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/
Czytając oba komentarze Panów Daniela i Marcina zwróciłem uwagę na pewną zależność. W obu wpisach przywołana jest aplikacja Shazam jako przykład zarówno „inteligencji” jak i jej braku w działaniu tego programu. Z jednej strony nie da się przeoczyć podobieństwa do działania ludzkiego mózgu w trakcie rozpoznawania piosenek (jak w kultowym teleturnieju), a z drugiej strony jest to po prostu program porównujący „odciski palców” utworów z wgranymi do bazy danych wzorcami. Faktycznie wzorce te muszą być wgrane do bazy, jednak chciałbym zwrócić uwagę, że w przypadku ludzkiego mózgu dzieje się to samo: jesteśmy przecież w stanie dobrze rozpoznać tylko te piosenki które znamy. Jeżeli bliżej przyjrzeć się procesowi rozpoznawania przez programu typu Shazam piosenek można zauważyć, że nie różni się on znacznie od działania naszego mózgu, a jeżeli chcielibyśmy porównać skuteczność działania dwóch programów tego typu, to na pewno zwrócilibyśmy uwagę na szybkość identyfikacji danego utworu (uznając za lepszy program, który dokona takiej identyfikacji szybciej), tak jak we wspomnianym teleturnieju: lepsi gracze rozpoznają piosenkę „po jednej nutce”, a gorsi po siedmiu.
Myślę, że byłaby to po prostu kwestia ustalenia, czy rozpoznawanie piosenek jest czynnością wymagającą od nas inteligencji (a nie tylko wyuczoną czynnością) , gdyby nie jeden aspekt rozpoznawania przez nas piosenek. Słysząc po raz pierwszy piosenkę czasem jesteśmy w stanie określić jej wykonawcę na przykład po głosie wokalisty, charakterystycznym stylu gry gitarzysty, czy ogólnym „brzmieniu” zespołu lub artysty. Czasem możemy nawet wydedukować tytuł piosenki słysząc słowa refrenu. Zgodnie z niektórymi wymaganiami bycia „inteligentnym” podawanymi w tej dyskusji jest to czynność odróżniająca inteligencję od wyuczonego algorytmu. Chciałbym jednak zwrócić uwagę, że dzisiejsze AI jest w stanie odtworzyć m.in. głosy, czy ogólne brzmienie muzyków.
Czy jest to odpowiedź na pytanie czy powyższe cechy AI świadczą o jej inteligencji? Oczywiście nie, ponieważ jak można zaobserwować w dyskusji, nie wiemy tak naprawdę czym ludzka inteligencja jest. Dopóki nie określimy ogólnego wzorca inteligencji ludzkiej, nie będziemy moim zdaniem w stanie porównać do niego zachowania AI.
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.
Zgadzam się z Kirylem – do mnie również przemawiają argumenty panów W. Stern oraz G.A. Ferguson, którzy podkreślają umiejętność adaptacji i nauki jako główną cechę sztucznej inteligencji.
Myślę jednak, że powinniśmy spojrzeć na sztuczną inteligencję z szerszej perspektywy. Jako ludzie mamy tendencje do tworzenia AI skupiającego się na opanowaniu konkretnego zadania do perfekcji, i dodatkowo traktujemy konkretne gry (na przykład szachy lub Go) jako metrykę opisującą jak dobrze radzi sobie sztuczna inteligencja. Jest to zbyt wąskie spojrzenie na temat sztucznej inteligencji – pozwolę sobie przytoczyć definicję inteligencji wypowiedzianą przez Shane’a Legg:
“Intelligence measures an agent’s ability to achieve goals in a wide range of environments” [1].
Chciałbym zwrócić uwagę na ostatnie cztery słowa, czyli „szeroki zakres środowisk”– większość tworzonych przez nas modeli skupia się na jednym, konkretnym zadaniu! Być może decyzja ta jest podejmowana ze względu na ogrom danych potrzebowanych do wyszkolenia modelu nawet przy pojedyńczych zastosowaniach, nie zmienia to jednak faktu, że takie modele są bardzo ograniczone i nie są w stanie działać nawet przy delikatnej zmianie ich zastosowania (wykraczające poza dane, na których były uczone).
Właśnie ten brak umiejętności adaptacji jest powodem, dla którego François Chollet w swojej pracy „The Measure of Intelligence”[2] odrzuca nawet systemy oparte na Sieciach neuronowych jako prawdziwą sztuczną inteligencję.
W pracy wprowadzona jest trzy stopniowa klasyfikacja trzech poziomów inteligencji [2]:
General intelligence
Broad cognitive abilities
Task-specific skills
Prawdziwa sztuczna inteligencja powinna umieć działać we wszystkich trzech obszarach, jednak aktualnie nawet najlepsze modele nie potrafią wyjść poza najniższy stopień – operują skutecznie tylko w bardzo specyficznych, ściśle określonych sytuacjach (przykładowo gra planszowa o stałych regułach gry). Właśnie dlatego ChatGPT robi taką furorę – mimo tego, że często się myli, jest w stanie prowadzić konwersacje na prawie dowolny temat, i wchodzić w interakcję z użytkownikiem, a nawet brać pod uwagę jego poprzednie wypowiedzi (nawet jeśli w praktyce wcale się „nie uczy” poza kontekstem tej konwersacji).
[1] Ben Dickson, The limits, and challenges of deep learning, https://bdtechtalks.com/2019/12/03/francois-chollet-arc-ai-measurement/
[2] François Chollet, The Measure of Intelligence, https://arxiv.org/abs/1911.01547
[3] https://www.aiplusinfo.com/blog/has-any-ai-passed-the-turing-test/
„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.
