Termin „sztuczna inteligencja” często odnosi się do sieci neuronowych zbudowanych w oparciu o technologie głębokiego uczenia maszynowego. Ponadto technologia uczenia sieci neuronowych jest dobrze rozwinięta i przynosi efekty. Jednak nie wszyscy naukowcy podzielają opinię, że sztuczna inteligencja powinna rozwijać się na tej drodze. Ktoś nawet uważa, że takim systemom „nie należy ufać”, a ich rozwój nie przyniesie niczego dobrego.
Sztuczna inteligencja w nowoczesnym sensie - to wcale nie jest to, co wielu myśli.
Dlaczego uczenie maszynowe jest złe dla rozwoju człowieka
W obszernej pracy opublikowanej na łamach Technologyreview profesor z New York University, specjalista w dziedzinie kognitywistyki (nauki o poznaniu) Gary Marcus mówił o zagrożeniach związanych z powszechnym stosowaniem sieci neuronowych opartych na głębokim uczeniu maszynowym.
Po pierwsze, naukowiec uważa, że technologia ma wyraźne ograniczenia. W szczególności od dawna mówi się o potrzebie stworzenia tak zwanej „prawdziwej sztucznej inteligencji”, która jest odpowiednia do rozwiązywania szerokiego zakresu problemów, a nie tylko jednego konkretnego, jak ma to miejsce obecnie. Istniejące systemy SI osiągnęły już szczyt swojego rozwoju i praktycznie „nie mają gdzie się rozwijać”. Ponadto nie można po prostu wziąć i, powiedzmy, najpierw nauczyć jedną sztuczną inteligencję prowadzenia samochodu, a drugą zmusić do naprawy, a następnie połączyć systemy, tworząc uniwersalnego asystenta. Sztuczne inteligencje po prostu nie będą w stanie wchodzić w interakcje, ponieważ „uczyły się na różne sposoby”.
Jak uczynić sztuczną inteligencję mądrzejszą
Film promocyjny:
Aby algorytmy stały się bardziej wydajne, muszą być „uczone w inny sposób”. Konieczne jest, aby zaczęli widzieć związek przedmiotów i konsekwencje interakcji z nimi. W tym przypadku będziemy służyć jako najlepszy przykład.
Profesor Gary Marcus.
Co więcej, to, co oferuje Marcus, wcale nie jest nowe. Opisany powyżej przykład przedstawia wyobrażenie naukowców o „klasycznej sztucznej inteligencji”. Aby jednak taka sztuczna inteligencja działała skutecznie, musimy z wyprzedzeniem zaprogramować wszystkie możliwe wyniki. A to jest prawie nierealne. Ale jest wyjście.
Rozwiązaniem może być rodzaj symbiozy „klasycznej sztucznej inteligencji”, która widzi relacje i uzyskuje rozwiązania w zrozumiały sposób, oraz głębokiego uczenia się, które jest w stanie znaleźć rozwiązanie metodą „prób i błędów”. Może to być jakiś podstawowy system zasad i przepisów dotyczących otaczającego świata. Na ich podstawie systemy SI będą już mogły się rozwijać w określonym obszarze. Prawdziwa sztuczna inteligencja musi zrozumieć, jak wszystko działa, aby zrozumieć związki przyczynowo-skutkowe i łatwo przełączać się z jednego zadania na drugie. Nowoczesne systemy zbudowane przy użyciu technologii głębokiego uczenia po prostu nie są do tego zdolne.
Vladimir Kuznetsov