r   e   k   l   a   m   a
r   e   k   l   a   m   a

AI nauczyło się generalizować. Czas na sztuczną inteligencję ogólnego przeznaczenia

Strona główna AktualnościOPROGRAMOWANIE

W przyszłości będą mówić, że rok 2016 był przełomowym dla sztucznych inteligencji. Wiadomo, do stworzenia sztucznych umysłów na poziomie prezentowanym przez roboty znakomitego „WestWorldu” jeszcze droga daleka, ale to co się dzieje pokazuje, że zima się skończyła. Badania nad AI wyszły z impasu, w którym tkwiły od lat 90, gdy po cichu w Japonii zakończono prace nad komputerami piątej generacji. Tym co najbardziej znamienne jest to, że dziś najwybitniejsi naukowcy w tej dziedzinie pracują często nie dla rządów, nie na uniwersytetach, lecz w informatycznych korporacjach, dysponujących zasobami intelektualnymi i badawczymi większymi niż niejedno państwo. Efekty się kumulują, tempo prac przyspiesza – czy sztuczna inteligencja przyłapie Elona Muska z opuszczonymi spodniami?

Za pieniądze Google'a

Tydzień temu należący do Google’a startup DeepMind pochwalił się wynikiem, który dla AI stanowi skok jakościowy. Do tej pory postęp w sztucznych sieciach neuronowych, uważanych za najowocniejsze obecnie podejście do AI, był raczej ilościowej natury. Teoria była bowiem znana już od początków lat sześćdziesiątych zeszłego stulecia, dziś po prostu uruchamiano te sieci na mocniejszym sprzęcie (dużo tu zrobiła NVIDIA, optymalizując swoje GPU i oprogramowanie pod kątem badań nad AI), dysponując przy tym nieporównywalnie bogatszymi zbiorami danych do treningu. Sieci neuronowe stawały się więc świetnymi klasyfikatorami, stawiały coraz lepsze prognozy, ale jedynie w wybranych domenach. AI, które znakomicie się nauczyło rozpoznawać sztangielki na zdjęciach z Internetu niekoniecznie przez to stawało się lepsze w rozpoznawaniu czegokolwiek na zdjęciach z Internetu.

Problem generalizacji jest bowiem trudny, a samą generalizację uważa się za jedną ze specyficznych własności ludzkiego myślenia (nie generalizujesz – czy aby na pewno jesteś człowiekiem?). Zdefiniować ją łatwo: weź pod uwagę odpowiednio duży zbiór konkretnych obserwacji, a następnie znajdź w nich i zachowaj istotne wspólne cechy charakterystyczne dla klas tych obserwacji. W efekcie generalizacja pozwala uczącemu lepiej sprawdzać się w sytuacjach, których wcześniej nie napotkał – o ile odkryje, że mają one istotną wspólną cechę z tym, co już wcześniej poznał. Jak jednak zmusić sieci neuronowe do generalizowania?

r   e   k   l   a   m   a

Ci sami ludzie, którzy dwa lata temu pochwalili się stworzeniem pierwszej sieci neuronowej z pamięcią i uwagą, a w tym roku pokazali, że sztuczna inteligencja może rzucić na kolana arcymistrza go, teraz opracowali pierwsze uniwersalne AI, zdolne właśnie do generalizacji. To właśnie o takim AI mówił szwedzki filozof Nick Bostrom w swojej ostatniej książce Superintelligence: Paths, Dangers, Strategies, która tak wystraszyła Elona Muska i Billa Gatesa, że zaczęli publicznie ogłaszać AI zagrożeniem dla ludzkości. Postulowana przez Bostroma sztuczna inteligencja potrafi uogólniać wyuczone aktywności, a dysponując ogromną bazą już wyuczonych wcześniej modeli jest w stanie rozwiązywać dowolne nowe problemy skuteczniej, niż jakikolwiek człowiek.

Maszyna różnicowa, tyle że neuronowa

Oczywiście to jeszcze nie jest postludzkie AI, o którym śni po nocach dyrektor techniczny Google’a, Ray Kurzweil, ale wcale nie jest do tego daleko. Na łamach Nature opublikowano pracę pt. Hybrid computing using a neural network with dynamic external memory, której autorzy opisują teorię działania zupełnie nowej architektury AI, którą nazwali różniczkowym komputerem neuronowym (Differential Neural Computer, DNC).

DNC składa się z sieci neuronowej, wyposażonej w zewnętrzną macierz pamięci z możliwością zapisu i odczytu. Na podobieństwo klasycznego komputera może wykorzystywać te dane do reprezentowania i manipulowania złożonymi strukturami danych, na podobieństwo sieci neuronowych może uczyć się tego ze zgromadzonych w pamięci danych – coś, co do tej pory było niedostępne dla sieci neuronowych, gdyż w pewnym sensie były one tylko drzewami decyzyjnymi. Przy odpowiednim treningu, możliwe staje się dla DNC odpowiadania na pytania odpowiadające wnioskowaniom w języku naturalnym – to system, który nie tylko może się uczyć, ale też będzie pamiętał, czego się nauczył i wnioskował, czy wykorzystać te informacje przy podejściu do nowego problemu.

Jak na razie pierwszy skonstruowany różniczkowy komputer neuronowy nie robił niczego rewolucyjnego. Ot małe kroki, zadania w rodzaju znalezienia najkrótszej drogi między wskazanymi punktami, nawigowania w londyńskim metrze czy wywnioskowania, jak uzupełnić losowo generowane grafy. W sumie zadania dobrane z myślą o interesach Google, które mogłoby chcieć lepszej nawigacji w swojej aplikacji Mapy. Nie należy jednak dać się zwieść skromności pierwszych zastosowań, jest to kolejne fundamentalne osiągnięcie w dziedzinie AI, zbliżające nas do sztucznej inteligencji ogólnego zastosowania.

AI uczy się, jak być straszna i tajemnicza

W ostatnich dniach pojawiło się kilka innych ciekawych, choć nie tak przełomowych prac z dziedziny: badacze z zespołu Google Brain donieśli o stworzeniu sieci neuronowych, które same wymyśliły sobie prosty system kryptograficzny, aby uniemożliwić trzeciej sztucznej inteligencji podsłuch ich komunikatów, z kolei ludzie MIT Media Labs przedstawili Nightmare Machine, idealną zabawkę na Halloween, która celuje w generowaniu coraz bardziej przerażających i odpychających obrazów twarzy i krajobrazów.

Czego możemy w tej dziedzinie spodziewać się za rok? A za 10 lat? Jak na razie wieje optymizmem, można powiedzieć, że wielu badaczy odczuwa wręcz schadenfreude na myśl o tych wszystkich, którzy będą nas straszyć AI w najbliższym czasie. Kto wie, może do tego straszenia wykorzystają odpowiednio rozwiniętą Nightmare Machine?

© dobreprogramy
r   e   k   l   a   m   a
r   e   k   l   a   m   a

Komentarze

r   e   k   l   a   m   a
r   e   k   l   a   m   a
Czy wiesz, że używamy cookies (ciasteczek)? Dowiedz się więcej o celu ich używania i zmianach ustawień.
Korzystając ze strony i asystenta pobierania wyrażasz zgodę na używanie cookies, zgodnie z aktualnymi ustawieniami przeglądarki.