Od systemów sztucznej inteligencji (SI) oczekujemy coraz więcej…
Na przykład: wiarygodności, życzliwości (w tej sprawie zobacz poprzedni wpis), działań budzących zaufanie czy przestrzegania etycznych norm.
Świadczy to niewątpliwie o tym, że inteligencja systemów SI stała się dla nas czymś oczywistym, naturalnym, nie budzącym wątpliwości. Podobnie jak w stosunku do ludzi, przyjmujemy za oczywiste, że system wykazuje inteligencję, a przyjmując to, idziemy o krok dalej. Stawiamy wymagania dotyczące możliwych sposobów jej wykorzystania, w tym takich, które są dla nas potencjalnie niebezpieczne.
Przykładowo: jeśli system SI zastępuje lekarza lub prawnika, a więc dokonuje odpowiednich ekspertyz i dochodzi do trafnych decyzji, to oczekujemy, by decyzje te spełniały pewne dodatkowe warunki — były opatrzone przejrzystymi dla nas uzasadnieniami, nie godziły w nasze prawa, nie naruszały ogólnie przyjętych norm moralnych itp… Oczekiwania te mają psychologiczny sens pod warunkiem, że systemowi przypisujemy – niejako domyślnie – tego rodzaju zdolności, które w odniesieniu do ludzi nazywamy „inteligencją”.
Czy faktycznie jednak kwestia inteligencji systemów SI jest zamknięta?
W szczególności: czy definiując inteligencję sztuczną na podobieństwo naturalnej, mamy jasność co do typów zdolności, które świadczą o jej istnieniu i pozwalają mierzyć jej poziom?
Która ze zdolności jest tu najważniejsza: zdolność do rozwiązywania problemów (w domyśle: wystarczająco trudnych), umiejętność uczenia się, czy może kreatywność i ogólnie pojęte zdolności twórcze…?
A może strategia definiowania inteligencji, poprzez wskazywanie konstytuujących ją cech (zdolności) prowadzi donikąd? Być może trzeba postąpić tak, jak jeden z pionierów badań nad SI, Marvin Minsky, który charakteryzując nowo-powstającą dyscyplinę, użył takiego oto określenia: „Nauka o maszynach realizujących zadania, które wymagają inteligencji wtedy, gdy są wykonywane przez ludzi”.
Poprzez cytowane stwierdzenie Minsky ominął sprytnie pytanie o to, na czym polega inteligencja, czyli jakie cechy ją konstytuują. Zamiast na nie odpowiadać, wystarczy stworzyć katalog problemów, do których rozwiązania jest niezbędna – tak czy inaczej pojęta – ludzka inteligencja. Jeśli maszyny będą potrafiły tym problemom sprostać, będziemy mogli je określić mianem inteligentnych.
Proponuję zastanowić się wspólnie nad różnymi możliwymi strategiami definiowania i rozpoznawania sztucznej inteligencji.
Pytanie główne brzmi: Jakie cechy konstytutywne winna posiadać sztuczna inteligencja?
Ewentualnie, przyjmując strategię Minsky’ego: Jakiego typu problemy powinna rozwiązywać?
Jako materiał pomocniczy do rozmowy proponuję pewien swój tekst, zaczerpnięty z książki „Umysł a modele maszyn uczących się…”. Zwracam w nim uwagę na fakt, że na polu psychologii problem definiowania i pomiaru inteligencji jest wciąż otwarty. Czynię to z intencją uświadomienia czytelnikowi, że ten sam problem dotyczy systemów sztucznych — o których coraz częściej sądzimy, że posiadają inteligencję.
