Під терміном «штучний інтелект» найчастіше маються на увазі нейромережі, побудовані на технології глибокого машинного навчання. Причому технологія навчання нейромереж добре відпрацьована і дає свої плоди. Проте не всі вчені поділяють думку про те, що штучний інтелект повинен розвиватися саме по цьому шляху. Хтось навіть вважає, що таким системам «не варто довіряти» і ні до чого доброго їх розвиток не приведе.
У масштабній роботі, опублікованій на сторінках видання Technologyreview, професор Нью-Йоркського університету, фахівець в області когнітивістики (науки про пізнання) Гері Маркус розповів, чим загрожує повсюдне використання нейромереж на основі глибокого машинного навчання.
По-перше, вчений вважає, що у технології є явні обмеження. Зокрема, вже давно ведуться розмови про те, що потрібно створити, так званий, «справжній ШІ», який підійде для вирішення широкого кола завдань, а не якоїсь однієї конкретної, як відбувається зараз.
Наявні ШІ-системи вже підійшли до піку свого розвитку і практично нікуди рости. До того ж не можна просто взяти і, скажімо спочатку навчити один ШІ водити машину, а інший змусити лагодити її і потім об’єднати системи, створивши універсального помічника. Штучні інтелекти просто не зможуть взаємодіяти, оскільки «вчилися по-різному».
Глибоке навчання добре проявляє себе в аналізі великих даних, але алгоритми не вбачають причинно-наслідкового зв’язку і погано сприймають будь-яку зміну умов. Посуньте елементи в комп’ютерній грі на два-три пікселя, і навчений ШІ стане неефективним. Зробіть поле для гри в го не квадратним, а прямокутним, і штучний розум програє навіть початківцю.
Для того, щоб алгоритми стали більш ефективними, їх потрібно «навчати інакше». Необхідно зробити так, щоб вони починали бачити взаємозв’язок об’єктів та наслідків від взаємодії з ними. В даному випадку найкращим прикладом послужимо ми з вами. Наберіть студентів-стажерів, і вони через кілька днів розпочнуть працювати над будь-якою проблемою — від юриспруденції до медицини. Не тому, що всі з них розумні. А від того, що люди мають загальне уявлення про навколишній світ, а не приватне.
Причому те, що пропонує Маркус зовсім не ново. Описаний вище приклад — це те, як вчені представляли собі «класичний ШІ». Тільки от для того, щоб такий ШІ ефективно працював, нам потрібно заздалегідь запрограмувати всі можливі наслідки. А це практично нереально. Але вихід є. Рішенням може бути свого роду симбіоз «класичного ШІ», який бачить взаємозв’язок і отримує рішення зрозумілим чином, і глибокого навчання, здатного знаходити варіант вирішення шляхом «проб і помилок». Це може бути якась базова система правил і приписів, що стосуються навколишнього світу. На їх основі ШІ-системи вже і зможуть розвивати себе в певній галузі.
Справжній штучний інтелект повинен усвідомити, як працює все навколо для того, щоб зрозуміти причинно-наслідкові зв’язки і легко переключитися з однієї задачі на іншу.
Джерело: cikavosti.com
