Obecně se věří, že s nejnovějšími pokroky ve výzkumu umělé inteligence se brzy objeví živé a inteligentní stroje. Automobily rozumějí hlasovým příkazům, rozlišují obrázky, řídí auta a hrají hry lépe než my. Jak dlouho zbývá počkat, až začnou mezi námi chodit?
Nedávno vydaná zpráva Bílého domu o umělé inteligenci zaujímá skeptický postoj. Říká se v něm, že v příštích 20 letech pravděpodobně neuvidíme stroje „vykazující intelektuální schopnosti srovnatelné nebo lepší než lidské“, ale v příštích letech „stroje dosáhnou lidských schopností pro stále více úkolů“. V této zprávě však chybí několik důležitých věcí.
Výzkumník umělé inteligence Arend Hintze tvrdí, že zpráva se zaměřuje výhradně na „nudný typ umělé inteligence“. V polovině věty přerušuje obří odvětví výzkumu AI, jak nám evoluce pomáhá vyvíjet stále lepší systémy AI a jak nám výpočetní modely pomáhají porozumět evoluci naší vlastní lidské inteligence.
Zpráva se zaměřuje na, jak říká vědec, hlavní nástroje AI: strojové učení a hluboké učení. Tento druh technologie umožňoval robotům dobře hrát kvízy a předčit pány hry go. Tyto systémy dokáží zpracovat obrovské množství dat a velmi rychle provádět složité výpočty. Ale chybí jim prvek, který bude klíčový při vytváření inteligentních strojů, které bychom v budoucnu chtěli mít.
Abychom se učili, potřebujeme víc než výukové stroje. Musíme překonat hranice, které definují čtyři různé typy umělé inteligence. Bariéry, které oddělují stroje od nás - a my od nich.
AI typu I: tryskové stroje
Nejzákladnější typy systémů AI jsou vysoce reaktivní a nemohou vytvářet vzpomínky ani využívat minulé zkušenosti k informování o aktuálních rozhodnutích. Deep Blue, šachový superpočítač IBM, který na konci 90. let porazil velmistra Garryho Kasparova, je dokonalým příkladem tohoto typu stroje.
Propagační video:
Deep Blue dokáže identifikovat figurky na šachovnici a ví, jak se pohybují. Dokáže předvídat tahy, a to jak vlastní, tak soupeřovy. A vybírá nejoptimálnější možné pohyby.
Nemá však ponětí o minulosti a vzpomínce na to, co se stalo. Kromě zřídka používaného šachově specifického pravidla neopakovat stejný tah třikrát, Deep Blue ignoruje vše, co bylo dosud. Jen se podívá na figurky na šachovnici a zvolí další tah.
Tento typ inteligence zahrnuje počítač, který vnímá svět přímo a jedná na základě toho, co vidí. Nespoléhá se na vnitřní pojetí světa. Výzkumník AI Rodney Brooks ve své práci tvrdil, že bychom měli stavět pouze takové stroje. Podle jeho názoru lidé nejsou moc dobří v programování přesných simulovaných světů pro počítače, jak se říká, ve vytváření „reprezentace“, reprezentace světa.
Moderní inteligentní stroje, které obdivujeme, buď nemají takovou koncepci světa, nebo jsou velmi omezené a zabývají se určitými úkoly. Inovace v designu Deep Blue nebyla o rozšíření počtu možných tahů, které počítač zvažuje. Místo toho vývojáři našli způsob, jak zúžit jeho vizi, zahodit některé z možných tahů v budoucnosti, v závislosti na tom, jak jsou hodnoceny.
Stejně tak AlphaGo Google, který porazil mistra světa v Go, nemá žádný způsob, jak posoudit možné budoucí kroky. Jeho analytická metoda je sofistikovanější než metoda Deep Blue: používá neurální síť k vyhodnocení vývoje hry.
Tyto techniky zlepšují schopnosti systémů AI, zlepšují hraní určitých her, ale není snadné je změnit nebo aplikovat na jiné situace. Tyto počítačové typy představ nemají koncepci světa jako celku - což znamená, že nemohou jít nad rámec plnění konkrétních úkolů, pro které byly vytvořeny, a jsou snadno oklamáni.
