4 nejčastější omyly o umělé inteligenci

Historie AI se opakovaně vyznačuje cykly extrémního optimismu a příslibů, po nichž následuje rozčarování a zklamání. Dnešní systémy AI dokážou řešit složité úlohy v široké škále oblastí, jako je matematika, hry a fotorealistické generování obrazu. Některé z prvních cílů umělé inteligence, jako jsou robotické hospodyně a samořídící automobily, se však s přibývajícím časem stále vzdalují. S jakými dalšími omyly se v AI setkáváme?

 

Magazín

 

Podle Melanie Mitchellové, Davisovy profesorky komplexity na Santa Fe Institute a autorky knihy Artificial Intelligence, je část pokračujícího cyklu nedosažení těchto cílů způsobena nesprávnými předpoklady o umělé inteligenci a přirozené inteligenci.

Ve svém článku nazvaném "Proč je umělá inteligence těžší, než si myslíme" Mitchellová uvádí čtyři běžné omyly o AI, které způsobují nedorozumění nejen mezi veřejností a médii, ale i mezi odborníky. Tyto omyly vyvolávají falešný pocit jistoty, jak blízko jsme k dosažení umělé obecné inteligence, tedy systémů AI, které se mohou vyrovnat kognitivním a obecným schopnostem řešení problémů člověka.

 

Úzká umělá inteligence a obecná umělá inteligence nejsou na stejné škále

Druh umělé inteligence, který máme dnes k dispozici, může být velmi dobrý v řešení úzce vymezených problémů. Dokážou překonat člověka ve hře Go a šachy, s pozoruhodnou přesností najít rakovinné vzory na rentgenových snímcích a převést zvuková data na text. Navrhování systémů, které dokáží řešit jednotlivé problémy, nás však nemusí nutně přiblížit k řešení složitějších problémů.

Dnešní systémy pro zpracování přirozeného jazyka urazily dlouhou cestu k řešení mnoha různých problémů, jako je překlad, generování textů a zodpovídání otázek na konkrétní problémy. Zároveň máme systémy hlubokého učení, které dokáží převádět hlasová data na text v reálném čase.

Za každým z těchto úspěchů stojí tisíce hodin výzkumu a vývoje (a miliony dolarů vynaložených na výpočetní techniku a data). Komunita AI však stále nevyřešila problém vytvoření agentů, kteří by se dokázali zapojit do otevřených konverzací, aniž by na dlouhých úsecích ztratili souvislost. Takový systém vyžaduje víc než jen řešení menších problémů; vyžaduje zdravý rozum, což je jeden z klíčových nevyřešených problémů umělé inteligence.

 

 

Snadné věci se těžko automatizují

Pokud jde o člověka, očekávali bychom, že inteligentní člověk bude dělat těžké věci, které vyžadují roky studia a praxe. Příkladem mohou být úlohy, jako je řešení problémů z matematiky a fyziky, hraní šachů na úrovni velmistra nebo zapamatování si spousty básní.

Desítky let výzkumu umělé inteligence však prokázaly, že těžké úkoly, tedy ty, které vyžadují vědomou pozornost, lze snáze automatizovat. Právě snadné úlohy, věci, které považujeme za samozřejmé, se automatizují obtížně. Mitchell popisuje druhý omyl jako "snadné věci jsou snadné a těžké věci jsou těžké".

Věci, které my lidé děláme bez velkého přemýšlení - pohled na svět a pochopení toho, co vidíme, vedení rozhovoru, chůze po přeplněném chodníku, aniž bychom do někoho vrazili - se pro stroje ukazují jako nejtěžší úkoly.

Naopak je často snazší přimět stroje, aby dělaly věci, které jsou pro člověka velmi obtížné: například řešení složitých matematických problémů, zvládnutí her, jako jsou šachy, a překládání vět mezi stovkami jazyků se ukázalo být pro stroje relativně snadnější.

 

 

Vezměme si například vidění. Během miliard let se u organismů vyvinuly složité aparáty pro zpracování světelných signálů. Zvířata používají zrak k pozorování okolních objektů, navigaci v okolí, hledání potravy, odhalování hrozeb a k mnoha dalším úkolům, které jsou nezbytné pro jejich přežití.

My lidé jsme všechny tyto schopnosti zdědili po svých předcích a používáme je bez vědomého přemýšlení. Základní mechanismus je však skutečně složitější než velké matematické vzorce, které nás frustrují po celou střední a vysokou školu.

