A mesterséges intelligencia kutatásának legújabb áttöréseinek általános és megismétlődő nézete az, hogy az érző és intelligens gépek csak a láthatáron vannak. A gépek jobban megértik a verbális parancsokat, képeket különböznek egymástól, autót vezetnek és jobban játszanak, mint mi. Mennyi ideig lehet tovább, mielőtt köztük sétálnak?
A Fehér Ház új, a mesterséges intelligenciáról szóló jelentése szkeptikusan veszi ezt az álmot. Azt állítja, hogy a következő 20 évben nem láthatók olyan gépek, amelyek "széles körben alkalmazható intelligenciát mutatnak, amely összehasonlítható vagy meghaladja az emberek intelligenciáját", bár állítja, hogy az elkövetkező években "a gépek még többet fognak elérni és meghaladni az emberi teljesítményt és további feladatok. " Ugyanakkor annak a feltételezésének, hogy ezek a képességek hogyan fejlődnek, néhány fontos pontot elmulasztottak.
AI kutatóként beismerem, hogy örültem annak, hogy saját teremet kiemeltem az amerikai kormány legmagasabb szintjén, ám a jelentés szinte kizárólag arra összpontosított, amit „unalmas AI-nek” hívok. Fél mondatban elutasította az AI kutatásának ágazatát arról, hogy az evolúció miként segítheti az egyre fejlesztett AI rendszerek kifejlesztését, és hogy a számítási modellek hogyan segíthetnek megérteni az emberi intelligencia fejlődését.
A jelentés arra összpontosít, amelyet az AI mainstream eszközöknek nevezhetünk: gépi tanulásra és mélyreható tanulásra. Ezek a fajta technológiák képesek játszani a "Jeopardy!" Nos, és verje meg az emberi Go mestereket a legbonyolultabb játéknál, amit valaha találtak ki. Ezek a jelenlegi intelligens rendszerek képesek hatalmas mennyiségű adatkezelésre és nagyon összetett számítások elvégzésére. De hiányzik egy elem, amely kulcsfontosságú lesz az érzékeny gépek felépítéséhez, amelyek képeink a jövőben vannak.
Nem csupán a gépeket kell megtanítanunk a tanulásra. Át kell lépnünk azokat a határokat, amelyek meghatározzák a négy különféle típusú mesterséges intelligenciát, az akadályokat, amelyek elválasztják a gépeket tőlünk - és tőlünk.
I típusú AI: Reaktív gépek
Az AI rendszerek legalapvetőbb típusai tisztán reagálók, és nem képesek memóriákat képezni és a múlt tapasztalatait felhasználni a jelenlegi döntések megismerésére. A Deep Blue, az IBM sakkjátékos szuperszámítógépe, amely 1990-es évek végén legyőzte Garry Kasparovot a nemzetközi nagymestert, a tökéletes példa az ilyen típusú gépekre.
A Deep Blue azonosítja a darabokat a sakktáblán, és tudja, hogyan mozog mindegyik. Megjósolhatja, hogy mely lépések következhetnek vele és ellenfelével. És a lehetőségek közül választhatja a legoptimálisabb mozdulatokat.
De nincs fogalma a múltról, és nincs emléke a korábban történt eseményekre. A ritkán használt sakk-specifikus szabálytól eltekintve, hogy ugyanazt a mozdulatot háromszor megismételjék, a Deep Blue figyelmen kívül hagy mindent a jelen pillanat előtt. Csak annyit tesz, hogy megnézi a sakktábla darabjainak jelenlegi állapotát, és választhat a lehetséges következő lépések közül.
Az ilyen típusú intelligencia magában foglalja azt, hogy a számítógép közvetlenül érzékeli a világot, és azon működik, amit lát. Nem támaszkodik a világ belső koncepciójára. Rodney Brooks, az AI kutatója egy alapvető cikkben azt állította, hogy csak ilyen gépeket kellene építenünk. Ennek fő oka az volt, hogy az emberek nem nagyon képesek programozni a pontos, szimulált világot számítógépek számára, amit az AI-ösztöndíjban a világ "reprezentációjának" hívnak.
A jelenlegi intelligens gépek, amelyekre csodálkozunk, vagy nem rendelkeznek ilyen világkoncepcióval, vagy nagyon korlátozott és speciális feladatok ellátására képesek. A Deep Blue kialakításának újdonsága nem az volt, hogy a számítógép által figyelembe vett lehetséges filmek körét kibővítse. Inkább a fejlesztők találtak egy módot arra, hogy szűkítsék a nézetet, és abbahagyják a lehetséges jövőbeli lépések folytatását, az eredmények eredményességének értékelése alapján. E képesség nélkül a Deep Blue-nak még erősebb számítógépnek kellett lennie, hogy valóban legyőzze Kasparovot.
Hasonlóképpen, a Google AlphaGo, amely legyőzte a legmagasabb szintű humán Go szakértőket, az összes lehetséges jövőbeli lépést sem tudja értékelni. Elemzési módszere sokkal kifinomultabb, mint a Deep Blueé. Neurális hálózatot használ a játékfejlesztések értékeléséhez.
Ezek a módszerek javítják az AI rendszerek azon képességét, hogy jobban játsszanak bizonyos játékokat, ám ezeket nem lehet könnyen megváltoztatni vagy más helyzetekben alkalmazni. Ezeknek a számítógépes képzeleteknek nincs fogalma a tágabb világ számára - vagyis nem képesek működni a rájuk ruházott feladatokon túl, és könnyen becsaphatók.
