Широко разпространено е мнението, че с най-новите постижения в изследванията на изкуствения интелект скоро ще се появят живи и интелигентни машини. Автомобилите разбират гласовите команди, различават картини, карат коли и играят игри по-добре от нас. Колко време остава да чакаме, докато започнат да се разхождат сред нас?
Неотдавна публикуваният доклад на Белия дом за изкуствения интелект заема скептична позиция. В него се казва, че през следващите 20 години е малко вероятно да видим машини, "показващи интелигентност, сравнима или по-добра от хората", но през следващите години "машините ще постигнат човешки възможности за все повече и повече задачи". В този доклад обаче липсват няколко важни неща.
Изследователят на изкуствения интелект Аренд Хинце твърди, че докладът се фокусира изключително върху „скучния тип ИИ“. Той отрязва гигантския клон на изследванията на ИИ в средата на изречението, как еволюцията ни помага да разработваме все по-добри системи за ИИ и как изчислителните модели ни помагат да разберем еволюцията на собствения ни човешки интелект.
Докладът се фокусира върху, както казва ученият, основните инструменти на ИИ: машинно обучение и дълбоко обучение. Този вид технология позволи на роботите да играят добре викторини и да надминават майсторите на играта go. Тези системи могат да обработват колосални количества данни и да извършват много бързо сложни изчисления. Но им липсва елемент, който ще бъде ключов при създаването на интелигентните машини, които бихме искали да имаме в бъдеще.
Имаме нужда от нещо повече от учебни машини, за да научим. Трябва да преодолеем границите, които определят четири различни вида изкуствен интелект. Бариерите, които отделят машините от нас - и ние от тях.
AI тип I: реактивни машини
Най-основните видове AI системи са силно реактивни и не могат да формират спомени или да използват предишен опит за информиране на текущите решения. Deep Blue, шахматният суперкомпютър IBM, който победи Грандмайстора Гари Каспаров в края на 90-те, е отличен пример за този тип машини.
Промоционално видео:
Deep Blue може да идентифицира фигури на шахматна дъска и знае как се движат. Той може да прави прогнози за ходове, както свои, така и противникови. И той избира възможно най-оптималните ходове.
Той обаче няма представа за миналото и спомена за случилото се. Освен рядко използваното правило на шаха да не се повтаря един и същ ход три пъти, Deep Blue игнорира всичко до момента. Той просто гледа фигурите на шахматната дъска и избира следващия ход.
Този тип интелигентност включва компютър, който пряко възприема света и действа въз основа на това, което вижда. Той не разчита на вътрешна концепция за света. В работата си изследователят на AI Родни Брукс твърди, че трябва да изграждаме само такива машини. Според него хората не са много добри в програмирането на прецизно симулирани светове за компютри, както се казва, в създаването на "представяне", представяне на света.
Съвременните интелигентни машини, на които се възхищаваме, или нямат такава концепция за света, или тя е много ограничена и се занимава с определени задачи. Иновацията в дизайна на Deep Blue не е свързана с разширяване на броя на възможните ходове, които компютърът обмисля. Вместо това разработчиците са намерили начин да стеснят визията му, да отхвърлят някои от възможните ходове в бъдеще, в зависимост от начина, по който са оценени.
По същия начин AlphaGo Google, който победи световния шампион в Go, няма начин да оцени възможните бъдещи ходове. Неговият метод за анализ е по-сложен от този на Deep Blue: той използва невронна мрежа за оценка на разгръщането на играта.
Тези техники подобряват възможностите на AI системите, правят някои игри по-добри, но не са лесни за промяна или прилагане в други ситуации. Тези компютърни типове въображения нямат концепция за света като цяло - което означава, че не могат да надхвърлят изпълнението на конкретните задачи, за които са създадени, и лесно се заблуждават.
Те не могат да участват интерактивно в света и бихме искали един ден да видим точно такива AI системи. Вместо това машините ще се държат точно както винаги, когато са изправени пред същата ситуация. Ако искаме да направим системата за изкуствен интелект надеждна и надеждна, тогава това е хубаво: бихте искали вашето автономно превозно средство да бъде надеждно. Но ако искаме машините да взаимодействат с нас и със света, това е лошо. Най-простите системи с изкуствен интелект никога не се отегчават, те не могат да се интересуват или разстройват.
AI тип II: ограничена памет
Тип II включва машини, които могат да погледнат в миналото. Самоуправляващите се автомобили вече са малко способни на това. Например те наблюдават скоростта и посоката на други превозни средства. Това не може да се направи наведнъж, за това трябва да идентифицирате конкретни обекти и да ги наблюдавате с течение на времето.
Тези наблюдения се добавят към предварително програмираните представи на света на самоуправляващите се автомобили, които включват пътна маркировка, светофари и други критични елементи. Те са свързани, когато колата реши да смени лентата и да не се сблъска с друга.
Но тези прости частици информация за миналото са само временни. Те няма да бъдат запазени като част от библиотеката за преживяване на превозното средство, в която тя може да се учи, както правят шофьорите на хора, натрупвайки опит през годините по време на шофиране.
Как да изградим системи за изкуствен интелект, които изграждат цялостни представяния, да помним опита си и да се научим да се справяме с нови ситуации? Брук беше прав, че това е много трудно да се направи. Може би си струва да търсите вдъхновение в дарвиновата еволюция?
AI тип III: теория на ума
Тук трябва да направим кратка спирка и да наречем този момент важна разлика между машините, които имаме, и машините, които бихме искали да изградим в бъдеще. Първата стъпка обаче е да бъдете по-конкретни относно възгледите, които машините ще трябва да създадат.
Машините от следващия, по-усъвършенстван клас не само формират представления за света, но и за други агенти или образувания на света. В психологията това се нарича „теория на ума“- разбирането, че хората, съществата и предметите в света могат да имат мисли и емоции, които влияят върху собственото им поведение.
Това е важно за начина, по който ние, хората, оформяме обществото, тъй като то ни осигурява социални взаимодействия. Без да разбираме мотивите и намеренията си и да не обмисляме това, което някой друг знае за мен или за околната среда, съвместната работа е трудна в най-добрия случай и невъзможна в най-лошия.
Ако системите за ИИ наистина някога се лутат сред нас, те ще трябва да разберат какво мислим и чувстваме, поне на нивото на предположенията. И коригирайте поведението си съответно.
IV тип AI: самосъзнание
Крайната цел на развитието на изкуствения интелект е да се създадат системи, които могат да оформят самообрази. В крайна сметка изследователите на ИИ трябва не само да разберат съзнанието, но и да създадат машини със съзнание.
Това в известен смисъл е продължение на „теорията на ума“, спомената в предишния тип ИИ. Когато говорим за съзнание, имаме предвид и самосъзнание. „Искам това нещо“е различно от „Знам, че искам това нещо“. Съзнателните същества са наясно със себе си, осъзнават своите вътрешни състояния и могат да предвидят поведението или чувствата на другите. Предполагаме, че някой, който ни сигнализира в движението, е ядосан или нетърпелив, защото така бихме могли да се чувстваме на негово място. Без теория на ума не бихме могли да направим такива изводи.
Въпреки че вероятно сме далеч от изграждането на самосъзнателни машини, трябва да съсредоточим усилията си върху пътя към разбиране на паметта, ученето и способността да вземаме решения за минали преживявания. Това е важна стъпка към разбирането на самия човешки ум. И това е много важно, ако искаме да проектираме или разработим машини, които могат не само да класифицират това, което виждат пред нас, но и много повече.
ИЛЯ ХЕЛ