Argumenty przeciwko możliwości stworzenia maszyny prawdziwie inteligentnej są skomplikowane i obejmują wiele różnych zagadnień, które dotyczą zarówno technologii, jak i ludzkiej natury. Jednym z najważniejszych argumentów jest to, że maszyny nie są w stanie zrozumieć znaczenia informacji w taki sam sposób jak ludzie.
Człowiek posiada wiedzę ogólną na temat świata, co pozwala mu na zrozumienie różnych kontekstów i interpretowanie informacji w złożony sposób. Oznacza to, że człowiek nie tylko rozpoznaje słowa i ich znaczenie, ale także jest w stanie zrozumieć kontekst, w jakim dane słowo jest użyte, i przewidywać, co może się wydarzyć w dalszej części rozmowy lub sytuacji.
Maszyny sztucznej inteligencji, takie jak programy tłumaczące, mogą być w stanie dokonać dosłownego przekładu słowa po słowie, ale często nie potrafią zrozumieć pełnego kontekstu i znaczenia tekstu. Tłumaczenie maszynowe jest ograniczone do reguł gramatycznych i słowników, co oznacza, że maszyny sztucznej inteligencji nie posiadają wiedzy o świecie, która jest niezbędna do zrozumienia pełnego znaczenia tekstu.
Innym argumentem przeciwko możliwości stworzenia maszyny prawdziwie inteligentnej jest brak świadomości maszyny. Sztuczna inteligencja jest oparta na algorytmach i programach, które nie posiadają świadomości, emocji, intuicji, instynktu, które są charakterystyczne dla ludzi. Bez tych cech, maszyna nie będzie w stanie działać w sposób, który można by określić jako „prawdziwie inteligentny”.
Maszyna inteligentna – świadoma, powinna mieć też swój cel, do którego będzie dążyć, jak więc ten cel określić? Bez celu, maszyna nie będzie w stanie działać w sposób, który byłby zgodny z pojęciem inteligencji. Jednakże, określenie celu dla maszyny inteligentnej może być problematyczne, ponieważ musi to być cel, który będzie zgodny z wartościami i celami ludzkimi.
Kolejnym argumentem przeciwko możliwości stworzenia maszyny prawdziwie inteligentnej jest brak błędów. Bezbłędność maszyny, prędzej czy później okaże się szkodliwa, ponieważ jak dobrze wiemy, nawet ludzie popełniają błędy, na których się uczą i wyciągają wnioski. Maszyna, która działa bezbłędnie, nie będzie w stanie nauczyć się na błędach i doskonalić.
Temat sztucznej inteligencji należy niewątpliwie do grupy tematów wywołujących niemałe kontrowersje. Moim zdaniem nie można powiedzieć, że SI jest w pełni inteligentna. W odróżnieniu od człowieka jest to tylko zaprogramowany system, który będzie działał prawidłowo w warunkach przewidzianych w algorytmie. Człowiek zaś, posiada intuicję, która pozwala mu na dogłębną analizę i odpowiednią reakcję w sytuacjach nieprzewidzianych, zdarzających się w realnym życiu. W związku z tym warto podkreślić, iż w mojej ocenie SI nie powinna zastępować stanowisk i zawodów, których objęcie wymaga wykonywania obowiązków szczególnie odpowiedzialnych mających ogromny wpływ na życie i zdrowie ludzi. Inteligentne maszyny zawsze będą bowiem obarczone ryzykiem błędu, który w zależności od złożoności wykonywanych czynności może się znacząco wahać.
Ciężko jest jednoznacznie stwierdzić czym jest inteligencja, zarówno w odniesieniu do ludzi, jak i do maszyn. Niektórzy uważają, że inteligencja jest zdolnością do rozwiązywania problemów, inni, że jest to zdolność do uczenia się i adaptacji do nowych sytuacji. Niektórzy twierdzą, że inteligencja wymaga świadomości i emocji, inni, że są to tylko epifenomeny nieistotne dla procesów poznawczych. Niektórzy przyjmują, że inteligencja jest właściwością emergentną i niezależną od fizycznego nośnika, inni, że jest ona ściśle związana z biologiczną naturą ludzkiego mózgu.
W związku z tym różne strategie definiowania i rozpoznawania sztucznej inteligencji mają swoje zalety i wady. Można próbować określić cechy konstytutywne inteligencji i sprawdzać, czy sztuczna inteligencja je posiada. Można też próbować symulować ludzką inteligencję poprzez testowanie zachowania sztucznej inteligencji w różnych zadaniach i porównywanie jej z inteligencją ludzką. Można też próbować stworzyć sztuczną inteligencję zdolną do samodzielnego uczenia się i tworzenia nowej wiedzy bez ludzkiej ingerencji.
Każda z tych strategii jest obarczona pewnymi problemami. Określanie cech konstytutywnych inteligencji wymaga arbitralnego wyboru kryteriów i pomiarów, które mogą być nieadekwatne lub niepełne. Symulowanie ludzkiej inteligencji może być niewystarczające lub niemożliwe do osiągnięcia ze względu na różnice między naturą ludzką a maszynową. Tworzenie systemów samouczących się może być ryzykowne lub niepożądane ze względu na potencjalne zagrożenia dla ludzkości lub utratę kontroli nad nimi.