Nem tudnak interaktív módon részt venni a világban, amint azt egy nap elképzelhetjük az AI rendszerekben. Ehelyett ezek a gépek pontosan ugyanúgy viselkednek, amikor ugyanazon helyzetbe kerülnek. Ez nagyon jó lehet az AI-rendszer megbízhatóságának biztosításához: Azt akarja, hogy autonóm autója megbízható sofőr legyen. De rossz, ha azt akarjuk, hogy a gépek valóban kapcsolatba lépjenek a világgal, és reagáljanak rá. Ezek a legegyszerűbb AI rendszerek soha nem fognak unatkozni, érdekelni és szomorúak lenni.
II. Típusú AI: Korlátozott memória
Ez a II. Típusú osztály olyan gépeket tartalmaz, amelyek a múltba tekinthetnek be. Az önvezető autók ezt már meg is teszik. Például megfigyelik más autók sebességét és irányát. Ezt nem lehet egyetlen pillanatban megtenni, hanem bizonyos objektumok azonosítását és idővel történő megfigyelését igényli.
Ezeket a megfigyeléseket hozzáadják az önjáró autók világprogramozott reprezentációjához, amelyek sávjelzéseket, közlekedési lámpákat és egyéb fontos elemeket is tartalmaznak, például az út görbéjét. Ide tartoznak, amikor az autó eldönti, mikor kell megváltoztatni a sávot, hogy elkerülje egy másik sofőr leszakítását vagy a közeli autó megütését.
De ezek a múltra vonatkozó egyszerű információk csak átmeneti jellegűek. Nem kerülnek mentésre az autó azon tapasztalatkönyvtárának részeként, amelyből meg lehet tanulni, ahogyan az emberi járművezetők a kormány mögött évek során összegyűjtik a tapasztalatokat.
Tehát hogyan építhetünk olyan AI-rendszereket, amelyek teljes reprezentációkat építnek fel, emlékeznek meg tapasztalataikra és megtanulják új helyzetek kezelését? Brooks-nak igaza volt, hogy ezt nagyon nehéz megtenni. A darwini evolúció ihlette módszerekkel kapcsolatos saját kutatásaim elkezdhetik pótolni az emberi hiányosságokat, ha hagyjuk, hogy a gépek építsék a saját reprezentációjukat.
III. AI típus: Az elme elmélete
Lehet, hogy itt állunk meg, és ezt a pontot hívhatjuk meg a meglévő gépek és a jövőben építendő gépek közötti fontos szakadéknak. Sokkal jobb, ha pontosabban tárgyaljuk azokat a reprezentációk típusait, amelyeknek a gépeknek meg kell formálódniuk, és arról, hogy miről kell beszélniük.
A következő, továbbfejlesztett osztályú gépek nemcsak reprezentációkat alkotnak a világról, hanem a világ más ügynökeiről vagy entitásairól is. A pszichológiában ezt "elmeelméletnek" hívják - az a megértés, hogy az emberek, lények és tárgyak a világon olyan gondolatokkal és érzelmekkel rendelkezhetnek, amelyek befolyásolják saját viselkedésüket.
Ez döntő jelentőséggel bír abban, hogy mi, emberek, hogyan alakítsuk ki a társadalmakat, mert lehetővé tették a társadalmi interakciókat. Anélkül, hogy megértenénk egymás motívumait és szándékait, és nem vesszük figyelembe azt, amit valaki más is tud rólam vagy a környezetről, a legjobb együttműködés a legjobb, legrosszabb esetben pedig lehetetlen.
Ha az AI rendszerek valóban valaha is járnak köztünk, akkor meg kell értenie, hogy mindannyiunknak gondolatai, érzései és elvárásai vannak a kezelésünkhöz. És ennek megfelelően módosítaniuk kell viselkedésüket.
IV. Típusú AI: öntudat
Az AI fejlesztésének utolsó lépése olyan rendszerek felépítése, amelyek reprezentációkat képezhetnek magukról. Végül, mi, AI kutatók, nemcsak meg kell értenünk a tudatot, hanem olyan gépeket is fel kell építeniük, amelyek rendelkeznek ezzel.
Ez bizonyos értelemben a „tudatelmélet” kiterjesztése, amelyet a III. Típusú mesterséges intelligencia birtokol. A tudatot ok miatt "öntudatosságnak" is hívják. („Azt akarom, hogy ezt az elemet” nagyon eltérő kijelentés, mint a „Tudom, hogy azt akarom” elemet.) A tudatos lények tisztában vannak önmagukkal, megismerik belső állapotukat és képesek megjósolni mások érzéseit. Feltételezzük, hogy valaki a forgalomban mögöttünk állva dühös vagy türelmetlen, mert így érezzük magunkat, amikor másokat tisztelünk. A tudat elmélete nélkül nem tudnánk ilyen következtetéseket levonni.
Noha valószínűleg távol állunk az öntudatos gépek létrehozásától, erőfeszítéseinket a memória megértésére, a tanulásra és a döntések múltbeli tapasztalatokra alapozására való képességére kell összpontosítanunk. Ez fontos lépés az emberi intelligencia önmagában történő megértéséhez. És döntő fontosságú, ha olyan gépeket akarunk tervezni vagy kifejleszteni, amelyek több, mint kivételes képesek osztályozni azt, amit látnak előttük.
Arend Hintze, az integratív biológia és a számítógépes tudomány és mérnöki adjunktus, Michigan Állami Egyetem
