Levinud on arvamus, et tehisintellekti uurimise viimaste edusammude korral on elus ja intelligentsed masinad peagi silmapiiril. Autod mõistavad häälkäsklusi, eristavad pilte, juhivad autosid ja mängivad mänge paremini kui meie. Kui kaua on jäänud oodata, kuni nad meie seas käima hakkavad?
Hiljuti avaldatud Valge Maja aruanne tehisintellekti kohta võtab skeptilise hoiaku. Selles öeldakse, et järgmise 20 aasta jooksul ei näe me tõenäoliselt masinaid, "millel on inimestega võrreldavad või neist paremad intellektuaalsed võimalused", kuid lähiaastatel "saavutavad masinad inimese võimekuse täita üha uusi ülesandeid". Kuid selles aruandes on puudu mõned olulised asjad.
Tehisintellekti uurija Arend Hintze väidab, et aruanne keskendub eranditult "igavale tehisintellekti tüübile". See katkestab lause keskel tehisintellekti hiiglasliku haru, kuidas evolutsioon aitab meil arendada üha paremaid tehisintellekti süsteeme ja kuidas arvutusmudelid aitavad meil mõista meie enda intelligentsuse arengut.
Nagu teadlane ütleb, keskendub aruanne tehisintellekti peamistele tööriistadele: masinõpe ja sügavõpe. Selline tehnoloogia võimaldas robotitel hästi viktoriine mängida ja go-mängu meistreid üle mängida. Need süsteemid saavad hakkama tohutu hulga andmetega ja saavad keerukaid arvutusi teha väga kiiresti. Kuid neil puudub element, mis oleks võtmetähtsusega intelligentsete masinate loomisel, mis meile tulevikus meeldiks.
Õppimiseks vajame rohkem kui masinate õpetamist. Peame ületama piirid, mis määratlevad neli erinevat tehisintellekti tüüpi. Tõkked, mis eraldavad masinaid meist - ja meid neist.
I tüüp I: reaktiivmasinad
Tehisintellekti süsteemide kõige põhilisemad tüübid on väga reaktiivsed ja ei saa moodustada mälestusi ega kasutada varasemaid kogemusi praeguste otsuste teavitamiseks. 1990ndate lõpus suurmeistrit Garri Kasparovit võitnud malet mängiv superarvuti IBM Deep Blue on seda tüüpi masinate suurepärane näide.
Reklaamvideo:
Sügav sinine suudab malelaual tükke tuvastada ja teab, kuidas need liiguvad. Ta oskab ennustada nii enda kui ka vastase käike. Ja ta valib võimalikult optimaalsed käigud.
Minevikust ja juhtunu mälestusest pole tal aga aimugi. Peale harva kasutatava malespetsiifilise reegli, et sama käiku ei korrata kolm korda, ignoreerib Deep Blue seni kõike. Ta lihtsalt vaatab malelaua tükke ja valib järgmise käigu.
Seda tüüpi intelligentsus hõlmab arvutit, mis tajub otseselt maailma ja tegutseb selle põhjal, mida näeb. Ta ei looda maailma sisemisele kontseptsioonile. Tehisintellekti uurija Rodney Brooks väitis oma töös, et me peaksime ainult selliseid masinaid ehitama. Tema arvates ei suuda inimesed arvutite jaoks täpselt simuleeritud maailmu programmeerida eriti hästi, nagu nad ütlevad, et luua "esindus", maailma esindus.
Kaasaegsetel intelligentsetel masinatel, mida me imetleme, puudub kas selline maailmamõiste või on see väga piiratud ja tegeleb teatud ülesannetega. Deep Blue disaini uuendus ei seisnenud arvuti kaalutletud võimalike käikude arvu suurendamises. Selle asemel on arendajad leidnud viisi, kuidas tema nägemust kitsendada, loobuda mõnest võimalikust käigust tulevikus, sõltuvalt sellest, kuidas neid hinnatakse.
Samamoodi pole Go maailmameistrit võitnud AlphaGo Google'il mingit võimalust võimalikke tulevasi käike hinnata. Selle analüüsimeetod on keerukam kui Deep Blue puhul: mängu avanemise hindamiseks kasutatakse närvivõrku.
Need tehnikad parandavad tehisintellekti süsteemide võimalusi, muudavad teatud mänge paremini mängima, kuid neid pole lihtne muuta ega rakendada muudes olukordades. Sellistel arvutitüüpidel pole maailma kui terviku kontseptsiooni - see tähendab, et nad ei saa minna kaugemale nende konkreetsete ülesannete täitmisest, milleks nad on loodud, ja neid on lihtne petta.