Stále však nemáme počítačové systémy vidění, které by byly zdaleka tak všestranné jako lidské vidění. Podařilo se nám vytvořit umělé neuronové sítě, které zhruba napodobují části zvířecího a lidského zrakového systému, jako je detekce objektů a segmentace obrazu. Jsou však křehké, citlivé na mnoho různých druhů poruch a nedokážou napodobit celý rozsah úkolů, které dokáže biologické vidění.

Další oblastí, která se ukázala jako velmi obtížná, jsou senzomotorické dovednosti, které si lidé osvojují bez explicitního tréninku. Vzpomeňte si, jak zacházíte s předměty, chodíte, běháte a skáčete. To jsou úkoly, které zvládnete bez vědomého přemýšlení. Ve skutečnosti můžete při chůzi dělat i jiné věci, například poslouchat podcast nebo telefonovat. Tyto druhy dovedností však zůstávají pro současné systémy umělé inteligence velkou a nákladnou výzvou.

 

 

Antropomorfizace AI nepomáhá

Oblast umělé inteligence je plná slovníku, který staví software na stejnou úroveň jako lidskou inteligenci. K popisu fungování algoritmů AI používáme výrazy jako "učit se", "rozumět", "číst" a "myslet". Tyto antropomorfní výrazy sice často slouží jako zkratky, které pomáhají vyjádřit složité softwarové mechanismy, ale mohou nás svádět k domněnce, že současné systémy umělé inteligence pracují stejně jako lidská mysl.

Mitchell tento omyl nazývá "lákadlem zbožných přání". Takové zkratky mohou být zavádějící pro veřejnost, která se snaží tyto výsledky pochopit.

 

Umělá inteligence bez těla

Může inteligence existovat izolovaně od bohaté fyzické zkušenosti se světem? To je otázka, nad kterou si vědci a filozofové lámou hlavu již po staletí.

Jedna myšlenková škola se domnívá, že inteligence je celá v mozku a lze ji oddělit od těla. Mitchell ji nazývá mylnou teorií "Inteligence je celá v mozku". Podle tohoto názoru můžeme se správnými algoritmy a daty vytvořit umělou inteligenci, která bude žít v serverech a vyrovná se lidské inteligenci. Pro zastánce tohoto způsobu myšlení, zejména pro ty, kteří podporují přístupy založené čistě na hlubokém učení, závisí dosažení obecné umělé inteligence na shromažďování správného množství dat a vytváření stále větších neuronových sítí.

Mezitím přibývá důkazů, že tento přístup je odsouzen k neúspěchu. Lidský a zvířecí mozek se vyvíjel spolu se všemi ostatními tělesnými orgány s konečným cílem zvýšit šance na přežití. Naše inteligence je úzce spjata s limity a schopnostmi našich těl.

Neurovědecký výzkum naznačuje, že nervové struktury řídící poznávání jsou bohatě propojeny se strukturami řídícími smyslové a motorické systémy a že abstraktní myšlení využívá nervové mapy založené na těle. A ve skutečnosti přibývá důkazů a výzkumů, které dokazují, že zpětná vazba z různých smyslových oblastí mozku ovlivňuje naše vědomé i nevědomé myšlenky.

 

 

Zdravý rozum v umělé inteligenci

Vývoj obecné umělé inteligence vyžaduje úpravu našeho chápání inteligence jako takové. Stále se snažíme definovat, co je to inteligence a jak ji měřit u umělých a přirozených bytostí.

Zdravý rozum zahrnuje znalosti, které získáváme o světě a bez většího úsilí je každý den používáme. Mnohé se naučíme, aniž bychom byli výslovně poučeni, a to tím, že v dětství zkoumáme svět. Patří mezi ně pojmy jako prostor, čas, gravitace a fyzikální vlastnosti předmětů.

Dítě se například již v útlém věku naučí, že když se nějaký předmět zakryje za jiným, nezmizel a existuje dál atd. Tyto znalosti používáme k vytváření mentálních modelů světa, k vyvozování kauzálních závěrů a k předpovídání budoucích stavů se slušnou přesností.

Tento druh znalostí dnešním systémům umělé inteligence chybí, což je činí nepředvídatelnými a náročnými na data. Úklid domácnosti a řízení auta, dvě aplikace AI zmíněné na začátku tohoto článku, jsou ve skutečnosti věci, které se většina lidí naučí zdravým rozumem a trochou praxe.

 

Tip! Český startup Somnium Space vás zve do své virtuální říše. Točí se v něm miliardy

 

 

Připravil: Radek Svoboda

Sdílet: