Nem mozdultam és alig vettem levegőt... Mára már biztosan elvesztették a nyomukat... Kibújtam a rejtekhelyről és szembekerültem az egyikükkel... Sikított, de nem tudott megmozdulni. .. A játék ismét összeomlott

A mesterséges intelligencia (AI) a videojátékokban olyasvalami, amit legtöbbünk észre sem vesz, amíg el nem törik. Láthatatlanul mindenben jelen van, befolyásolja játékélményünket, minden játék pillanatról alkotott felfogásunkat, de a videojátékok egyik leginkább alábecsült eleme. A mesterséges intelligencia az a fűszer, amely a játék ízét adja, és semmi máshoz nem hasonlíthatóan elmerít minket a játék világában.

Mindenki a maga módján érti a „mesterséges intelligencia” kifejezést. Ez a kifejezés utalhat azokra a szoftverfolyamatokra, amelyek a játékban szereplő karaktereket, a játékban lévő egyes objektumokat, vagy akár az olyan ellenfeleket irányítják, amelyeket soha nem fog látni (mint például a valós idejű stratégiákban).

Térjünk rá az Alien: Isolation-ra. Véletlenszerű összeomlásokat félretéve, mondjuk ez egy remek játék! Azon kevés filmes játékok egyike, amelyekben úgy érezheted magad, mintha egy filmben lennél. Alien: Az Isolation olyan érzést kelt benned, mintha egy Alien filmben lennél. Minden Alien filmnek világos célja van: megszabadulni az idegentől. A filmek sok elszigetelt pillanata érdekes játékmenetté változhatott volna, legyen szó arról, hogy Dallas lángszóróval mászik át a szellőzőnyílásokon, vagy Ripley döngölte a királynőt egy mechanikus rakodógépben. Ezek a filmek a videojátékokhoz hasonlóan nagyon energizálóak, univerzumuk kiválóan alkalmas "játékra".

Az Alien: Isolation játék pontosan a mesterséges intelligenciájában erős. Az Aliennek úgy kell viselkednie, hogy a játékos az Alien filmek résztvevőjének érezze magát.Az Alien maga egy összetett lény, amely rengeteg játéklehetőséget ad. A helyiségek kialakításának átgondolásával bújik. A szellőzőn áthaladva váratlanul megtámadja a játékosokat. Gyűlöli a tüzet, ezért használhatunk lángszórókat ellene. Ugyanakkor a játék megszab bizonyos nehézségi határokat. Tudjuk, hogyan működik életciklus Idegenek. Tudjuk, hogy savat véreznek. Tudunk a kollektív intelligenciájukról. Más szóval, az Alien filmek lenyűgöző homokozót hoztak létre a játékfejlesztők számára.

Minden döntésed, amit az elszigeteltségben hozol, a Kívülállóhoz vezet vissza. hogyan bújsz el? Hogyan használd az értékes lángszóró üzemanyagot? Meddig várod, hogy elmenjen? Egy igazi, élő idegennel állsz szemben, aki idegenként fog viselkedni és gondolkodni. Csodálatos, ijesztő és csodálatos egyszerre!

A legtöbb játékos és fejlesztő úgy gondolja, hogy az „erős AI” lényegében lehetetlen. Ez azt jelentené, hogy egyenlőnek kell lennie az emberi intelligenciával, vagy még jobb is annál. Aligha lenne kényelmes ezzel játszani.

Egy erős mesterséges intelligencia nagyon hasonlít egy másik játékoshoz, ugyanazokkal a játékcélokkal: nyerni akarnak majd. A jó mesterséges intelligencia nem nyerni akar, hanem azt akarja, hogy keményen dolgozz, hogy megszerezd a nyereményed. Éppen ezért az Alien nem annyira a legnagyobb filmszörny valósághű szimulációja, mint inkább az élmény újraalkotása.

Elszigetelve az Alien szinte mindig a közelben van. Természetesen egy időre elterelheti a figyelmét, vagy átköltözhet egyik szobából a másikba, de mindig a közelben fog végezni. Az idő nagy részében az Alien hihetően cselekszik, kivéve azokat a ritka alkalmakat, amikor megmagyarázhatatlan módon ott marad az egyik szobában, miközben Ön visszatartja a lélegzetét, abban a reményben, hogy elmegy, és kimászik a szekrényből.

Úgy tűnik, hogy az idegen mindig tudja a hozzávetőleges tartózkodási helyét, ami feszültségben és bizonytalanságban tart. Nem vesz azonnal észre téged (kivéve a ritka "hibákat"), ha nem sikerül a lopakodás. Ez nagyon kényelmes egy horrorfilm hangulatának fenntartásához, de néha a pillanat elhúzódik, és a játék elkezd „hamisítani”. Néha a játék annyira a feszültségkeltésre koncentrál, hogy megfeledkezik a sokkal fontosabbról - az elmélyülésről.

Vicces, de a marketing hakni miatt a "merítés" szó szinte értelmét vesztette. Most minden olyan játék, amely képes lekötni a figyelmet, „merítéssel” büszkélkedhet. De a jelentés kezdettől fogva más: amikor az óceánba merülsz, az óceán belsejében létezel.

Az 1990-es években megjelent az „Immersive Sim” (immerziós szimuláció) koncepció. Az ötlet az volt, hogy a játékosok létezhessenek a játék világában, és valóságként kezeljék azt. A 90-es évek "magával ragadó simjei" közül a leghíresebb a System Shock és a Thief: The Dark Project volt. Mindkét játékot a Looking Glass Studios fejlesztette ki, és mindkettő nagy hangsúlyt fektettek a mesterséges intelligenciára.

A jó mesterséges intelligencia nélküli játék olyan, mint üres filmek gyűjteménye. Egy egész gyűjtemény jó, de a film a karaktereire épül. A nagyszerű mesterséges intelligencia életet lehel a játék szereplőibe és annak világába. Ez a legfontosabb összetevő a magával ragadó filmélmény lejátszásában.

Egy jó példa a „magával ragadó sim” működésére, vessünk egy pillantást a Thief: The Dark Projectre. A játék egy fantáziavilágban játszódik, és te egy Garrett nevű tolvajként játszol. Az egyik küldetés föld alatti romokhoz küld. A térkép területét különleges zombik lakják. Nem lehet őket darabokra zúzni, mint a közönségeseket. Nem sokkal azután születnek újra, hogy megölöd őket. Az egyetlen módja annak, hogy valóban megszabaduljunk tőlük, ha szenteltvizet használunk a drága víznyilaikon, amelyek általában eloltják a fáklyákat, így elrejtőzhetünk a sötétben. Amikor egy zombi észrevesz téged, ordít, figyelmeztetve a többi zombit, akik ordítanak a következőért. Így sikerült összegyűjteni a zombik tömegét a szinten. Ha nem volt elég nyílvessző vagy szenteltvíz, át kellett gondolni egy tervet.

Például ki lehetett osonni a szoba feletti erkélyre két-három zombival, rejtetten rálőni az egyikre, hogy az összes zombit ordítva behívja a szobába, majd szenteltvízzel lőni őket.

Vagyis a játék teret teremtett, olyan ellenségeket hozott létre, amelyeknek logikus szabályrendszerük volt, és amelyekre nagyon is valóságos logikát lehetett alkalmazni.

Ezért egy jó mesterséges intelligenciával rendelkező játék jobban működik, mint a Thief, mint az Isolation. A feszültség nagyon fontos az Alien játékban, de az elmélyülésnek kell az alapnak lennie. Ha a játék már nem hihető, már nem is olyan ijesztő.

Persze ahhoz, hogy működjön az elmélyülés, be kell vennünk a rendező vagy a fejlesztő trükkjeit. Az Alien-film nem fog működni, ha valaki a képernyő előtt azt mondja nekünk, hogy az idegen nem igazán jött ki az emberi ládából. Ezért ahhoz, hogy működjön, az Alien: Isolationnek el kell hitetnie velünk a valóságát. A játék legyen interaktív, vagyis még valósághűbb, mint bármelyik film. A játéknak izgalmasnak kell lennie. A szabályoknak értelmesnek és következetesnek kell lenniük.

Ha Ön vagy a játék megszakítja ezt a kapcsolatot, a játék nem lesz félelmetes, és az élmény szétesik. Amikor a játékosra vadászó emberek hirtelen lefagynak, vagy amikor egy idegen „teleportál” a hátuk mögé, az megszakítja az elmerülést és kilép a játékélményből. Megszűnik ijesztő lenni, ami az Alien lényege elsősorban.

Azért játszunk Alien játékokkal, mert meg akarjuk tapasztalni az Alien élményt. Amikor a mesterséges intelligencia megszakad vagy „csipog”, a merítés elveszik, és a játék szétesik. De amikor a mesterséges intelligencia megfelelően működik, Ripleyvé válunk, aki egy szekrénybe bújva, lélegzetvisszafojtva várja a szörnyeteg távozását.

Mesterséges intelligencia - be Utóbbi időben a technológiai világ egyik legnépszerűbb témája. Az olyan elmék, mint Elon Musk, Stephen Hawking és Steve Wozniak, komolyan aggódnak az AI-kutatás miatt, és azt állítják, hogy annak létrehozása halálos veszéllyel fenyeget bennünket. Ugyanakkor a sci-fi és a hollywoodi filmek sok tévhitet keltettek az AI-val kapcsolatban. Valóban veszélyben vagyunk, és milyen pontatlanságokat követünk el, amikor elképzeljük a Skynet Föld pusztulását, általános munkanélküliséget, vagy fordítva, jólétet és gondatlanságot? A mesterséges intelligenciáról szóló emberi mítoszokat a Gizmodo cáfolta. Íme a cikkének teljes fordítása.

A gépi intelligencia legfontosabb próbájának hívják, mióta a Deep Blue 20 évvel ezelőtt sakkmérkőzésen legyőzte Garri Kaszparovot. A Google AlphaGo legyőzte Li Sedol nagymestert egy Go-tornán 4:1-es eredménnyel, ami megmutatja, hogy a mesterséges intelligencia (AI) milyen komoly fejlődésen ment keresztül. A végzetes nap, amikor a gépek végre felülmúlják az ember eszét, soha nem tűnt ilyen közelinek. De úgy tűnik, még közel sem értünk ennek a korszakalkotó eseménynek a következményeihez.

