Vizualizarea comună și recurentă a ultimelor descoperiri în cercetarea informațiilor artificiale este aceea că mașinile inteligente și inteligente sunt la orizont. Mașinile înțeleg comenzile verbale, disting imaginile, conduc mașinile și joacă jocuri mai bine decât noi. Cât poate fi mai mult înainte să se plimbe printre noi?
Noul raport al Casei Albe despre inteligența artificială are o viziune sceptică adecvată asupra acestui vis. Acesta spune că următorii 20 de ani nu vor vedea că utilajele „vor expune informații aplicabile pe scară largă comparabile cu sau mai mari decât cele ale oamenilor”, deși continuă să spun că în următorii ani, „mașinile vor atinge și vor depăși performanțele umane pe mai mult și mai multe sarcini. " Dar presupunerile sale despre cum se vor dezvolta aceste capacități au ratat câteva puncte importante.
În calitate de cercetător AI, voi recunoaște că a fost frumos să îmi evidențiez propriul domeniu la cel mai înalt nivel al guvernului american, dar raportul s-a concentrat aproape exclusiv pe ceea ce numesc „tipul plictisitor de AI”. A respins în jumătate de frază ramura mea de cercetare AI, modul în care evoluția poate contribui la dezvoltarea sistemelor de AI în continuă îmbunătățire și cum modelele de calcul ne pot ajuta să înțelegem cum a evoluat inteligența noastră umană.
Raportul se concentrează asupra a ceea ce ar putea fi numite instrumente de AI mainstream: învățare automată și învățare profundă. Acestea sunt tipurile de tehnologii care au putut juca "Jeopardy!" bine, și bate-i pe maeștrii umani Go la cel mai complicat joc inventat vreodată. Aceste sisteme inteligente actuale sunt capabile să gestioneze cantități uriașe de date și să facă calcule complexe foarte rapid. Dar le lipsește un element care va fi esențial pentru construirea mașinilor sensibile pe care le imaginăm în viitor.
Trebuie să facem mai mult decât să învățăm mașinile să învețe. Trebuie să depășim granițele care definesc cele patru tipuri diferite de inteligență artificială, barierele care separă mașinile de noi - și de noi.
AI de tip I: Mașini reactive
Cele mai de bază tipuri de sisteme de AI sunt pur reactive și nu au capacitatea de a forma amintiri și nici de a folosi experiențe trecute pentru a informa deciziile actuale. Deep Blue, supercomputerul jocului de șah al IBM, care l-a bătut pe maestrul internațional Garry Kasparov la sfârșitul anilor 1990, este exemplul perfect al acestui tip de mașină.
Deep Blue poate identifica piesele de pe o tablă de șah și poate ști cum se mișcă fiecare. Poate face predicții despre ce mișcări ar putea fi următorul pentru acesta și adversarul său. Și poate alege cele mai optime mutări dintre posibilități.
Dar nu are niciun concept al trecutului și nici o amintire a ceea ce s-a întâmplat înainte. În afară de o regulă specifică de șah folosită rar împotriva repetării aceleiași mișcări de trei ori, Deep Blue ignoră totul înainte de momentul prezent. Tot ce trebuie să faceți este să priviți piesele de pe tablă de șah așa cum se află acum, și să alegeți dintre posibile mișcări viitoare.
Acest tip de inteligență implică computerul să perceapă lumea direct și să acționeze asupra a ceea ce vede. Nu se bazează pe un concept intern de lume. Într-o lucrare seminală, cercetătorul AI, Rodney Brooks, a susținut că ar trebui să construim doar mașini de acest fel. Motivul său principal a fost acela că oamenii nu sunt foarte buni în programarea lumilor simulate exacte pentru calculatoarele pe care să le folosească, ceea ce se numește în bursa AI o „reprezentare” a lumii.
Mașinile inteligente actuale de care ne minunăm, fie nu au un astfel de concept despre lume, fie sunt foarte limitate și specializate pentru sarcinile sale particulare. Inovația în proiectarea Deep Blue nu a fost de a lărgi gama de filme posibile pe care computerul le-a avut în vedere. Mai degrabă, dezvoltatorii au găsit o modalitate de a-și restrânge viziunea, de a înceta să urmărească unele mișcări potențiale viitoare, pe baza modului în care a evaluat rezultatul lor. Fără această abilitate, Deep Blue ar fi trebuit să fie un computer și mai puternic, care să bată efectiv Kasparov.
În mod similar, AlphaGo de la Google, care a bătut experți umani de top, nu poate evalua toate mișcările viitoare potențiale. Metoda sa de analiză este mai sofisticată decât cea a lui Deep Blue, folosind o rețea neuronală pentru a evalua evoluția jocului.
Aceste metode îmbunătățesc capacitatea sistemelor AI de a juca mai bine jocuri specifice, dar nu pot fi ușor schimbate sau aplicate în alte situații. Aceste imaginații computerizate nu au niciun concept despre lumea largă - ceea ce înseamnă că nu pot funcționa dincolo de sarcinile specifice care le sunt atribuite și sunt ușor păcălite.
