Yleisesti uskotaan, että tekoälyn tutkimuksen viimeisimmän kehityksen myötä elävät ja älykkäät koneet ovat pian horisontissa. Autot ymmärtävät äänikomennot, erottavat kuvia, ajavat autoja ja pelaavat pelejä paremmin kuin me. Kuinka kauan odottaa, kunnes he alkavat kävellä keskuudessamme?
Äskettäin julkaistu Valkoisen talon tekoälyraportti ottaa skeptisen kannan. Siinä sanotaan, että seuraavien 20 vuoden aikana emme todennäköisesti näe koneita, joilla "on älyllisiä kykyjä, jotka ovat verrattavissa tai parempia kuin ihmisten", mutta tulevina vuosina "koneet saavuttavat ihmisen kyvyt yhä useammissa tehtävissä". Tästä mietinnöstä puuttuu kuitenkin muutama tärkeä asia.
Tekoälyn tutkija Arend Hintze väittää, että raportti keskittyy yksinomaan "tylsään tekoälyyn". Se katkaisee lauseen puolivälissä valtavan tekoälyn tutkimuksen, kuinka evoluutio auttaa meitä kehittämään yhä parempia tekoälyjärjestelmiä ja kuinka laskennalliset mallit auttavat meitä ymmärtämään oman ihmisen älykkyyden kehityksen.
Raportissa keskitytään tekoälyn tärkeimpiin työkaluihin, kuten tiedemies sanoo: koneoppimiseen ja syvään oppimiseen. Tämän tyyppinen tekniikka antoi robottien pelata tietokilpailuja hyvin ja ylittää pelin mestarit. Nämä järjestelmät pystyvät käsittelemään valtavia tietomääriä ja suorittamaan monimutkaisia laskelmia nopeasti. Mutta heiltä puuttuu elementti, joka on avain älykkäiden koneiden luomisessa, jotka haluaisimme saada tulevaisuudessa.
Tarvitsemme oppimiseen enemmän kuin koneiden opettamisen. Meidän on ylitettävä rajat, jotka määrittelevät neljä erilaista tekoälyä. Esteet, jotka erottavat koneet meistä - ja meidät niistä.
AI-tyyppi I: suihkukoneet
Alkeellisimmat tekoälyjärjestelmät ovat erittäin reaktiivisia eivätkä voi muodostaa muistoja tai käyttää aikaisempia kokemuksia nykyisten päätösten ilmoittamiseen. Deep Blue, shakkia pelattava supertietokone IBM, joka voitti suurmestari Garry Kasparovin 1990-luvun lopulla, on täydellinen esimerkki tämän tyyppisestä koneesta.
Mainosvideo:
Deep Blue tunnistaa shakkilaudalla olevat osat ja tietää kuinka ne liikkuvat. Hän voi ennustaa liikkeitä, sekä omia että vastustajansa. Ja hän valitsee mahdollisimman optimaaliset liikkeet.
Hänellä ei kuitenkaan ole aavistustakaan menneisyydestä ja muistista tapahtuneesta. Sen lisäksi, että harvoin käytetty shakkikohtainen sääntö ei toista samaa siirtoa kolme kertaa, Deep Blue jättää kaiken huomiotta tähän asti. Hän vain katsoo shakkilaudan nappuloita ja valitsee seuraavan siirron.
Tämän tyyppinen älykkyys sisältää tietokoneen, joka havaitsee maailman suoraan ja toimii näkemänsä perusteella. Hän ei luota sisäiseen käsitykseen maailmasta. Tekoälyn tutkija Rodney Brooks väitti työssään, että meidän pitäisi vain rakentaa tällaisia koneita. Hänen mielestään ihmiset eivät ole kovin hyviä ohjelmoimaan tarkkoja simuloituja maailmoja tietokoneille, kuten he sanovat, luomaan "esityksen", esityksen maailmasta.
Nykyaikaisilla älykkäillä koneilla, joita ihailemme, joko ei ole tällaista käsitystä maailmasta, tai se on hyvin rajallinen ja käsittelee tiettyjä tehtäviä. Deep Blue -suunnittelun innovaatio ei ollut tietokoneen harkitsemien mahdollisten siirtojen määrän lisääminen. Sen sijaan kehittäjät ovat löytäneet tavan kaventaa hänen näkemystään, hylätä joitain tulevaisuuden mahdollisia liikkeitä sen mukaan, miten niitä arvioidaan.
Samoin AlphaGo Google, joka voitti maailmanmestarin Go: ssa, ei voi mitenkään arvioida mahdollisia tulevia liikkeitä. Sen analyysimenetelmä on kehittyneempi kuin Deep Blue: se käyttää hermoverkkoa pelin kehittymisen arviointiin.
Nämä tekniikat parantavat tekoälyjärjestelmien ominaisuuksia, saavat tietyt pelit pelaamaan paremmin, mutta niitä ei ole helppo muokata tai soveltaa muihin tilanteisiin. Tämän tyyppisillä mielikuvituksilla ei ole käsitystä maailmasta kokonaisuutena - mikä tarkoittaa, että ne eivät voi mennä pidemmälle kuin tehtävät tehtävät, joita varten heidät on tehty, ja heidät huijataan helposti.