Valójában komoly, sőt veszélyes tévhitekhez ragaszkodunk a mesterséges intelligenciával kapcsolatban. Tavaly a SpaceX alapítója Elon Musk figyelmeztetett, hogy a mesterséges intelligencia elfoglalhatja a világot. Szavai vihart kavartak e vélemény ellenzői és támogatói között. Ami egy ilyen jövőbeli monumentális eseményt illeti, elképesztően sok vita folyik arról, hogy megtörténik-e, és ha igen, milyen formában. Ez különösen aggasztó, ha figyelembe vesszük, hogy az emberiség milyen hihetetlen előnyökkel járhat a mesterséges intelligencia révén, valamint a lehetséges kockázatokat. Más emberi találmányokkal ellentétben a mesterséges intelligencia képes megváltoztatni az emberiséget vagy elpusztítani minket.

Nehéz mit higgyen. De hála a számítástechnikai tudósok, idegtudósok, mesterséges intelligencia-teoretikusok korai munkájának, egyre tisztább kép kezd kirajzolódni. Íme néhány általános tévhit és mítosz a mesterséges intelligenciáról.

1. mítosz: „Soha nem fogunk mesterséges intelligenciát létrehozni emberi intelligenciával”

Valóság: Már vannak olyan számítógépeink, amelyek a sakkban, a Go-ban, a tőzsdei kereskedésben és a beszélgetésben elérik vagy meghaladják az emberi képességeket. A számítógépek és az őket futtató algoritmusok csak jobbak lehetnek. Csak idő kérdése, hogy bármilyen feladatban felülmúlják az embereket.

A NYU kutatópszichológusa, Gary Marcus azt mondta, hogy „szó szerint mindenki”, aki mesterséges intelligenciával foglalkozik, úgy gondolja, hogy a gépek végül legyőznek minket: „Az egyetlen valódi különbség a rajongók és a szkeptikusok között az időzítési becslések.” A futuristák, mint például Ray Kurzweil, úgy gondolják, hogy ez néhány évtizeden belül megtörténhet, mások szerint évszázadokig is eltarthat.

A mesterséges intelligencia szkeptikusai nem meggyőzőek, amikor azt mondják, hogy ez egy megoldhatatlan technológiai probléma, és van valami egyedi a biológiai agy természetében. Agyunk biológiai gépezet – léteznek a való világban, és betartják a fizika alapvető törvényeit. Nincs bennük semmi kiismerhetetlen.

2. mítosz: „A mesterséges intelligenciának lesz tudatossága”

Valóság: A legtöbben azt képzelik, hogy a gépi elme tudatos lesz, és úgy gondolkodik, ahogy az emberek gondolják. Ráadásul olyan kritikusok, mint a Microsoft társalapítója, Paul Allen, úgy vélik, hogy még nem érhetjük el a mesterséges általános intelligenciát (amely minden olyan mentális problémát képes megoldani, amelyet az ember képes megoldani), mert hiányzik a tudományos tudatelmélet. De ahogy Murray Shanahan, a kognitív robotika szakértője, az Imperial College London mondja, nem szabad egyenlőségjelet tenni a két fogalom között.

„A tudat kétségtelenül csodálatos és fontos dolog, de nem hiszem, hogy az emberi szintű mesterséges intelligenciához szükséges. Pontosabban, a „tudatosság” szót arra használjuk, hogy több pszichológiai és kognitív tulajdonságra utaljunk, hogy az ember „egy készletben érkezik” – magyarázza a tudós.

Elképzelhető egy intelligens gép, amelyből egy vagy több ilyen tulajdonság hiányzik. A végén létrehozhatunk egy hihetetlenül intelligens mesterséges intelligenciát, amely képtelen lesz szubjektíven és tudatosan érzékelni a világot. Shanahan azt állítja, hogy az elme és a tudat kombinálható egy gépben, de nem szabad elfelejtenünk, hogy ez két különböző fogalom.

Az a tény, hogy egy gép átmegy a Turing-teszten, amelyben megkülönböztethetetlen az embertől, nem jelenti azt, hogy van tudata. Számunkra egy fejlett mesterséges intelligencia tudatosnak tűnhet, de öntudata nem lesz több, mint egy kőnek vagy egy számológépnek.

3. mítosz: „Nem kell félnünk az AI-tól”

Valóság: Januárban a Facebook alapítója, Mark Zuckerberg azt mondta, hogy nem kell félnünk az AI-tól, mert az hihetetlenül sok jót fog tenni a világnak. Félig igaza van. Óriási hasznot fogunk aratni az AI-ból, az önvezető autóktól az új gyógyszerekig, de nincs garancia arra, hogy minden mesterséges intelligencia-megvalósítás jóindulatú lesz.

Egy rendkívül intelligens rendszer mindent tud egy adott feladatról, például egy csúnya pénzügyi probléma megoldásáról vagy az ellenséges védelmi rendszer feltöréséről. De e specializációk határain kívül mélységesen tudatlan és öntudatlan lesz. A Google DeepMind rendszere a Go szakértője, de nincs lehetősége vagy oka a szakterületén kívül eső területek felfedezésére.

Ezek közül a rendszerek közül sokra nem vonatkoznak biztonsági megfontolások. Egy jó példa összetett és erős vírus A Stuxnet, egy félkatonai féreg, amelyet az izraeli és az amerikai hadsereg fejlesztett ki az iráni atomerőművek beszivárgására és szabotálására. Ez a vírus valahogy (szándékosan vagy véletlenül) megfertőzte az orosz atomerőművet.

Egy másik példa a Közel-Keleten kiberkémkedésre használt Flame program. Könnyű elképzelni a Stuxnet vagy a Flame jövőbeli verzióit, amelyek túllépik a céljukat, és hatalmas károkat okoznak az érzékeny infrastruktúrában. (A megértés kedvéért, ezek a vírusok nem mesterséges intelligencia, de a jövőben előfordulhat, hogy megvan bennük, ezért aggodalomra ad okot).

A Flame vírust kiberkémkedésre használták a Közel-Keleten. Fotó: vezetékes

4. mítosz: „A mesterséges szuperintelligencia túl okos lesz ahhoz, hogy hibázzon”

Valóság: Az AI-kutató és a Surfing Samurai Robots alapítója, Richard Lucimore úgy véli, hogy a legtöbb mesterséges intelligenciával kapcsolatos világvége forgatókönyv nem következetes. Mindig arra a feltételezésre épülnek, hogy az AI azt mondja: "Tudom, hogy az emberiség pusztulását tervezési hiba okozza, de még mindig meg kell tennem." Lucimore azt mondja, hogy ha az AI így viselkedik, és a pusztulásunkról beszél, akkor az ilyen logikai ellentmondások egy életen át kísérteni fogják. Ez viszont lerontja a tudásbázisát, és túl butává teszi ahhoz, hogy veszélyes helyzetet teremtsen. A tudós azzal is érvel, hogy azok az emberek, akik azt mondják: „Az AI csak arra képes, amire programozták”, éppúgy tévednek, mint kollégáik a számítógép-korszak hajnalán. Akkoriban az emberek ezzel a kifejezéssel azt állították, hogy a számítógépek a legcsekélyebb rugalmasságot sem képesek bemutatni.

Peter McIntyre és Stuart Armstrong, akik az Oxfordi Egyetem Future of Humanity Intézetében dolgoznak, nem értenek egyet Lucimore-ral. Azzal érvelnek, hogy a mesterséges intelligencia nagymértékben függ a programozástól. McIntyre és Armstrong úgy gondolja, hogy a mesterséges intelligencia nem hibázhat, és nem lehet túl buta ahhoz, hogy ne tudja, mit várunk tőle.

„A definíció szerint a mesterséges szuperintelligencia (AI) olyan entitás, amelynek intelligenciája sokkal nagyobb, mint a legjobb emberi agy bármely tudásterületén. Pontosan tudni fogja, mit akartunk tőle” – mondja McIntyre. Mindkét tudós úgy gondolja, hogy a mesterséges intelligencia csak azt fogja megtenni, amire programozták. De ha elég okos lesz, akkor megérti, hogy ez mennyire különbözik a törvény szellemétől vagy az emberek szándékaitól.

McIntyre az emberek és a mesterséges intelligencia jövőbeli helyzetét a jelenlegi ember-egér interakcióhoz hasonlította. Az egér célja élelem és menedék keresése. De ez gyakran ütközik egy olyan személy vágyával, aki azt akarja, hogy állata szabadon szaladgáljon körülötte. „Elég okosak vagyunk ahhoz, hogy megértsük az egerek bizonyos céljait. Tehát az ASI is megérti vágyainkat, de legyen közömbös velük ”- mondja a tudós.

Amint az Ex Machina film cselekménye mutatja, rendkívül nehéz lesz egy embernek okosabb mesterséges intelligenciát tartani.

5. mítosz: „Egy egyszerű javítás megoldja az AI-vezérlési problémát”

Valóság: Ha az embernél okosabb mesterséges intelligenciát hozunk létre, szembe kell néznünk a „vezérlési probléma” néven ismert problémával. A futuristák és a mesterséges intelligencia teoretikusai teljes zűrzavarba esnek, amikor megkérdezik, hogyan fogjuk visszatartani és korlátozni az ASI-t, ha felmerül. Vagy hogyan győződjön meg arról, hogy barátságos az emberekkel. Nemrég a Georgia Institute of Technology kutatói naivan azt sugalmazták, hogy a mesterséges intelligencia átveheti az emberi értékeket és társadalmi szabályokat, ha elolvassa. egyszerű történetek. A valóságban ez sokkal nehezebb lesz.

„Sok egyszerű trükköt javasoltak, amelyek „megoldhatnák” az egész AI-szabályozási problémát” – mondja Armstrong. Ilyen például az ASI programozása úgy, hogy célja az emberek tetszése legyen, vagy hogy egyszerűen eszközként működjön az ember kezében. Egy másik lehetőség a szeretet vagy tisztelet fogalmának integrálása a forráskódba. Annak megakadályozására, hogy a mesterséges intelligencia leegyszerűsített, egyoldalú világnézetet vegyen fel, javasolták, hogy programozzák az intellektuális, kulturális és társadalmi sokszínűség értékére.

De ezek a megoldások túlságosan egyszerűek, és megpróbálják az emberi tetszés és nemtetszés összetettségét egyetlen felületes definícióba tömöríteni. Próbáljon meg például világos, logikus és megvalósítható definíciót adni a „tiszteletre”. Ez rendkívül nehéz.