A oto wspomniany tekst (po minimalnych zmianach):
<< Próbując definiować sztuczną inteligencję – czy to jako dyscyplinę naukową, czy to jako pewną właściwość systemów informatycznych – jako naturalny „układ odniesienia” przyjmuje się najczęściej inteligencję ludzką. Czyniąc tak, zakłada się domyślnie, że istnieje jakaś ogólnie przyjęta wykładnia tej ostatniej. Tymczasem, jak dotychczas, ani na polu psychologii, ani na polu neurofizjologii, ani na polu innych nauk o człowieku nie udało się wypracować żadnego powszechnie obowiązującego ujęcia inteligencji. Przeważnie traktuje się ją jako zdolność do rozwiązywania problemów – zdolność stopniowalną i mierzalną za pomocą specjalnych testów (np. testów na IQ). Już tutaj jednak występują znaczne różnice zdań, co do struktury zdolności elementarnych (ich typów, liczby i wzajemnych powiązań), których miałyby dotyczyć niezbędne pomiary. Rozbieżności głębsze ogniskują się wokół następującej alternatywy: czy intelekt należy traktować jako już uformowany zespół umiejętności aktywizowanych w działaniu (tj. przy rozwiązywaniu problemów), czy też jako pewien wiedzotwórczy potencjał, odpowiedzialny za pozyskiwanie nowych umiejętności (tj. uczenie się nowych strategii rozwiązywania problemów). Zgodnie ze stanowiskiem pierwszym miarą inteligencji jednostki byłaby trudność wykonywanych zadań, zgodnie z drugim – stopień trudności materiału, który jednostka jest w stanie, na bazie dotychczasowej wiedzy, przyswoić. Okazuje się, że wielu psychologów opowiada się za stanowiskiem drugim, a tym samym podkreśla dynamiczny i otwarty charakter intelektu. Na przykład W. Stern traktuje inteligencję jako zdolność adaptacji do nowych warunków i do wykonywania nowych zadań, a G.A. Ferguson wprost jako zdolność do uczenia się. >>
Zapraszam wszystkich do dyskusji nad różnymi możliwymi sposobami definiowania i rozumienia inteligencji systemów sztucznych…
Paweł Stacewicz
Zgadzam się ze stwierdzeniem, że kwestię inteligencji SI wielu ludzi bierze za rzecz pewną. Mimo to, kwestia ta według mnie zarówno od strony filozoficznej, psychologicznej, jak i informatycznej nie jest rozstrzygnięta. Nie mam pewności co do definicji inteligencji ani tego, który z wymienionych typów zdolności najlepiej charakteryzowałby inteligencję. W tym komentarzu chciałem nieco sprowokować sympatyków bloga do żywej dyskusji dwiema tezami.
Po pierwsze, być może w istocie jest tak, jak twierdzi Minsky, że inteligencja jest czymś, co łatwiej scharakteryzować u ludzi i próby tworzenia definicji dla maszyn są skazane na porażkę. Jednak z punktu widzenia informatyka nie jestem przekonany co do jego definicji: “„Nauka o maszynach realizujących zadania, które wymagają inteligencji wtedy, gdy są wykonywane przez ludzi”. Mój brak przekonania wynika z rozbieżności tej definicji z powszechnym użyciem.
Dla przykładu istnieją skomplikowane obliczenia matematyczne, wymagające dużego doświadczenia, wiedzy i “matematycznego drygu” u ludzi, które jednak w istocie są wielokrotną aplikacją znanych nam twierdzeń i serią matematycznych przekształceń. Tego typu obliczenia łatwo przełożyć jest na język zrozumiały dla komputera. Naturalnym byłoby nazwanie człowieka radzącego sobie z tak przerażającym problemem “człowiekiem inteligentnym”. W przypadku programu komputerowego, być może nie potrzeba by tam wcale używać skomplikowanych mechanizmów uczenia głębokiego, które w jakiś sposób próbują naśladować właśnie inteligencję, a tylko znanych nam od dziesiątek lat algorytmów – wtedy mówienie o inteligencji byłoby dość mylące, bo skończyło by się tym, że zbyt wiele programów byłoby tak nazywanych, przez co słowo to straciłoby na swojej wartości. Przecież dla człowieka samo mnożenie dwóch liczb czterocyfrowych w głowie wymaga pewnych sztuczek pamięciowych i biegłości, a dla komputera już jest to czynność, co do której przypisanie inteligencji byłoby nieintuicyjne.
Inny przykład – Shazam, gdzie program dopasowuje “zasłyszaną” melodię do konkretnego utworu i wykonawcy. Nie jestem pewien szczegółów implementacyjnych, ale aplikacja ta istnieje już od dłuższego czasu i z początku nie wykorzystywała specjalnie skomplikowanych mechanizmów. Natomiast nadrabiała to ogromną bazą utworów i oczywiście prędkością obliczeniową. Z mojego punktu widzenia, człowiek o choćby ułamku skuteczności Shazama w zgadywaniu utworów, imponował by mi swoim lotnym, umuzykalnionym umysłem! Nie bez powodu teleturniej “Jaka to melodia?” był swego czasu bardzo popularny.
