2016. aasta märtsis suutis DeepMindi arvutialgoritm AlphaGo alistada maailma parima puzzle-mängija Lee Sedoli. Sellest sündmusest sai üks neist, mis määratles hetked tehnoloogiatööstuse ajaloos, mis olid korraga IBM Deep Blue arvuti võit maailma malemeistri Garry Kasparovi üle ja sama IBMi Watsoni superarvuti võit Jeopardy viktoriinil polümaatikatele.
Vaatamata neile nii muljetavaldavatele võitudele, on see siiski rohkem seotud treeningalgoritmide ja töötlemata arvutusvõimsuse kasutamisega kui reaalse tehisintellektiga. MITi endine robootikaprofessor Rodney Brooks, kes asutasid iRobotit ja hiljem Rethink Roboticsit, väidab, et keeruka strateegiamängu mängimiseks algoritmi õppimine pole intelligentsus. Vähemalt mitte nii, nagu me seda inimese jaoks ette kujutame.
Ekspert selgitab, et ükskõik kui tugev AlphaGo ka talle määratud ülesande täitmisel osutuda ei suuda, tegelikult pole ta millekski muuks võimeline. Veelgi enam, ta on loodud mängima Go-d ainult tavalisel 19 x 19. Väljaandel TechCrunch antud intervjuus rääkis Brooks, kuidas tal hiljuti oli võimalus vestelda DeepMindi meeskonnaga ja teada saada huvitavat detaili. Küsimusele, mis juhtuks, kui korraldajad muudaksid minekulaua suurust ja suurendaksid seda ruutudeks 29 x 29, tunnistas AlphaGo meeskond talle, et isegi mänguvälja kerge muutmine viib tõsiasja, et "oleme valmis".
„Arvan, et inimesed näevad, kui hästi algoritm ühte asja teeb, ja näib, et nad arvavad kohe, et see suudab teised sama tõhusalt hakkama saada. Kuid point on selles, et ta ei saa,”kommenteeris Brooks.
Kogu intelligentsus
Selle aasta mais ütles TechCrunch Disrupt'i intervjuus Davin Coldwayle Kasparov, et malet mängima võimelise arvuti arendamine maailmatasemel on üks asi, kuid on hoopis teine asi, kui sellist arvutit nimetatakse puhtaks tehisintellektiks, kuna see pole nii. See on lihtsalt masin, mis paneb kogu oma töötlemisvõimsuse lahendama probleemi, millega on harjunud kõige paremini hakkama saama.
„Male käes võidavad masinad sügava arvutamise võimsuse tõttu. Need võivad hiiglasliku andmebaasi, väga kiire riistvara ja loogilisemate algoritmidega muutuda täiesti võitmatuks. Neil puudub aga mõistmine. Nad ei tunne strateegilisi mustreid. Masinatel pole otstarvet,”sõnas Kasparov.
Reklaamvideo:
TechCrunchiga rääkis robootikasessioonil ka Toyota Instituudi tegevjuht, Toyota AI ja AI jagamine kodurobotites ja isesõitvates autodes. Tema arvates võib hirm, mida kuuleme väga paljudelt inimestelt, sealhulgas Elon Muskilt, kes hiljuti nimetas tehisintellekti "eksistentsiaalseks ohuks inimkonnale", tuleneda mitte millestki muust kui maailma düstoopilistest kirjeldustest, mida ulme meile pakub.
„Meie praegused süvaõppe süsteemid täidavad neile määratud ülesandeid ainult nii hästi, kui me oleme nende jaoks ette valmistanud. Kuid tegelikkuses on nad üsna spetsialiseerunud ja väikesemahulised. Seetõttu pean oluliseks iga kord selle teema kontekstis mainida, kui head nad on ja kui ebaefektiivsed nad tegelikult on. Ja ka seda, kui kaugel oleme hetkest, mil need süsteemid võivad hakata kujutama ohtu, millest Elon Musk ja teised räägivad, “kommenteeris Pratt.
Brooks omakorda märkis TechCrunchi robootikasessioonil, et üldiselt on inimeste seas kalduvus arvata, et kui algoritm on võimeline "X" ülesandega hakkama saama, siis on see ilmselt sama tark kui inimene.
„Ma arvan, et põhjus, miks inimesed, sealhulgas Elon Musk, selle vea teevad, on see. Kui näeme, et inimene teeb talle pandud ülesandega väga head tööd, mõistame, et tal on selles küsimuses suur pädevus. Mulle tundub, et inimesed üritavad sama mudelit rakendada ka masinõppes. Ja just selles peitubki suurim viga,”räägib Brooks.
Facebooki tegevjuht Mark Zuckerberg pidas möödunud pühapäeval otseülekande, mille käigus ta kritiseeris ka Elon Muski kommentaare, nimetades neid "üsna vastutustundetuteks". Zuckerbergi sõnul suudab AI meie elu märkimisväärselt parandada. Musk otsustas omakorda mitte vaikida ja vastas Zuckerbergile, et tal on AI-st "piiratud mõistmine". Teema pole veel suletud ja Musk lubas veidi hiljem reageerida IT-valdkonna kolleegide rünnakutele üksikasjalikumalt.
Muide, Musk pole ainus, kes usub, et AI võib potentsiaalset ohtu kujutada. Ka füüsik Stephen Hawking ja filosoof Nick Bostrom väljendavad oma muret tehisintellekti võimaliku üle tungida inimkonna eluteele. Kuid kõige tõenäolisemalt räägivad nad üldisemast tehisintellektist. Selle kohta, mida uuritakse sellistes laborites nagu Facebook AI Research, DeepMind ja Maluuba, mitte aga rohkem spetsialiseerunud AI, mille esimesi alguseid võime täna näha.