A Mátrix gépei könnyen elpusztíthatják az emberiséget

6. mítosz: „A mesterséges intelligencia el fog pusztítani minket”

Valóság: Nincs garancia arra, hogy a mesterséges intelligencia elpusztít minket, vagy hogy nem találjuk meg a módját annak ellenőrzésére. Ahogy Eliezer Yudkowsky mesterséges intelligencia-teoretikus mondta: „A mesterséges intelligencia sem nem szeret, sem nem gyűlöl, de atomokból vagy, amelyeket más célokra is fel tud használni.”

Mesterséges intelligencia című könyvében. Szakasz. Fenyegetések. Stratégiák” – írta Nick Bostrom oxfordi filozófus, hogy egy igazi mesterséges szuperintelligencia, ha egyszer megjelenik, nagyobb kockázatot jelent, mint bármely más emberi találmány. Olyan kiemelkedő elmék, mint Elon Musk, Bill Gates és Stephen Hawking (utóbbi arra figyelmeztetett, hogy a mesterséges intelligencia a „történelem legrosszabb hibája” lehet) szintén aggodalmának adott hangot.

McIntyre azt mondta, hogy az ISI által irányítható célok többségében jó okok vannak arra, hogy megszabaduljanak az emberektől.

„Az AI teljesen helyesen megjósolhatja, hogy nem akarjuk, hogy maximalizálja egy adott vállalat profitját, függetlenül attól, hogy milyen költségekkel jár az ügyfelek, a környezet és az állatok számára. Tehát erős ösztönzést kap arra, hogy ne zavarják meg, ne avatják bele, ne kapcsolják ki, vagy ne változtassák meg céljait, mert az nem teljesítené eredeti céljait” – mondja McIntyre.

Hacsak az ASI céljai nem tükrözik pontosan a mieinket, akkor jó okuk lesz arra, hogy ne adjunk lehetőséget ennek megállítására. Tekintettel arra, hogy az ő intelligenciája jóval magasabb, mint a miénk, nem tehetünk ellene.

Senki sem tudja, hogy a mesterséges intelligencia milyen formát ölt, és hogyan fenyegetheti az emberiséget. Ahogy Musk megjegyezte, a mesterséges intelligencia felhasználható más mesterséges intelligencia irányítására, szabályozására és megfigyelésére. Vagy átitatható az emberi értékekkel, vagy az emberekkel való barátságosság mindenek felett álló vágyával.

7. mítosz: „A mesterséges szuperintelligencia barátságos lesz”

Valóság: Immanuel Kant filozófus úgy vélte, hogy az értelem szorosan összefügg az erkölcsösséggel. David Chalmers idegtudós a The Singularity: A Philosophical Analysis című tanulmányában átvette Kant híres ötletét, és a feltörekvő mesterséges szuperintelligenciára alkalmazta.

Ha ez igaz... számíthatunk arra, hogy egy intellektuális robbanás az erkölcs robbanásához vezet. Ezután elvárhatjuk, hogy a feltörekvő ASI-rendszerek szupermorálisak és szuperintelligensek legyenek, ami lehetővé teszi számunkra, hogy jók legyenek.

De az az elképzelés, hogy a fejlett mesterséges intelligencia felvilágosult és kedves lesz, eleve nem túl valószínű. Ahogy Armstrong rámutatott, sok okos háborús bűnös van. Nem úgy tűnik, hogy az ész és az erkölcs közötti kapcsolat megvan az emberek között, ezért megkérdőjelezi ennek az elvnek a működését más intelligens formák között.

„Az erkölcstelenül viselkedő okos emberek sokkal nagyobb mértékben tudnak fájdalmat okozni, mint hülyébb társaik. Az intelligencia csak képessé teszi őket arra, hogy nagyobb intelligenciával rosszak legyenek, de nem teszi őket jóvá” – mondja Armstrong.

Ahogy McIntyre kifejtette, az alany azon képessége, hogy elérjen egy célt, nincs összefüggésben azzal, hogy ez a cél ésszerű lenne-e. „Nagyon szerencsések leszünk, ha mesterséges intelligenciaink egyedi tehetséggel rendelkeznek, és erkölcsi szintjük az elmével együtt nő. A szerencsében való reménykedés nem a legjobb megközelítés arra, ami meghatározhatja a jövőnket” – mondja.

8. mítosz: „A mesterséges intelligencia és a robotika kockázatai egyenlőek”

Valóság: Ez egy különösen gyakori hiba, amelyet a kritikátlan média és az olyan hollywoodi filmek terjesztenek, mint a Terminátor.

Ha egy mesterséges szuperintelligencia, mint a Skynet, valóban el akarná pusztítani az emberiséget, akkor nem használna androidokat hatcsövű géppuskákat. Sokkal hatékonyabb lenne egy biológiai pestis vagy nanotechnológiai szürke nyálka küldése. Vagy csak rombolja a légkört.

A mesterséges intelligencia nem azért veszélyes, mert hatással lehet a robotika fejlődésére, hanem azért, mert megjelenése általában milyen hatással lesz a világra.

9. mítosz: „Az AI sci-fi ábrázolása a jövő pontos ábrázolása”

Sokféle elme. Kép: Eliezer Yudkowsky

Természetesen a szerzők és a futuristák felhasználták a sci-fit arra, hogy fantasztikus jóslatokat készítsenek, de az ASI által meghatározott eseményhorizont egészen más történet. Ráadásul a mesterséges intelligencia embertelen természete lehetetlenné teszi, hogy megismerjük természetét és formáját, és így megjósoljuk is.

Hogy minket, ostoba embereket szórakoztassunk, a sci-fi legtöbb mesterséges intelligenciáját úgy ábrázolják, mint mi. „Minden lehetséges elme spektruma létezik. Még az emberek között is egészen más vagy, mint a szomszéd, de ez a változatosság semmi az összes létező intelligenciához képest” – mondja McIntyre.

A legtöbb science fictionnek nem kell tudományosan pontosnak lennie ahhoz, hogy lenyűgöző történetet meséljen el. A konfliktus általában közel álló hősök között bontakozik ki. „Képzeld el, milyen unalmas lenne egy történet, ahol egy tudatosság, öröm vagy gyűlölet nélküli mesterséges intelligencia véget vetne az emberiségnek anélkül, hogy ellenállást tanúsítana egy érdektelen cél elérése érdekében” – ásít Armstrong.

Több száz robot dolgozik a Tesla gyárban

10. mítosz: „Szörnyű, hogy a mesterséges intelligencia elviszi minden munkánkat”

Valóság: Az AI azon képessége, hogy sok tevékenységünket automatizálja, és az emberiség elpusztítására való képessége két nagyon különböző dolog. Martin Ford, A robotok hajnalán: Technológia és a munkanélküli jövő veszélye című könyv szerzője szerint azonban gyakran egy egészként tekintenek rájuk. Jó az AI-alkalmazások távoli jövőjére gondolni, de csak akkor, ha ez nem vonja el figyelmünket azokról a problémákról, amelyekkel a következő évtizedekben szembe kell néznünk. Ezek közül a legfontosabb a tömeges automatizálás.

Senki sem vonja kétségbe afelől, hogy a mesterséges intelligencia sok meglévő munkahelyet felvált, a gyári munkásoktól a fehérgalléros munka felső szintjéig. Egyes szakértők azt jósolják, hogy az Egyesült Államokban a munkahelyek felét az automatizálás fenyegeti a közeljövőben.

De ez nem jelenti azt, hogy ne tudnánk kezelni a sokkot. Általánosságban elmondható, hogy fajunk kvázi utópisztikus célja, hogy megszabaduljunk munkánk nagy részétől, mind a fizikai, mind a szellemi.

„Néhány évtizeden belül a mesterséges intelligencia sok munkahelyet el fog törölni, de ez nem rossz” – mondja Miller. Az önvezető autók felváltják a teherautó-sofőröket, csökkentve a szállítási költségeket, és ennek eredményeként számos termék olcsóbb lesz. „Ha kamionsofőr vagy, és ebből élsz, veszítesz, de éppen ellenkezőleg, mindenki más ugyanannyiért több árut tud majd venni. A megtakarított pénzt pedig más árukra és szolgáltatásokra költik, amelyek új munkahelyeket teremtenek az emberek számára” – mondja Miller.

A mesterséges intelligencia minden valószínűség szerint új lehetőségeket teremt majd a jó előállítására, felszabadítva az embereket más dolgokra. A mesterséges intelligencia fejlesztésének előrehaladását más területeken is előrelépések kísérik, különösen a gyártás területén. A jövőben nem nehezebb, hanem könnyebb lesz az alapvető szükségleteink kielégítése.

Bevezetés

A mesterséges intelligencia gondolatainak eredetét keresve számos tényt és mítoszt lehet idézni. Kezdve az ókori görög robottal, Talosszal, amelyet Zeusz Kréta szigetének őrzésére hozott létre, vagy Charles Babbage-től Ada Lovelace-szel és elemzőgépükkel a 19. század közepén, és befejezve a modern definíciót megalkotó Minsky és McCartney ötleteivel. A mesterséges intelligencia mint bármely program vagy gép által végrehajtott művelet, amelyről, ha valaki végrehajtaná, azt mondanánk, hogy intelligenciát vagy találékonyságot kell mutatnia.

Számomra a mesterséges intelligencia születésének eredetét Galileo Galilei 1683-ban megjelent „Két új tudomány beszélgetései és matematikai bizonyítékai” című könyvében látom.

Ebben a könyvben Galilei különösen azt írta, hogy a világon minden, beleértve természetes jelenség, matematikailag is kifejezhető. Kiderült, hogy bármilyen jelenséghez vagy cselekvéshez ki lehet találni egy algoritmust. Így a mesterséges intelligencia algoritmusok összessége minden alkalomra. Az AI egyik fő képessége pedig az lesz, hogy a rendelkezésre álló adatok alapján önállóan képes új algoritmusokat szintetizálni.

Csonka formában ez már lehetséges. A Google AlphaGo-ja például egy 30 millió mozdulatot tartalmazó adatbázis elemzése és önmagával több ezerszeri gyakorlása után képes volt legyőzni a világ legjobb Go-játékosát.