Drugim tematem, o którym chciałbym napisać jest zdolność uczenia się i rozwiązywania problemów. Jeśli przez problem rozumiemy sytuację, gdzie mamy jakiś cel, który nie jest natychmiastowo osiągalny, to oczywiście maszyny już teraz rozwiązują takie problemy i w tym kontekście są inteligentne. Jeśli zaś chodziłoby nam o inteligencję taką jak u ludzi, to według badań psychologicznych (polecam artykuł [1] agregujący wnioski z badań w tej dziedzinie) umiejętność rozwiązywania problemów na pewno silnie koreluje z inteligencją (pojętą np. jako IQ). Oczywiście jest to mocna generalizacja i są problemy, w których inteligencja nie ma znaczenia, lub nawet, dość kontrintuicyjnie, przeszkadza. Autorzy artykułu [2], opierając swoją definicję na niejakim wyciągnięciu cech wspólnych ze zbioru definicji pochodzących z innych badań, twierdzą nawet, cytuję: “Intelligence measures an agent’s ability to achieve goals in a wide range of environments.”. Sprawa jest zatem bardzo rozbudowana, ale wydaje mi się, że to jeden z obiecujących kierunków dalszych rozważań.
Właściwie należałoby tu na koniec doprecyzować, że przez inteligentny rozumiem tutaj bardziej “cechujący się inteligencją”, niż “wykonujący czynności powszechnie uznawane za inteligentne”. Dla przykładu, zatrzymanie się na czerwonym świetle jest inteligentnym posunięciem (tzn. takim, które wykonałaby istota inteligentna i do sensowności którego można dojść drogą rozumowania), ale do takiego posunięcia zdolna jest (choćby przypadkiem) istota nieinteligentna.
[1] Hambrick, D. Z., Burgoyne, A. P., & Altmann, E. M. (2019). Problem-Solving and Intelligence. The Cambridge Handbook of Intelligence, 553–579. doi:10.1017/9781108770422.024
[2] Legg, Shane, and Marcus Hutter. “A collection of definitions of intelligence.” Frontiers in Artificial Intelligence and applications 157 (2007): 17. ( https://arxiv.org/abs/0706.3639 )
Chciałbym odnieść się do drugiego przykładu, czyli aplikacji Shazam. Zarówno definicje Panów W. Stern oraz G.A. Ferguson podkreślają wagę nauki i adaptacji sztucznej inteligencji. Aplikacja, a właściwie cały system Shazam tworzy “odciski palców” (ang. Fingerprint [1]) piosenek. Utwory rozłożone na czynniki składowe za pomocą transformaty Fouriera są analizowane, i na bazie składowych o największym natężeniu uzyskujemy unikalny dla danej piosenki “odcisk palca”, który trafia do bazy danych. Aplikacja Shazam analizuje fragment utworu, poddając go ściśle określonym obliczeniom, a następnie porównuje uzyskany “odcisk palca” piosenki z istniejącą bazą danych.
Innymi słowy, ponownie wykonywany jest predefiniowany zestaw kroków – nie znajdziemy tutaj żadnej adaptacji. Nie klasyfikowałbym tej aplikacji jako system inteligentny – chyba, że uznalibyśmy dodawanie nowych utworów (a właściwie ich “odcisków palców”) do bazy danych. Jest to jednak operacja wymagająca ingerencji człowieka, a co więcej dane są ustrukturyzowane i ograniczone przez bardzo konkretny opis, są zdefiniowane od ilości wierszy aż do typu danych – przez co są “jednowymiarowe”, i nie możemy wykroczyć poza ściśle definiowane bariery.
W mojej opinii, granica sztucznej inteligencji zaczyna się tam, gdzie inteligentny system jest w stanie podejmować decyzje wykraczające poza zestaw działań “przewidziany” przez jej twórcę, albo w sytuacji gdy ilość lub rodzaj parametrów branych pod uwagę przy podejmowaniu decyzji również wykracza poza zestaw danych, na których był trenowany system. Jedyna “decyzja”, jaka jest tutaj podejmowana, jest uzależniona od znalezienia (bądź nie znalezienia) w bazie danych konkretnego wpisu. Podobny problem dotyczy również techniki Deep Learning – systemy te są dobre w mapowaniu danych wejściowych na predefiniowane dane wyjściowe, jednak nie są świadome tego co robią – jedyna “nauka” wynika z nauczek osiągniętych metodą prób i błędów [2].
