjinojë, për shembull, çfarë është mbështetja dhe çfarë është një rënie. Por nuk do të lavdëroj shumë. Problemi është se AI klasike varet kryesisht nga informacioni i plotë për atë që po ndodh, dhe unë arrita në një përfundim vetëm duke parë stendën. Mund të përgjithësoj disi, të imagjinoj pjesë të stendës që nuk janë të dukshme për mua. Ne nuk kemi ende mjete për të zbatuar këtë pronë.
Ju thoni gjithashtu se njerëzit kanë njohuri të lindura. Si mund të zbatohet kjo në AI?
Në momentin e lindjes, truri ynë është tashmë një sistem shumë i përpunuar. Nuk është fikse natyra krijoi draftin e parë, të përafërt. Dhe më pas të mësuarit na ndihmon ta rishikojmë atë draft gjatë gjithë jetës sonë.
Një draft i përafërt i trurit tashmë ka disa aftësi. Një dhi e porsalindur mali është në gjendje të zbresë pa gabim nga mali brenda pak orësh. Është e qartë se ai tashmë ka një kuptim të hapësirës tre-dimensionale, trupit të tij dhe marrëdhënies mes tyre. Një sistem shumë kompleks.
Kjo është pjesërisht arsyeja pse unë besoj se ne kemi nevojë për hibride. Është e vështirë të imagjinohet se si dikush mund të krijojë një robot që funksionon mirë në një botë pa njohuri të ngjashme se ku të fillojë, në vend që të fillojë me një fletë të zbrazët dhe të mësojë nga përvoja e gjatë dhe e madhe.
Sa për njerëzit, njohuritë tona të lindura vijnë nga gjenomi ynë, i cili ka evoluar gjatë një kohe të gjatë. Por me sistemet e AI ne do të duhet të shkojmë në një rrugë tjetër. Pjesë e kësaj mund të jenë rregullat për ndërtimin e algoritmeve tona. Pjesë e kësaj mund të jenë rregullat për krijimin e strukturave të të dhënave që manipulojnë këto algoritme. Dhe pjesë e kësaj mund të jetë njohuria se ne do të investojmë drejtpërdrejt në makineri.
Është interesante që në libër ju sjellni idenë e besimit dhe krijimin e sistemeve të besimit. Pse zgjodhët këtë kriter të veçantë?
Besoj se sot e gjithë kjo është një lojë me top. Më duket se po jetojmë një moment të çuditshëm në histori, duke u besuar shumë softuerëve që nuk janë të besueshëm. Mendoj se shqetësimet që kemi sot nuk do të zgjasin përgjithmonë. Në njëqind vjet, AI do të justifikojë besimin tonë, dhe ndoshta më shpejt.
Por sot AI është i rrezikshëm. Jo në kuptimin që ka frikë Elon Musk, por në kuptimin që sistemet e intervistave për punë diskriminojnë gratë, pavarësisht se çfarë bëjnë programuesit, sepse mjetet e tyre janë shumë të thjeshta.
Uroj që të kemi AI më të mirë. Unë nuk dua të shoh një "dimër të AI" ku njerëzit kuptojnë se AI nuk funksionon dhe është thjesht e rrezikshme dhe nuk duan ta rregullojnë atë.
Në disa mënyra, libri juaj duket shumë optimist. Ju supozoni se është e mundur të ndërtoni AI të besueshme. Thjesht duhet të shikojmë në një drejtim tjetër.
Ashtu është, libri është shumë pesimist në terma afatshkurtër dhe shumë optimist në terma afatgjatë. Ne besojmë se të gjitha problemet që kemi përshkruar mund të zgjidhen duke hedhur një vështrim më të gjerë se cilat duhet të jenë përgjigjet e sakta. Dhe ne mendojmë se nëse kjo ndodh, bota do të jetë një vend më i mirë.
Burimi: www.habr.com