Терминът "изкуствен интелект" често се отнася до невронни мрежи, изградени въз основа на технологии за дълбоко машинно обучение. Освен това технологията за преподаване на невронни мрежи е добре развита и дава резултати. Не всички учени обаче споделят мнението, че по този път трябва да се развива изкуствен интелект. Някой дори вярва, че на такива системи „не трябва да се вярва“и тяхното развитие няма да доведе до нищо добро.
Изкуствен интелект в съвременния смисъл - това изобщо не е онова, което мнозина мислят.
Защо машинното обучение е лошо за човешкото развитие
В мащабна работа, публикувана на страниците на Technologyreview, професор в Нюйоркския университет, експерт в областта на когнитивната наука (науката за познанието) Гари Маркъс говори за рисковете от широкото използване на невронни мрежи, основани на дълбоко машинно обучение.
Първо, ученият смята, че технологията има ясни ограничения. По-специално, дълго време се говори за необходимостта от създаване на така наречения „истински AI“, който е подходящ за решаване на широк спектър от проблеми, а не само един конкретен, както се случва сега. Съществуващите системи на ИИ вече са достигнали своя връх в своето развитие и на практика „няма къде да растат“. Освен това не можете просто да вземете и, да речем, първо да научите един AI да управлява автомобил, а друг да принуди да го поправя и след това да комбинирате системите, създавайки универсален асистент. Изкуствените интелекти просто няма да могат да си взаимодействат, тъй като те „се научиха по различни начини“.
Как да направим AI по-умен
Промоционално видео:
За да станат по-ефективни алгоритмите, те трябва да бъдат обучени по различен начин. Необходимо е те да накарат те да започнат да виждат връзката на предметите и последиците от взаимодействието с тях. В този случай ние ще служим като най-добрият пример.
Професор Гари Маркъс
Освен това това, което предлага Маркъс, изобщо не е ново. Описаният по-горе пример е как учените предвиждаха „класически AI“. Но за да работи ефективно тази ИИ, трябва да програмираме всички възможни резултати предварително. И това е почти нереалистично. Но има изход.
Решението може да бъде един вид симбиоза на „класическия AI“, който вижда взаимоотношенията и получава решения по разбираем начин и задълбочено обучение, което е в състояние да намери решение чрез „опит и грешка“. Това може да бъде някаква основна система от правила и разпоредби, касаещи околния свят. На тяхна база AI системите вече ще могат да се развиват в определена област. Истинският изкуствен интелект трябва да разбере как работи всичко наоколо, за да разбере причинно-следствените връзки и лесно да преминава от една задача в друга. Съвременните системи, изградени с помощта на технология за дълбоко обучение, просто не са способни на това.
Владимир Кузнецов