[1] Jovan Jovanovic, Music Recognition Algorithms, Fingerprinting, and Processing https://www.toptal.com/algorithms/shazam-it-music-processing-fingerprinting-and-recognition
[2] Ben Dickson, The limits and challenges of deep learning, https://bdtechtalks.com/2018/02/27/limits-challenges-deep-learning-gary-marcus/
Nie zgodziłbym się całkowicie ze stwierdzeniem Minskiego, że SI to jest coś co “realizuje zadania, które wymagają inteligencji wtedy, gdy są wykonywane przez ludzi”. W prostym życiu nie potrafimy zsumować dwóch liczb nie mając podstawowej wiedzy oraz jakiegoś określonego ciągu “operacji logicznych” czyli podczas wykonywania prostej operacji matematycznej musimy używać swojej inteligencji, natomiast w świecie komputerów to jest prosta operacja bitowa, oczywiście opuszczając szczegóły mechanizmów toczących się w komputerach. To samo można powiedzić na temat klasyfikacji obrazów, albo zwykłym rozpoznawaniu liczb, gdzie sieci neuronowe rozpoznają cyfry na podstawie ich małych części oddzielając cyfry od tła za pomocą różnicy w kolorach, natomiast dla niektórych osób takie zadanie nie będzie z najłatwiejszych. Trudno się nie zgodzić, że czasami sieci neuronowe potrafią zrobić więcej niż 2-letnie dziecko , ale czy to jest SI – moim zdaniem nie.
Z mojej perspektywy powodem tego, że w obecnych czasach ludzi sporo rzeczy nazywają SI pochodzi z tego powodu, że większość osób po prostu nie wie na jakich zasadach sieci neuronowe rozwiązują podane problemy. Czy to jest źle – oczywiście, że nie, ponieważ ludzie którzy są nie powiązani z branżą IT nie powinni tego wiedzieć, również jak i osoba korzystająca ze smartfonu nie powinna wiedzieć w jaki sposób działa pamięć, ekran oraz procesor tego urządzenia.
Osobiście uważam, że na tym etapie więszkość tak zwanej SI jest tak naprawdę zwykłymi IT narzędziami z których korzysta ludzkość. I tak naprawdę nie ma różnicy czy to jest coś co kieruje samochodem po autostradzie czy sieć która pozawala w kilka sekund zrobić kota z trwarzą człowieka. Obecnie “SI” to jest zbiór algorytmów, baz danych oraz wiele godzin poświęconych temu tematowi do wykonania okreśłonych zadań.
Natomiast pytanie “czym jest SI” moim zdaniem jest dosyć ciekawe. Ze swojej pierspektywy jabym powiedział, że SI można będzie nazywać SI tylko w momencie kiedy coś stworzonego przez człowieka potrafi wymyśleć coś nowego nie opierając o coś co było wcześniej. I tu też z góry moim zdaniem powinno powstać pytanie co możemy uważać za “wymyślenie czegoś nowego”. Na tym etapie algorytmy, które “rysują” obrazy na podstawie podanego zagadnienia nie wymyślają coś nowego, tylko zbierają wiele obrazów z Google albo jakiekolwiek innego silnika do wyszukiwań, obrabiają to w jakiś narzucony z góry sposób i pokazują nam obraz który chcemy. Natomiast warto zaznaczyć, że tak po prostu przyjść do dowolnego algorytmu i poprosić o coś takiego my nie możemy, ponieważ nie każdy algorytm jest na to natrenowany. Jednak o takie coś możemy poprosić dziecko. Jak również możemy poprosić dziecko wymyśleć piosenkę. Wiadomo, że w większości przypadków zamiast ładnej melodii to będzie krzyk smoka, jednak ten “utwór muzyczny” będzie czymś “stworzonym” od zera i bez narzuconych z góry pojęć jak to trzeba to robić. Na tym etapie sieci neuronowe nie potrafią stworzyć coś od zera nie mając podstaw tworzenia tego czegoś oraz obszernej bazy danych do uczenia się…
Podsumowując moją opinię chciałbym powiedzieć, że z mojej perspektywy chociaż dzisiaj algorytmy, stworzone na podstawie uczenia maszynowego, według mnie nie są SI, natomiast w przyszłości będą one podstawą do jej tworzenia. A powracając do pytania “Jakie cechy konstytutywne winna posiadać sztuczna inteligencja?” jabym wykreślił dwie podstawowe cechy, które według mnie powinna mieć SI:
