Pada bulan Mac 2016, algoritma komputer DeepMind AlphaGo berjaya mengalahkan Lee Sedol, yang merupakan pemain teka-teki terbaik di dunia. Acara ini menjadi salah satu momen yang menentukan dalam sejarah industri teknologi, yang pada satu masa menjadi kemenangan komputer Deep Blue oleh IBM ke atas juara catur dunia Garry Kasparov, dan kemenangan komputer super Watson dari IBM yang sama dalam kuiz Jeopardy pada tahun 2011.
Namun, di sebalik kemenangan ini, yang mengesankan, ia lebih kepada algoritma latihan dan penggunaan kuasa pengkomputeran mentah daripada kecerdasan buatan yang sebenar. Bekas profesor robotik MIT Rodney Brooks, yang bersama-sama mengasaskan iRobot dan kemudian Rethink Robotics, mengatakan bahawa mempelajari algoritma untuk memainkan teka-teki strategi yang kompleks bukanlah kepintaran. Sekurang-kurangnya bukan cara kita membayangkannya untuk seseorang.
Pakar menjelaskan bahawa tidak kira seberapa kuatnya AlphaGo dalam menyelesaikan tugas yang diberikan kepadanya, sebenarnya dia tidak mampu melakukan perkara lain. Lebih-lebih lagi, dia bersiap untuk hanya bermain Go pada nada standar 19 x 19. Dalam wawancara dengan TechCrunch, Brooks membincangkan bagaimana dia baru-baru ini berpeluang untuk berbual dengan pasukan DeepMind dan mengetahui perincian yang menarik. Ditanya apa yang akan berlaku sekiranya pihak penganjur mengubah ukuran papan go dan meningkatkannya menjadi 29 x 29 kotak, pasukan AlphaGo mengakui kepadanya bahawa walaupun sedikit perubahan di padang permainan akan menyebabkan fakta bahawa "kita sudah selesai."
Saya fikir orang melihat seberapa baik algoritma melakukan satu perkara, dan mereka nampaknya segera menganggap ia dapat melakukan yang lain dengan berkesan. Tetapi intinya adalah, dia tidak bisa,”komentar Brooks.
Kecerdasan kasar
Pada bulan Mei tahun ini, dalam wawancara dengan Davin Coldway di TechCrunch Disrupt, Kasparov menyatakan bahawa mengembangkan komputer yang mampu bermain catur di peringkat global adalah satu perkara, tetapi memanggil komputer seperti itu sebagai kecerdasan buatan tulen, kerana tidak, adalah sesuatu yang lain. Ia hanya mesin yang menggunakan semua kekuatan pengkomputerannya untuk menyelesaikan masalah yang biasa dilakukannya dengan sebaik mungkin.
Dalam catur, mesin menang kerana kekuatan pengiraan yang mendalam. Mereka boleh menjadi tidak terkalahkan dengan pangkalan data yang besar, perkakasan yang sangat pantas dan algoritma yang lebih logik. Namun, mereka kurang memahami. Mereka tidak mengenali corak strategik. Mesin tidak mempunyai tujuan,”kata Kasparov.
Video promosi:
Gil Pratt, CEO Toyota Institute, bahagian AI dan AI Toyota dalam robot rumah dan kereta memandu sendiri, juga bercakap dengan TechCrunch di Sesi Robotik. Menurut pendapatnya, ketakutan yang kita dengar dari pelbagai orang, termasuk Elon Musk, yang baru-baru ini menyebut kecerdasan buatan sebagai "ancaman eksistensial bagi kemanusiaan", boleh disebabkan oleh penjelasan dunia yang dystopian yang ditawarkan fiksyen sains kepada kita.
“Sistem pembelajaran mendalam kami saat ini hanya mampu melaksanakan tugas yang diberikan seperti yang telah kami rancang. Tetapi pada hakikatnya, mereka cukup khusus dan berskala kecil. Oleh itu, saya menganggap penting setiap kali dalam konteks topik ini untuk menyebutkan betapa baiknya dan seberapa tidak berkesannya sebenarnya. Dan sejauh mana kita berada dari titik di mana sistem ini dapat mulai menimbulkan ancaman yang dibincangkan oleh Elon Musk dan yang lain,”komentar Pratt.