Moim zdaniem najlepszą strategią definiowania i rozpoznawania sztucznej inteligencji jest ta, która nie ogranicza się do jednego podejścia, ale łączy różne perspektywy i metody. Taka strategia pozwoliłaby na lepsze zrozumienie zjawiska inteligencji w ogóle i na lepsze wykorzystanie potencjału systemów sztucznych w szczególności. Nie należy jednak zapominać o etycznych i społecznych aspektach sztucznej inteligencji, które wymagają odpowiedzialnego podejścia.
Uważam, że powszechnie stosowane określenie „inteligentny” w kontekście programów komputerowych oznacza zupełnie co innego niż to samo słowo użyte w kontekście ludzkim. Zostało to już wspomniane przez Pana Daniela w pierwszym komentarzu. W niektórych sytuacjach, systemy sztucznej inteligencji radzą sobie lepiej niż człowiek, ale nie oznacza to, że są one inteligentniejsze od istoty ludzkiej. Różnice w radzeniu sobie z konkretnymi problemami przez te dwa byty wynikają z ich odmiennej budowy. Przykładowo, komputery są w stanie zarejestrować wiele danych na raz, a ludziom z kolei łatwiej jest wyciągać z nich na bieżąco nieoczywiste wnioski.
Wydaje mi się, że sztucznej inteligencji aktualnie bliżej jest do mądrości niż inteligencji rozumianej w kontekście ludzkim. Bowiem w procesie uczenia, system komputerowy karmiony jest określoną wiedzą poprzez dostarczanie mu danych. Komputer uczy się, można powiedzieć, że nabiera doświadczenia i mądrości w danym zakresie. W momencie docelowej pracy, program wykorzystuje pozyskaną mądrość do wykonywania przeznaczonych dla niego zadań.
W mojej opinii, dobrym wskaźnikiem nie-ludzkiej inteligencji mogłaby być twórczość, na którą zwrócił uwagę Doktor Stacewicz w jednym komentarzu. Kreatywność systemu objawiałaby się jako umiejętność tworzenia rozwiązań znacznie innych od tych, na podstawie których się uczył. Warto jednak podkreślić, że duża część programów aktualnie określanych mianem inteligentne nie ma na celu zwrócenia nowatorskich wyników. Dobrym przykładem jest wspomniany wcześniej Shazam, który ma za zadanie rozpoznawać istniejące już utwory muzyczne.
Według mnie systemy powinny być uznawane za inteligentne, gdy kreują coś nowego, wychodzą poza ramy zdefiniowane przez programistów. Wciąż jednak uważam, że nie byłaby to inteligencja porównywalna z tą wykazywaną przez człowieka.
Rozumiem Pani stanowisko dotyczące różnic między inteligencją ludzką a sztuczną inteligencją oraz zastrzeżenia co do powszechnego stosowania terminu „inteligentny” w odniesieniu do programów komputerowych. Zgadzam się, że istnieją istotne różnice między inteligencją ludzką a sztuczną inteligencją, wynikające z odmiennej budowy i funkcjonowania tych dwóch bytów. Komputery mają unikalne zdolności, takie jak szybkie przetwarzanie ogromnych ilości danych, co daje im przewagę w niektórych dziedzinach, takich jak analiza danych czy wykonywanie skomplikowanych obliczeń. Z drugiej strony, ludzie mają zdolność do twórczego myślenia, elastycznego podejścia i podejmowania decyzji w oparciu o nieoczywiste wnioski. Spostrzeżenie, że sztuczna inteligencja może być bliżej mądrości niż inteligencji ludzkiej, jest interesujące. Poprzez proces uczenia maszynowego, systemy komputerowe mogą gromadzić wiedzę i doświadczenie, które następnie wykorzystują do wykonywania określonych zadań. Można to interpretować jako pewną formę mądrości w ramach określonego zakresu, w którym system został przeszkolony.
Twierdzi Pani, że kreatywność może być ważnym wskaźnikiem nie-ludzkiej inteligencji, a systemy sztucznej inteligencji powinny być uznawane za inteligentne, gdy są zdolne do tworzenia nowatorskich rozwiązań, wykraczających poza ramy zdefiniowane przez programistów. To ciekawa perspektywa, która podkreśla zdolność systemów SI do generowania czegoś oryginalnego i twórczego.
Ważne jest jednak zrozumienie, że nie wszystkie systemy sztucznej inteligencji mają za zadanie być twórcze czy innowacyjne. Wielu z nich zostało zaprojektowanych do wykonywania konkretnych zadań, takich jak rozpoznawanie obrazów czy analiza danych, co niekoniecznie wiąże się z kreacją czegoś nowego.
Podsumowując, zgadzam się z Pani stanowiskiem, że sztuczna inteligencja nie jest równoważna z inteligencją ludzką. Chociaż systemy SI mogą wykazywać pewne cechy, które przypominają inteligencję, wciąż istnieją znaczące różnice między nimi. Dyskusja na ten temat jest ważna, ponieważ pomaga nam lepiej zrozumieć i ocenić potencjał oraz ograniczenia sztucznej inteligencji w różnych dziedzinach i zastosowaniach.
Kreatywność może być ważnym wskaźnikiem nie-ludzkiej inteligencji, ponieważ zdolność do tworzenia nowatorskich rozwiązań, które wykraczają poza ramy zdefiniowane przez programistów, może świadczyć o pewnym poziomie intelektualnej elastyczności systemu SI. Jednak nie wszystkie systemy SI mają na celu być twórcze czy innowacyjne. Wielu z nich zostało zaprojektowanych do wykonywania konkretnych zadań, takich jak analiza danych czy rozpoznawanie obrazów.