Az IBM pedig kiképzi Watson szuperszámítógépét, hogy segítsen az orvosoknak. A feladat az, hogy megtanítsuk a számítógépet természetes nyelven feltett kérdésekre keresni a választ, vagyis Watson megtanul orvosi felmérést végezni. Egyfajta differenciáldiagnózis játék, Dr. House helyett csak a számítógép. Valójában ez a történet vége. A mesterséges intelligencia a lakók fejében Jarvis a Vasember képregényből, a Terminátor, vagy legrosszabb esetben a RoboCop (a filmben éppen a hozzáadott mesterséges intelligencia segíti a kiborg gyors és pontos lövését). Egy ilyen lehetőségnek természetesen megvan a helye, de kezdjük azzal, ami ma elérhető.

Milyen típusú mesterséges intelligencia létezik ma?

Általánosságban elmondható, hogy az AI minden típusa két kategóriába sorolható: gyenge vagy korlátozott AI és általános vagy erős AI.

Gyenge AI

Valójában a nevek magukért beszélnek. A mesterséges intelligencia manapság az első típus – korlátozott, vagyis az értelem bizonyos feladatokra ki van élezve. Például, amikor a Samsung azt ígéri, hogy 2020-ra minden eszköze MI-vel fog rendelkezni, az korlátozott lehetőséget jelent. Ilyen például Siri vagy Alice, akik pontosan azt tudják csinálni, amire programozták őket. Alice még akkor is így válaszol, ha valamit nem tud vagy nem tud: „A programozó megígérte, hogy később megtanít erre.”

Ugyanebbe a típusba tartoznak a Google és a Yandex térképei, amelyek elemzik a forgalmi dugókat és megtervezik az útvonalakat, a jeleneteket felismerő kamerák, az intelligens sütő, amely önállóan szabályozza a hőszintet, és egy robotporszívó, amely – bárhogyan is magyarázza – csak porszívózni tud, de nem fog papucsot adni.

És eddig ez a korlátozott mesterséges intelligencia az egyetlen mesterséges intelligencia típus, amelyet az emberiség elsajátított. A gyenge AI kulcsfontosságú feladatokra osztható, amelyeken a szakemberek ma dolgoznak. Ez:

• beszédfelismerés;
• számítógépes látás;
• természetes nyelvi feldolgozás;
• minták keresése vagy adatelemzés;
• robotika.

Kétféleképpen lehet megoldani ezeket a problémákat, vagyis megtanítani néhány mesterséges intelligencia megértésére a szavakat és felismerni a képeket.

1. szimbolikus megközelítés.

   Ez a megközelítés a 40-es évek végétől a 90-es évek elejéig vezetett. A módszer azon alapul, amit gondoltak A legjobb mód A mesterséges intelligencia „kiképzése” annyit jelent, mint a lehető legtöbb ismeretet táplálni. Például, ha az orvostudomány kontextusában beszélünk, akkor mindenféle tankönyv és tudásbázis betöltődik az AI-ba. Az AI pedig csak a rendelkezésre álló információk alapján keresi a válaszokat, a tudást csak a programozó által létrehozott szabályok szerint dolgozza fel.

   Ennek megfelelően ez a fajta mesterséges intelligencia alkalmas statikus problémák megoldására. Például az összes orosz nyelvű tankönyv betölthető bele, és az AI jól tudja majd ellenőrizni az esszéket, helyesírási és központozási hibákat találva, valamint az ortopédiai normákra összpontosítva, még a beszédhibákat és a hiányosságokat is képes lesz elkülöníteni. Ezt azonban csak a szabályok alapján fogja megtenni, vagyis nem a szövegkörnyezetet megértve, hanem a helyes szórendet és helyesírást elkülönítve.

   Egy másik példa a gépi fordítás. A szimbólumokra kiképzett mesterséges intelligencia mindenféle szótárral és kifejezéstárral van felvértezve. Ha pedig valamelyikben benne van a fordításra felkínált kifejezés, akkor jól lefordítja, ha pedig nem, akkor a lefektetett szabályok alapján egyszerűen behelyettesíti a szavakat, elöljárószavakat, mondatszerkezetet.

2. Gépi tanulás vagy nem szimbolikus AI.

   A szimbolikus tanulástól eltérően ez a tanulási lehetőség azt jelenti, hogy a mesterséges intelligenciának megmutatták, hogyan lehet megoldani egy bizonyos problémát, ami után szabadon lebeghetett. A neurális hálózatok így működnek. Emlékszem, olvastam egy példáról, amikor egy programozó mesterséges intelligenciát kapcsolt a sprinklerek vezérléséhez, és megtanította neki, hogy vízzel űzze el a szomszéd macskáját, aki megszokta, hogy a gyepen menjen WC-re. A programozó sok fényképet mutatott az AI-nak macskákkal, ami után a mesterséges intelligencia olyan reflexet fejlesztett ki, hogy minden alkalommal bekapcsolja a sprinklert, amikor úgy tűnt, hogy valami macskának látszó dolgot lát. A rendszer nem mindig működött zökkenőmentesen. Úgy tűnik, valahogy bekapcsolt, amikor az MI összetévesztette a járdán lévő árnyékot egy macskával.

   Ha a fordítási példáról beszélünk, akkor egy képzett mesterséges intelligencia megpróbálhatja megérteni a kifejezés kontextusát, és a fordításban nem az első, az alapvető követelményeknek megfelelő szót helyettesítheti, hanem azt, amely szerinte jobban tükrözi a stílust, érzelem, szleng vagy valami más, arra, amire kiképezték.

Ma a legtöbb programozó szívesebben használja a második típust - a gépi tanulást, mert úgymond tud improvizálni. Például, ha egy autonóm autót az első típus szerint képeznek ki, akkor a szabályok szerint fog vezetni, de ha előre nem látható helyzet adódik az úton, az autó nehézségekbe ütközik. A gépi tanulással kiképzett autó pedig a körülményeknek megfelelően tud viselkedni, a korábban betáplált információk alapján ötleteket szintetizálni.

Itt merül fel a probléma. A szimbolikus mesterséges intelligencia egyik kulcsfontosságú jellemzője, hogy a rendszer mindig meg tudja magyarázni, miért hozott egy adott döntést. De a gépi tanulás esetében nem minden egyszerű. Éppen ezért ugyanaz az UBER vagy Tesla sokáig tart, amíg rájön, hogy az autóik miért döntöttek így vagy úgy, ami a balesetet okozta.

Ugyanazon autók esetében azonban a szimbolikus tanulás nem megfelelő, mivel az AI minden szabályát manuálisan kell megadni, vagyis viszonylagosan be kell regisztrálnia az összes lehetőséget az autóhoz - egy személy kiszaladt az útra, egy babakocsi kigurult, doboz kirepült stb. Valamit elfelejtett leírni, és hirtelen kiderült, hogy az autó elütötte a jávorszarvast, mert a szabálykönyvben semmi sem szerepelt róla, miközben a gépi mesterséges intelligencia kitalálja, hogy nem lehet minden négylábút lelőni. .

A gyenge mesterséges intelligencia, amint láthatja, korlátai ellenére számos alkalmazási területtel rendelkezik – az intelligens technológiától az önvezető autókon át az adatfeldolgozásig a jövő megjósolására irányuló kísérletekig. Egyébként az étteremben asztalt foglalni képes Google Duplex is korlátozott mesterségesintelligencia, hiszen pontosan azt tudja csinálni, amit tanítottak neki.

Erős AI (önálló)

Itt már kezdődik a hipotézisek birodalma, hiszen ehhez hasonlót még nem látott az emberiség. Talán csak a Google vagy az IBM szívében él valami félig intelligens. A legutóbbi Google I/O konferencián Fei Fei Li, egy nagyon okos kínai nő, a Google Cloud gépi tanulási és mesterséges intelligencia osztályának vezetője elmondta, hogy bár több mint 60 év telt el az AI-kutatás óta, de a tudomány még csak a kezdeti stádiumban van, és egyelőre csak arról beszélhetünk, hogy a korlátozott mesterségesintelligencia fejlesztésében elsajátítottuk.

Azt javaslom azonban, hogy álmodozzon egy kicsit az erős mesterséges intelligenciáról, és próbálja meghatározni, milyennek kell lennie, és mire képes. Úgy tartják, hogy egy erős mesterséges intelligencia ugyanolyan okos, mint egy átlagember, vagyis elméletileg bármilyen problémát meg tud oldani.. És ha az első azzal a feladattal szembesült, hogy John Connort bármilyen módon elpusztítsa, akkor a második a maximumra vágyik entrópia. A terminátor, ha bezárják a metrót, busszal megy megölni John Connort, és ha a busz elromlik, akkor gyalog megy, vagy taxit hív, és a rosszakaró azt írja, hogy minden reklám, amit a szerző nem ért. bármit, demagógiával és szofizmussal fog foglalkozni. Valójában a világ kormányai leginkább arról álmodoznak, hogy erős mesterséges intelligencia birtokába kerüljenek, hogy katonai műveleteket hajtsanak végre, és számítógépes troll botokkal szabotálja az amerikai választásokat.

A Google szerint ha minden jól megy, akkor 2050-re megtörténhet az áttörés, és megjelenik az első erős mesterséges intelligencia.

Az ilyen mesterséges intelligencia fő gyengesége, hogy minden képessége ellenére továbbra is viszonylag szűklátókörű marad, mint az átlagember, de az embertől eltérően az erős AI mindenre emlékszik, és jobban orientálódik az információkeresésben és -feldolgozásban.

szuper erős intellektus

Ez teljesen kívül esik a fantázia birodalmán. Például a Friday / Jarvis az Iron Man-ból egyszerűen erős intelligenciának tulajdonítható.

Ha emlékszel, az egyik filmben a főszereplő Tony Stark valami új, nem mérgező energiaforrást próbált kitalálni, hogy a mellkasába tegye. Jarvis segített neki, de úgyis csak Tony Stark tudta megoldani a problémát, mert az AI-nak nem volt elég „oka”. A szupererős intellektus a legtöbbet is képes önállóan megoldani kihívást jelentő feladatokat. Neki fog az emberiség feltenni egy kérdést, amire 42-t válaszol, majd egy szupererős mesterséges intelligencia minden embert folyadékos kádakba tesz, és létrehozza a kiválasztott jelenségét (ez nem szemétség, hanem utalások a "Stoppos kalauz a galaxishoz" című könyvre és a "Matrix" című filmre).

Félnem kell az AI-tól?

Az összes sci-fi film ellenére nem kell félni, legalábbis a mesterséges intelligencia legújabb típusának megjelenéséig. A fejlesztéssel foglalkozó emberektől azonban félni kell, mert tévedésből vagy szándékosan ugyanabban a korlátozott mesterséges intelligencia keretein belül lefektethető a „megölni minden embert” a „minden embert tanítani” helyett. A mesterséges intelligencia esetében pedig a kicsik dolga – csak tisztázni kell a szótárban szereplő összes szó jelentését, és hozzá kell kezdeni az üzlethez.