Brooks, pada gilirannya, pada Sesi Robotik TechCrunch menyatakan bahawa ada kecenderungan di kalangan orang pada umumnya untuk mempercayai bahawa jika algoritma dapat mengatasi tugas "X", maka ia kelihatan sama pintarnya dengan seseorang.
"Saya rasa alasan orang, termasuk Elon Musk, melakukan kesalahan ini adalah ini. Apabila kita melihat seseorang melakukan pekerjaan yang sangat baik dengan tugas yang diberikan kepadanya, kita memahami bahawa dia mempunyai kecekapan tinggi dalam hal ini. Nampaknya saya cuba menggunakan model yang sama untuk pembelajaran mesin. Dan di sinilah terletak kesilapan terbesar, "kata Brooks.
Ketua Pegawai Eksekutif Facebook Mark Zuckerberg mengadakan siaran langsung Ahad lalu, di mana dia juga mengkritik komen Elon Musk, menyebutnya "agak tidak bertanggungjawab." Menurut Zuckerberg, AI akan dapat memperbaiki kehidupan kita dengan ketara. Musk, pada gilirannya, memutuskan untuk tidak berdiam diri dan menjawab kepada Zuckerberg bahawa dia "memahami terhad" tentang AI. Topik itu belum ditutup, dan Musk berjanji sedikit masa lagi untuk memberi respons lebih terperinci terhadap serangan rakan sekerja dalam industri IT.
By the way, Musk bukan satu-satunya yang percaya bahawa AI dapat menimbulkan ancaman yang berpotensi. Ahli fizik Stephen Hawking dan ahli falsafah Nick Bostrom juga menyatakan keprihatinan mereka mengenai potensi kecerdasan buatan untuk menembus cara hidup manusia. Tetapi, kemungkinan besar, mereka bercakap mengenai kecerdasan buatan yang lebih umum. Mengenai apa yang dipelajari di makmal seperti Facebook AI Research, DeepMind dan Maluuba, dan bukannya AI yang lebih khusus, permulaan pertama yang dapat kita lihat hari ini.
Brooks juga menyatakan bahawa banyak pengkritik AI bahkan tidak bekerja di kawasan ini, dan mencadangkan bahawa orang-orang ini tidak memahami betapa sukarnya mencari jalan keluar untuk setiap masalah individu di kawasan ini.
“Sebenarnya, tidak banyak orang yang menganggap AI sebagai ancaman eksistensial. Stephen Hawking, ahli astrofizik dan astronomi Britain, Martin Rees … dan beberapa yang lain. Ironinya ialah kebanyakan mereka mempunyai satu kesamaan - mereka bahkan tidak bekerja dalam bidang kecerdasan buatan,”kata Brooks.
"Bagi kita yang bekerja dengan AI, sangat jelas betapa sukarnya mendapatkan sesuatu untuk bekerja pada tahap produk siap."
Kesalahan AI
Sebahagian daripada masalah juga datang dari kenyataan bahawa kita menyebut semua ini "kecerdasan buatan." Yang benar adalah bahawa "kecerdasan" ini sama sekali tidak menyerupai kepintaran manusia, yang biasanya digambarkan dalam buku rujukan dan kamus perbendaharaan kata sebagai "kemampuan untuk belajar, memahami dan menyesuaikan diri dengan situasi baru."
Pascal Kaufman, Ketua Pegawai Eksekutif Starmind, syarikat permulaan yang membantu syarikat lain menggunakan kepintaran manusia kolektif untuk mencari penyelesaian terhadap masalah perniagaan, telah mempelajari ilmu saraf selama 15 tahun terakhir. Otak manusia dan komputer, kata Kaufman, berfungsi dengan sangat berbeza, dan akan menjadi kesalahan yang jelas untuk membandingkannya.
"Analogi - otak berfungsi seperti komputer - sangat berbahaya dan menghalangi kemajuan AI," kata Kaufman.