Brooks märgib ka, et paljud AI kriitikud isegi ei tööta selles valdkonnas, ning soovitas neil inimestel lihtsalt mitte aru saada, kui keeruline võib olla lahendus leida lahendus igale selle valdkonna probleemile.
“Tegelikult pole palju inimesi, kes peavad AI-d eksistentsiaalseks ohuks. Stephen Hawking, Briti astrofüüsik ja astronoom Martin Rees … ja mõned teised. Iroonia on see, et enamikul neist on üks ühine joon - nad ei tööta isegi tehisintellekti valdkonnas,”sõnas Brooks.
"Neile meist, kes töötame AI-ga, on üsna ilmne, kui keeruline võib olla midagi valmistoote tasemel töötamist."
AI valeandmete esitamine
Osalt tuleneb probleem ka sellest, et me nimetame seda kõike "tehisintellektiks". Tõde on see, et see "intelligentsus" pole sugugi sarnane inimese intelligentsusega, mida tavaliselt kirjeldatakse teatmeteostes ja sõnavarades kui "võimet õppida, mõista ja kohaneda uute olukordadega".
Idufirma Starmind tegevjuht Pascal Kaufman, kes aitab teistel ettevõtetel kasutada äriprobleemidele lahenduste leidmiseks kollektiivset inimintelligentsi, on viimase 15 aasta jooksul uurinud neuroteadust. Inimese aju ja arvuti töötavad Kaufmani sõnul väga erinevalt ja nende võrdlemisel oleks ilmne viga.
"Analoogia - aju töötab nagu arvuti - on väga ohtlik ja takistab AI arengut," ütleb Kaufman.
Ekspert usub ka, et me ei arene inimintellekti mõistmisel edasi, kui arvestame seda tehnoloogilises plaanis.
“On eksiarvamus, et algoritmid töötavad nagu inimese aju. Inimesed lihtsalt armastavad algoritme ja seetõttu arvavad nad, et aju saab nende abiga kirjeldada. Arvan, et see on põhimõtteliselt vale,”lisab Kaufman.
Kui midagi läheb valesti
On palju näiteid, kus AI algoritmid pole peaaegu nii nutikad, kui me nende jaoks arvasime. Ja üks kõige kurikuulsamaid on AI algoritm Tay, mille lõi Microsofti AI süsteemide arendusmeeskond ja mis oli eelmisel aastal kontrolli alt väljas. Boti muutmiseks tõeliseks rassistiks kulus vähem kui päev. Ekspertide sõnul võib see juhtuda mis tahes AI-süsteemiga, kui talle esitatakse halbu eeskujusid. Tay puhul sattus ta rassistlike ja muude solvavate sõnavaravormide mõju alla. Ja kuna see oli programmeeritud "õppima" ja "peegelkäitumiseks", pääses see peagi teadlaste kontrolli alt.
Cornelli ja Wyomingi laialdased uuringud on leidnud, et digitaalsete piltide tuvastamiseks koolitatud algoritme on väga lihtne trügida. Nad leidsid, et pilt, mis tundus inimestele "rüselus jama", tuvastati algoritmi abil igapäevase objekti kujutisena nagu "koolibuss".
Seda projekti kirjeldavas MIT Tech Review artiklis avaldatud artikli kohaselt ei ole täiesti selge, miks saab algoritmi trikitada viisil, mida teadlased tegid. Selgitati välja, et inimesed on õppinud ära tundma selle, mis nende ees seisab - kas isemajandav pilt või mingi arusaamatu pilt. Algoritme on omakorda pikslite analüüsimisel lihtsam manipuleerida ja petta.
Isesõitvate autode osas osutub kõik palju keerukamaks. On teatud asju, millest inimene saab aru, kui ta valmistub teatud olukordadega silmitsi seisma. Seda on väga raske masinat õpetada. Rodney Brooksi ühes selle aasta jaanuaris avaldatud mahukas artiklis tuuakse välja mitu näidet sellistest olukordadest, sealhulgas üks kirjeldab isesõitvat autot, mis läheneb peatumismärgile, mis asub linnas ülekäiguraja kõrval. mille alguses täiskasvanud ja laps seisavad ja suhtlevad.
Algoritmi häälestatakse suure tõenäosusega jalakäijate tee ületamist ootama. Aga mis siis, kui need jalakäijad isegi ei mõelnud teed ületada, kuna nad seisavad ja ootavad, näiteks, koolibussi? Inimese juht võib sel juhul jalakäijaid hoomata, kes vastuseks võisid teda lainetada, teatades talle, et ta saab mööduda. Mehitamata sõiduk võib sellises olukorras lihtsalt tihedalt kinni jääda, oodates lõputult inimeste teelt ületamist, sest algoritmil puudub arusaam sellistest ainulaadsetest inimlikest signaalidest, kirjutab Brooks.
Kõik need näited näitavad meile, kui kaugele peame veel jõudma tehisintellekti algoritmide väljatöötamisel. Kui üldistatud AI arendajad hästi õnnestuvad, on endiselt küsimus. On asju, millega inimene saab hõlpsasti hakkama, kuid algoritmi õppimine on tõeline piinamine. Miks? Kuna meie, inimeste, õppimine ei piirdu konkreetsete ülesannete kogumiga.
Nikolai Khizhnyak