A még korlátozott mesterségesintelligencia fejlődése azonban már számos problémához vezetett és fog vezetni a modern társadalomban.

Egy probléma

Az egyik probléma a hagyományos karrierlétra lerombolása, mivel a mesterséges intelligencia fejlődése az átlagos képzettséget igénylő munkakörök elutasításához vezet. Kifejtem részletesebben. Olcsó munkaerőre van szükségünk ahhoz, hogy adatokat vigyünk be a számítógépbe, hiszen viszonylagosan elmondható, hogy az ember még mindig jobban tudja felismerni a „captcha”-t. Olyanokra is szükségünk van, akik számítógéppel feldolgozott adatok alapján döntenek. De a hétköznapi elemzőkre már nincs szükség, mert tanult algoritmusok alapján elemzik és tanulmányozzák az adatokat. Például amikor elemző voltam, 42 különböző adatfeldolgozási lehetőségem volt előrejelzések készítésére. Mindezeket a lehetőségeket egy ügyes prezentációba rendeztem, amelyre rendszeresen hivatkoztam, hogy kitaláljam, melyik módszer a legjobb az adott helyzetben. A mesterséges intelligencia helyett logikusnak és indokoltnak tűnik, mivel sokkal gyorsabban megbirkózik az előrejelzési feladatokkal. Ennek megfelelően szakadék keletkezik, amikor a junior elemzőtől a menedzserig eltűnik a hagyományos karrierlétra, hiszen a karrier legalján gyakorlatilag nincs manőver az intelligencia demonstrálására.

Második probléma

Emellett a mesterséges intelligencia miatt fokozatosan el kell utasítani az algoritmizálható, azaz egyszerű cselekvésekre redukálható alapszakmákat. Valami hasonló most az Auchanban és Lentában is megfigyelhető, ahol fokozatosan önkiszolgáló gépekre cserélődnek a pénztárosok, illetve egy-egy alkalmazott, aki segít megoldani a felmerülő problémákat, és egy biztonsági őr, aki rendet tart. A biztonsági őrt a jövőben térfigyelő kamerák váltják fel, amelyek rendet tartanak. Kiderül, hogy az emberek értéke csökkenni fog.

Olyan szakmák, amelyeket nagy valószínűséggel felválthat az MI: postások, ékszerészek, favágók, gazdálkodók, gyári munkások, biztosítók

Azt olvastam, hogy San Francisco bizonyos mértékig illusztrálja ezt a problémát. Ezt az Egyesült Államok városát a technológiai elit választotta. Ennek megfelelően a város gazdasága az elit igényeinek kielégítésére irányul, de a technológiai gazdasággal nem kapcsolatos emberek óriási problémákkal küzdenek. Sokkal kevesebbet keresnek, és a városban minden árcédula az IT startupoknak van beállítva. Az egyszerű ember nem engedhet meg magának ilyen kiadásokat, ezért vagy elköltözik, vagy csatlakozik a hajléktalanok amúgy is hatalmas seregéhez.

Van azonban itt egy kulcsfontosságú jellemző, amely néhány szakmát megtart. A mesterséges intelligencia működéséhez megteremtett feltételekre van szükség. Például egy robotporszívó csak sima padlón tud közlekedni és leküzdeni az apró ütéseket. Ennek megfelelően sok alapszakma képes lesz kitartani mindaddig, amíg túl nehéz és költséges a mesterséges helyettesítésük megteremtése. Például egy sok ajtós helyiségben a tisztítórobotnak vagy manipulátorokkal kell rendelkeznie az ajtókilincsek elfordításához, vagy minden ajtónak automatikusan ki kell nyílnia. Mindkettő meglehetősen drága, de a közép-ázsiai Sarhatnak megvan a keze és az esze, hogy megbirkózzon egy felmosóval és egy kilinccsel, de nincs regisztráció és csökkentett fizetési követelmény.

Harmadik probléma

Még a korlátozott mesterségesintelligencia is nagymértékben ösztönözte a szabadúszó jelenségét. A távoli alkalmazottak kiválasztására és felvételére szolgáló platformok évről évre egyre jobban virágoznak. A legfrissebb statisztikák szerint például a világ első gazdaságában, az Egyesült Államokban 55 millió ember dolgozik szabadúszóként.

És ez a jelenlegi generációban van, figyeljen az illusztrációra. A növekvő munkaerő nem szeret az irodában ülni. Ennek megfelelően elmozdulás lesz a munkaszervezésben. A cégeknek kihívásokkal kell szembenézniük az alkalmazottak toborzása és megtartása terén, mert miért áldozná az életét egyetlen cégnek, ha online elérhető, és a világ minden táján kereshet munkát.

Negyedik probléma

Elég komoly probléma a társadalmi egyenlőtlenség, amit már a 2. számú problémában említettem. Ez még rosszabb lesz. Gondolom a cikkből azt sejtetted, hogy ahhoz, hogy sikeres legyél az új világban, gyors felfogásúnak kell lenned és „te” modern technológiák. Nem titok, hogy a szegények rosszabbul jutnak hozzá az oktatáshoz. Ennek megfelelően a szegények nem tudnak új szintre kitörni, hiszen egyszerűen nem lesz lehetőségük valami hasznosat tanulni, hiszen évekig tartó intenzív edzés kell ahhoz, hogy jól gondolkodjanak, és hol lehet őket megszerezni, ha keresni kell. ételért.

Az új társadalomnak vagy olcsó munkaerőre, vagy intellektuális döntéshozókra van szüksége.

Ötödik feladat

Röviden megfogalmazható – ki áll az élen? Az AI-rendszerek fejlesztésében részt vevő személyeknek kiemelt felelősségük lesz, hiszen ők tanítják meg az AI-t, hogy az MI milyen adatok alapján hoz majd döntéseket. Vajon az Asimovtól származó robotika törvényei vagy más szabályok védik az emberek egy bizonyos rétegét.

Miért jó a mesterséges intelligencia?

A fent felsorolt ​​problémák kissé ijesztőnek tűnnek, de az AI kétélű fegyver, amely segíthet.

Jó 1

A mesterséges intelligencia szolgálni fog erőteljes lendület számos terület fejlesztésére. Jó példa erre az orvostudomány. Ma, a 21. században az orvosok továbbra is ugyanúgy kezelnek, mint száz évvel ezelőtt. Teletömik a tankönyveket. Ez egy rossz lehetőség, mivel egyetlen orvos sem emlékezhet fejből minden betegség tünetére. Az ilyen hibák következményei végzetesek lehetnek. A helyi orvos a végsőkig biztosított arról, hogy édesanyám betegségeinek oka a megfázás és a fáradtság, hiszen minden fő tünet jelen volt. És csak akkor állították fel a helyes diagnózist, amikor már túl késő volt - akut leukémia, egy olyan betegség, amelyet meglehetősen nehéz felismerni. És ebben a helyzetben egy olyan mesterséges intelligencia jelenléte lenne, amely emlékszik minden betegségre és tünetre, és amely soha nem fárad el.

Ugyanezek az elmozdulások történhetnek a jog területén is, ahol az ügyvédeknek és a bíráknak minden jogszabályt, precedenst és sok bizonyítékot szem előtt kell tartaniuk.

Blago 2

A mesterséges intelligencia személyre szabott élményt nyújt. Ezt az állítást legjobban a képzés példájával lehet illusztrálni. Manapság a tanárok túlterheltek, és fizikailag képtelenek minden diákkal foglalkozni. De mindenkinek megvan a maga üteme az új anyagok elsajátításában. Az AI-alapú tanulási rendszerek figyelik a tanulási sebességet, megnézik, hogy a tanuló jól vagy rosszul memorizál, figyelmesen olvas-e vagy el van-e terelve. Ez alapján épül fel az egyéni tanulási ütem, és válasszunk ki gyakorlatokat a konszolidációhoz.

Ugyanakkor tény, hogy a mesterséges intelligencia segítségével az emberek könnyebben megértik az új anyagokat, hiszen ebben az esetben a tévedéstől való félelem jelentősen csökken. Ezzel az állítással egyet tudok érteni. Erkölcsileg könnyebb felháborodott sípolást kapni a számítógéptől, hogy a példa rosszul van megoldva, mint kiállni Olga Sztyepanovna, matematikatanárnőm pillantását.

A mesterséges intelligencia minden emberre egyenlő figyelmet tud majd fordítani. Ez minden területet magában foglal, az oktatástól és az orvostudománytól a divatos arculat kiválasztásáig (az alkat típusának, az arcformának és a szezon trendjeinek megfelelően) és az edzőteremben végzett edzésig.

Blago 3

Világunk már ma is tele van információval. Bármilyen adatot gyűjtenek mindenhonnan, az időjárási viszonyoktól kezdve a gyalogos lépések számáig.

A nagy adatokhoz hozzáféréssel rendelkező mesterséges intelligencia képes lesz ezeket az adatokat elemezni, és összefüggést keresni, hogy a lépések száma hogyan hat az egészségre, de nem elvont módon, hanem bizonyos időjárási viszonyokat figyelembe véve. Az utasforgalom mozgásának elemzése segít csökkenteni a torlódásokat, csökkenteni a közlekedési összeomlások számát csúcsidőben. Röviden, az elemezhető adatokat elemzik, és az AI bemutatja megállapításait.

Következtetés

Ma a mesterséges intelligencia bebizonyította, hogy csak olyan feladatok megoldásában jó, amelyekre kiképezték, és még jobb is azokban, mint a hétköznapi emberek. Egy okostelefon királynő nélkül is könnyedén legyőzi a nagymestert, egy kisregényt írt japán mesterséges intelligencia bejutott egy irodalmi pályázat döntőjébe, testvérei pedig jó zenéket írnak és adnak elő.

Sajnos azonban az AI még gyerekcipőben jár. Csak azt tudja csinálni, amit megtanítottak neki – elemezni sok irodalmi vagy zenei művet, és szintetizálni valamit a sajátjából, vagy megjegyezni milliónyi mozdulatot, és kiválasztani a legjobbat.

A korlátozott mesterséges intelligencia kialakulásának útjában álló fő probléma az univerzális algoritmusok hiánya a környező világ és az infrastruktúra megértéséhez (az adatgyűjtéshez sok szenzor kell, pilóta nélküli járművekhez, tökéletes jelzésű utak, a tulajdonos kérésére, a hangsegédeknek jobb algoritmusokra van szükségük).