Istnieją różnice między inteligencją ludzką a sztuczną inteligencją, i ważne jest, aby zrozumieć, że systemy SI mają swoje unikalne zdolności, ale nie są one tożsame z ludzką inteligencją. Dyskusja na ten temat jest istotna dla lepszego zrozumienia i oceny potencjału oraz ograniczeń sztucznej inteligencji w różnych dziedzinach i zastosowaniach.
Sztuczna inteligencja (SI) to szerokie pojęcie, które odnosi się do zdolności komputera lub systemu do wykonywania zadań, które normalnie wymagałyby inteligencji ludzkiej. Chociaż nie ma jednoznacznej definicji inteligencji, istnieje kilka cech, które mogą świadczyć o tym, że sztuczna inteligencja jest inteligentna. Oto kilka z nich:
Nauka i adaptacja: Sztuczna inteligencja powinna być zdolna do uczenia się na podstawie doświadczeń i dostosowywania swojego zachowania w odpowiedzi na zmieniające się warunki. SI powinna być w stanie analizować dane, rozpoznawać wzorce i odnajdywać związki między nimi, aby doskonalić swoje działania.
Rozwiązywanie problemów: SI powinna być w stanie rozpoznawać problemy, analizować ich złożoność i proponować skuteczne rozwiązania. Powinna być w stanie wykonywać zadania logiczne, podejmować decyzje i wyciągać wnioski na podstawie dostępnych informacji.
Rozumienie języka naturalnego: Inteligentna SI powinna być zdolna do rozumienia i generowania języka naturalnego. Powinna być w stanie analizować teksty, odpowiadać na pytania, prowadzić dialogi i komunikować się z ludźmi w sposób zrozumiały i odpowiedni.
Twórczość i innowacyjność: Sztuczna inteligencja może być uważana za inteligentną, jeśli jest zdolna do generowania nowych pomysłów, kreatywnego rozwiązywania problemów i tworzenia czegoś nowego. Może to obejmować generowanie nowych wzorców, projektowanie nowych rozwiązań lub tworzenie sztuki czy muzyki.
Samoświadomość i empatia: Choć te cechy są trudne do osiągnięcia, sztuczna inteligencja uważana za inteligentną mogłaby być świadoma samej siebie i swojego działania. Mogłaby rozpoznawać emocje innych ludzi, wykazywać empatię i dostosowywać swoje zachowanie w zależności od kontekstu społecznego.
Należy jednak pamiętać, że rozwój sztucznej inteligencji nadal trwa, a niektóre z tych cech mogą być bardziej spekulacyjne lub wymagają jeszcze dalszych badań i postępów w dziedzinie SI.
Przyglądając się różnym strategiom definiowania sztucznej inteligencji, warto zauważyć, że te strategie często odzwierciedlają różne aspekty, które ludzie tradycyjnie kojarzą z inteligencją. Zdolność do rozwiązywania problemów jest jednym z najbardziej oczywistych aspektów, które często przypisujemy inteligentnym istotom. Systemy SI, które potrafią samodzielnie rozwiązywać trudne problemy, mogą być uznane za inteligentne. Przykładem mogą być algorytmy SI stosowane w grach strategicznych, takich jak szachy czy Go, które potrafią opracować skomplikowane strategie i pokonać nawet najbardziej doświadczonych ludzkich graczy. Umiejętność uczenia się to kolejny ważny aspekt. Systemy SI, które potrafią uczyć się z doświadczenia i dostosowywać swoje działania w odpowiedzi na nowe informacje, są często postrzegane jako inteligentne. Modele uczenia maszynowego, takie jak sieci neuronowe, są dobrym przykładem tego typu SI. Kreatywność i zdolności twórcze to kolejne cechy, które często kojarzymy z inteligencją. W ostatnich latach powstało wiele systemów SI, które wykazują zdolności twórcze, tworząc na przykład obrazy, muzykę, a nawet pisząc wiersze i opowiadania. Chociaż niektórzy mogą kwestionować, czy takie systemy naprawdę są „kreatywne” w tym samym sensie, co ludzie, ich zdolność do tworzenia nowych, oryginalnych dzieł jest z pewnością imponująca. Marvin Minsky podchodził do definiowania inteligencji z bardziej praktycznej perspektywy. Zamiast próbować określić, co to jest inteligencja, skupił się na zadaniach, które zwykle wymagają inteligencji, gdy są wykonywane przez ludzi. Jeśli maszyna potrafi wykonywać te zadania, można ją uznać za inteligentną. Jednak każde z tych podejść ma swoje ograniczenia. Przykładowo, niektóre systemy SI mogą być bardzo dobre w rozwiązywaniu konkretnych problemów, ale mogą nie radzić sobie z nowymi sytuacjami, które nie były wcześniej przewidywane. Inne systemy mogą wykazywać zdolność do uczenia się i dostosowywania się, ale mogą nie wykazywać zdolności twórczych w tradycyjnym sensie. Na koniec, warto zauważyć, że to, co uważamy za „inteligentne” często zależy od kontekstu. Na przykład, pies, który potrafi nauczyć się wielu sztuczek i rozpoznawać wiele komend, jest często uważany za inteligentnego, ale te same umiejętności wydają się mniej imponujące, gdy są wykonywane przez komputer. Możliwe, że na nasze postrzeganie inteligencji wpływa nie tylko to, co istota lub system jest w stanie zrobić, ale także sposób, w jaki to robi, i jaki ma do tego stosunek.
