Svakodnevno se iz bezbrojnih izvora širom svijeta pojavljuju nebrojeni naslovi, upozoravajući na strašne posljedice i obećavajući utopijsku budućnost - a sve zahvaljujući umjetnoj inteligenciji. AI "transformira radno mjesto", piše Wall Street Journal, dok magazin Fortune govori da se suočavamo s "AI revolucijom" koja će nam "promijeniti život." Ali mi zapravo ne razumijemo kako će izgledati interakcija s AI - ili kakav bi trebao biti.
Ispada da ipak imamo koncept koji možemo upotrijebiti kada razmišljamo o AI: Tako razmišljamo o životinjama. Kao bivši trener životinja (iako ukratko) koji sada proučava kako ljudi koriste AI, znam da nas učenje životinja i životinja može prilično naučiti o tome kako bismo trebali razmišljati, pristupati i komunicirati s umjetnom inteligencijom, kako sada tako i u budućnost.
Korištenje životinjskih analogija može pomoći redovitim ljudima da razumiju mnoge složene aspekte umjetne inteligencije. Također nam može pomoći da razmislimo o tome kako najbolje naučiti ove sustave novim vještinama i, što je najvažnije, kako možemo pravilno shvatiti njihova ograničenja, čak i kad slavimo nove mogućnosti AI-a.
Gledajući ograničenja
Kako objašnjava stručnjak za AI Maggie Boden, "Umjetna inteligencija nastoji natjerati računala da rade ono što um može učiniti." AI istraživači rade na tome da podučavaju računala razmišljanju, opažanju, planiranju, kretanju i sklapanju udruga. AI može vidjeti uzorke u velikim skupovima podataka, predvidjeti vjerojatnost da će se neki događaj dogoditi, planirati rutu, upravljati rasporedom sastanka osobe, pa čak i igrati scenarije ratnih igara.
Mnoge od ovih sposobnosti same po sebi nisu iznenađujuće: Naravno da se robot može kretati po prostoru i ne sudariti se s bilo čim. Ali nekako se AI čini čarobnijim kada računalo počne sastavljati te vještine da bi izvršilo zadatke.
Uzmimo, na primjer, autonomne automobile. Podrijetlo automobila bez vozača nalazi se u projektu Agencije za napredna istraživanja u području obrane iz 1980-ih koji se zove Autonomno kopneno vozilo. Ciljevi projekta bili su potaknuti istraživanje računalnog vida, percepcije, planiranja i robotske kontrole. U 2004., napori ALV postali su prvi Grand Challenge za samostalne vožnje automobila. Sada, više od 30 godina od kada su napori započeli, nalazimo se na propustu autonomnih ili samo vozećih automobila na civilnom tržištu. U ranim godinama, malo ljudi je mislilo da je takav podvig nemoguć: Računala ne mogu voziti!
Ipak, kao što smo vidjeli, mogu. Mogućnosti autonomnih automobila relativno su nam jednostavne za razumijevanje. Ali borimo se da shvatimo njihova ograničenja. Nakon kobne nesreće Tesle 2015. godine, gdje funkcija autopilota automobila nije uspjela osjetiti prelazak traktora i prikolice u njegovu traku, malo tko još uvijek shvaća težinu koliko je Teslin autopilot uistinu ograničen. Iako je tvrtka i njezin softver očistila nepažnje od strane Državne uprave za sigurnost prometa na cestama, ostaje nejasno jesu li kupci zaista razumjeli što automobil može, a što ne može.
Što ako im Tesla kaže da ne voze "beta" verziju autopilota, već poluautonomni automobil s mentalnom ekvivalentom crva? Takozvana "inteligencija" koja pruža "potpunu sposobnost samopokretanja" doista je divovsko računalo koje prilično dobro osjeti predmete i izbjegava ih, prepoznaje stavke na slikama i ograničeno planiranje. To bi moglo promijeniti stavove vlasnika o tome koliko bi automobil uistinu mogao učiniti bez ljudskog doprinosa ili nadzora.
Što je?
