Під терміном «штучний інтелект» найчастішемаються на увазі нейромережі, побудовані на технології глибокого машинного навчання. Причому технологія навчання нейромереж добре відпрацьована і дає свої плоди. Однак не всі вчені поділяють думку про те, що штучний інтелект повинен розвиватися саме цим шляхом. Хтось навіть вважає, що таким системам «не варто довіряти» і ні до чого хорошого їх розвиток не приведе.
Чому машинне навчання - це погано для розвитку людства
У масштабній роботі, опублікованій на сторінкахвидання Тechnologyreview, професор Нью-Йоркського університету, фахівець в області когнітивістики (науки про пізнання) Гері Маркус розповів, чим загрожує повсюдне використання нейромереж на основі глибокого машинного навчання.
По-перше, вчений вважає, що у технології єявні обмеження. Зокрема, вже давно ведуться розмови про те, що потрібно створити, так званий, «справжній ІІ», який підійде для вирішення широкого кола завдань, а не якоїсь однієї конкретної, як відбувається зараз. Існуючі ІІ-системи вже підійшли до піку свого розвитку і їм практично «нікуди рости». До того ж не можна просто взяти і, скажімо спочатку навчити один ІІ водити машину, а інший змусити лагодити її і потім об'єднати системи, створивши універсального помічника. Штучні інтелекти просто не зможуть взаємодіяти, так як «вчилися по-різному».
Ви можете навчити ІІ грати на Atari кращелюдини, але зробити хороший робомобіль - навряд чи. Хоча це завдання теж досить вузькоспеціалізована. Глибоке навчання добре проявляє себе в аналізі великих даних, але алгоритми не бачать причинно-наслідкового зв'язку і погано сприймають будь-яку зміну умов. Посуньте елементи в комп'ютерній грі на два-три пікселя, і навчений ІІ стане неефективним. Зробіть поле для гри в го НЕ квадратним, а прямокутним, і штучний розум програє навіть початківцю гравцеві.
Як зробити ІІ розумнішими
Для того, щоб алгоритми стали більшефективними, їх потрібно «навчати інакше». Необхідно зробити так, щоб вони починали бачити взаємозв'язок об'єктів і наслідків від взаємодії з ними. В даному випадку найкращим прикладом послужимо ми з вами.
Наберіть студентів-стажерів, і вони черезкілька днів почнуть працювати над будь-якою проблемою - від юриспруденції до медицини. Чи не тому, що всі з них розумні. А від того, що люди мають загальне уявлення про навколишній світ, а не приватна.
Причому те, що пропонує Маркус зовсім не нове. Описаний вище приклад - це те, як вчені уявляли собі «класичний ІІ». Тільки ось для того, щоб такий ІІ ефективно працював, нам потрібно заздалегідь запрограмувати всі можливі наслідки. А це практично нереально. Але вихід є. До речі, який шлях розвитку ІІ є кращим на вашу думку? Розкажіть про це в нашому чаті в телеграм.
Читайте також: Як працює штучний інтелект
Рішенням може бути свого роду симбіоз«Класичного ІІ», який бачить взаємозв'язку і отримує рішення зрозумілим чином, і глибокого навчання, здатного знаходити варіант рішення шляхом «проб і помилок». Це може бути якась базова система правил і приписів, що стосуються навколишнього світу. На їх основі ІІ-системи вже і зможуть розвивати себе в певній галузі. Справжній штучний інтелект повинен усвідомити, як працює все навколо для того, щоб зрозуміти причинно-наслідкові зв'язки і легко переключитися з одного завдання на інше. Сучасні системи, створені за допомогою технології глибокого навчання, на таке просто-напросто не здатні.