Mākslīgais intelekts jau ir kļuvis par faktu dažos finanšu un transporta segmentos, un, izplatoties citās jomās, mēs arvien vairāk vēlamies pārliecināties, ka mēs to kontrolējam, nevis otrādi. Kopš 2001. gada Kosmosa odiseja Blade Runner, RoboCop līdz The Matrix, kad cilvēki nodarbojas ar mākslīgo intelektu, viņi neizbēgami saskaras ar filmu veidotāju tumšo fantāziju.
Spike Jones jaunākā filma "Viņa" un gaidāmā Aleksas Gārlandes filma "Out of the Machine" jau ir veltīta mākslīgā intelekta darbiem, kas dzīvo mūsu vidū. Tūringa tests ir priekšplānā, un mēs joprojām nevaram noteikt galveno atšķirību starp mikroshēmām un kodu no miesas un asinīm.
Šīs bailes izsaka arī daži Silīcija ielejas slavenie cilvēki: Pagājušajā mēnesī Elons Musks (Tesla un SpaceX izpilddirektors) raksturoja mākslīgo intelektu kā "lielāko eksistenciālo draudu" cilvēcei. To, ko daudzi no mums nesaprot, un, iespējams, arī pats Elons Musks, ir tas, ka mākslīgais intelekts nav kaut kāda neticami tehnoloģija, kas pastāv tikai filmu veidotāju un datoru ģēniju laboratorijās.
Daudzi no mūsu viedtālruņiem izmanto rudimentāras mākslīgā intelekta metodes, lai tulkotu no vienas valodas citā vai atbildētu uz mūsu jautājumiem; azartspēļu nozarē AI tiek izmantots, lai ģenerētu sarežģītus un pastāvīgi mainīgus spēles scenārijus. Un tā kā Silīcija ielejas uzņēmumi, piemēram, Google un Facebook, turpina pirkt AI uzņēmumus un nolīgt ekspertus, AI turpinās augt.
Tātad mākslīgais intelekts nav Spīlberga filma?
Par filmu nav sūdzību, taču terminam, kas nozīmē "mākslīgais intelekts", ir daudz garāka vēsture nekā tam, ko savās filmās parādīja Spīlbergs un Kubriks. Mākslīgais intelekts ir datēts ar skaitļošanas tehnikas dzimšanu pagājušā gadsimta piecdesmitajos gados, kad tikai 14 gadus pēc vispārēja lietojuma datora definēšanas Alans Turings domāja, vai mašīna varētu domāt.
Reklāmas video:
Ir pagājuši 64 gadi, un šī ideja joprojām ir mūsu prātā, tā ir iemiesota filmās un grāmatās un tiek apspriesta simpozijos. Tas nenovirzījās tālu no noteikumu kopuma, ko Tūrings izklāstīja viņa 1950. gada skaitļošanas mašīnās un prātā, kurā viņš ierosināja “atdarināšanas spēli”, kuru mēs tagad pazīstam kā Tjūringa testu.
Pievienojiet datoru teksta terminālim un ļauj tam sazināties ar operatoru kopā ar reālu personu. Pārbaudes būtība ir tāda, ka, kad jūs lūdzat operatoram noteikt, kurš no viņa sarunu biedriem bija cilvēks, "operators šīs spēles laikā pieļaus kļūdas tik reizes, cik viņš varēja pieļaut kļūdas, mēģinot atšķirt vīrieti no sievietes".
Tērings uzskatīja, ka daudz noderīgāk būtu izdomāt, vai mašīna varētu nokārtot testu, nekā atbildēt uz neskaidru un filozofisku jautājumu par to, vai tā domā, vai nedomā. "Kas attiecas uz šo jautājumu … es domāju, ka to ir bezjēdzīgi apspriest." Tiesa, Tīrings domāja, ka līdz 2000. gadam "valoda un izglītība būs tik daudz mainījusies, ka ikviens var sazināties ar domāšanas mašīnu bez jebkādām problēmām".
Burtiski runājot, viņš nebija pārāk kļūdījies. Mūsdienās jūs bieži varat dzirdēt cilvēkus sakām, ka viņu datori ir mēmi vai pārdomāti. Bet pat ja mēs nopietnāk uztveram domāšanas mašīnas definīciju, šī ideja būs tuvāk realitātei, nekā daudzi varētu domāt.
AI jau pastāv?
Salīdzinoši. Neskatoties uz ziņojumiem par pretējo, mums joprojām ir tāls ceļš līdz Tīringa simulācijas spēlei. Jūnijā čatbots Jevgeņijs Gustmans veiksmīgi izkrāpa trešo daļu tiesnešu, nokārtojot Tjūringa testu Londonā, pārliecinot viņus, ka viņš ir cilvēks.