Az erős mesterséges intelligencia kialakulásához alapvetően eltérő számítási teljesítményre és információfeldolgozó algoritmusokra van szükség, amelyek utánozzák azt, amit az emberek intuíciónak neveznek. Valószínűleg a közeljövőben a korlátozott mesterséges intelligencia különféle változatait fogjuk megfigyelni, különféle körülményekhez beágyazott viselkedési algoritmusokkal.

A mesterséges intelligencia neurális hálózatot hozott létre 2017. december 15-én

Odáig éltünk, hogy a mesterséges intelligencia létrehozza a saját neurális hálózatát. Bár sokan azt hiszik, hogy egy és ugyanaz. Valójában azonban nem minden olyan egyszerű, és most megpróbáljuk kitalálni, mi az, és ki tud kit létrehozni.

A Google Brain részlegének mérnökei idén tavasszal bemutatták az AutoML-t. Ez a mesterséges intelligencia emberi beavatkozás nélkül képes saját egyedi mesterséges intelligencia előállítására. Amint nemrég kiderült, az AutoML először tudta létrehozni a NASNet-et, egy számítógépes látásrendszert. Ez a technológia komolyan felülmúlja az emberek által korábban létrehozott analógokat. Ez a mesterséges intelligenciára épülő rendszer nagy segítség lehet pl. autonóm autók. A robotikában is alkalmazható – a robotok teljesen új szintre léphetnek majd.

Az AutoML fejlesztése egy egyedülálló megerősítő tanulási rendszeren alapul. Olyan menedzseri neurális hálózatról beszélünk, amely önállóan fejleszt teljesen új, bizonyos célokra tervezett neurális hálózatokat konkrét feladatokat. Az általunk jelzett esetben az AutoML célja egy olyan rendszer létrehozása, amely a legpontosabban ismeri fel a videóban lévő objektumokat valós időben, valós időben.

A mesterséges intelligencia maga is képes volt egy új neurális hálózat kiképzésére, a hibák nyomon követésére és a munka javítására. A betanítási folyamatot többször (ezerszer) megismételték, amíg a rendszer működőképessé nem vált. Érdekes módon képes volt megkerülni a jelenleg elérhető, de egy személy által tervezett és betanított hasonló neurális hálózatokat.

Ugyanakkor az AutoML kiértékeli a NASNet teljesítményét, és ezeket az információkat az utódhálózat fejlesztésére használja; ez a folyamat ezerszer megismétlődik. Amikor a mérnökök az ImageNeten és a COCO képkészleteken tesztelték a NASNet-et, az minden létező számítógépes látásrendszert felülmúlt.

A Google hivatalosan kijelentette, hogy a NASNet 82,7%-os pontossággal ismeri fel. Az eredmény 1,2%-kal haladja meg a korábbi rekordot, amelyet idén kora ősszel állítottak fel a Momenta és az oxfordi szakértők kutatói. A NASNet 4%-kal hatékonyabb, mint társai, átlagosan 43,1%-os pontossággal.

Létezik a NASNet egyszerűsített változata is, amely mobil platformokhoz lett igazítva. Valamivel több mint három százalékkal meghaladja az analógokat. A közeljövőben lehetővé válik ennek a rendszernek a felhasználása autonóm autók gyártására, amelyeknél fontos a számítógépes látás. Az AutoML továbbra is új, örökletes neurális hálózatokat hoz létre, és még nagyobb magasságok meghódítására törekszik.

Ez természetesen etikai kérdéseket vet fel az AI-val kapcsolatos aggodalmakkal kapcsolatban: mi van, ha az AutoML olyan ütemben épít rendszereket, hogy a társadalom egyszerűen nem tud lépést tartani? Sok nagyvállalat azonban igyekszik figyelembe venni az AI biztonsági kérdéseit. Például az Amazon, a Facebook, az Apple és néhány más vállalat a Partnership on AI to Benefit People and Society tagja. Az Institute of Electrical and Engineers (IEE) etikai szabványokat is javasolt a mesterséges intelligencia számára, a DeepMind pedig például egy olyan csoport létrehozását jelentette be, amely a mesterséges intelligencia alkalmazásaival kapcsolatos morális és etikai kérdésekkel fog foglalkozni.

Sok nagyvállalat azonban igyekszik figyelembe venni az AI biztonsági kérdéseit. Ez természetesen etikai kérdéseket vet fel az AI-val kapcsolatos aggodalmakkal kapcsolatban: mi van, ha az AutoML olyan ütemben épít rendszereket, hogy a társadalom egyszerűen nem tud lépést tartani? Az Institute of Electrical and Engineers (IEE) etikai szabványokat is javasolt a mesterséges intelligencia számára, a DeepMind pedig például egy olyan csoport létrehozását jelentette be, amely a mesterséges intelligencia alkalmazásaival kapcsolatos morális és etikai kérdésekkel fog foglalkozni. Például az Amazon, a Facebook, az Apple és néhány más vállalat a Partnership on AI to Benefit People and Society tagja.

Mi a mesterséges intelligencia?

A "mesterséges intelligencia" kifejezés szerzője John McCarthy, a Lisp nyelv feltalálója, a funkcionális programozás megalapítója, valamint a mesterséges intelligencia kutatásához való nagy hozzájárulásáért a Turing-díj nyertese.
A mesterséges intelligencia egy módja annak, hogy egy számítógépet, számítógép által vezérelt robotot vagy programot képessé tegyünk az emberhez hasonlóan intelligens gondolkodásra is.

A mesterséges intelligencia területén végzett kutatások egy személy mentális képességeinek tanulmányozásával zajlanak, majd ennek a kutatásnak az eredményeit használják intelligens programok és rendszerek fejlesztésének alapjául.

Mi az a neurális hálózat?

A neurális hálózat ötlete az, hogy nagyon egyszerű elemekből összetett szerkezetet állítson össze. Nem valószínű, hogy az agy egyetlen része intelligensnek tekinthető – de az emberek általában meglepően jól teljesítenek egy IQ-teszten. Mindazonáltal egészen mostanáig általában nevetségessé vált a „semmiből” elme létrehozásának gondolata: az ezer írógépes majomról szóló vicc már száz éves, és ha szükséges, a neurális hálózatokkal kapcsolatos kritikák még a világban is megtalálhatók. Cicero, aki gúnyosan azt javasolta, hogy addig dobálják a levegőbe a betűs zsetonokat, amíg el nem kéklik az arc, hogy előbb-utóbb értelmes szöveg derüljön ki. A 21. században azonban kiderült, hogy a klasszikusok hiába gúnyolódtak: a jelzős majmok hada az, amely kellő kitartással hatalmába kerítheti a világot.
Sőt, neurális hálózatot akár gyufásdobozokból is össze lehet állítani: ez csak egyszerű szabályok összessége, amelyek alapján az információ feldolgozódik. A „mesterséges neuron” vagy perceptron nem valami speciális eszköz, hanem csak néhány aritmetikai művelet.

A perceptron sehol sem működik könnyebben: több kezdeti számot kap, mindegyiket megszorozza ennek a számnak a „értékével” (körülbelül kicsit alacsonyabban), összeadja, és az eredménytől függően 1-et vagy -1-et ad ki. Például lefényképezünk egy nyílt terepet, és megmutatjuk a neuronunk egy pontját a képen – vagyis véletlenszerű koordinátákat küldünk neki két jelként. És akkor megkérdezzük: "Kedves neuron, ez mennyország vagy föld?" - Mínusz egy – válaszol a bábu, és derűsen nézi a gomolyfelhőt. – Világos, hogy a föld.

Az „ujjjal az égbe bökni” a perceptron fő foglalkozása. Pontosság nem várható el tőle: ugyanúgy fel lehet dobni egy érmét. A varázslat ekkor kezdődik következő szint amit gépi tanulásnak neveznek. Hiszen tudjuk a helyes választ, ami azt jelenti, hogy beírhatjuk a programunkba. Így kiderül, hogy minden helytelen tippért a perceptron szó szerint bírságot kap, a helyes tippért pedig bónuszt: a bejövő jelek „értéke” nő vagy csökken. Ezt követően a program az új képlet szerint fut. Előbb-utóbb az idegsejt elkerülhetetlenül „megérti”, hogy a fényképen a föld lent van, az ég pedig fent, vagyis egyszerűen figyelmen kívül hagyja annak a csatornának a jelét, amelyen keresztül az x-koordinátákat továbbítják. Ha egy ilyen tapasztalt robotra rácsúsztatnak egy másik fotót, akkor lehet, hogy nem találja meg a horizontvonalat, de biztosan nem fogja összetéveszteni a tetejét az aljával.

A valós munkában a képletek kicsit bonyolultabbak, de az elv ugyanaz marad. A perceptron csak egy feladatot tud végrehajtani: vegyen számokat és rendezze őket két kupacba. A legérdekesebb akkor kezdődik, ha több ilyen elem is van, mert a bejövő számok más "téglák" jelei lehetnek! Tegyük fel, hogy az egyik neuron megpróbálja megkülönböztetni a kék és zöld pixeleket, a második továbbra is a koordinátákkal babrál, a harmadik pedig megpróbálja megítélni, hogy a két eredmény közül melyik áll közelebb az igazsághoz. Ha egyszerre több neuront állít be a kék pixelekre, és összegzi az eredményeket, akkor egy egész réteget kap, amelyben a „legjobb tanulók” további bónuszokat kapnak. Így egy kellően elterjedt hálózat egy egész adathegyet képes lapátolni, és minden hibáját figyelembe venni.

Gyufásdobozok segítségével neurális hálózat készíthető – akkor lesz egy trükk a tarsolyában, amellyel a bulikon szórakoztathatja a vendégeket. A MirF szerkesztői már kipróbálták – és alázatosan elismerik a mesterséges intelligencia felsőbbrendűségét. Tanítsuk meg az esztelen ügyet, hogyan kell játszani a 11 botot. A szabályok egyszerűek: 11 mérkőzés van az asztalon, és minden lépésben lehet egy vagy kettő. Az nyer, aki az utolsót viszi. Hogyan kell játszani a "számítógép" ellen?

Nagyon egyszerű.

10 dobozt vagy poharat veszünk. Mindegyikre írjon egy számot 2 és 11 között.