Nu pot participa în mod interactiv în lume, așa cum ne imaginăm sistemele AI într-o zi. În schimb, aceste mașini se vor comporta exact la fel, de fiecare dată când se vor confrunta cu aceeași situație. Acest lucru poate fi foarte bun pentru a asigura un sistem AI este de încredere: doriți ca mașina dvs. autonomă să fie un șofer de încredere. Dar este rău dacă vrem ca mașinile să se angajeze cu adevărat și să răspundă cu lumea. Aceste sisteme AI cele mai simple nu vor fi niciodată plictisite, nici interesate sau triste.
AI de tip II: memorie limitată
Această clasă de tip II conține mașini care pot privi în trecut. Mașinile cu autovehicule fac deja unele dintre acestea. De exemplu, ei observă viteza și direcția altor mașini. Acest lucru nu poate fi făcut într-un singur moment, ci necesită mai degrabă identificarea obiectelor specifice și monitorizarea lor în timp.
Aceste observații se adaugă reprezentărilor lumii preprogramate ale mașinilor cu autovehicule, care includ, de asemenea, marcaje pe benzi, semafoare și alte elemente importante, cum ar fi curbele din drum. Sunt incluse atunci când mașina decide când să schimbe benzile, pentru a evita tăierea unui alt șofer sau a fi lovită de o mașină din apropiere.
Dar aceste informații simple despre trecut sunt doar trecătoare. Nu sunt salvate ca parte a bibliotecii auto a experienței pe care o poate învăța, modul în care șoferii umani acumulează experiență de-a lungul anilor la volan.
Deci, cum putem construi sisteme AI care să creeze reprezentări complete, să-și amintească experiențele și să învețe cum să gestionezi noi situații? Brooks avea dreptate prin faptul că este foarte dificil să faci acest lucru. Cercetările mele asupra metodelor inspirate de evoluția darwiniană pot începe să remedieze deficiențele umane, lăsând mașinile să-și construiască propriile reprezentări.
AI de tip III: teoria minții
Ne-am putea opri aici și putem numi acest punct diferența importantă între mașinile pe care le avem și mașinile pe care le vom construi în viitor. Cu toate acestea, este mai bine să fie mai specific pentru a discuta despre tipurile de reprezentări pe care trebuie să le formeze mașini și despre ce trebuie să fie acestea.
Mașinile din clasa următoare, mai avansate, nu numai că formează reprezentări despre lume, ci și despre alți agenți sau entități din lume. În psihologie, aceasta se numește „teoria minții” - înțelegerea faptului că oamenii, creaturile și obiectele din lume pot avea gânduri și emoții care afectează propriul comportament.
Acest lucru este crucial pentru modul în care noi, oamenii, am format societăți, deoarece ne-au permis să avem interacțiuni sociale. Fără a înțelege reciproc motivele și intențiile și fără a ține cont de ceea ce altcineva știe despre mine sau despre mediu, lucrul împreună este cel mai dificil, în cel mai rău caz imposibil.
Dacă sistemele de AI vor merge într-adevăr printre noi, vor trebui să înțeleagă că fiecare dintre noi are gânduri, sentimente și așteptări pentru modul în care vom fi tratați. Și vor trebui să își regleze comportamentul în consecință.
AI de tip IV: Conștientizarea de sine
Ultimul pas al dezvoltării AI este de a construi sisteme care pot forma reprezentări despre ei înșiși. În cele din urmă, noi cercetătorii AI vor trebui să nu numai să înțeleagă conștiința, ci să construiască mașini care o au.
Aceasta este, într-un anumit sens, o extindere a „teoriei minții” posedată de inteligențele artificiale de tip III. Conștiința este denumită și „conștientizarea de sine” dintr-un motiv. („Vreau acel articol” este o afirmație foarte diferită de „Știu că vreau acel articol.”) Ființele conștiente sunt conștiente de ele însele, știu despre stările lor interne și sunt capabile să prezică sentimentele celorlalți. Presupunem că cineva care face cinste în spatele nostru în trafic este supărat sau nerăbdător, pentru că așa ne simțim atunci când facem cinste altora. Fără o teorie a minții, nu am putea face acele tipuri de inferențe.
Deși probabil suntem departe de a crea mașini care sunt conștiente de sine, ar trebui să ne concentrăm eforturile spre înțelegerea memoriei, a învățării și a capacității de a baza decizii pe experiențe trecute. Acesta este un pas important pentru a înțelege inteligența umană de unul singur. Și este crucial dacă dorim să proiectăm sau să evoluăm mașini care sunt mai mult decât excepționale la clasificarea a ceea ce văd în fața lor.
Arend Hintze, profesor asistent de biologie integrantă și informatică și inginerie, Universitatea de Stat din Michigan