Nad ei saa maailmas interaktiivselt osaleda ja me tahaksime kunagi näha just selliseid tehisintellekti süsteeme. Selle asemel käituvad masinad täpselt samamoodi nagu alati. Kui tahame muuta tehisintellekti süsteemi usaldusväärseks ja usaldusväärseks, siis on see hea: soovite, et teie autonoomne sõiduk oleks usaldusväärne. Aga kui me tahame, et masinad suhtleksid meie ja maailmaga, on see halb. Lihtsaimad tehisintellekti süsteemid ei tüdine kunagi, nad ei saa olla huvitatud ega häiritud.
Tehisintellekti II tüüp: piiratud mälu
II tüüp sisaldab masinaid, mis suudavad vaadata minevikku. Isesõitvad autod on selleks juba pisut võimelised. Näiteks jälgivad nad teiste sõidukite kiirust ja suunda. Seda ei saa teha korraga, selleks peate kindlad objektid tuvastama ja neid aja jooksul jälgima.
Need tähelepanekud lisatakse isesõitvate autode etteprogrammeeritud kujutistele maailmast, mis hõlmavad teekattemärgistust, fooritulesid ja muid kriitilisi elemente. Need on ühendatud, kui auto otsustab sõidurada vahetada ega põrku teisega kokku.
Kuid need lihtsad killud teavet mineviku kohta on ainult ajutised. Neid ei salvestata sõidukikogemuste raamatukogu osana, kus see saab õppida, nagu inimjuhid, kogudes sõidu ajal aastate jooksul kogemusi.
Kuidas ehitada tehisintellekti süsteeme, mis loovad täielikud esindused, mäletavad oma kogemusi ja õpivad uute olukordadega hakkama saama? Brookel oli õigus, et seda on väga raske teha. Võib-olla tasub inspiratsiooni otsida Darwini evolutsioonist?
AI tüüp III: vaimu teooria
Siin peame tegema lühikese peatuse ja nimetama seda hetke oluliseks lõheks meie käsutuses olevate masinate ja masinate vahel, mida me tulevikus soovime ehitada. Esimene samm on siiski täpsustada vaateid, mida masinad peavad looma.
Järgmise, kõrgema klassi masinad ei moodusta mitte ainult maailma, vaid ka teiste maailma esindajate või üksuste esindusi. Psühholoogias nimetatakse seda "vaimu teooriaks" - arusaamaks, et maailmas inimestel, olenditel ja objektidel võivad olla mõtted ja emotsioonid, mis mõjutavad nende endi käitumist.
See on oluline, kuidas me inimesed ühiskonda kujundame, kuna see pakub meile sotsiaalset suhtlust. Mõistmata üksteise motiive ja kavatsusi ning arvestamata sellega, mida keegi teine minu või keskkonna kohta teab, on koos töötamine parimal juhul keeruline ja halvimal juhul võimatu.
Kui tehisintellekti süsteemid tõesti meie seas kunagi ekslevad, peavad nad vähemalt eelduste tasandil mõistma, mida me mõtleme ja tunneme. Ja kohandage oma käitumist vastavalt sellele.
IV tehisintellekti tüüp: eneseteadvus
Tehisintellekti arendamise lõppeesmärk on luua süsteeme, mis suudaksid kujundada minapilte. Lõppkokkuvõttes ei pea tehisintellekti teadlased mitte ainult teadvust mõistma, vaid looma ka teadvusega masinaid.
See on mõnes mõttes "mõtteteooria" pikendus, mida mainiti eelmises tehisintellekti tüübis. Teadvusest rääkides peame silmas ka eneseteadvust. "Ma tahan seda asja" erineb "Ma tean, et ma tahan seda asja". Teadlikud olendid on eneseteadlikud, teadlikud oma sisemistest olekutest ja oskavad ette näha teiste käitumist või tundeid. Eeldame, et keegi, kes annab liikluses märku, on vihane või kärsitu, sest nii võime end tema asemel tunda. Ilma mõtteteooriata ei saaks me selliseid järeldusi teha.
Kuigi me pole ilmselt kaugel eneseteadlike masinate ehitamisest, peame oma jõupingutused suunama mälu mõistmise, õppimise ja varasemate kogemuste kohta otsuste langetamise teele. See on oluline samm inimmõistuse enda mõistmise suunas. Ja see on väga oluline, kui tahame projekteerida või arendada masinaid, mis suudavad mitte ainult klassifitseerida seda, mida nad meie ees näevad, vaid ka palju muud.
ILYA KHEL
