Poziom komplikacji systemów uczenia maszynowego już teraz przerasta inżynierów praktyków, którzy się nimi zajmują.
Na początku listopada 2017 roku saudyjski król Salman ibn Abd al‑Aziz Al Su’ud nadał prawa obywatelskie pierwszemu humanoidalnemu robotowi o imieniu Sophia, skonstruowanemu przez Hansen Robotics. Wprawdzie nie wiadomo, jakie konkretnie prawa ma teraz Sophia, ale PR‑owo ten zabieg był majstersztykiem, zwłaszcza jeśli wziąć pod uwagę, iż Arabia Saudyjska postanowiła ostatnio przeznaczyć spore środki publiczne na rozwój sztucznej inteligencji i próbuje ściągnąć zasoby globalnych talentów, które pchną ten proces naprzód. Czy Arabii Saudyjskiej chodzi o zbudowanie lepszej wersji Sophii? Prawdopodobnie nie. Z punktu widzenia rozwoju sztucznej inteligencji Sophia to jednak dosyć skromny, chociaż efektowny projekt. Sztuczna inteligencja, której chcą Saudyjczycy i cała reszta świata, będzie zdecydowanie bardziej podobna do AlphaGo Zero – słynnego programu, stworzonego przez firmę DeepMind, który został mistrzem świata w tradycyjnej chińskiej grze go.
AlphaGo Zero i artykuł na jego temat opublikowany w „Nature” wywołały duże poruszenie. Obecnie system ten jest bezsprzecznie najlepszym zawodnikiem go w historii. Jego poprzednik, AlphaGo, po pamiętnym zwycięstwie nad koreańskim arcymistrzem Lee Sedolem w 2016 roku szybko przestał mieć jakąkolwiek konkurencję. W marcu 2017 roku program AlphaGo wygrał z mistrzem świata w go Ke Jie. Wersja Zero powstała, aby oryginalny program miał z kim przegrywać. Udało się, AlphaGo Zero pokonała AlphaGo z wynikiem 100:0.
Dzisiaj, w 2017 roku, mamy nowe techniki uczenia i silniki wiedzy pokonujące ludzi w grach, które – jak się zdawało – jeszcze długo będą domeną człowieka. Każdy, kto miał styczność z go, rozumie, że to bardzo kompleksowa gra strategiczna. Wymaga rozeznania w stylu i taktyce przeciwnika, co jest nie lada wyzwaniem. Wymaga kreatywności niekiedy większej niż szachy. (Deep Blue od IBM pokonał Garry’ego Kasparowa dwie dekady temu!) Wyjątkowość programów firmy DeepMind polega na sposobie, w jaki się uczą. W przeciwieństwie do rozwiązań wykorzystujących typowe metody uczenia maszynowego nie wymagają one ludzkiego nadzoru. Jest to tzw. uczenie głębokie. Nie ma tu ani ludzkiego eksperta, ani danych wyjściowych z poprzednich gier. Program „znający” zasady gry samodzielnie bada kompletnie nieznaną rzeczywistość. Ta metoda nauki jest najbliższa sposobowi, w jaki my przyswajamy wiedzę na wczesnych etapach życia.
Zarówno w AlphaGo, jak i w AlphaGo Zero zastosowano najbardziej obiecujące w ostatnim czasie głębokie uczenie przez wzmocnienie (reinforcement learning). Odbywa się ono na kilku poziomach sztucznych sieci neuronowych przy wykorzystaniu pewnej formy metody behawioralnej – systemu nagród i kar. Co jednak dokładnie dzieje się w czasie nauki, tego nie wiedzą nawet programiści. Ludzie nie dysponują odpowiednim aparatem poznawczym. Pojawienie się sztucznej inteligencji otwiera nowy horyzont myślenia nie tylko o grze w go, ale też o innych zadaniach intelektualnych.
Po relatywnie krótkim treningu sztuczna inteligencja może być skuteczniejsza od specjalistów w analizie zdjęć rentgenowskich (sprawdzali to m.in. badacze z Karolinska Institutet). Jest świetna w wykrywaniu nowotworu jelita grubego. Program, który się w tym specjalizuje, powstał na Uniwersytecie Showa w Jokohamie. Analiza przypadku jednego pacjenta trwa krócej niż sekundę, a trafność diagnozy sięga 94%. Algorytmy sztucznej inteligencji są także w stanie optymalizować trailery filmowe (Affectiva) pod kątem preferowanych przez użytkownika czy użytkowniczki treści, celnie rekomendować produkty (Amazon) lub filmy do obejrzenia (Netflix). Potrafią analizować emocje i zachowania użytkowników w sieci, zwłaszcza w mediach społecznościowych.
Sztuczna inteligencja, wykazując się ogromną wiedzą ekspercką, stopniowo będzie coraz intensywniej wspierać ludzką pracę, a także, niestety, coraz częściej ją zabierać. Ludzie w bardziej rozwiniętych regionach świata mogą liczyć na zatrudnienie w zawodach okołotechnologicznych, a także na to, że ich praca (choćby w obszarze medycyny czy edukacji) zostanie wsparta nowymi technologiami oraz sztuczną inteligencją. Regiony mniej innowacyjne mogą jednak słusznie czuć się takim rozwojem zdarzeń zagrożone. Dlatego potrzebna jest szeroka społeczna debata na temat technologicznego rozwoju, a także dobre przygotowanie na nadchodzące zmiany w zakresie kompetencji potrzebnych na rynku pracy.
I choć nowe możliwości sztucznej inteligencji oczywiście robią wrażenie, to nadal technologia ta jest po prostu narzędziem. Niesamowitym, bo otwierającym przed ludzkością nowe przestrzenie, ale ciągle narzędziem. Jeżeli jednak spróbujemy wyobrazić sobie, co czeka nas za kolejnym zakrętem, okaże się, że kompleksowa sieć takich narzędzi może działać w sposób całkowicie dla nas niezrozumiały, czy wręcz autonomiczny. Yuval Naoh Harari pisał o tym bardzo sugestywnie w bestsellerze Homo Deus.
Poziom komplikacji systemów uczenia maszynowego już teraz przerasta inżynierów praktyków, którzy się nimi zajmują. Inteligencja rozpoczyna proces oddzielania się od świadomości. Dlatego też zrozumienie uczenia maszynowego, a także potencjalne połączenie go z projektami neuronaukowymi, jest jednym z najważniejszych bieżących i długofalowych zadań, jakie nas czekają, także w kontekście zmian zachodzących na rynkach pracy.
PRZECZYTAJ TAKŻE: Sztuczna inteligencja to wciąż tylko narzędzie »
Jak zachować przewagę nad sztuczną inteligencją
Sztuczna inteligencja Anna Werner PLW czasach, w których sztuczna inteligencja i algorytmy umożliwiają automatyzację niektórych kompetencji zarządczych, wielu menedżerów zapomina o stworzeniu właściwej hierarchii swoich umiejętności.