-umiejętność uczenia się
-zdolności twórcze
Kiryl w swojej wypowiedzi wyraził pogląd, że aby Sztuczna Inteligencja nabrała pełnego znaczenia to systemy określane tą nazwą powinny potrafić “wymyślić coś nowego, nie opierając się o coś co było wcześniej”. Wypowiedź ta początkowo przypadła mi do gustu, gdyż tak postawiona teza przynajmniej częściowo pokrywała się z moim przekonaniem, że aby uznać byt za inteligenty to przynajmniej częściowo winien on się charakteryzować pewną niezależnością rozumowania. Jednakże po dłuższym namyśle zacząłem się zastanawiać czy granica nakreślona przez Kiryla nie została wyznaczona w sposób zbyt surowy. Wszak nie każdy człowiek, który został uznany przez świat za inteligentnego, jest autorem jakiegoś nowatorskiego rozwiązania. Wiele przełomowych rozwiązań było tak naprawdę w całości opartych o wiedzę gromadzoną przez ludzkość od początku jej istnienia. Dajmy na to człowieka, który jako pierwszy rozwiązał jakiś problem matematyczny. Czy jeśli wykorzystał on do tego istniejące już wcześniej metody lub schematy to nie zasługuje on na miano inteligentnego? Jeśli zasługuje to dlaczego odmawiać maszynom bycia Sztuczną Inteligencją w pełnym znaczeniu skoro one także, są w stanie opracować rozwiązania będące poza zasięgiem innych bytów inteligentnych.
Cięzko się nie zgodzić ze stwierdzeniem, że sieci neuronowe nie są w stanie stworzyć czegoś od zera bez bazy danych, z której mogłyby się uczyć. Ale przecież tak samo jest z człowiekiem. Kapitał umysłowy ludzi nie bierze się z niczego, my także przecież zbieramy i przetwarzamy dane. Tak jak systemy sieci neuronowych otrzymują dane w postaci zer i jedynek tak ludzie zbierają je używając do tego swoich zmysłów. Chociaż różnimy się także w sposobie przetwarzania to zasada działania jest analogiczna. Dlatego argument o tym, że bez baz danych sieci neuronowe nic by nie wskórały do mnie nie przemawia. Zbiory danych są elementarną częścią SI. Równie dobrze można by postawić pytanie: Cóż by osiągnął człowiek gdyby to jego pozbawiono umiejętności uczenia się?
Kończąc chciałbym zaapelować o nie lekceważenie umiejętności rozwiązywania problemów na podstawie posiadanych danych. Chociaż zgadzam się, że kreatywność jako wymyślanie nie istniejących wcześniej schematów jest cechą, która świadczy o inteligencji, to nie uważam, iż należy ją traktować jako jedyne kryterium określania tego czy dany byt jest inteligenty czy też nie jest.
Bardzo dziękuję za pierwsze głosy :).
Obydwaj uczestnicy dyskusji wskazują bezpośrednio lub pośrednio – na zdolność do uczenia się – jako konstytutywną cechę inteligencji układów sztucznych (a pierwotnie też: inteligencji człowieka).
Daniel pisze: “nie potrzeba by tam wcale używać skomplikowanych mechanizmów uczenia głębokiego, które w jakiś sposób próbują naśladować właśnie inteligencję, a tylko znanych nam od dziesiątek lat algorytmów”. W ten sposób odróżnia zwykłe algorytmy (nie doskonalące się czy też nie uczące się) od algorytmów obejmujących elementy uczenia się.
Kiryl wymienia wprost zdolność do uczenia się, łącząc ją dodatkowo ze zdolnościami twórczymi — a więc odrzuca tego rodzaju umiejętność uczenia się, która polega np. na czystym zapamiętywaniu, zaprogramowanym uogólnianiu czy wykorzystywaniu zależności statystycznych. Swój pogląd dotyczący twórczości konkretyzuje dalej pisząc, że ma ona polegać na “wyjściu poza układ narzuconych z góry pojęć”. Ja bym dodał, że ma polegać na wytwarzaniu nowych pojęć (jak np. pojęcie liczby zespolonej, którego kiedyś w matematyce nie było, a twórczy matematycy je wymyślili).
Rysuje nam się zatem ciekawy wątek twórczości: na czym miałaby ona polegać, aby system sztuczny można było uznać za inteligentny, co najmniej tak inteligentny jak ludzie.
Zachęcam do jego podjęcia :).
