Sztuczna inteligencja stała się już faktem w niektórych segmentach finansowych i transportowych, a ponieważ rozprzestrzenia się w innych obszarach, coraz częściej chcemy mieć pewność, że ją kontrolujemy, a nie odwrotnie. Od 2001 A Space Odyssey do Blade Runner, RoboCop do The Matrix, kiedy ludzie zajmują się sztuczną inteligencją, nieuchronnie stają przed mroczną fantazją filmowców.
Najnowszy film Spike'a Jonesa „Ona” i nadchodzący „Out of the Machine” Alexa Garlanda są już poświęcone twórczości żyjącej wśród nas sztucznej inteligencji. Test Turinga wysuwa się na pierwszy plan i nadal nie możemy określić głównej różnicy między chipami a kodem z krwi i kości.
Obawy te wyrażają również niektórzy znani ludzie z Doliny Krzemowej: w zeszłym miesiącu Elon Musk (CEO Tesli i SpaceX) opisał sztuczną inteligencję jako „największe zagrożenie egzystencjalne” dla ludzkości. Wielu z nas, a być może także samego Elona Muska, nie rozumie, że sztuczna inteligencja nie jest jakąś niesamowitą technologią, która istnieje tylko w fantazjach filmowców i laboratoriach komputerowych geniuszy.
Wiele naszych smartfonów wykorzystuje podstawowe techniki sztucznej inteligencji do tłumaczenia z jednego języka na inny lub odpowiadania na nasze pytania; w branży gier sztuczna inteligencja jest wykorzystywana do generowania złożonych i ciągle zmieniających się scenariuszy gier. A ponieważ firmy z Doliny Krzemowej, takie jak Google i Facebook, nadal wykupują firmy AI i zatrudniają ekspertów, AI będzie się nadal rozwijać.
Więc sztuczna inteligencja nie jest filmem Spielberga?
Nie ma co narzekać na film, ale określenie „sztuczna inteligencja” ma znacznie dłuższą historię niż ta, którą Spielberg i Kubrick pokazali w swoich filmach. Sztuczna inteligencja sięga narodzin informatyki w latach pięćdziesiątych XX wieku, kiedy zaledwie 14 lat po zdefiniowaniu komputera ogólnego przeznaczenia Alan Turing zastanawiał się, czy maszyna może myśleć.
Film promocyjny:
Minęły 64 lata, a idea ta wciąż zapamiętuje, jest zawarta w filmach i książkach, dyskutowana na sympozjach. Nie odbiegało to daleko od zestawu reguł przedstawionych przez Turinga w jego 1950 Computing Machines and the Mind, w którym zaproponował on „grę naśladowania”, znaną teraz jako test Turinga.
Podłącz komputer do terminala tekstowego i pozwól mu komunikować się z operatorem wraz z prawdziwą osobą. Istota testu polega na tym, że gdy poprosisz operatora o określenie, który z jego rozmówców był człowiekiem, „operator będzie popełniał błędy tyle razy podczas tej gry, ile razy mógł popełnić błędy, próbując odróżnić mężczyznę od kobiety”.
Turing uważał, że ustalenie, czy maszyna może przejść test, byłoby bardziej przydatne niż odpowiedź na niejasne i filozoficzne pytanie, czy myśli, czy nie. „Jeśli chodzi o tę kwestię… myślę, że nie ma sensu o tym rozmawiać”. To prawda, Turing myślał, że do roku 2000 „język i edukacja zmienią się tak bardzo, że każdy może bezproblemowo porozumiewać się z myślącą maszyną”.
Dosłownie nie mylił się zbytnio. Dzisiaj często można usłyszeć, jak ludzie mówią, że ich komputery są „głupie” lub „zamyślone”. Ale nawet jeśli podejdziemy bardziej poważnie do definicji myślącej maszyny, ta idea będzie bliższa rzeczywistości, niż wielu mogłoby się wydawać.
AI już istnieje?
Stosunkowo. Nadal jesteśmy bardzo daleko od przejścia przez grę symulacyjną Turinga, pomimo doniesień, że jest inaczej. W czerwcu chatbot Evgeny Gustman skutecznie oszukał jedną trzecią sędziów, przystępując do testu Turinga w Londynie, przekonując ich, że jest człowiekiem.
Ale zamiast myśleć, Eugene polegał na sztuczkach i sztuczkach. Udając 13-letniego chłopca, dla którego angielski nie jest jego językiem ojczystym, maszyna tłumaczyła się wieloma nielogicznymi aspektami swojego zachowania, w tym słabym poczuciem humoru i obraźliwymi wypowiedziami, często przekierowującymi rozmowę w innym kierunku.