Bet tā vietā, lai domātu, Eugene paļāvās uz trikiem un viltībām. Poza kā 13 gadus vecs zēns, kuram angļu valoda nav viņa dzimtā valoda, mašīna tika izskaidrota ar daudziem tās uzvedības neloģiskiem aspektiem, ieskaitot sliktu humora izjūtu un aizskarošus paziņojumus, bieži novirzot sarunu citā virzienā.
Lielākā daļa AI izstrādātāju mēģina iemācīt to apstrādāt dabisko valodu, lai mēs varētu izdot komandu valodā, kura mums ir pazīstama. To bērni sāk darīt pat pirms pirmā soļa veikšanas, un tas ir ārkārtīgi grūts uzdevums mašīnai.
Apsveriet AI pētnieku iecienīto frāzi: "laiks lido kā bulta, augļi lido kā banāns". [spēle ar vārdiem: “laiks lido kā bulta, augļu muša mīl banānu”; teikuma otro daļu pēc analoģijas ar pirmo var tulkot kā “augļi lido kā banāns”]. Teikuma sadalīšana tā sastāvdaļās dažreiz traucē pat angļu valodā runājošajiem, pat angļu valodā runājošajiem, nemaz nerunājot par algoritmu.
Vai AI ir runas problēmas?
Noteikti ne tādā veidā. Faktiski AI lielākoties netiek izmantots sarunām. Dažiem no jums vajadzētu zināt par mākslīgo intelektu nevis no zinātniskās fantastikas vai no Alana Tēringa, bet gan no videospēlēm, kur AI tiek izmantota, lai atsauktos uz datora vadītiem pretiniekiem.
Piemēram, pirmās personas šāvējā AI kontrolē ienaidnieku kustības, ļaujot viņiem visizprotamākos veidos izvairīties, mērķēt un šaustīt pret jums. Sacīkšu spēlēs AI var kontrolēt konkurentus. Kā AI paraugs video spēles noteikti atstāj daudz ko vēlēties. Bet dimanti tiek izgatavoti no dimantiem, un vienkāršotie sistēmas noteikumi apvieno, lai izveidotu kaut ko sarežģītu.
Piemēram, ņemiet GTA V, kur, veidojot pilsētas ar savu dzīvesveidu, jūs varat pagriezt stūri un atrast ugunsdzēsēju brigādi, kas cīnās ar šoferi, kurš ieskrēja šļūtenē; vai Rūķu cietoksnis, kur rūķi dzīvo alās ar savu dzīvi, teksturēti un algoritmiski sīki izstrādāti. Šīs jaunās spēļu sistēmas parāda pilnīgi jaunu veidu, kā AI var attīstīties, nevis cenšoties atdarināt cilvēku, bet izstrādājot “pietiekami labu” heiristiku, kas algoritmus pārvērš par kaut ko pilnīgi atšķirīgu, ja ir pietiekami mērogs.
Tātad visi iegulda AI, lai izveidotu labākas spēles?
Nē. Uzņēmumi, piemēram, Apple un Google, iegulda daudz naudas AI, cenšoties izveidot virtuālus personiskos palīgus, piemēram, Siri un Google Now.
Tas var būt nedaudz tālu no Tjūringas fantastiskā redzējuma, taču balss pakalpojumi būtībā veic to pašu smago darbu kā cilvēks. Viņiem ir jāklausās un jāsaprot runātā valoda, jānosaka, kādi dati tajā ir, un pēc tam jāatdod rezultāts, arī sarunas veidā. Viņi nemēģina mūs maldināt, uzskatot, ka viņi ir cilvēki, bet tas notiek pats par sevi. Tā kā visa skaitļošana notiek mākonī, jo vairāk viņi dzird, jo labāk viņi saprot.
Tomēr vadošie AI pētījumi nav vērsti uz cilvēka izpratnes par pasauli atkārtošanu, bet gan uz tās pārsniegšanu. Piemēram, IBM Watson ir pazīstams kā dators, kas uzvarēja Jeopardy! 2011. gadā, izmantojot dabiskās valodas izpratni, lai atrastu atbildes uz koordinatora jautājumiem. Bet līdztekus dabiskās valodas izpratnei Vatsons var arī ļoti ātri lasīt un saprast milzīgu daudzumu nestrukturētu datu.
Jeopardy! Gadījumā viņš strādāja ar 200 miljoniem datu lapu, ieskaitot visu Wikipedia tekstu. Vatsona patiesais mērķis ir izvērsties visā internetā un nodrošināt veselības aprūpes speciālistus ar ērtu darba mehānismu. Galu galā ir zinātnieki, kuri vienkārši vēlas glābt cilvēci.
Mēs visi mirsim?
