Magia umysłu. W poszukiwaniu odpowiedzi na wszystko
Sztuczna inteligencja – wszędzie o niej głośno, już mało który poważny biznes z niej nie korzysta. Niektórzy przepowiadają, że doprowadzi ona do końca świata, inni twierdzą, że może okazać się dla niego zbawieniem. Czym tak naprawdę jest sztuczna inteligencja, jak komputery się uczą i czego możemy się po nich spodziewać w przyszłości?
Szczypta historii na początek
Wszystko zaczęło się wraz ze złotą erą science fiction, która przypadła na lata 40 zeszłego wieku. Komputery były tam przedstawiane jako myślące maszyny, które znacznie przewyższają inteligencją przeciętnego człowieka. Zainspirowany tymi historiami naukowiec Alan Turing rozpoczął erę sztucznej inteligencji swoim dziełem pod tytułem “Can Machines Think?”, wydanym w 1950 roku. Pokazuje w nim, że skoro ludzie używają dostępnych informacji i logicznego rozumowania do podejmowania decyzji, maszyny powinny być w stanie robić to samo. Cóż, miał rację. Musimy jednak pamiętać o tym, że w tamtych czasach komputery zajmowały całe pokoje, a ich czas pracy był bardzo drogi! Na takie eksperymenty mogły pozwolić sobie tylko prestiżowe uczelnie, albo największe firmy technologiczne. Turing potrzebował więc planu. 5 lat po ukazaniu się jego dzieła powstaje pierwszy program wykorzystujący sztuczną inteligencję, który imitował umiejętności rozwiązywania problemów posiadane przez człowieka. Miał on za zadanie przekonanie większego grona odbiorców do słuszności pomysłu i pozyskanie odpowiednich partnerstw. W 1956 roku program został przedstawiony na konferencji naukowej i po aprobacie większości uczestników, stwierdzono, że da się coś takiego stworzyć. Od tego momentu zaczęły się dotacje i intensywny rozwój tej gałęzi informatyki. Jak w każdej historii, bywały czasy lżejsze i cięższe, a koniec końców okazało się, że tym, co najbardziej blokowało rozwój sztucznej inteligencji, były ograniczenia sprzętowe.
Jak uczą się komputery?
Komputery mogą się uczyć na wiele różnych sposobów, przede wszystkim wyróżniamy jednak dwa – uczenie nadzorowane i uczenie nienadzorowane. Pierwsze polega na tym, że podajemy “karmimy” program odpowiednią ilością danych, wraz z oznakowanymi wynikami. Można to porównać do nauki matematyki z dzieckiem – przerabiamy z nim konkretną ilość zadań, mówiąc jakie są poprawne wyniki i pokazując, jak je rozwiązać, a następnie dziecko jest w stanie rozwiązywać podobne zadania bez naszej pomocy. Komputerowi możemy np. pokazać milion zdjęć małpy, a ten każde zdjęcie “rozłoży” na piksele, zapamięta ułożenie kolorów itd., a następnie, z bardzo dużą dozą prawdopodobieństwa, będzie w stanie wskazać małpę na rysunku. W takim modelu często pomagają też ludzie. Może nie mieliście świadomości, ale za każdym razem kiedy rozwiązujecie pewnie już większości znaną “captchę”, trenujecie algorytm sztucznej inteligencji. Tak samo korzystając z najpopularniejszej aplikacji do nauki języków Duolingo, pomagacie sztucznej inteligencji lepiej tłumaczyć języki. Tego typu zabiegów w otaczającym nas internetowym środowisku jest dosyć sporo. Z racji, że w większości przypadków nawet nie zdajemy sobie sprawy, że takie działania mają miejsce, tak naprawdę można śmiało stwierdzić, że każdy z nas w jakiś sposób przykłada się do rozwoju sztucznej inteligencji. Captcha została stworzona po to, żeby blokować tzw. boty przed nadmiernym wchodzeniem na strony i doskonale spełnia to zadanie. To, że przy okazji uczy też sztuczną inteligencję Google jest tylko i wyłącznie na plus.
Drugim rodzajem uczenia maszynowego jest uczenie nienadzorowane. Wykorzystywane jest ono tam, gdzie nie do końca wiemy, czego się spodziewać i chcemy, żeby algorytm znalazł to za nas. Dobrym przykładem może być giełda. Poprzez wzory, które znajdują się na wykresie dowiadujemy się czy to najlepszy czas na zakup, czy sprzedaż. Podłączamy więc taki algorytm pod dany wykres, definiujemy na czym nam zależy (w przypadku giełdy najpewniej będzie to zysk) i pozwalamy naszemu uczniowi próbować różnych kombinacji, tak, żeby efekt końcowy był jak najbardziej satysfakcjonujący.
Sztuczna inteligencja zawsze uczy się na jakichś danych i to z nich wyciąga wnioski. Jeżeli będziemy chcieli nauczyć ją tworzyć muzykę, a podamy jej w postaci danych tylko twórczość Mozarta, stworzony utwór będzie na pewno bardzo mocną kopią jednej z symfonii Mistrza. Komputery same z siebie nie potrafią być kreatywne. Potrafią tylko wyciągać wnioski na podstawie tego, co im podano.
Gdzie sztuczna inteligencja jest teraz i dokąd zmierza?
Zastosowania sztucznej inteligencji możemy już teraz dostrzec w wielu różnych miejscach. Spójrzmy np. na rozwiązania Smart City, które dbają o nasze bezpieczeństwo i wygodę. Przykładem koncepcji są inteligentne przejścia dla pieszych, aplikacje pozwalające na kupno biletów i opłacanie miejsc parkingowych czy też rowery i hulajnogi miejskie. Zaliczają się do nich również szybsze i sprawniejsze opracowywanie leków czy wsparcie edukacji przez sztucznie generowanych nauczycieli języka. Oczywistym jest, że im bardziej abstrakcyjne zadanie, tym dłużej zajmie pozytywna adaptacja. Choć Google Translate tłumaczy już bardzo sprawnie, nadal mogą pojawić się gafy i nietrafne kolokacje, a do komunikacji na poziomie native speakerów trochę mu brakuje. Technologia jednak stale się rozwija i zmierza w bardzo dobrym kierunku.
Podsumowując…
…Pomimo, że sztuczna inteligencja jest już z nami ponad 50 lat, jej szerokie wykorzystanie zaczynamy dostrzegać dopiero teraz. Coraz doskonalsze tłumaczenia, samojeżdżące auta, generowanie perfekcyjnych twarzy ludzi, którzy nie istnieją. To wszystko jest dopiero zalążkiem tego, co sztuczna inteligencja może ludzkości dać. Jednak, jak w wielu przypadkach, jedynym sposobem, żeby się przekonać o tym co z tego wszystkiego wyjdzie, jest śledzić dalszy jej rozwój i czekać.
Your team #Mateico.