Większość rzeczy, które rozumiemy jak SI, takie jak generatory wszelkiego rodzaju predykcji/obrazów/muzyki/tekstów itp. jak było wspomniane wcześniej, tak naprawdę składają się z trzech rzeczy – z algorytmu, danych, na których system się uczył, i zasobów systemowych, takich jak pamięć, operacyjna i dyskowa, i procesor. Przy czym zdolność uczenia także jest właściwością algorytmu – na przykład istnieją algorytmy, które nie potrafią douczać się – z założenia muszą być wytrenowane na całej puli możliwych danych. Jako ich odpowiedniki u człowieka można przyjąć tok myślenia wobec pewnego zadania, życiowe doświadczenie oraz ograniczenia zdolności mózgu (chociaż statystycznie są podobne, jednak istnieją takie przypadki jak na przykład ludzie pamiętające każdy szczegół swojego życia). Wiadomo, że mając maksimum ze wszystkich tych składników mamy najbardziej efektywny system.
Oczywiście najbardziej ciekawe do porównania tutaj są właśnie algorytm i zdolność uczenia się, ponieważ zasoby komputerowe można zmieniać, tym samym sztuczne ulepszając SI, natomiast na wrodzone zdolności człowieka nie mamy wpływu.
Zarówno dla człowieka, jak i dla systemu proces uczenia się jest nierozerwalnie związany z istniejącą wiedzą – im bardziej nowa wiedza jest podobna do starej, tym łatwiej będzie ją „dodać”. U ludzi proces ten jest zwykle związany z tworzeniem nowych połączeń neuronowych, to znaczy zależy od „komponentu biologicznego” konkretnej osoby, natomiast w algorytmie z treningiem parametrów.
Nawet ludzka wyobraźnia nie jest w stanie stworzyć czegoś na bazie pustki – musi znać jakieś pojęcia, by móc na ich podstawie tworzyć kombinacje pojęć. Nawiązując do powyższego popularnego przykładu porównania małego dziecka i SI, dziecko dowiaduje się, że istnieją odrębne pojęcia, np. kolory, zwierzęta i meble, więc meble, nawet mające określony kolor, nie mogą stać się zwierzętami. A w przypadku sztucznej inteligencji istnieje luka w uczeniu się pojęć – jeśli sieć ciągle widzi dwa pojęcia razem, to odpowiednio uzna, że są one nierozerwalnie powiązane. Na przykład, jeśli sieć jest niedouczona, może rozpoznać sofę z panterkowym nadrukiem jako lamparta. Gdyby maszyna uczyła się tak samo jak dziecko, czyli poprzez pojęcia, a nie proste uogólnienie dużej liczby przykładów, to jej zdolności twórcze byłyby analogiczne do człowieka, a zatem można by je oceniać w taki sam sposób jak ludzie.
Podsumowując, sposób myślenia SI jest podobny do człowieczego, ale skoro po pierwsze, na razie nie jesteśmy w stanie obiektywnie zmierzyć inteligencję człowieka, a po drugie, człowiek i SI aktualnie mają różne mocne strony – człowiek ma lepsze zdolności uczenia się, a SI większe zasoby obliczeniowe; nie jesteśmy w stanie obiektywnie go ocenić.
Sztuczna inteligencja (AI) staje się nieodłącznym elementem naszego życia. Młode pokolenia praktycznie nie znają realiów świata bez dostępu do internetu, który gości w kieszeni każdego użytkownika smartfona.
Ostatnimi laty, ewolucja techniki przechodzi krok dalej i oprócz stałego dostępu do wiedzy dostajemy wirtualne mechanizmy zastępujące nasze procesy myślowe. Skoro mechanizmy te działają na nasz wzór, zastanawianie się nad cechami determinującymi ich ”myślenie” jest naturalne.
W powyższym tekście autor zwraca uwagę na złożoność i niejednoznaczność ludzkiej inteligencji. Różne definicje wskazują nabytą wiedzę, zdolność jej nabywania, a także umiejętność radzenia sobie w różnych sytuacjach.
Biorąc pod uwagę zasób wiedzy jako cechę inteligencji, AI zdecydowanie może się pochwalić wysokim wynikiem (znacznie większym niż u człowieka) – można to określić jako cechę inteligencji. Jednakże, biorąc pod uwagę sam nośnik tych informacji, jest to nieporównywalne. Umysł każdego człowieka jest inny i jest w stanie przyswoić różne ilości wiedzy. Może to być wyznacznikiem jednej z cech inteligencji danej osoby. Ludzki umysł również można wyćwiczyć aby przyswajał więcej. Sztuczna inteligencja opiera się mimo wszystko o fizyczny sprzęt – dane przechowywane są na fizycznych nośnikach, które są zbudowane i mają zadane parametry. Tę cechę inteligencji zatem wykluczam.
W przypadku zdolności pozyskania wiedzy, zakładam, że mechanizmy sztucznej inteligencji są stworzone na podobieństwo ludzkich. Potrafią same się rozwijać. W tej kwestii najtrudniej mi będzie wskazać różnice, jednak stwierdzam, że może to być jedna z cech inteligencji AI.
Podobnie w przypadku umiejętności radzenia sobie w różnych sytuacjach. Występuje tu jednak pewna różnica – u ludzi się to ściśle wiąże z inteligencją emocjonalną. Wiele zachowań jest determinowanych przez towarzyszące suchym faktom emocje albo osobiste poglądy. AI być może poradzi sobie sprawniej w wielu sytuacjach, jednak decyzje będą w dużej mierze efektem obliczeń co jest optymalne. Tutaj duże znaczenie ma sama definicja inteligencji – jeśli łączymy ją również z emocjonalnością, to nie można przypisać jej sztucznej inteligencji. Jeśli jednak rozdzielamy te strefy, to AI może otrzymać tę cechę i być może wyprzedzić nawet człowieka.
