IBM chce, by sztuczna inteligencja była… inteligentna

Mówiąc „sztuczna inteligencja” najczęściej mamy dziś na myśli programy, których podstawą jest uczenie maszynowe. Polega to na tym, że system otrzymuje mnóstwo danych i na tej podstawie potrafi odkryć pewne zależności i reguły, a następnie porównać je z kolejną porcją danych. Ludzki mózg działa nieco inaczej i eksperci z IBM mają nadzieję, że poprzez odtworzenie tego zdołają uczynić sztuczną inteligencję znacznie lepszą.

SI dzisiaj to spec od jednego zadania...

Obecne systemy sztucznej inteligencji są naprawdę skuteczne, ale tylko w określonym zadaniu (i przy założeniu, że liczba danych wejściowych jest pokaźna). Gdy jednak trzeba „przekwalifikować” taki program, konieczne jest wyczyszczenie jego pamięci i rozpoczęcie „nauki” od nowa, co oznacza, że cały trud związany z rozpoznawaniem wzorców w innym temacie idzie na marne. Rozwiązaniem jest nauczenie SI umiejętnego zapominania, nad czym pracują między innymi spece z DeepMind.

Zapominanie nieważnych informacji i korzystanie z istotnych doświadczeń to właśnie jedne z najważniejszych funkcji mózgu, dzięki którym jesteśmy inteligentni. Ale nie jedynymi. Ludzki umysł doskonale radzi sobie także na przykład z tzw. rozumowaniem relacyjnym (odkrywaniem zależności i powiązań) opartym na logice. Logika to coś, co trudno „wszczepić” systemowi, a jeśli już, to niemożliwe jest korzystanie z niej „w locie” (tak jak ma to miejsce u nas).

Idealna sytuacja byłaby taka, gdyby udało się połączyć elastyczność ludzkiego mózgu z wydajnością sztucznej inteligencji. Właśnie czegoś takiego spróbowali naukowcy z DeepMind i w prostych zadaniach (dotyczących względnego położenia obiektów geometrycznych na obrazach czy też „czytania ze zrozumieniem”) ich program poradził sobie podobno lepiej niż człowiek, choć różnica była nieznaczna. 

...jutro będzie to spec od wszystkiego

Eksperci z IBM chcą jednak iść jeszcze dalej. Prężnie działa na dwóch polach: pierwszym jest nadanie SI tzw. okresu skoncentrowanej uwagi, drugim zaś wdrożenie do systemu uczenia maszynowego odtworzonego biologicznego procesu neurogenezy, czyli narodzin neuronów, a także ich śmierci. Cel jest taki, by sztuczna inteligencja sama potrafiła zrozumieć, które informacje są kluczowe i zachować je na później, a następnie samodzielnie połączyć wszystkie te „doświadczenia” w jedną sieć zależności. Ta zaś mogłaby być podstawą systemu, który w czasie rzeczywistym mógłby przynosić rozwiązania wielu różnych problemów, nawet jeśli dane źródłowe dotyczyłyby innej tematyki.

Projektowany przez IBM system ma wbudowany mechanizm, który „mówi” sztucznej inteligencji, na czym powinna się skoncentrować. Dzięki temu ma ona logicznie podejść do sytuacji – zadawać odpowiednie pytania i filtrować odpowiedzi. Program sam ma potrafić podjąć decyzje, które doprowadzą do najlepszego wyniku, ale też uczyć się tego, gdzie szukać informacji, które pomogą szybko tę decyzję podjąć i tylko na nich się skupiać. To tak jak mechanik samochodowy, który nie grzebie niepotrzebnie w silniku, gdy klient zgłaszał, że nie da się opuścić szyby.

Neurogenny system „Big Blue” działać ma podobnie jak ludzki mózg. Nie będzie usuwał informacji, które nie są mu potrzebne, lecz w danym momencie nie będzie z nich czerpał. Największym problemem (z którym naukowcy próbują sobie poradzić) jest to, by on sam potrafił podjąć decyzję, czego potrzebuje, a co w konkretnym przypadku nie stanowi dla niego żadnej wartości. Na to zaś potrzeba czasu – „dziesięcioleci”, jak twierdzi Irina Rish z IBM-u.

Źródło: Engadget, Futurism, Quartz. Ilustracja: ColiN00B/Pixabay (CC0)