Juba praegu võime täheldada näiteid, kuidas tehisintellekti tehnoloogiad suudavad avaldada mõningaid esmapilgul tunduvaid omadusi, mis on omased ainult inimestele. Loome humanoidroboteid, mis on vähemalt meiega väga sarnased, mõned tegelevad algoritmide loomisega, mis suudavad teha seda, mida tavaliselt suudavad ainult inimesed - kirjutada muusikat, maalida või tegeleda õppimisega.
Selle valdkonna arendamisega hakkavad ettevõtted ja arendajad otsima võimalust muuta seda alust, mille alusel nüüd luuakse tehisintellekti algoritme, ning hakkavad uurima reaalset intelligentsust, samuti võimalust seda tõhusalt jäljendada masinaehituses ja uue tarkvara põlvkonna loomisel. Üks nendest ettevõtetest on IBM, kes on seadnud endale ambitsioonika ülesande õpetada AI-d käituma (õigem oleks öelda töö) pigem inimese aju moodi ja mitte nagu programmeeritud algoritmide kogum.
Enamik olemasolevaid masinõppe süsteeme on üles ehitatud vajadusele kasutada tohutut hulka erinevaid andmeid. Ükskõik, kas see on arvuti, mille eesmärk on leida võimalusi loogikamängus võita, või süsteem, mis on loodud digitaalsete piltide abil nahavähi tunnuste tuvastamiseks, töötab see reegel alati. Kuid selline tööraamistik tundub väga piiratud ja kokkusurutud ning loomulikult eristab see selliseid süsteeme inimese aju toimimisest märkimisväärselt.
IBM soovib seda muuta. DeepMindi uurimisrühm on loonud sünteetilise närvivõrgu, mis põhineb konkreetse ülesande täitmisel ratsionaalsetel otsustusprotsessidel.
Ratsionaalsed masinad
"Andes tehisintellektile hulga objekte ja konkreetse ülesande, sunnime võrku olemasolevaid vasteid tuvastama," kommenteeris ajakirja Science ajakirja DeepMind meeskonna arvutiteadlane Timothy Lillicrap.
Reklaamvideo:
Juunis läbi viidud võrgutestides anti süsteemile mitmesuguseid digitaalse pildistamise probleeme, kui esinevad mitmed tegurid. Näiteks see: “Pildil oleva sinise asja ees on objekt. Kas see on sama kujuga kui see pisike sinine asi hallist metallkuulist paremal?"
Selles testis suutis kunstlik närvivõrk tuvastada soovitud objekti 96 protsenti ajast, samal ajal kui tavalised masinõppe mudelid said ülesandega hakkama 42–77 protsenti ajast.
Viimasel ajal on kunstlikud neutronivõrgud inimkeele mõistmisel jätkuvalt paranenud. Lisaks arukate otsuste tegemisele soovivad teadlased, et sellised süsteemid suudaksid näidata ja hoida tähelepanu ning talletada mälestusi.
IBM-i teaduri Irina Riši sõnul saaks tehisintellekti arengut sellise taktika kasutamise abil oluliselt kiirendada ja laiendada.
“Närvivõrkude parendamine on endiselt inseneriteema, milleks kõige paremini töötava arhitektuurini jõudmiseks kulub tavaliselt tohutult palju aega. Sisuliselt on see inimeste katse-eksituse meetod. Oleks väga tore, kui need võrgustikud saaksid ennast luua ja paremaks muuta."
Mõnda võib muidugi hirmutada idee luua AI-võrgud, mis suudavad ennast luua ja täiustada, kuid kui leiame asjatundliku viisi selle protsessi jälgimiseks, kontrollimiseks ja juhtimiseks, siis võimaldab see meil minna praegu kehtivatest piirangutest kaugemale. Vaatamata kasvavale hirmule robotirevolutsiooni ees, mis orjastab meid kõiki, ennustatakse AI-sfääri arengut tuhandete inimeste päästetud meditsiinis, mis avab meile võimaluse külastada ja isegi asuda Marsile, ja palju muud.