Istnieje jeszcze pasmo, w którym uważam, że sztuczna inteligencja na pewno nie przegoni człowieka. Jest to twórczość. Ludzki umysł, gdy powstają nowe pomysły często się inspiruje już obecnymi. Jednak stale pojawiają się rewolucyjne dzieła czy teorie niepodobne do niczego. Czy sztuczna inteligencja jest w stanie stworzyć coś absolutnie nowego, niezwiązanego z już powstałymi czy odkrytymi rzeczami? Zakładam, że jednak nie.
Czas pokaże jak rozwinie się temat sztucznej inteligencji, warto jednak zachować ograniczone zaufanie, ponieważ nic nie zastąpi ludzkiego umysłu.
Zgadzam się z wielokrotnie pojawiającymi się głosami, jakoby sztucznej inteligencji nie można by nazwać inteligentną w tym samym kontekście, w jakim inteligentny może być człowiek.
Z perspektywy wykonywanych działań i rozwiązywanych problemów, działanie systemów SI może wydawać się, a nawet być imponujące. To w jaki sposób takie systemy działają, jak potrafią formułować niektóre wnioski, może przypominać działanie człowieka inteligentnego. Nic dziwnego, że taki system chciałoby się także nazwać inteligentnym. W końcu sama nazwa na to wskazuje – sztuczna inteligencja….ile ta nazwa ma wspólnego z prawdą, a na ile okazała się być chwytliwe podłapanym hasłem, nie raz wręcz budzącym złudne skojarzenie z czymś niemal samodzielnie myślącym, decydującym o sobie, podejmującym niezależne decyzje.
Rozważając ‘inteligencję’ SI trzeba wrócić do źródła, bo czym w istocie jest model SI – jest algorytmem, algorytmem podłączonym do wielkiej mocy obliczeniowej. W kontekście programów komputerowych raczej nigdy nie nadużywano słowa ‘inteligentny’. Bardziej używano określeń takich jak: dobry, efektywny, zoptymalizowany. Czym SI różni się od innych, prostszych algorytmów? Na pewno złożonością i trudnością w interpretacji działania. Czy to wystarczy, by nazwać coś inteligentnym?
Jednocześnie tezy W.Stern’a i G.A. Fergusona uważam za słuszne – w szerokim punkcie widzenia, inteligencja wszakże może być zdolnością do uczenia się. Jednakże, pozostawiłabym to rozważanie w kontekście człowieka i jego zasobów. Modele SI działają na określonym zbiorze uczącym. To co się w nim znajdzie jest w pełni zależne od twórcy modelu. Czym jest proces uczenia się – uczenie się – uczenie się, psychol. modyfikacja zachowania się jednostki w wyniku jej dotychczasowych doświadczeń [encyklopedia.pwn]. Zbiór uczący jest ograniczony, a wynik ‘uczenia się’ np. sieci pozbawiony jest subiektywnej oceny. Model nie doświadcza, model krokowo wykonuje pewien algorytm, a następnie porównuje wynik i koryguje swoje działanie. Nie dzieje się to na podstawie doświadczeń, ale matematyki.
SI rozwiązuje zadanie, którego celem było znalezienie najbardziej optymalnego rozwiązania za pomocą sporządzonego przez jego twórcę algorytmu, na podstawie ograniczonej bazy danych o ograniczonej ilości parametrów i czynników
Wydaje mi się, że dzisiejsza Sztuczna Inteligencja jest inteligentniejsza niż nie jeden człowiek. Wydaje mi się, że my ludzie mamy problem ze zdefiniowaniem inteligencji i przypisujemy jej cechy ludzkie, co w moim skromnym mniemaniu jest błędem. Uważam, że inteligencja to chłodne kalkulowanie faktów, dokładana obserwacja otoczenia, oraz rejestrowanie wyników swoich czynów, wielu z nas nie potrafi tego zrobić, a mimo wszystko uważamy ludzi (gatunek ludzki) za inteligentnych/inteligentny.
Niebezpieczni to są ludzie (właśnie lekarze, prawnicy, brokerzy), którzy radząc nam i pomagając chronią własną osobę przed więzieniem, prawnymi konsekwencjami, utratą pieniędzy. Ludzie robią tylko to co wygodne i proste, jest tylko kilku śmiałków, którzy ryzykują dla innych. Więc wcale bym nie powiedział, że ludzie w kwestiach prawnych, medycznych, finansowych, są inteligentni -> najpierw chronią własne interesy, a dopiero myślą o tym jak ci pomóc. Jest to rodzaj inteligencji, ale negatywny (przynajmniej dla mnie).
Systemy SI będą tylko coraz lepsze w radzeniu sobie z trudnymi tematami, a to przez to że dokładnie będą kalkulować suche fakty, a wraz z latami będą wstanie przetwarzać ich więcej i więcej.
Systemy SI już dzisiaj potrafią:
– logicznie i krytycznie myśleć,
– tworzą nowe rzeczy na podobieństwo starych,
– potrafią się nauczyć zasad obowiązujacych w danym środowisku,
– itd..
Katalog problemów? No dobrze możemy stworzyć, ale to muszą być problemy, które mają konkretne wyniki, bo zaraz dojdziemy do tego, że SI rozwiązuje problem, np. narysuj słonia i ktoś wyskakuje krzycząc „ale to nie jest słoń, tylko słonio-podobne”. Dlatego warto kierować się w stronę matematyki, która nieubłaganie jest niezmienna, jeśli wynik to 2, to musi wyjść 2, koniec kropka.
