Eelmisel aastal peksis tehisintellekt AlphaGo esimest korda mängus maailmameistrit. See võit oli enneolematu ja ootamatu, arvestades Hiina lauamängu suuri raskusi. Ehkki AlphaGo võit oli kindlasti muljetavaldav, peetakse seda AI-d, mis on sellest ajast peale võitnud teisi meistrivõistlusi, ikka veel AI-tüüpi "kitsaks" tüübiks - see võib inimestest ületada vaid piiratud tööülesannete korral.
Ehkki vaevalt suudame Go'is või males arvutit lüüa, ilma et peaksime kasutama muud arvutit, ei saa me rutiinsete ülesannete täitmisel neile siiski lootma jääda. AI ei tee teile teed ega kavanda teie autole MOT-i.
Vastupidiselt sellele kujutatakse AI-d ulmekirjanduses sageli "üldise" tehisintellektina. See tähendab, et tehisintellekt on inimesega samal tasemel ja mitmekesine. Kuigi meil on juba olemas erinevat tüüpi tehisintellekt, mis suudab teha kõike alates haiguste diagnoosimisest kuni autode juhtimiseni, pole me veel suutnud välja mõelda, kuidas neid üldisemalt integreerida.
Eelmisel nädalal esitlesid DeepMindi teadlased mitmeid ettekandeid, mis väidavad, et panevad aluse üldisele tehisintellektile. Ehkki järeldusi veel pole, on esimesed tulemused julgustavad: mõnes valdkonnas on AI juba võimete poolest inimestest ületanud.
Mõlemad DeepMindi tööd keskenduvad suhtelisele mõttekäigule - kriitilisele kognitiivsele võimele, mis võimaldab inimestel võrrelda erinevaid objekte või ideid. Näiteks selleks, et võrrelda, milline objekt on suurem või väiksem, milline on vasakul ja milline paremal. Inimesed kasutavad suhtelist (või relatiivset) mõttekäiku, kui nad üritavad mõnda probleemi lahendada, kuid teadlased pole veel välja mõelnud, kuidas anda AI-le see petlikult lihtne võime.
DeepMindi teadlased on valinud kaks erinevat marsruuti. Mõni koolitas närvivõrku - inimese aju järgi modelleeritud AI-arhitektuuri tüüpi -, kasutades lihtsate staatiliste 3D-objektide andmebaasi nimega CLEVR. Teist närvivõrku õpetati mõistma, kuidas kahemõõtmeline objekt aja jooksul muutub.
CLEVR-is esindas neuraalvõrku lihtsate kujunduste komplekt, näiteks püramiidid, kuubikud ja sfäärid. Seejärel küsisid teadlased loomulikus keeles tehisintellektiga seotud küsimusi, näiteks "kas kuubik on valmistatud samast materjalist kui silinder?" Hämmastaval kombel suutis närvivõrk õigesti hinnata CLEVRi relatsioonilisi omadusi 95,5% juhtudest, ületades selle parameetri täpsusega 92,6% isegi inimese.
Teises katses lõid DeepMindi teadlased visuaalse interaktsiooni võrgu (VIN) närvivõrgu, mida koolitati video tulevaste olekute ennustamiseks, sõltuvalt selle varasematest liikumistest. Selleks toitsid teadlased VIN-ile esmalt kolm järjestikust videokaadrit, mille võrk tõlkis koodiks. Selles koodis oli iga kaadris oleva objekti jaoks vektorite loend - objekti kiirus või asukoht. Seejärel sisestati VIN-kood teiste koodide jada, mis kombineeriti järgmise kaadri koodi ennustamiseks.
Reklaamvideo:
VIN-i koolitamiseks kasutasid teadlased viit erinevat tüüpi füüsikasüsteemi, milles 2D-objektid liikusid "looduspiltide" taustal ja põrkasid kokku erinevate jõududega. Näiteks suhtlesid ühes füüsilises süsteemis simuleeritud objektid üksteisega vastavalt Newtoni gravitatsiooniseadusele. Teises osas tutvustati piljardiga närvivõrku ja see tehti selleks, et ennustada kuulide edasist asukohta. Teadlaste sõnul sai VIN-võrk videos olevate objektide käitumise ennustamisega edukalt hakkama.
See töö kujutab endast olulist sammu üldise AI poole, kuid selleks, et tehisintellekt saaks kogu maailma üle võtta, on veel palju teha. Ja pealegi ei tähenda üliinimlik etendus üliinimlikku intelligentsust.
Praegu veel mitte.
ILYA KHEL