Nemohou se interaktivně účastnit světa a my bychom jednoho dne rádi viděli právě takové systémy AI. Místo toho se stroje budou chovat přesně tak, jak se vždy chovají, když čelí stejné situaci. Pokud chceme, aby byl systém AI spolehlivý a důvěryhodný, pak je to dobrá věc: chtěli byste, aby vaše autonomní vozidlo bylo spolehlivé. Ale pokud chceme, aby stroje interagovaly s námi a se světem, je to špatné. Nejjednodušší systémy AI se nikdy nenudí, nemohou se zajímat ani rozrušovat.
AI typu II: omezená paměť
Typ II zahrnuje stroje, které dokážou nahlédnout do minulosti. Auta s vlastním pohonem jsou toho již trochu schopná. Například sledují rychlost a směr ostatních vozidel. To nelze provést najednou, proto musíte identifikovat konkrétní objekty a sledovat je v průběhu času.
Tato pozorování se přidávají k předprogramovaným reprezentacím světa s vlastním pohonem, které zahrnují silniční značení, semafory a další kritické prvky. Jsou propojeny, když se auto rozhodne změnit jízdní pruh a nekolidovat s jiným.
Ale tyto jednoduché kousky informací o minulosti jsou pouze dočasné. Nebudou uloženy jako součást knihovny zkušeností s vozidly, ve které se může naučit, jak to dělají lidští řidiči, hromadit zkušenosti během let při řízení.
Jak stavíme systémy AI, které vytvářejí kompletní reprezentace, pamatují si naše zkušenosti a učí se zvládat nové situace? Brooke měla pravdu, že je to velmi obtížné. Možná stojí za to hledat inspiraci v darwinovské evoluci?
AI typu III: teorie mysli
Zde musíme krátce zastavit a nazvat tento okamžik důležitou mezerou mezi stroji, které máme, a stroji, které bychom chtěli v budoucnu postavit. Prvním krokem je však být konkrétnější o pohledech, které budou muset stroje vytvořit.
Stroje další, pokročilejší třídy netvoří pouze reprezentace světa, ale také dalších agentů nebo entit světa. V psychologii se tomu říká „teorie mysli“- porozumění tomu, že lidé, bytosti a předměty na světě mohou mít myšlenky a emoce, které ovlivňují jejich vlastní chování.
To je důležité pro způsob, jakým my lidé formujeme společnost, protože nám poskytuje sociální interakce. Bez vzájemného pochopení motivů a záměrů a bez ohledu na to, co o mě nebo o prostředí ví někdo jiný, je spolupráce v nejlepším případě obtížná a v nejhorším případě nemožná.
Pokud se systémy AI budou někdy mezi námi potulovat, budou muset pochopit, co si myslíme a cítíme, alespoň na úrovni předpokladů. A podle toho upravte své chování.
IV typ AI: sebeuvědomění
Konečným cílem vývoje umělé inteligence je vytvořit systémy, které mohou formovat sebeobrazy. Nakonec musí vědci z oblasti umělé inteligence nejen rozumět vědomí, ale také vytvářet stroje s vědomím.
Jedná se v jistém smyslu o rozšíření „teorie mysli“, které bylo zmíněno v předchozím typu AI. Když mluvíme o vědomí, myslíme tím také sebeuvědomění. „Chci tuto věc“se liší od „Vím, že chci tuto věc“. Vědomé bytosti si uvědomují sebe sama, jsou si vědomy svých vnitřních stavů a mohou předvídat chování nebo pocity druhých. Předpokládáme, že někdo, kdo nám signalizuje v provozu, je naštvaný nebo netrpělivý, protože tak bychom se na jeho místě mohli cítit. Bez teorie mysli bychom takové závěry nemohli učinit.
I když jsme pravděpodobně daleko od budování strojů, které si uvědomují sami sebe, musíme zaměřit své úsilí na cestu k porozumění paměti, učení a schopnosti rozhodovat o minulých zkušenostech. To je důležitý krok k porozumění samotné lidské mysli. A to je velmi důležité, pokud chceme navrhnout nebo vyvinout stroje, které mohou nejen klasifikovat to, co vidí před námi, ale také mnohem více.
ILYA KHEL