V loňském roce umělá inteligence AlphaGo poprvé porazila mistra světa ve hře. Toto vítězství bylo bezprecedentní a neočekávané vzhledem k vysoké obtížnosti čínské stolní hry. Zatímco vítězství AlphaGo bylo rozhodně působivé, tato AI, která od té doby porazila další šampióny Go, je stále považována za „úzký“typ AI - ten, který dokáže předstihnout člověka pouze v omezeném poli úkolů.
Ačkoli sotva budeme schopni porazit počítač v Go nebo šachu, aniž bychom se uchýlili k pomoci jiného počítače, nemůžeme se na ně spolehnout při rutinních úkolech. AI vám neudělá čaj nebo naplánuje MOT pro vaše auto.
Naproti tomu je umělá inteligence ve sci-fi často označována jako „obecná“umělá inteligence. To znamená umělá inteligence na stejné úrovni a rozmanitosti jako člověk. I když již máme různé typy umělé inteligence, které dokážou dělat vše od diagnostiky nemocí po řízení našich aut, dosud jsme nebyli schopni přijít na to, jak je integrovat na obecnější úrovni.
Minulý týden vědci společnosti DeepMind představili několik příspěvků, které tvrdí, že položí základy obecné umělé inteligence. Ačkoli zatím neexistují žádné závěry, první výsledky jsou povzbudivé: v některých oblastech AI již předčila schopnosti lidí.
Obě DeepMindovy práce se zaměřují na relativní uvažování, což je kritická kognitivní schopnost, která lidem umožňuje srovnávat různé objekty nebo myšlenky. Například pro porovnání, který objekt je větší nebo menší, který je vlevo a který je vpravo. Lidé používají relativní (nebo relační) uvažování, kdykoli se snaží vyřešit problém, ale vědci ještě musí přijít na to, jak dát AI tuto klamně jednoduchou schopnost.
Vědci DeepMind zvolili dvě různé cesty. Někteří trénovali neuronovou síť - typ architektury umělé inteligence modelované podle lidského mozku - pomocí databáze jednoduchých statických 3D objektů zvaných CLEVR. Další nervová síť byla učena pochopit, jak se dvourozměrný objekt mění v průběhu času.
V CLEVR byla neurální síť představována sadou jednoduchých vzorů, jako jsou pyramidy, kostky a koule. Vědci se potom ptali na otázky umělé inteligence v přirozeném jazyce, například „je kostka vyrobena ze stejného materiálu jako válec?“Úžasně, neuronová síť byla schopna správně odhadnout relační atributy CLEVR v 95,5% případů, překonat dokonce i člověka s jeho 92,6% přesností v tomto parametru.
Ve druhém testu vědci DeepMind vytvořili neuronovou síť Visual Interaction Network (VIN), která byla vyškolena k předpovídání budoucích stavů objektu na videu v závislosti na jeho předchozích pohybech. Vědci nejprve nakrmili VIN tři po sobě jdoucí video snímky, které síť přeložila do kódu. V tomto kódu existoval seznam vektorů - rychlost nebo poloha objektu - pro každý objekt v rámci. VIN bylo poté napájeno posloupností dalších kódů, které byly kombinovány, aby předpovídaly kód pro další snímek.
Propagační video:
K trénování VIN vědci použili pět různých typů fyzikálních systémů, ve kterých se 2D objekty pohybovaly na pozadí „přirozených obrazů“a střetávaly se s různými silami. Například v jednom fyzickém systému simulované objekty vzájemně reagovaly v souladu s Newtonovým gravitačním zákonem. V další byla nervová síť představena s kulečníkem a předpovídána budoucí pozice koulí. Podle vědců se síť VIN úspěšně vypořádala s předpovídáním chování objektů ve videu.
Tato práce představuje důležitý krok směrem k obecné AI, ale před umělou inteligencí může převzít svět ještě mnoho práce. A kromě toho nadlidský výkon neznamená nadlidskou inteligenci.
Každopádně ještě ne.
ILYA KHEL