Dipercayai secara meluas bahawa dengan kemajuan terkini dalam penyelidikan kecerdasan buatan, mesin hidup dan pintar akan segera berada di kaki langit. Kereta memahami arahan suara, membezakan gambar, memandu kereta, dan bermain permainan lebih baik daripada yang kita lakukan. Berapa lama lagi untuk menunggu sehingga mereka mula berjalan di antara kita?
Laporan White House yang dikeluarkan baru-baru ini mengenai kecerdasan buatan mengambil sikap skeptikal. Ia mengatakan bahawa dalam 20 tahun ke depan, kita tidak mungkin melihat mesin "menunjukkan kemampuan intelektual yang setanding dengan atau lebih unggul dengan manusia," tetapi pada tahun-tahun mendatang "mesin akan mencapai kemampuan manusia untuk melakukan lebih banyak tugas." Walau bagaimanapun, laporan ini tidak mempunyai beberapa perkara penting.
Penyelidik kecerdasan buatan Arend Hintze berpendapat bahawa laporan itu hanya berfokus pada "jenis AI yang membosankan." Ini memotong cabang besar penyelidikan AI pada pertengahan kalimat, bagaimana evolusi membantu kita mengembangkan sistem AI yang lebih baik, dan bagaimana model komputasi membantu kita memahami evolusi kecerdasan manusia kita sendiri.
Laporan itu memfokuskan, seperti yang dikatakan oleh saintis, alat utama AI: pembelajaran mesin dan pembelajaran mendalam. Teknologi seperti ini membolehkan robot bermain kuiz dengan baik dan mengalahkan tuan dari permainan go. Sistem ini dapat menangani sejumlah besar data dan melakukan pengiraan yang kompleks dengan cepat. Tetapi mereka kehilangan elemen yang akan menjadi kunci dalam mewujudkan mesin pintar yang kita mahukan di masa depan.
Kita memerlukan lebih banyak daripada mesin pengajaran untuk belajar. Kita perlu mengatasi batasan yang menentukan empat jenis kecerdasan buatan. Halangan yang memisahkan mesin dari kami - dan kami dari mereka.
Jenis AI: mesin jet
Jenis sistem AI yang paling asas sangat reaktif dan tidak dapat membentuk kenangan atau menggunakan pengalaman masa lalu untuk memberitahu keputusan semasa. Deep Blue, komputer super IBM yang bermain catur yang mengalahkan Grandmaster Garry Kasparov pada akhir 1990-an, adalah contoh sempurna dari jenis mesin ini.
Video promosi:
Deep Blue dapat mengenal pasti kepingan di papan catur dan mengetahui bagaimana mereka bergerak. Dia dapat membuat ramalan pergerakan, baik miliknya maupun lawannya. Dan dia memilih gerakan yang paling optimum.
Namun, dia tidak tahu mengenai masa lalu dan ingatan tentang apa yang berlaku. Selain daripada peraturan catur yang jarang digunakan untuk tidak mengulangi gerakan yang sama tiga kali, Deep Blue mengabaikan segalanya hingga kini. Dia hanya melihat kepingan-kepingan di papan catur dan memilih langkah seterusnya.
Jenis kecerdasan ini merangkumi komputer yang melihat dunia secara langsung dan bertindak berdasarkan apa yang dilihatnya. Dia tidak bergantung pada konsep dalaman dunia. Dalam karyanya, penyelidik AI Rodney Brooks berpendapat bahawa kita hanya perlu membina mesin sedemikian. Menurutnya, manusia tidak pandai memprogram dunia simulasi yang tepat untuk komputer, seperti yang mereka katakan, dalam membuat "representasi", representasi dunia.
Mesin pintar moden yang kita kagumi sama ada tidak mempunyai konsep dunia, atau sangat terhad dan berkaitan dengan tugas-tugas tertentu. Inovasi dalam reka bentuk Deep Blue bukan untuk memperluas jumlah kemungkinan pergerakan yang dipertimbangkan oleh komputer. Sebaliknya, para pembangun telah menemui cara untuk mempersempit penglihatannya, untuk membuang beberapa kemungkinan pergerakan pada masa akan datang, bergantung pada bagaimana mereka dinilai.
Begitu juga, AlphaGo Google, yang mengalahkan juara dunia di Go, tidak mempunyai cara untuk menilai kemungkinan pergerakan masa depan. Kaedah analisisnya lebih canggih daripada Deep Blue: ia menggunakan rangkaian neural untuk menilai perkembangan permainan.
Teknik-teknik ini meningkatkan kemampuan sistem AI, menjadikan permainan tertentu bermain lebih baik, tetapi tidak mudah diubah atau diaplikasikan pada situasi lain. Jenis-jenis khayalan komputer ini tidak mempunyai konsep dunia secara keseluruhan - yang bermaksud mereka tidak boleh melampaui pelaksanaan tugas-tugas tertentu yang mereka buat, dan mereka mudah tertipu.