Większość programistów sztucznej inteligencji próbuje nauczyć go przetwarzania języka naturalnego, abyśmy mogli wydać polecenie w języku, który znamy. To właśnie zaczynają robić dzieci, zanim zrobią pierwszy krok, a to jest niezwykle trudne zadanie dla maszyny.
Rozważmy ulubione zdanie badaczy sztucznej inteligencji: „czas leci jak strzała, muszki owocowe jak banan”. [baw się słowami: „czas leci jak strzała, muszki owocówki uwielbiają banana”; drugą część zdania, analogicznie do pierwszej, można przetłumaczyć jako „owoc leci jak banan”]. Rozkład zdania na części składowe czasami wprawia w zakłopotanie nawet rodzimych użytkowników języka angielskiego, nie wspominając o algorytmie.
Czy AI ma problemy z mową?
Na pewno nie w ten sposób. W rzeczywistości w większości przypadków sztuczna inteligencja nie jest używana do rozmów. Część z was powinna wiedzieć o sztucznej inteligencji nie z science fiction czy od Alana Turinga, ale z gier wideo, w których sztuczna inteligencja odnosi się do przeciwników sterowanych komputerowo.
Na przykład w strzelance pierwszoosobowej SI kontroluje ruchy wrogów, pozwalając im robić uniki, celować i strzelać do ciebie w najbardziej niezrozumiały sposób. W grach wyścigowych sztuczna inteligencja może sterować rywalizującymi pojazdami. Jako wzór sztucznej inteligencji, gry wideo z pewnością pozostawiają wiele do życzenia. Ale diamenty są wykonane z diamentów, a uproszczone zasady systemu składają się na coś złożonego.
Weźmy na przykład GTA V, gdzie tworzenie miast, które żyją własnym życiem, oznacza, że możesz skręcić za róg i znaleźć straż pożarną walczącą z kierowcą, który wpadł na wąż; lub Dwarf Fortress, gdzie gnomy żyją w jaskiniach z własnym życiem, teksturami i szczegółowością algorytmów. Te pojawiające się systemy rozgrywki pokazują zupełnie nowy sposób, w jaki sztuczna inteligencja może ewoluować, nie próbując naśladować człowieka, ale rozwijając „wystarczająco dobrą” heurystykę, która zmienia algorytmy w coś zupełnie innego, gdy są dostatecznie skalowane.
Więc wszyscy inwestują w sztuczną inteligencję, aby tworzyć lepsze gry?
Nie. Firmy takie jak Apple i Google inwestują dużo pieniędzy w sztuczną inteligencję, próbując stworzyć wirtualnych osobistych asystentów, takich jak Siri i Google Now.
To może być trochę dalekie od fantastycznej wizji Turinga, ale usługi głosowe zasadniczo wykonują tę samą ciężką pracę, co człowiek. Muszą słuchać i rozumieć język mówiony, ustalić, jakie dane zawiera, a następnie zwrócić wynik, również w formie rozmowy. Nie próbują nas oszukać, abyśmy uwierzyli, że są ludźmi, ale dzieje się to samo. Ponieważ wszystkie obliczenia odbywają się w chmurze, im więcej słyszą, tym lepiej rozumieją.
Jednak wiodące badania nad sztuczną inteligencją nie koncentrują się na odtwarzaniu ludzkiego rozumienia świata, ale na jego przekraczaniu. Na przykład IBM Watson jest znany jako komputer, który wygrał Jeopardy! w 2011 roku, używając rozumienia języka naturalnego, aby znaleźć odpowiedzi na pytania facylitatora. Ale oprócz zrozumienia języka naturalnego, Watson potrafi również bardzo szybko czytać i rozumieć ogromne ilości nieustrukturyzowanych danych.
W przypadku Jeopardy! Pracował z 200 milionami stron danych, w tym z tekstem całej Wikipedii. Prawdziwym celem firmy Watson jest rozszerzenie na cały Internet i zapewnienie pracownikom służby zdrowia wygodnego mechanizmu do pracy. W końcu są naukowcy, którzy po prostu chcą ocalić ludzkość.
Wszyscy umrzemy?
Może. Istnieją obawy, że po stworzeniu wystarczająco wszechstronnej sztucznej inteligencji, takiej jak Watson, jej moc wzrośnie wraz z dostępną mocą przetwarzania. Prawo Moore'a przewiduje, że moc obliczeniowa podwaja się co 24 miesiące, więc to tylko kwestia czasu, zanim sztuczna inteligencja stanie się inteligentniejsza od jej twórców i może stworzyć jeszcze potężniejszą sztuczną inteligencję, prowadząc do gwałtownego wzrostu jej możliwości.