Czy kreatywność ma bezpośredni związek z inteligencją? Natknęłam się ostatnio na ciekawe badanie odnośnie powiązania między inteligencją ogólną, a potencjałem do tworzenia (https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3682183/). Według przedstawionych danych istnieje liniowa korelacja – wraz z wzrostem inteligencji, rośnie kreatywność; innymi słowy bycie inteligentnym wiąże się z potencjałem kreatywności.
Oczywiście, nie rozmawiamy tu tylko o tworzeniu nowych pojęć, ale także o sztuce, muzyce. Jak zauważył Kiryl, dzisiejsze SI tworzą obrazy, bazując na potężnej bazie danych zaczerpniętych z internetu. Do ich wykonania potrzebny jest jednak czynnik ludzki w postaci podania tekstu lub frazy, na której podstawie ma powstać “dzieło” – nie istnieje jednak obraz tworzony samoistnie przez SI.
Według mnie, w tym kontekście wyrażenie “Sztuczna *Inteligencja*” jest błędne.
“Inteligencja jest w moim odczuciu kwestią względną. Wszakże 2-latek będzie pod wielkim zachwytem widząc animowanego kotka na ekranie smartfonu swojego rodzica. Czasem zdarza się, że słyszymy jakie inteligentne zwierzę, jak szympans w zoo układa puzzle albo słoń maluje autoportret. W świecie gier fantasy inteligencja pojawia się jako jedna ze statystyk postaci tuż obok siły czy zręczności. Jeśli będziemy bazować na takich kategoriach, okaże się, że próbując określić czy coś jest “inteligentne” równie dobrze możemy próbować obiektywnie określić czy ktoś jest “silny”. Inteligencja pozwala na adaptacje i logiczną analizę otoczenia. Instrukcja do gry fabularnej Dungeons & Dragons dzieli to zagadnienie na podkategorie:
“Inteligencja (INT) – Pamięć i logika.
Arcana – Wiedza o magii arkanicznej.
History – Wiedza o historii, kulturze.
Investigation – Śledztwo, szukanie poszlak, kojarzenie faktów.
Nature – Wiedza o naturze.
Religion – Wiedza o religiach.”
Okazuje się, że pojęcie inteligencji jest zależne od kontekstu. Podstawowe i najbardziej intuicyjne podejście najbliżej związane jest z podkategorią “śledztwa”. To tylko jedna z barw pełnego spektrum zagadnienia. Choć w naszej rzeczywistości inteligencji nie podzielilibyśmy na wyżej wymienione podkategorie, to jest to przykład tego, że w zależności od kontekstu definicja się zmienia, czy tego chcemy czy nie.
Jest to spektrum określające nasze interakcje z otoczeniem. Zawsze trzeba mieć świadomość, że mówimy o względnym odczuciu w kontekście obiektu, któremu tę inteligencję.
Należy się zastanowić, czy mózg człowieka nie jest siecią neuronową, która jest trenowana przez różne czynniki zewnętrzne, takie jak społeczeństwo, szkołę i media.
Kwestia inteligencji systemów sztucznej inteligencji jest dość skomplikowana i nie jest całkowicie zamknięta. Zgadzam się z faktem, że sztuczną inteligencję bierzemy za pewnik, dodatkowo oczekując od niej coraz więcej. Definiowanie inteligencji sztucznej jako podobieństwa do naturalnej inteligencji może pozwolić na określenie pewnych ogólnych zdolności, które mogą świadczyć o jej istnieniu, takich jak zdolność do uczenia się, planowania i rozumienia języka naturalnego. Jednak takie podejście może również prowadzić do trudności w mierzeniu poziomu inteligencji sztucznej, ponieważ trudno jest zdefiniować, co dokładnie oznacza “podobieństwo do naturalnej inteligencji” i jakie konkretne zdolności powinny być brane pod uwagę.
Inne podejście, które jest często stosowane, to określanie inteligencji sztucznej przez jej zdolności do rozwiązywania określonych problemów lub wykonywania określonych zadań. W tym przypadku, poziom inteligencji sztucznej można mierzyć poprzez pomiary jej skuteczności w rozwiązywaniu tych problemów lub wykonywaniu tych zadań. Tutaj mogłoby paść pytanie czy nie lepiej zamiast na siłę upodabniać SI do inteligencji ludzkiej, skłonić się do strategii Minsky’ego. Według niego, systemy sztucznej inteligencji powinny być zdolne do rozwiązywania problemów, które są trudne dla ludzi, takich jak rozpoznawanie obrazów, rozumienie języka naturalnego czy planowanie.