Var būt. Pastāv bažas, ka, tiklīdz tiks izveidots pietiekami universāls AI, piemēram, Watson, tā jauda palielināsies līdz ar tai pieejamo apstrādes jaudu. Mūra likums paredz, ka skaitļošanas jauda divkāršojas ik pēc 24 mēnešiem, tāpēc ir tikai laika jautājums, pirms AI kļūst gudrāks par tā veidotājiem un var izveidot vēl jaudīgāku AI, kas noved pie tā spēju eksponenciāla pieauguma.
Bet ko superinteliģentais mākslīgais intelekts darīs ar šīm iespējām? Viss atkarīgs no tā, kā tas ir ieprogrammēts. Problēma ir tā, ka ir ļoti grūti ieprogrammēt ļoti inteliģentu datoru tā, lai tas nejauši neiznīcinātu cilvēci.
Pieņemsim, ka jūs piešķirat AI uzdevumu izgatavot papīra saspraudes un padarīt tās pēc iespējas labākas. Pietiekami drīz viņš sapratīs, ka uzlabojumus štāpeļšķiedru ražošanā var panākt, uzlabojot ražošanas līniju. Ko viņš darīs tālāk?
"Piemēram, viņš uztrauksies, ka cilvēki viņu neizslēdz, jo tad netiks izgatavoti saspraudes," skaidro Niks Bostroms. Papīra saspraudes AI, saka Bostroms, “var uzreiz atbrīvoties no personas, jo tie ir draudi. Turklāt viņam būs nepieciešami pēc iespējas vairāk resursu, jo tos var izmantot papīra saspraužu izgatavošanai. Piemēram, atomi cilvēku ķermeņos."
Kā rīkoties ar šādu AI?
Vienīgais veids, kā darbosies, saskaņā ar dažiem teorētiķiem, piemēram, Ray Kurzweil, Google CTO, ir AI izslēgšana. Cilvēkiem būtu jādomā ne tikai par to, kā izveidot inteliģentu AI, bet arī par šī jautājuma ētisko pusi - un jāprogrammē atbilstoši tam.
Beigu beigās koda rakstīšana tikai meklē nepatikšanas. Mašīna ar norādījumiem "padarīt cilvēku laimīgu" var atrisināt šo problēmu gluži vienkārši, implantējot elektrodus cilvēku smadzenēs. Tāpēc, lūdzot mākslīgo intelektu risināt lielas filozofiskas problēmas, mums jāpārliecinās, ka mašīna saprot, kas ir “labs” un kas “slikts”.
Tātad mums ir vajadzīga ētikas programma, un viss būs kārtībā?
Ne īsti. Pat ja mums izdodas novērst ļaunprātīgas AI parādīšanos, joprojām paliek jautājums, kā sabiedrība pielāgojas pieaugošajām mākslīgā intelekta iespējām.
Rūpniecisko revolūciju raksturo tādu darba vietu automatizācija, kuras iepriekš paļāvās uz roku darbu. Nav šaubu, ka rūpnieciskā revolūcija bija cilvēka labklājības visnozīmīgākās izaugsmes periods. Bet tā laika apvērsums šajā gadījumā bija unikāls, un maz ticams, ka mēs to atkal varēsim redzēt.
Ko tvaika enerģija darīja fiziskajam darbam, to var darīt arī garīgais darbs. Pirmie šīs sfēras upuri jau parādās: pasaulē ar Hailo un Uber nav vietas taksometru nosūtīšanai; biržas māklera darbs ir precīzi mainījies, ieviešot augstfrekvences tirdzniecību; sporta un ziņu stāstus drīz veidos automašīnas.
Īstās pārmaiņas tikai sākas. Novembrī Goldman Sachs vadīja 15 miljonu dolāru finansēšanas kārtu Kensho - finanšu datu analītikas dienestam, kas mākslīgā intelekta metodes izmanto ārpus labākajiem cilvēku analītiķiem. Tas var apstrādāt tik lielu datu daudzumu, ka cilvēki tam ir vienkārši bezspēcīgi.
Kensho analītiku var izmantot tāds augstas frekvences tirdzniecības uzņēmums kā Athena, kas to izmanto, lai tirgū iegūtu milisekundes priekšrocības - pietiekami, lai nopelnītu naudu, ja tirgojat miljardiem dolāru.
Pēc tam, kad šāda tirdzniecība ietekmē vispārējo tirgu, Kensho var sniegt savus algoritmus Forbes, un viņa aizstās savus finanšu analītiķus. Lielākā daļa biznesa kopsavilkumu ir viens pret vienu, un, ja dati ir pieejami strukturētā formātā, kāpēc tērēt laiku kopā ar cilvēkiem?
Kopumā šādas izmaiņas nāk par labu. Ja miljonu cilvēku darbs aizstās algoritmus, viņi var izdarīt kaut ko labāku, samazināsies darba stundu skaits, un mēs nonāksim vienu soli tuvāk utopijai.