Ale co superinteligentna sztuczna inteligencja zrobi z tymi możliwościami? Wszystko zależy od tego, jak zostanie zaprogramowane. Problem w tym, że bardzo trudno jest zaprogramować wysoce inteligentny komputer, aby przypadkowo nie zniszczył ludzkości.
Powiedzmy, że powierzasz swojej sztucznej inteligencji wykonanie spinaczy do papieru i uczynienie ich tak dobrymi, jak to tylko możliwe. Wkrótce zda sobie sprawę, że ulepszenia w produkcji zszywek można osiągnąć poprzez ulepszenie linii produkcyjnej. Co on teraz zrobi?
„Na przykład będzie się martwił, że ludzie go nie zniechęcają, ponieważ wtedy nie będą produkowane spinacze do papieru” - wyjaśnia Nick Bostrom. Paperclip AI, jak mówi Bostrom, „może od razu pozbyć się osoby, ponieważ stanowi ona zagrożenie. Ponadto będzie potrzebował jak największej liczby zasobów, ponieważ można ich użyć do zrobienia spinaczy. Na przykład atomy w ludzkich ciałach”.
Jak sobie radzić z taką AI?
Według niektórych teoretyków, takich jak Ray Kurzweil, CTO Google, jedynym sposobem, który zadziała, jest wyłączenie sztucznej inteligencji. Ludzie powinni pomyśleć nie tylko o tym, jak stworzyć inteligentną sztuczną inteligencję, ale także o etycznej stronie tego zagadnienia - i programować zgodnie z nią.
W końcu pisanie kodu to po prostu szukanie kłopotów. Maszyna z instrukcjami „uszczęśliwiania ludzi” może rozwiązać ten problem po prostu poprzez wszczepienie elektrod do mózgów ludzi. Dlatego prosząc sztuczną inteligencję o rozwiązywanie dużych problemów filozoficznych, musimy upewnić się, że maszyna rozumie, co jest „dobre”, a co „złe”.
Więc potrzebujemy programu etycznego i wszystko będzie dobrze?
Nie całkiem. Nawet jeśli uda nam się zapobiec pojawieniu się złośliwej sztucznej inteligencji, pozostaje pytanie, w jaki sposób społeczeństwo dostosowuje się do rosnących możliwości sztucznej inteligencji.
Rewolucja przemysłowa charakteryzuje się automatyzacją wielu zawodów, które wcześniej opierały się na pracy fizycznej. Nie ma wątpliwości, że rewolucja przemysłowa była okresem najbardziej znaczącego wzrostu dobrobytu człowieka. Ale zamach stanu z tamtego czasu był wyjątkowy w swoim przypadku i jest mało prawdopodobne, abyśmy mogli to ponownie zobaczyć.
Co siła parowa zrobiła dla pracy fizycznej, sztuczna inteligencja może zrobić dla pracy umysłowej. Pojawiają się już pierwsze ofiary tej sfery: na świecie nie ma miejsca na wysyłanie taksówek z Hailo i Uber; praca maklera zmieniła się właśnie w związku z wprowadzeniem obrotu o wysokiej częstotliwości; wkrótce samochody będą publikować wiadomości sportowe i informacyjne.
Prawdziwe zmiany dopiero się zaczynają. W listopadzie Goldman Sachs zainicjował rundę finansowania w wysokości 15 milionów dolarów dla Kensho, usługi analizy danych finansowych, która wykorzystuje techniki sztucznej inteligencji poza zasięgiem najlepszych analityków. Potrafi obsłużyć tak ogromną ilość danych, że ludzie są wobec niego po prostu bezsilni.
Analityka Kensho może być używana przez firmę handlującą o wysokiej częstotliwości, taką jak Athena, która wykorzystuje ją do uzyskania milisekundowej przewagi na rynku - wystarczającej do zarobienia pieniędzy, jeśli handlujesz miliardami dolarów.
Po tym, jak taki handel wpłynie na ogólny rynek, Kensho może dostarczyć swoje algorytmy Forbesowi, a ona zastąpi jej analityków finansowych. Większość podsumowań biznesowych ma charakter indywidualny, a jeśli dane są dostępne w ustrukturyzowanym formacie, po co tracić czas z ludźmi?
Ogólnie takie zmiany są dobre. Jeśli praca milionów ludzi zastąpi algorytmy, mogą zrobić coś lepszego, zmniejszy się liczba godzin pracy, a my będziemy o krok bliżej utopii.