Tehnologi često pokušavaju objasniti AI u smislu kako je izgrađen. Uzmimo, na primjer, napredak postignut u dubokom učenju. Ovo je tehnika koja koristi višeslojne mreže da nauči kako obavljati zadatak. Mreže trebaju obrađivati ogromne količine informacija. Ali zbog količine podataka koji im je potreban, složenosti asocijacija i algoritama u mrežama, ljudima je često nejasno kako naučiti što rade. Ovi sustavi mogu postati vrlo dobri u jednom određenom zadatku, ali mi ih stvarno ne razumijemo.
Umjesto da o AI razmišljamo kao o nečovječnom ili tuđem, lakše ih je analogirati životinjama, inteligentnim nečovjecima koje imamo na treningu iskustva.
Na primjer, ako bih upotrijebio učenje pojačanja da treniram psa da sjedi, pohvalio bih ga i davao mu poslastice kad sjedi zapovjedi. S vremenom bi naučio povezivati zapovijed s ponašanjem s poslasticom.
Trening AI sustava može biti gotovo isti. U okviru dubinskog učenja, ljudski dizajneri postavili su sustav, predviđaju ono što žele da nauče, daju mu informacije, gledaju njegove radnje i daju mu povratne informacije (poput pohvale) kad vide što žele. U biti, možemo tretirati AI sustav poput životinja koje treniramo.
Analogija djeluje i na dubljoj razini. Ne očekujem da će sjedeći pas razumjeti složene pojmove poput "ljubav" ili "dobro." Očekujem od njega da nauči ponašanje. Kao što psi možemo sjediti, boraviti i prevrtati se, tako možemo dobiti i AI sustave za kretanje automobila po javnim cestama. Ali suvišno je očekivati da će automobil riješiti etičke probleme koji mogu nastati u hitnim slučajevima vožnje.
Pomaganje istraživačima
Razmišljanje o AI kao tracibilnoj životinji nije korisno objasniti ga široj javnosti. Također je korisno za istraživače i inženjere koji grade tehnologiju. Ako znanstvenik s AI pokušava sustavu podučiti novu vještinu, razmišljanje o tom procesu iz perspektive trenera za životinje moglo bi pomoći u prepoznavanju mogućih problema ili komplikacija.
Na primjer, ako pokušam svog psa naučiti da sjedi, a svaki put kad kažem "sjedni" zujalica u pećnicu ugasi se, moj će pas početi sjediti ne samo s mojom naredbom, već i sa zvukom zujanje pećnice. U biti, zujalica postaje još jedan signal koji kaže psu da sjedi, što se naziva "slučajno pojačanje". Ako potražimo slučajna pojačanja ili signale u AI sustavima koji ne rade ispravno, tada ćemo bolje znati ne samo što se događa pogrešno, ali i koja će specifična obuka biti najučinkovitija.
Ovo nas zahtijeva da shvatimo koje poruke dajemo tijekom AI obuke, kao i što AI može promatrati u okruženju. Zvučnik u pećnici je jednostavan primjer; u stvarnom će svijetu biti daleko složenije.
Prije nego što pozdravimo svoje nadmoćnosti AI i predajmo svoje živote i poslove robotima, trebali bismo zastati i razmišljati o vrsti inteligencije koju stvaramo. Oni će biti vrlo dobri u obavljanju određenih radnji ili zadataka, ali ne mogu razumjeti koncepte i ne znaju ništa. Stoga, kad razmišljate o iskrcavanju tisuća za novi Teslin automobil, sjetite se da je njegova funkcija autopilota zapravo samo vrlo brz i seksi crv. Želite li zaista dati kontrolu nad svojim životom i životima svojih najmilijih? Vjerojatno ne, zato držite ruke za volanom i ne zaspite.
Ovaj je članak prvotno objavljen u časopisu The Conversation.
Heather Roff, viša znanstvena novakinja, Odjel za politiku i međunarodne odnose, Sveučilište u Oxfordu; Znanstveni istraživač, Global Security Initiative, Državno sveučilište Arizona
