За да се развие, изкуственият интелект трябва да се изправи пред собствените си ограничения

За да се развие, изкуственият интелект трябва да се изправи пред собствените си ограничения

От медицински изображения и езиков превод до лицево разпознаване и самоуправляващи се автомобили, примери за изкуствен интелект (ИИ) са навсякъде. И нека си го кажем направо: въпреки че не са перфектни, възможностите на ИИ са доста впечатляващи.

Дори нещо толкова просто и рутинно на пръв поглед като търсенето в Гугъл представлява един от най-успешните примери за ИИ, способен да търси много повече информация с много по-висока скорост, отколкото е възможно за който и да е човек и последователно да предоставя резултати, които са (поне през повечето време) точно това, което търсим.

Проблемът с всички тези примери за изкуствен интелект обаче е, че изкуственият интелект в действителност всъщност не е толкова интелигентен. Докато днешният ИИ може да прави някои необикновени неща, функционалността, залегнала в неговите постижения, работи чрез анализиране на масивни набори от данни и търсене на модели и корелации, без да разбира данните, които обработва. В резултат на това, една система за изкуствен интелект, разчитаща на днешните алгоритми за изкуствен интелект и изискваща хиляди маркирани проби, създава само бегъл вид на интелигентност. Липсва обаче, никакво истинско разбиране и здрав разум. Ако не ми вярвате, просто задайте на ботът за обслужване на клиенти въпрос, който е извън сценария. С други думи, на изкуствения интелект днес му липсва способността да се справя с непредвидими ситуации.

Основният недостатък на ИИ може да се проследи до принципното предположение, което е в основата на повечето разработки на ИИ през последните 50 години, а именно, че ако трудни проблеми, изискващи интелигентност могат да бъдат решени, то простите проблеми няма да са пречка и ще се решат сами. Това се оказа невярно.

През 1988 г. специалистът по роботика от Carnegie Mellon, Ханс Моравец, пише: „Сравнително лесно е да накарате компютрите да показват производителност на ниво възрастен при тестове за интелигентност или игра на дама и е трудно или невъзможно да им дадете уменията на едногодишно дете, когато става въпрос за възприятие и мобилност.“ С други думи, трудните проблеми се оказват по-лесни за решаване и това, което изглежда като прост проблем, може да бъде непосилно трудно.

Две други предположения, които изиграха важна роля в развитието на ИИ, също се оказаха неверни:

– Първо, приемаше се, че ако бъдат изградени достатъчно тесни приложения за изкуствен интелект (т.е. приложения, които могат да решат конкретен проблем с помощта на ИИ техники), с времето те ще прераснат заедно в някаква форма на обща интелигентност. Тесните ИИ приложения обаче, не съхраняват информация в обобщена форма и не могат да бъдат използвани от други тесни ИИ приложения за разширяване на тяхната функционалност. Така че, докато свързването на приложения за, да речем, езикова обработка и обработка на изображения, може да е възможно, тези приложения не могат да бъдат интегрирани по същия начин, по който човешко дете интегрира слуха и зрението, например.

– Второ, някои изследователи на ИИ предположиха, че ако може да се изгради достатъчно голяма система за машинно обучение с достатъчно компютърна мощност, тя спонтанно ще проявява общ интелект. Както експертните системи, които се опитват да уловят знанията в конкретна област, ясно демонстрират, просто е невъзможно да се създадат достатъчно случаи и примерни данни, за да се преодолее основната липса на разбиране на системата.

Ако ИИ индустрията знае, че ключовите предположения, които е направила при разработката, са се оказали неверни, защо никой не е предприел необходимите стъпки, за да ги преодолее по начин, който насърчава истинското мислене при ИИ?

Отговорът се намира в основния конкурент на ИИ: нека я наречем Лили. Тя е на около три години и вече знае много неща, които никой ИИ не прави и може да реши проблеми, които ИИ не може. Когато се замислите за това, много от проблемите, които имаме с ИИ днес, са неща, които всяко тригодишно дете може да направи.

Помислете за знанията, необходими на Лили, за да подреди група блокчета. На фундаментално ниво детето разбира, че блоковете (или всякакви други физически обекти) съществуват в 3D свят. Тя знае, че те съществуват, дори когато не може да ги види. Тя знае, че те имат набор от физически свойства като тегло, форма и цвят. Тя знае, че не може да подреди повече блокове върху малък кръгъл блок и повече върху по-голям квадратен блок. Тя разбира причинно-следствените връзки и хода на времето. Тя знае, че първо трябва да построи кула от блокове, преди да може да я събори. С други думи, мозъкът на Лили има достатъчно неврони и достатъчно опитност, за да изгради комплексна асоциативна памет, която да се справи с причинно-следствените връзки и възникнали непредвидени променливи и ситуации.

Какво общо има Лили с ИИ индустрията?

Лили има това, което липсва на днешния ИИ. Тя притежава ситуационно осъзнаване и контекстуално разбиране. Биологичният мозък на Лили е в състояние да интерпретира всичко, с което се сблъска, в контекста на всичко останало, което е научил преди. По-важното е, че тригодишната Лили ще стане на четири години, на пет години, на 10 години и т.н. Накратко, тригодишната Лили по същество притежава способностите да израсне до напълно функциониращ, интелигентен възрастен. Това е, което ИИ не притежава.

В рязък контраст, ИИ анализира масивни набори от данни, търсейки модели и корелации, без да разбира нищо в данните, които обработва. Дори новите „невроморфни“ чипове разчитат на способности, отсъстващи в биологията.

За да може днешният ИИ да преодолее присъщите си ограничения и да се развие до следващата си фаза – определена като изкуствен общ интелект (ИОИ) – той трябва да може да разбере или научи всяка интелектуална задача, която човекът може. С други думи, трябва да достигне съзнание. Това ще му позволи постоянно да развива интелигентността и способностите си по същия начин, по който едно човешко тригодишно дете израства, за да притежава интелигентността на четиригодишно дете и в крайна сметка на 10-годишно дете, 20-годишно дете и т.н.

За съжаление, изследванията, необходими за хвърляне на светлина върху това, което в крайна сметка ще бъде необходимо, за да се възпроизведе контекстуалното разбиране на човешкия мозък, което позволява на ИИ да постигне истинско съзнание, е малко вероятно да получи финансиране. Защо не? Много просто, никой — поне никой досега — не е бил готов да вложи милиони долари и години за развитие на приложение на изкуствения интелект, което може да направи това, което всяко тригодишно дете може да прави.

И това неизбежно ни връща към заключението, че днешният изкуствен интелект наистина не е толкова интелигентен. Разбира се, това няма да попречи на много компании за изкуствен интелект да се хвалят, че техните ИИ приложения „работят точно като мозъка ви“. Но истината е, че те биха били по-близо до целта, ако признаят, че техните приложения се основават на един алгоритъм – обратно разпространение – и представляват мощен статистически метод. За съжаление истината просто не е толкова интересна (или печаливша), колкото „работи като мозъка ви“.

За авторът

Георги Петров
Георги Петров
Георги е дългогодишен експерт в областта на информационните технологии, специализиран в архитектурния дизайн на компютърни среди и цялостни решения. В допълнение към професионалната си работа, Георги се интересува от решения за устойчив дизайн на обществото, насочени към решаване на проблемите, пред които е изправен светът и разработването на цялостни решения за устойчив дизайн, чрез хуманното прилагане и използване на системен подход, наука и технологии в социален аспект.
0 0 votes
Вашата оценка?
Subscribe
Notify of
0 Коментари
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x