Minden dobozba két kavicsot teszünk - fekete és fehér. Bármilyen tárgyat használhat – mindaddig, amíg különböznek egymástól. Ennyi – tíz neuronból álló hálózatunk van!

A neurális hálózat mindig az első. Kezdésként nézze meg, hány gyufa van még hátra, és vegye ki az adott számmal ellátott dobozokat. Az első körben a 11-es doboz lesz. Vegyen ki minden kavicsot a jobb oldali dobozból. Becsukhatja a szemét vagy feldobhat egy érmét, a lényeg az, hogy véletlenszerűen cselekedjen.
Ha a kő fehér, a neurális hálózat úgy dönt, hogy két gyufát vesz fel. Ha fekete - egy. Tedd a kavicsot a doboz mellé, hogy ne felejtsd el, melyik "neuron" döntött. Utána az ember sétál – és így tovább, amíg el nem fogynak a gyufák.

Most jön a szórakoztató rész: a tanulás. Ha a hálózat megnyerte a játékot, akkor jutalmazni kell: dobjon egy további, ugyanolyan színű kavicsot, amely a játék során esett, a játékban részt vevő "neuronokba". Ha a hálózat megszakadt, vedd ki az utoljára használt dobozt, és onnan vedd ki a sikertelenül lejátszott követ. Kiderülhet, hogy a doboz már üres, ebben az esetben az előző hasonló neuront tekintjük az utolsónak. A következő játék során ütés üres dobozok, a neurális hálózat automatikusan feladja.

Ez minden! Játssz néhány ilyen játékot. Eleinte semmi gyanúsat nem fogsz észrevenni, de minden egyes győzelem után a hálózat egyre sikeresebb mozdulatokat hajt végre – és körülbelül egy tucat játék után rájössz, hogy egy szörnyeteget alkottál, amelyet nem tudsz legyőzni.

Források:

Idén elindult a Yandex hangsegéd"Alice". Az új szolgáltatás lehetővé teszi a felhasználó számára, hogy híreket és időjárást hallgasson, választ kapjon a kérdésekre, és egyszerűen kommunikáljon a bottal. "Alice" néha pimasz, néha szinte ésszerűnek és emberileg szarkasztikusnak tűnik, de gyakran nem tudja, miről kérdezik, és egy tócsában ül.

Mindez nem csak vicchullámot szült, hanem a mesterséges intelligencia fejlesztéséről szóló újabb vitakört is. Ma szinte minden nap érkeznek hírek az okos algoritmusok által elért eredményekről, és a gépi tanulást az egyik legígéretesebb területnek nevezik, amelyre el kell szánni magunkat.

A mesterséges intelligenciával kapcsolatos főbb kérdések tisztázása érdekében Sergey Markovval, a mesterséges intelligencia és a gépi tanulási módszerek specialistájával, az egyik legerősebb orosz sakkprogram, a SmarThink szerzőjével és a 22. század projekt megalkotójával beszélgettünk.

Szergej Markov,

mesterséges intelligencia specialista

Az AI-ról szóló mítoszok megdöntése

Tehát mi az a „mesterséges intelligencia”?

A "mesterséges intelligencia" fogalma kissé szerencsétlen. Kezdetben a tudományos közösségből indult ki, végül behatolt a tudományos-fantasztikus irodalomba, azon keresztül pedig a popkultúrába, ahol számos változáson ment keresztül, sokféle értelmezésre tett szert, és végül teljesen misztifikált.

Ezért hallunk gyakran olyan kijelentéseket nem szakemberektől, mint: „MI nem létezik”, „AI nem hozható létre”. A mesterséges intelligencia területén végzett kutatások lényegének félreértése könnyen más végletek felé vezeti az embereket – például a modern AI-rendszerek nevéhez fűződik a tudatosság, a szabad akarat és a titkos indítékok jelenléte.

Próbáljuk meg szétválasztani a legyeket a szeletektől.

A tudományban a mesterséges intelligencia olyan rendszerekre utal, amelyeket az intellektuális problémák megoldására terveztek.

Az intellektuális feladat viszont olyan feladat, amelyet az emberek saját értelmük segítségével oldanak meg. Megjegyzendő, hogy ebben az esetben a szakértők szándékosan kerülik az "intelligencia" fogalmának meghatározását, mivel az AI-rendszerek megjelenése előtt az intelligencia egyetlen példája az emberi értelem volt, és az intelligencia fogalmának egyetlen példa alapján történő meghatározása megegyezik az intelligencia fogalmának meghatározásával. próbál egyenes vonalat húzni egyetlen ponton keresztül. Annyi ilyen sor lehet, amennyit csak akar, ami azt jelenti, hogy az intelligencia fogalmáról szóló vita évszázadokig folytatható.

"erős" és "gyenge" mesterséges intelligencia

Az AI-rendszereket két nagy csoportra osztják.

Alkalmazott mesterséges intelligencia(a "gyenge AI" vagy a "szűk AI" kifejezést is használják, az angol hagyomány szerint gyenge / alkalmazott / szűk AI) egy olyan mesterséges intelligencia, amelyet bármely intellektuális feladat, vagy azok kis számának megoldására terveztek. Ebbe az osztályba tartoznak a sakkjáték, a go, a képfelismerő, a beszéd, a bankhitel kibocsátásával vagy elutasításával kapcsolatos döntéshozatali rendszerek stb.

Az alkalmazott MI-vel szemben a koncepció bevezetésre kerül univerzális mesterséges intelligencia(szintén "strong AI", angolul - strong AI / Artificial General Intelligence) - vagyis egy hipotetikus (eddig) AI, amely bármilyen intellektuális feladat megoldására képes.

Az emberek gyakran a terminológiát nem ismerve az MI-t az erős mesterségesintelligencia-val azonosítják, emiatt a „MI nem létezik” szellemiségű ítéletek születnek.

Erős mesterséges intelligencia még nem igazán létezik. Gyakorlatilag az összes előrelépés, amelyet az elmúlt évtizedben az AI területén tapasztaltunk, az alkalmazott rendszerek fejlődése volt. Ezeket a sikereket nem lehet alábecsülni, hiszen az alkalmazott rendszerek bizonyos esetekben jobban képesek megoldani az intellektuális problémákat, mint az egyetemes emberi intelligencia.

Azt hiszem, észrevette, hogy az AI fogalma meglehetősen tág. Tegyük fel, hogy a fejben számolás is intellektuális feladat, ami azt jelenti, hogy minden számológép mesterséges intelligencia rendszernek minősül. Mi a helyzet a számlákkal? golyós számológép? Antikythera mechanizmus? Valójában mindez formális, bár primitív, de mesterséges intelligencia rendszerek. Általában azonban, ha egy rendszert mesterséges intelligencia rendszernek nevezünk, ezzel hangsúlyozzuk a rendszer által megoldott feladat összetettségét.

Nyilvánvaló, hogy az intellektuális feladatok egyszerű és összetett felosztása nagyon mesterséges, és az egyes feladatok összetettségéről alkotott elképzeléseink fokozatosan változnak. A mechanikus számológép a 17. században a technika csodája volt, de ma már nem tud lenyűgözni az embereket, akik gyermekkoruk óta sokkal összetettebb mechanizmusokkal szembesülnek. Amikor az autók játéka a Go-ban vagy az autós robotpilóták már nem lepik meg a közvéleményt, biztosan lesznek olyanok, akik összerezzenek attól a ténytől, hogy valaki az MI-nek tulajdonítja az ilyen rendszereket.

„Robotok – kiváló tanulók”: az AI tanulási képességéről

Egy másik vicces tévhit az, hogy az AI-rendszereknek képesnek kell lenniük az öntanulásra. Ez egyrészt nem kötelező tulajdonsága az AI-rendszereknek: sok csodálatos rendszer létezik, amelyek nem képesek öntanulásra, de ennek ellenére sok problémát jobban megoldanak, mint az emberi agy. Másrészt egyesek egyszerűen nem tudják, hogy az öntanulás olyan funkció, amelyet sok mesterséges intelligencia rendszer már több mint ötven évvel ezelőtt elsajátított.

Amikor 1999-ben megírtam az első sakkprogramomat, ezen a területen már általános volt az önálló tanulás - a programok képesek voltak megjegyezni a veszélyes pozíciókat, magukhoz igazították a nyitóvariációkat, a játékstílust, az ellenfélhez igazodva. Természetesen ezek a programok még nagyon messze voltak az Alpha Zero-tól. Azonban még olyan rendszerek is léteztek, amelyek más rendszerekkel való interakción alapuló viselkedést tanulnak meg az úgynevezett „megerősítő tanulási” kísérletekben. Valamilyen megmagyarázhatatlan okból azonban egyesek még mindig úgy gondolják, hogy az önálló tanulás képessége az emberi értelem kiváltsága.

A gépi tanulás, egy egész tudományos tudományág, a gépek tanításának folyamataival foglalkozik bizonyos problémák megoldására.

A gépi tanulásnak két nagy pólusa van: a felügyelt tanulás és a felügyelet nélküli tanulás.

Nál nél tanárral tanulni a gépnek már számos feltételesen helyes megoldása van bizonyos esethalmazokra. A tanulás feladata ebben az esetben az, hogy a rendelkezésre álló példák alapján megtanítsa a gépet más, ismeretlen helyzetekben is helyes döntéseket hozni.

A másik véglet - tanár nélkül tanulni. Vagyis a gép olyan helyzetbe kerül, ahol a helyes megoldások ismeretlenek, csak nyers, címkézetlen formában vannak adatok. Kiderül, hogy ilyen esetekben el lehet érni némi sikert. Például megtaníthat egy gépet egy nyelv szavai közötti szemantikai kapcsolatok azonosítására nagyon nagy szöveghalmaz elemzése alapján.

A felügyelt tanulás egyik típusa a megerősítéses tanulás. Az ötlet az, hogy a mesterséges intelligencia rendszer egy olyan ágensként működik, amelyet valamilyen modellkörnyezetben helyeznek el, amelyben kölcsönhatásba léphet más ágensekkel, például saját másolataival, és jutalmazási funkción keresztül visszajelzést kaphat a környezettől. Például egy sakkprogram, amely önmagával játszik, fokozatosan módosítja a paramétereit, és ezáltal fokozatosan erősíti saját játékát.

A megerősítő tanulás meglehetősen tág terület, és számos érdekes technikát használ az evolúciós algoritmusoktól a Bayes-i optimalizálásig. A játékokhoz készült mesterséges intelligencia közelmúltbeli fejlesztései pontosan összefüggenek a mesterséges intelligencia felerősítésével a megerősítő tanulás során.