Pakar itu juga percaya bahawa kita tidak akan maju dalam memahami kecerdasan manusia jika kita mempertimbangkannya dari segi teknologi.
Ini adalah kesalahpahaman bahawa algoritma berfungsi seperti otak manusia. Orang hanya menyukai algoritma, dan oleh itu mereka fikir otak dapat digambarkan dengan pertolongan mereka. Saya rasa ini pada dasarnya salah,”tambah Kaufman.
Sekiranya ada yang tidak kena
Terdapat banyak contoh di mana algoritma AI tidak begitu pintar seperti yang biasa kita fikirkan. Dan salah satu yang paling terkenal adalah algoritma AI Tay, yang dibuat oleh pasukan pembangunan sistem AI Microsoft dan tidak terkawal tahun lalu. Tidak sampai satu hari untuk mengubah bot menjadi perkauman sebenar. Pakar mengatakan ini boleh berlaku pada mana-mana sistem AI apabila disertakan dengan role model yang buruk. Dalam kes Tay, dia jatuh di bawah pengaruh perbendaharaan kata rasis dan lain-lain yang menyinggung perasaan. Dan kerana diprogram untuk "belajar" dan "tingkah laku cermin", ia segera keluar dari kawalan para penyelidik.
Penyelidikan yang meluas dari Cornell dan Wyoming mendapati bahawa sangat mudah untuk menipu algoritma yang dilatih untuk mengenal pasti gambar digital. Mereka mendapati bahawa gambar yang kelihatan seperti "omong kosong omong kosong" kepada orang-orang dikenal oleh algoritma sebagai gambar beberapa objek sehari-hari seperti "bas sekolah."
Menurut artikel yang diterbitkan dalam MIT Tech Review yang menerangkan projek ini, tidak sepenuhnya jelas mengapa algoritma dapat ditipu dengan cara yang dilakukan oleh penyelidik. Apa yang diketahui ialah orang telah belajar mengenali apa yang ada di depan mereka - sama ada gambar yang mandiri, atau semacam gambar yang tidak dapat difahami. Algoritma, seterusnya, menganalisis piksel, lebih mudah dimanipulasi dan ditipu.
Bagi kenderaan yang memandu sendiri, semuanya menjadi jauh lebih rumit. Ada beberapa perkara yang difahami oleh seseorang ketika bersiap sedia menghadapi situasi tertentu. Sangat sukar untuk mengajar mesin untuk melakukan ini. Sebuah artikel besar yang diterbitkan di salah satu blog automotif oleh Rodney Brooks pada bulan Januari tahun ini memetik beberapa contoh situasi seperti itu, termasuk yang menggambarkan sebuah kereta memandu sendiri yang menghampiri tanda berhenti yang terletak di sebelah lintasan pejalan kaki di bandar. pada awal yang dewasa dan kanak-kanak berdiri dan berkomunikasi.
Algoritma kemungkinan besar akan disesuaikan untuk menunggu pejalan kaki melintas jalan. Tetapi bagaimana jika pejalan kaki ini tidak terfikir untuk melintas jalan, ketika mereka sedang berdiri dan menunggu, katakan, untuk bas sekolah? Seorang pemandu manusia dalam kes ini dapat membunyikan pejalan kaki, yang sebagai tindak balas dapat melambai ke arahnya, memberitahunya bahawa dia boleh melintas. Kenderaan tanpa pemandu dalam keadaan seperti itu dapat tersekat dengan ketat, tanpa henti menunggu orang menyeberangi jalan, kerana algoritma tidak mempunyai pemahaman tentang isyarat manusia yang unik itu, Brooks menulis.
Setiap contoh ini menunjukkan kepada kita sejauh mana kita masih perlu bergerak dalam pengembangan algoritma kecerdasan buatan. Sejauh mana pemaju AI yang berjaya dapat berjaya masih menjadi persoalan. Ada perkara yang dapat ditangani oleh seseorang dengan mudah, tetapi akan menjadi penyeksaan sebenar untuk mempelajari algoritma. Kenapa? Kerana kita manusia tidak terbatas dalam pembelajaran kita untuk sekumpulan tugas tertentu.
Nikolay Khizhnyak