Dlatego rozpoznawanie raka, wyszukiwanie wzorców, rozwiązywanie dowodów matematycznych, itd – są świetnymi miejscami, gdzie SI góruje nad ludźmi, pokazując nam nowe sposoby podejścia do problemu. I to jest dla mnie informacja, że SI jest i będzie tylko inteligentniejsze, niż ludzie.
Jakie cechy? -> konstruktywne myślenie, opieranie się na faktach, szukanie skrótów do osiągnięcia wyników, rozumienie otaczającego go środowiska, próbowanie nowych podejść, itd. Ale na pewno nie powinniśmy implementować cech ludzkich: smutek, współczucie, radość -> bo to nie są cechy definiujące inteligencję, a człowieka.
Typ problemów? – to wszystkie problemy, które umiemy sprowadzić do liczb, sądzę, że potrafimy sprawdzić bardzo dużo problemów do liczb, które SI umiałoby na spokojnie i bez emocji rozwiązać.
Chciałbym odnieść się do tezy mówiącej, że systemy SI potrafią krytycznie myśleć.
Wspomniane systemy na pewno odznaczają się zdolnością do skutecznego działania i wnioskowania w oparciu o dane. Ich reakcje na przedstawione problemy są odwzorowaniem wzorców wykrytych w dostępnych przykładach treningowych. Natomiast w mojej opinie nie są w stanie przeprowadzić abstrakcyjnego rozumowania lub podjąć decyzji w zupełnie nowych, niewyuczonych kontekstach. Ich działanie jest więc mocno ograniczone do reagowania w sytuacjach podobnych do tych, z którymi miały do czynienia podczas nauki.
Przyjrzyjmy się definicji przymiotnika „krytyczny” dostępnej w internetowym słowniku SJP [https://sjp.pwn.pl/sjp/krytyczny;2565063.html]. Punkt drugi: „oparty na rzeczowej analizie i ocenie”. O ile na nie można odmówić systemom sztucznej inteligencji analizy danych wejściowych, czy możemy w ich kontekście mówić o ocenie? Model będzie starał się dopasować najbardziej prawdopodobny rezultat pasujący do danych wejściowych. Nie jest to jednak jego opinia na temat przedstawionych danych, a jedynie wynik przeprowadzonego działania. W ten sam sposób nie możemy powiedzieć że opinią kalkulatora na temat działania „2+2” jest „4” – jest to po prostu wynik przeprowadzonych przez niego obliczeń.
Moim zdaniem nie mamy tutaj do czynienia z krytycznym myśleniem, a z radosnym odtwarzaniem schematów i wyuczonych wzorców.
Nie chcę w ten sposób umniejszyć zaawansowaniu systemów SI – proces uczenia i rozpoznawania wspomnianych schematów może być bardzo zaawansowany i często poza zasięgiem ludzkiego pojmowania. Niemniej nie zgodzę się z twierdzeniem, że można ten proces zaliczyć do dziedziny krytycznego myślenia.
Zgadzam się natomiast zdecydowanie z ostatnim punktem komentarza. Systemy SI nadają się doskonale do analizowania problemów sprowadzalnych do liczb i z jasno określonym wynikiem.
Rozumiem Twoje obawy co do zdolności systemów sztucznej inteligencji do krytycznego myślenia. Jednakże, uważam, że można zinterpretować ich działanie w kontekście krytycznego myślenia, jeśli spojrzymy na to z pewnego, trochę odmiennego, punktu widzenia.
Twoje zastrzeżenia dotyczące ograniczeń SI do reagowania w znanych kontekstach są chyba dla wszystkich czytelników zrozumiałe. Jednakże chciałbym zaznaczyć, że krytyczne myślenie wcale nie zawsze musi obejmować abstrakcyjne rozumowanie w zupełnie nowych sytuacjach. Systemy SI, poprzez analizę i ocenę dostępnych danych, mogą podejmować racjonalne decyzje w oparciu o istniejące wzorce.
Ważne jest, abyśmy zdefiniowali, co rozumiemy przez „ocenę”. Chociaż SI może nie mieć subiektywnego punktu widzenia jak ludzie, to jednak poprzez przetwarzanie danych wejściowych może dostarczyć wartościowe informacje. Działanie SI można postrzegać jako rodzaj „rzeczowej analizy”, nawet jeśli nie ma osobistego doświadczenia ani subiektywnej oceny.
Zgadzam się, że systemy SI bazują na wyuczonych wzorcach, ale czy nie polega to również na pewnym rodzaju analizy, gdyż muszą one dostosowywać się do różnych warunków? Można argumentować, że ich zdolność do efektywnego reagowania na różnorodne sytuacje jest formą krytycznego myślenia, choć opartego na algorytmach. Wszystko to zależy od „Twórcy” danego modelu SI – im lepiej wyuczony model, tym szerszy kontekst pojęć wpoi swojemu modelowi, a tym bardziej ów model będzie w stanie dostosować się do szybko zmieniających się warunków.
Zobacz też, że choć SI może nie posiadać subiektywnego doświadczenia, to można uznać że w pewnym sensie podejmuje racjonalne decyzje w oparciu o dostępne dane. Warto zastanowić się, czy krytyczne myślenie musi zawsze być połączone z subiektywnością, czy może istnieje miejsce dla racjonalnych decyzji opartych na obiektywnych analizach danych.