Mereka tidak dapat mengambil bahagian secara interaktif di dunia, dan kami ingin melihat sistem AI seperti itu suatu hari nanti. Sebaliknya, mesin akan berkelakuan sama seperti yang biasa dilakukan ketika menghadapi situasi yang sama. Sekiranya kita mahu menjadikan sistem AI boleh dipercayai dan boleh dipercayai, maka itu adalah perkara yang baik: anda mahu kenderaan autonomi anda boleh dipercayai. Tetapi jika kita mahu mesin berinteraksi dengan kita dan dunia, itu buruk. Sistem AI yang paling sederhana tidak pernah bosan, mereka tidak boleh tertarik atau kecewa.
AI jenis II: memori terhad
Jenis II merangkumi mesin yang dapat melihat masa lalu. Kereta memandu sendiri sudah mampu sedikit. Sebagai contoh, mereka memerhatikan kelajuan dan arah kenderaan lain. Ini tidak dapat dilakukan sekaligus, kerana ini anda perlu mengenal pasti objek tertentu dan memerhatikannya dari masa ke masa.
Pemerhatian ini ditambahkan pada perwakilan dunia yang telah diprogramkan oleh pemandu kenderaan sendiri, yang merangkumi tanda jalan, lampu isyarat dan elemen kritikal lain. Mereka disambungkan ketika kereta memutuskan untuk menukar lorong dan tidak bertembung dengan yang lain.
Tetapi maklumat ringkas mengenai masa lalu ini hanya bersifat sementara. Mereka tidak akan disimpan sebagai sebahagian dari perpustakaan pengalaman kenderaan di mana ia dapat belajar, seperti yang dilakukan oleh pemandu manusia, mengumpulkan pengalaman selama bertahun-tahun semasa memandu.
Bagaimana kita membina sistem AI yang membina perwakilan yang lengkap, mengingat pengalaman kita, dan belajar menghadapi situasi baru? Brooke betul bahawa ini sangat sukar dilakukan. Mungkin patut mencari inspirasi dalam evolusi Darwin?
AI jenis III: teori fikiran
Di sini kita perlu berhenti sebentar dan memanggil masa ini sebagai jurang penting antara mesin yang kita ada dan mesin yang ingin kita bina pada masa akan datang. Namun, langkah pertama adalah lebih spesifik mengenai pandangan yang harus dibuat oleh mesin.
Mesin kelas seterusnya yang lebih maju bukan sahaja membentuk perwakilan dunia, tetapi juga agen atau entiti dunia yang lain. Dalam psikologi, ini disebut "teori fikiran" - pemahaman bahawa orang, makhluk dan objek di dunia boleh mempunyai pemikiran dan emosi yang mempengaruhi tingkah laku mereka sendiri.
Ini penting untuk bagaimana manusia membentuk masyarakat kerana ia memberi kita interaksi sosial. Tanpa memahami motif dan niat masing-masing, dan tidak mempertimbangkan apa yang orang lain tahu tentang saya atau persekitaran, bekerja sama adalah yang terbaik dan mustahil pada yang terburuk.
Sekiranya sistem AI benar-benar berkeliaran di antara kita, mereka perlu memahami apa yang kita fikirkan dan rasakan, sekurang-kurangnya pada tahap andaian. Dan sesuaikan tingkah laku anda dengan sewajarnya.
IV jenis AI: kesedaran diri
Matlamat utama untuk mengembangkan kecerdasan buatan adalah untuk membuat sistem yang dapat membentuk imej diri. Pada akhirnya, penyelidik AI bukan sahaja mesti memahami kesedaran, tetapi juga membuat mesin dengan kesedaran.
Ini, dari satu segi, merupakan lanjutan dari "teori fikiran" yang disebutkan dalam jenis AI sebelumnya. Apabila kita bercakap mengenai kesedaran, kita juga bermaksud kesedaran diri. "Saya mahukan perkara ini" berbeza dengan "Saya tahu saya mahukan perkara ini". Makhluk sedar sedar diri, menyedari keadaan dalamannya, dan dapat menjangka tingkah laku atau perasaan orang lain. Kami menganggap bahawa seseorang yang memberi isyarat kepada kami dalam lalu lintas adalah marah atau tidak sabar, kerana itulah yang mungkin kami rasakan di tempatnya. Tanpa teori fikiran, kita tidak dapat membuat kesimpulan seperti itu.
Walaupun kita mungkin jauh dari membuat mesin yang sedar diri, kita mesti memusatkan usaha kita pada jalan untuk memahami memori, pembelajaran, dan kemampuan untuk membuat keputusan mengenai pengalaman masa lalu. Ini adalah langkah penting untuk memahami minda manusia itu sendiri. Dan ini sangat penting jika kita ingin merancang atau membangunkan mesin yang bukan sahaja dapat mengklasifikasikan apa yang mereka lihat di hadapan kita, tetapi juga banyak lagi.
ILYA KHEL