Technológiai kockázatok: kell-e félnünk a világvégétől?

Nem tartozom az AI-riasztók közé, és ebben az értelemben egyáltalán nem vagyok egyedül. Például Andrew Ng, a Stanford Machine Learning tanfolyam megalkotója a mesterséges intelligencia veszélyeit a Mars túlnépesedésének problémájához hasonlítja.

Valójában a jövőben valószínű, hogy az emberek kolonizálják a Marsot. Az is valószínű, hogy előbb-utóbb a túlnépesedés problémája is felmerülhet a Marson, de nem teljesen világos, hogy most miért kell ezzel a problémával foglalkozni? Yn és Yang LeKun, a konvolúciós neurális hálózatok megalkotója egyetért Yn-nel és főnökével, Mark Zuckerberggel, valamint Joshua Benyóval, aki kutatása nagyrészt annak köszönhető, hogy a modern neurális hálózatok milyen komplex problémákat képesek megoldani a területen. szövegszerkesztés.

Valószínűleg több órába telhet, míg ismertetem a problémával kapcsolatos nézeteimet, ezért csak a fő tézisekre fogok koncentrálni.

1. NE KORLÁTOZD AZ AI FEJLESZTÉST

A riasztók figyelembe veszik a mesterséges intelligencia lehetséges megzavarásához kapcsolódó kockázatokat, miközben figyelmen kívül hagyják azokat a kockázatokat, amelyek az ezen a területen történő fejlődés korlátozására vagy akár megállítására irányulnak. Az emberiség technológiai ereje rendkívül gyors ütemben növekszik, ami egy olyan hatáshoz vezet, amelyet "az apokalipszis olcsóbbításának" nevezek.

150 évvel ezelőtt az emberiség minden akarattal nem tudott helyrehozhatatlan károkat okozni sem a bioszférában, sem önmagában, mint fajban. Az 50 évvel ezelőtti katasztrofális forgatókönyv megvalósításához az atomhatalmak teljes technológiai erejét kellett volna koncentrálni. Holnap egy kis maroknyi fanatikus elég lehet ahhoz, hogy életre keltsen egy globális ember okozta katasztrófát.

Technológiai hatalmunk sokkal gyorsabban növekszik, mint az emberi intelligencia azon képessége, hogy irányítsa ezt az erőt.

Hacsak az emberi intelligenciát a maga előítéleteivel, agressziójával, téveszméivel és szűklátókörűségével fel nem váltja egy olyan rendszer, amely képes megalapozottabb döntéseket hozni (legyen szó mesterséges intelligenciáról vagy, amit valószínűbbnek tartok, technológiailag továbbfejlesztett emberi intelligencia gépekkel integrálva egy egységes rendszer), várhatunk egy globális katasztrófára.

2. szuperintelligencia létrehozása alapvetően lehetetlen

Van egy elképzelés, hogy a jövő mesterséges intelligenciája minden bizonnyal szuperintelligens lesz, még jobban felülmúlja az embert, mint az ember a hangyákat. Ebben az esetben félek csalódást okozni a technológiai optimistáknak – Univerzumunk számos alapvető fizikai korlátot tartalmaz, amelyek nyilvánvalóan lehetetlenné teszik a szuperintelligencia létrehozását.

Például a jelátvitel sebességét a fény sebessége korlátozza, és a Heisenberg-bizonytalanság megjelenik a Planck-skálán. Ez magában foglalja az első alapvető határt - a Bremermann-határt, amely korlátozásokat vezet be csúcssebesség számítások adott m tömegű autonóm rendszerre.

Egy másik korlát a Landauer-elvhez kapcsolódik, miszerint 1 bitnyi információ feldolgozásakor van egy minimális hőmennyiség. A túl gyors számítások elfogadhatatlan felmelegedést és a rendszer tönkremenetelét okozzák. Valójában a modern processzorok kevesebb mint ezerszer maradnak el a Landauer-határtól. Úgy tűnik, 1000 elég sok, de egy másik probléma, hogy sok intellektuális feladat az EXPTIME összetettségi osztályba tartozik. Ez azt jelenti, hogy a megoldásukhoz szükséges idő a probléma dimenziójának exponenciális függvénye. A rendszer többszöri felgyorsítása csak az "intelligencia" állandó növekedését eredményezi.

Általában nagyon komoly okunk van azt hinni, hogy egy szuperintelligens, erős mesterséges intelligencia nem fog működni, bár természetesen az emberi intelligencia szintje meghaladható. Mennyire veszélyes? Valószínűleg nem nagyon.

Képzeld el, hogy hirtelen 100-szor gyorsabban kezdtél el gondolkodni, mint mások. Ez azt jelenti, hogy könnyedén rá tud majd venni bármely járókelőt, hogy adja oda a pénztárcáját?

3. más miatt aggódunk

Sajnálatos módon a riasztók a közvélemény félelmeivel kapcsolatos, a Terminátoron, valamint Clark és Kubrick híres HAL 9000-én felhozott spekulációi eredményeként az AI biztonság fókuszában eltolódik a valószínűtlen, de látványos forgatókönyvek elemzése. Ugyanakkor a valódi veszélyek is kikerülnek a szemünk elől.

Minden kellően összetett technológia, amely azt állítja, hogy fontos helyet foglal el technológiai környezetünkben, bizonyosan sajátos kockázatokat rejt magában. Sok életet tönkretettek a gőzgépek – a gyártás, a szállítás és így tovább – mielőtt hatékony biztonsági szabályokat és intézkedéseket vezettek be.

Ha az alkalmazott mesterséges intelligencia területén elért haladásról beszélünk, akkor az ezzel kapcsolatos problémára, az úgynevezett „Digitális Titkos Bíróságra” figyelhetünk fel. Egyre több alkalmazott AI-rendszer hoz döntéseket az emberek életét és egészségét érintő kérdésekben. Ebbe beletartoznak az orvosi diagnosztikai rendszerek, és például azok a rendszerek, amelyek a bankokban döntenek arról, hogy kiadnak-e vagy sem kölcsönt az ügyfélnek.

Ugyanakkor az alkalmazott modellek felépítése, a felhasznált tényezők összessége, a döntéshozatali eljárás egyéb részletei rejtve maradnak az előtt, akinek a sorsa forog kockán.

Az alkalmazott modellek döntéseiket olyan szakértő tanárok véleményére alapozhatják, akik szisztematikusan hibáztak, vagy bizonyos előítéletekkel – faji, nemi – rendelkeztek.

Az ilyen szakértők döntéseire kiképzett mesterséges intelligencia lelkiismeretesen reprodukálja ezeket az előítéleteket döntéseiben. Végül is ezek a modellek bizonyos hibákat tartalmazhatnak.

Ma már kevesen foglalkoznak ezekkel a problémákkal, mert az atomháborút kirobbantó SkyNet persze sokkal látványosabb.

A neurális hálózatok mint "forró trend"

Egyrészt a neurális hálózatok az egyik leginkább vintage modellek mesterséges intelligencia rendszerek létrehozására használják. Kezdetben a bionikus megközelítés alkalmazása következtében jelentek meg, de gyorsan elmenekültek biológiai prototípusaik elől. Ez alól az egyetlen kivételt az impulzus-neurális hálózatok jelentik (az iparban azonban még nem találtak széles körű alkalmazást).

Az elmúlt évtizedek előrehaladása a mély tanulási technológiák fejlődéséhez kapcsolódik – egy olyan megközelítés, amelyből a neurális hálózatokat összeállítják egy nagy szám rétegek, amelyek mindegyike bizonyos szabályos minták alapján épül fel.

Az új neurális hálózati modellek létrehozása mellett a tanulási technológiák területén is jelentős előrelépés történt. A neurális hálózatok oktatása ma már nem a számítógépek központi processzorainak segítségével, hanem speciális, gyors mátrix- és tenzorszámításra képes processzorok használatával történik. Manapság az ilyen eszközök leggyakoribb típusa a videokártya. Aktívan fejlesztenek azonban még speciálisabb eszközöket a neurális hálózatok képzésére.

Általánosságban elmondható, hogy a neurális hálózatok ma az egyik fő technológiát jelentik a gépi tanulás területén, aminek számos, korábban nem kielégítően megoldott probléma megoldását köszönhetjük. Másrészt persze meg kell értened, hogy a neurális hálózatok nem csodaszer. Egyes feladatokhoz messze nem a leghatékonyabb eszköz.

Tehát mennyire okosak a mai robotok?

Minden relatív. A 2000-es év technológiáinak hátterében a mostani eredmények igazi csodának tűnnek. Mindig lesznek olyanok, akik szeretnek morogni. 5 éve még erősen beszéltek arról, hogy a gépek soha nem fogják legyőzni az embereket a Go-ban (vagy legalábbis nem fognak egyhamar nyerni). Azt mondták, hogy egy gép soha nem tudna a semmiből képet rajzolni, míg ma az emberek gyakorlatilag nem tudnak különbséget tenni a gépekkel készített képek és a számára ismeretlen művészek festményei között. Tavaly év végén a gépek megtanulták szintetizálni az embertől szinte megkülönböztethetetlen beszédet, utóbbi évek a fülek nem hervadnak el a gépek által keltett zenétől.

Lássuk, mi lesz holnap. Nagy optimizmussal tekintek az AI ezen alkalmazásaira.

Ígéretes útmutatások: hol kezdjem el a búvárkodást az AI területén?

Azt tanácsolom, hogy próbálja meg jó szinten elsajátítani az egyik népszerű neurális hálózati keretrendszert és a gépi tanulás területén népszerű programozási nyelvek egyikét (ma a legnépszerűbb a TensorFlow + Python).

Miután elsajátította ezeket az eszközöket, és ideális esetben erős bázissal rendelkezik a matematikai statisztika és valószínűségszámítás területén, erőfeszítéseit arra a területre kell irányítania, amely személyesen a legérdekesebb lesz.

A munka tárgya iránti érdeklődés az egyik legfontosabb asszisztense.

Különféle területeken van szükség gépi tanulással foglalkozó szakemberekre – az orvostudományban, a bankszektorban, a tudományban, a gyártásban, így ma egy jó szakembernek több választási lehetősége van, mint valaha. Számomra jelentéktelennek tűnnek ezen iparágak lehetséges előnyei ahhoz képest, hogy a munka örömet okoz.