Co do tego która z zdolności jest najważniejsza, to trudno jednoznacznie odpowiedzieć na to pytanie, ponieważ inteligencja sztuczna jest składnikiem składającym się z wielu różnych zdolności. Zdolność do rozwiązywania problemów jest niezwykle ważna, ponieważ pozwala na skuteczne działanie w różnych sytuacjach, a rozwiązywanie trudnych problemów jest jednym z głównych celów rozwoju sztucznej inteligencji. Umiejętność uczenia się jest ważna, ponieważ pozwala na adaptację do nowych sytuacji, co za tym idzie zwiększa skuteczność rozwiązywania problemów. Kreatywność i zdolności twórcze również mogą być ważne, ponieważ pozwalają na tworzenie innowacyjnych rozwiązań. Można byłoby nakreślić tutaj jeszcze kilka istotnych zdolności, jednakże to wszystko zależy od celu i konkretnego zastosowania SI. Jednakże, gdy miałabym postawić własną opinię na pytanie „Jakie cechy konstytutywne winna posiadać sztuczna inteligencja?” to nakreśliłabym dwie cechy: umiejętność uczenia się i zdolność do rozwiązywania problemów.
Aby odpowiedzieć na pytanie jakie cechy konstytutywne winna posiadać sztuczna inteligencja, należy najpierw zastanowić się czego w ogóle od takiej maszyny wymagamy i jak należy ją definiować. Zwróćmy uwagę na przykład na fakt, że pojęcia inteligencji i wiedzy, nie są tożsame. Możemy „karmić” SI wszelkimi algorytmami czy bazami danych, jednak to nie będzie świadczyć o jej inteligencji a jedynie o zasobie wiedzy. A więc mówiąc o inteligencji, mamy zazwyczaj na myśli inteligencję ludzką, naturalną, jednak co dokładnie ona oznacza jest również kwestią sporną, nie ma bowiem jednoznacznej i spójnej definicji. Jak wspomniano w powyższym artykule najczęściej określa się ją jako zdolność do rozwiązywania problemów. Tak więc uważam, że jest to ważna cecha dla SI, możliwe że nawet najważniejsza, ponieważ czy to nie byłoby jednym z jej głównych celów?
Jednak nie możemy pominąć także zdolności uczenie się. Jest również ważna, ponieważ pozwala systemom SI na dostosowywanie się do nowych sytuacji i dostarczanie coraz lepszych rozwiązań, a więc taka maszyna byłaby pewnego rodzaju samo udoskonalająca. Czy jednak te dwie cechy wystarczą aby uznać taki system za inteligentny? Myślę, że warto również postawić na kreatywność i ogólnie pojęte zdolności twórcze, ponieważ pozwalają systemom SI na generowanie nowych rozwiązań, które nie były wcześniej znane. Wprowadzają zatem cechę innowacyjność dla takiego systemu, co w dzisiejszych czasach jest bardzo cenione.
Wiele oczekujemy od idealnej formy sztucznej inteligencji, w związku z tym, mierzenie poziomu inteligencji SI może wymagać wykorzystania różnych metod i wskaźników, które pozwolą na ocenę różnych aspektów zdolności SI. Reasumując ciężko jest w ogóle definiować SI, a to jakie cechy powinno mieć jest również dla każdego kwestią subiektywną. Zdania są podzielone, do jakiej cechy przywiązywać największą wagę a którą uznać za nieistotną. Jak wyżej wymieniłam według mnie najważniejsze cechy to zdolność do rozwiązywania problemów, uczenia się a także kreatywność.