He eivät voi osallistua vuorovaikutteisesti maailmaan, ja haluaisimme nähdä juuri sellaiset tekoälyjärjestelmät jonain päivänä. Sen sijaan koneet käyttäytyvät täsmälleen samalla tavalla kuin aina käyttäessään samaa tilannetta. Jos haluamme tehdä tekoälyjärjestelmästä luotettavan ja luotettavan, se on hyvä asia: haluaisit autonomisen ajoneuvosi olevan luotettava. Mutta jos haluamme koneiden olevan vuorovaikutuksessa kanssamme ja maailman kanssa, se on huono. Yksinkertaisimmat tekoälyjärjestelmät eivät koskaan kyllästy, he eivät voi olla kiinnostuneita tai järkyttää.
AI-tyyppi II: rajoitettu muisti
Tyyppi II sisältää koneita, jotka voivat katsoa menneisyyteen. Itse ajavat autot ovat jo hieman kykeneviä tähän. Esimerkiksi he tarkkailevat muiden ajoneuvojen nopeutta ja suuntaa. Tätä ei voida tehdä kerralla, joten sinun on tunnistettava tietyt kohteet ja tarkkailtava niitä ajan myötä.
Nämä havainnot lisätään itse ajavien autojen ennalta ohjelmoituihin esityksiin maailmasta, joihin kuuluvat tien merkinnät, liikennevalot ja muut kriittiset elementit. Ne ovat yhteydessä toisiinsa, kun auto päättää vaihtaa kaistaa eikä törmää toiseen.
Mutta nämä yksinkertaiset tiedot menneisyydestä ovat vain väliaikaisia. Niitä ei tallenneta osana ajoneuvokokemuskirjastoa, jossa se voi oppia, kuten ihmiset ajavatkin, kerätä kokemusta vuosien varrella ajon aikana.
Kuinka rakennamme tekoälyjärjestelmiä, jotka rakentavat täydellisiä esityksiä, muistavat kokemuksemme ja oppivat selviytymään uusista tilanteista? Brooke oli oikeassa siinä, että tätä on erittäin vaikea tehdä. Ehkä kannattaa etsiä inspiraatiota Darwinin evoluutiosta?
AI-tyyppi III: mielen teoria
Tässä meidän on tehtävä lyhyt pysähdys ja kutsuttava tätä hetkeä tärkeäksi kuiluksi olemassa olevien koneidemme ja koneiden välillä, jotka haluaisimme rakentaa tulevaisuudessa. Ensimmäinen askel on kuitenkin tarkentaa näkymiä, jotka koneiden on luotava.
Seuraavan, edistyneemmän luokan koneet eivät vain muodosta esityksiä maailmasta, vaan myös muista maailman edustajista tai kokonaisuuksista. Psykologiassa tätä kutsutaan "mieliteoriaksi" - ymmärrykseksi siitä, että ihmisillä, olennoilla ja esineillä maailmassa voi olla ajatuksia ja tunteita, jotka vaikuttavat heidän omaan käyttäytymisensä.
Tämä on tärkeää, miten me ihmiset muokkaamme yhteiskuntaa, koska se tarjoaa meille sosiaalista vuorovaikutusta. Ymmärtämättä toistensa motiiveja ja aikomuksia ja ottamatta huomioon mitä joku muu tietää minusta tai ympäristöstä, yhteistyö on parhaimmillaan vaikeaa ja pahimmillaan mahdotonta.
Jos tekoälyjärjestelmät todella vaeltavat koskaan joukossamme, heidän on ymmärrettävä, mitä ajattelemme ja tunnemme, ainakin oletusten tasolla. Ja säädä käyttäytymistäsi vastaavasti.
IV tekoälyn tyyppi: itsetietoisuus
Tekoälyn kehittämisen perimmäinen tavoite on luoda järjestelmiä, jotka voivat muokata minäkuvia. Loppujen lopuksi tekoälyn tutkijoiden on paitsi ymmärrettävä tietoisuus myös luotava koneita tietoisuuden kanssa.
Tämä on jossain mielessä jatkoa "mieliteorialle", joka mainittiin edellisessä tekoälyssä. Kun puhumme tietoisuudesta, tarkoitamme myös itsetietoisuutta. "Haluan tämän asian" eroaa "Tiedän haluan tämän asian". Tietoiset olennot ovat itsetietoisia, tietoisia sisäisistä tiloistaan ja voivat ennakoida muiden käyttäytymistä tai tunteita. Oletamme, että joku, joka ilmoittaa meistä liikenteessä, on vihainen tai kärsimätön, koska näin voimme tuntea hänen asemansa. Ilman mieliteoriaa emme voisi tehdä tällaisia päätelmiä.
Vaikka olemme luultavasti kaukana itsetietoisten koneiden rakentamisesta, meidän on keskitettävä ponnistelumme muistin ymmärtämiselle, oppimiselle ja kyvylle tehdä päätöksiä menneistä kokemuksista. Tämä on tärkeä askel kohti ihmisen mielen ymmärtämistä. Ja tämä on erittäin tärkeää, jos haluamme suunnitella tai kehittää koneita, jotka pystyvät paitsi luokittelemaan edessämme näkemänsä myös paljon enemmän.
ILYA KHEL