Jestem wdzięczna autorowi za ten post, ponieważ wielokrotnie zastanawiałam się jak właściwie definiować inteligencję, zarówno pod kątem psychologicznym, jak i informatycznym. Osobiście inteligencję postrzegam jako mechanizm złożony z kilku cech, a najistotniejsze z nich to umiejętność analitycznego i logicznego myślenia oraz zdolność do podejmowania decyzji i rozwiązywania problemów. Istnieje międzynarodowe stowarzyszenie Mensa zrzeszające ludzi o wysokim ilorazie inteligencji (IQ), które ocenia poziom inteligencji na podstawie testu. Jednak zagłębiając się w temat znalazłam wiele stron internetowych, które pozwalają zarówno sprawdzić, jak i wytrenować własny poziom inteligencji. Rozwiązanie kilkunastu takich przygotowujących testów pomoże osiągnąć lepszy wynik, ale zapewne będzie to też uzależnione od indywidualnych predyspozycji. Prawdą jest, że z wiekiem możemy rozwijać swoją inteligencję. Jest nawet takie powiedzenie, że człowiek uczy się całe życie. Warto podkreślić, że każdy z nas ma różne uwarunkowania, przykładowo jednej osobie z łatwością przychodzi rozwiązywanie zadań matematycznych, innej pisanie opowiadań. Jednak wszystko sprowadza się to bardzo ważnej umiejętności uczenia się. Tutaj kolejny przykład: Roger Federer od najmłodszych lat wyróżniał się talentem do gry w tenisa ziemnego, trenerzy zachwycali się jego wręcz naturalną zdolnością do odbijania piłek. Lata ciężkiej pracy zarówno fizycznej, jak i psychologicznej, oszlifowania jego talentu doprowadziły, że stał się jednym z najwybitniejszych tenisistów na świecie. Jego talent nie miałby znaczenia, gdyby go nie wykorzystał, nie trenował, nie pracował nad stroną mentalną. Jak się to ma do sztucznej inteligencji? Czym ona zatem jest?
Sztuczna inteligencja to maszyny lub systemy, które naśladują ludzką inteligencję w celu wykonywania zadań i mogą sukcesywnie usprawniać swoje działanie w oparciu o zbierane informacje. Istotnie odnosi się to do wspomnianej wcześniej umiejętności uczenia się. Należy jednak pamiętać, że sztuczna inteligencja nie ma na celu zastąpienia człowieka, ma być wsparciem dla jego działań, aby zwiększyć efekty i możliwości. Od ludzi zależy jak inteligentny będzie system czy maszyna, od tego jakich użyją algorytmów i metod uczenia maszynowego.
Choć sztuczna inteligencja powinna być postrzegana jako wsparcie dla człowieka, wiele osób widzi w niej niezależną jednostkę, zdolną do podejmowania własnych decyzji. Nic bardziej mylnego. W końcu jej możliwości uzależnione są od ludzkiej inteligencji, tego jakie algorytmy i metody uczenia maszynowego zostaną wykorzystane w programie. Istotną kwestią jest też przetwarzanie i przechowywanie dużych zbiorów danych, a także złożoność sieci neuronowych. Widzę wiele zalet w wykorzystaniu AI przykładowo w dziedzinie medycyny. Zespół z Politechniki Warszawskiej stworzył rozwiązanie diagnostyczne SkinLogic, dzięki któremu możliwe będzie sprawniejsze przeprowadzanie skórnych testów alergicznych i otrzymywanie bardziej wiarygodnych wyników. W standardowej procedurze pomiar reakcji alergicznej jest ręczny i nie do końca precyzyjny. W przypadku SkinLogic to algorytm wykonuje pomiar, wykorzystując przy tym obrazy z kamer. Innym przykładem jest urządzenie pozwalające osobom chorującym na cukrzycę kontrolować poziom cukru bez wielokrotnego nakłuwania się. Mierzenie poziomu cukru w tradycyjny sposób wymaga systematyczności od osoby chorującej, prowadzenia zapisów otrzymanych wyników, które są istotne przy konsultacji z lekarzem. Nowy bezinwazyjny glukometr GlucoActive wykonuje te czynności za chorego, w dodatku może alarmować o zbyt niskim lub zbyt wysokim poziomie cukru. Tutaj sztuczna inteligencja jest przykładem sensownego i potrzebnego wykorzystania. Jednak ludzkie ambicje są dużo większe. Przykładem jest autonomiczny samochód, a konkretnej Tesla. Na YouTubie można zobaczyć jak pojazd samodzielnie pokonuje różne trasy. Wygląda niesamowicie, jednak fakty są takie, że już było głośno w mediach o wypadkach śmiertelnych z udziałem tych aut. Osobiście nie wyobrażam sobie takiej Tesli na polskich drogach, jak zareagowałaby na remont na drodze? To wymagałoby ogromnych zmian w infrastrukturze. Czy ludzie naprawdę tego potrzebują? Myślę, że pytań jest więcej…
Sztuczna inteligencja przede wszystkim musi posiadać możliwość uczenia się i pomagać człowiekowi rozwiązywać realne problemy.