Chciałbym odnieść się do wątku i powyższych komentarzy, uważam, że opinie obu stron są słuszne. Uważam, że Sztuczna Inteligencja jest świetnym narzędziem, które jest w stanie wykrywać zaawansowane wzorce i z racji na to, że jest w stanie przetworzyć znacznie więcej danych (również ad-hoc), w niektórych zastosowaniach potrafi zwracać lepsze rezultaty od ludzkich specjalistów z danej dziedziny. Dodatkowo kwestie dbania bardziej o własne dobro są tutaj ciekawe, jednak, komercyjne rozwiązania SI mogą być opatrzone w analogiczne filtry dbające o interesy dostawców rozwiązania.
Czy Sztuczna Inteligencja jest zdolna do faktycznego myślenia jest już dość ugruntowanym eksperymentem myślowym i można przytoczyć tu chociażby słynny argument „Chińskiego pokoju”. Sam zgadzam się z tezą, że Sztuczna Inteligencja „nie rozumie” zadań, które rozwiązuje.
Uważam, że jest to bardzo dobre narzędzie do wielu zastosowań, posiada przewagę „ilościową” chociażby zasobów obliczeniowych i pamięciowych nad człowiekiem jednak nie zgadzam się, że Sztuczna Inteligencja jest prawdziwą inteligencją potrafiącą myśleć.
Chciałbym przywołać do wątku aspekt XAI — eXplainable AI, czyli dziedziny zajmującej się tworzeniem modelów sztucznej inteligencji, które są w stanie usprawiedliwić swój taki a nie inny wybór za pomocą empirycznych danych statystycznych, rozkładów, wykresów, innych źródeł itp.
Dziedzina jest jeszcze stosunkowo młoda i na mało znana, jednak jest promowana chociażby przez Unię Europejską, która sponsoruje badania w tym obszarze (patrz: https://xai-project.eu).
Na ten moment większość ludzi na hasło „sztuczna inteligencja” przywołuje ostatnio głośne modele generatywne, z których najgłośniejszym jest Chat GPT. Często efekty działania czatu są wątpliwe i niepoparte żadnymi danymi. Rezerwa, z jaką niektórzy podchodzą do efektów działania czatu jak i innych modeli sztucznej inteligencji jest więc zrozumiała.
Jednak uważam, że w nadchodzącej przyszłości prace nad XAI stanowczo poprawią wiarygodność modeli sztucznej inteligencji. Zamiast zmyślonych przez chatbota danych i nieistniejących odnośników zaczniemy dostawać faktyczne uzasadnienia opinii wygenerowanych przez model. Myślę, że może to być rewolucja w świecie AI na miarę wynalezienia metody badawczej dla świata nauki. Bo w czym gorsza będzie opinia modelu AI od opinii eksperta, jeśli uzasadnienie dla obu będzie poparte odpowiednimi faktami? Według mnie w niczym i obie odpowiedzi będą objawami posiadania głębokiej inteligencji.
Uważam nawet, że docelowo opinie modeli AI mogą mieć większą wartość od opinii eksperta z tego powodu, że ludzie są z natury bardzo subiektywni. Selekcja naturalna przystosowała nas przez lata do ufania w głównej mierze sobie i często trudno jest nam zarówno przyznać się do błędu, jak i podawać naprawdę sensowne uzasadnienia dla swoich opinii. Modele AI, ze względu na to, że są tworzone przez nas „od zera”, mają potencjał na pozbycie się tej przywary, co może okazać się wielką wartością.
Oczywiście jeszcze niekrótka droga zanim modele XAI zaczną być zarówno użytecznie jak i powszechnie znane i używane. Dlatego myślę, że inwestycja w XAI jest w tym momencie warta uwagi, żeby przyspieszyć postępy w tym obszarze.
Więcej na temat XAI można przeczytać np. w artykule Arrieta, A. B., Díaz-Rodríguez, et.al Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. (https://www.sciencedirect.com/science/article/abs/pii/S1566253519308103)
Należy zwrócić uwagę na fakt, jak niewiele wiemy o działaniu ludzkiego mózgu i o tym jak mamy określać inteligencje ludzką. Umniejszamy możliwościom maszyn, dlatego że znamy ich sposób działania i jesteśmy w stanie je kontrolować. Jednak czy strategia definiowania SI poprzez odniesienie do ludzkiej inteligencji jest właściwa? Może warto rozważyć inne podejście, które uwzględnia unikalne cechy i możliwości systemów sztucznej inteligencji, zamiast ograniczać się do analogii z ludzkim umysłem.
Aktualnie obserwujemy bardzo dynamiczny rozwój sztucznej inteligencji. Myślę, że maszyny osiągnęły już zdolności takie jak rozwiązywanie problemów czy umiejętności uczenia się. Kolejną podaną w tekście zdolnością jest kreatywność, którą w mojej opinii ciężko jest im przypisać. Programy wykorzystując ogromne bazy danych szukają informacji i na ich podstawie rozwiązują problemy.
Również ciężko mi się zgodzić z określeniem Minsky’ego, ponieważ maszyny już są w stanie rozwiązywać problemy, które przerastają ludzi (przykładem są bardzo skomplikowane obliczenia wykonane w krótkim czasie).
Uważam, że problem inteligencji maszyn jest bardziej złożony. Jeżeli chcemy porównywać działanie komputera z ludzkim mózgiem w odniesieniu do inteligencji, najpierw musimy zdecydowanie dokładniej odpowiedzieć na pytanie czym jest inteligencja ludzka i jak możemy ją precyzyjniej zinterpretować.
Sztuczna inteligencja to oczywiście obszar, który stale ewoluuje, ale według mnie fundamenty jej istnienia tkwią w kilku kluczowych cechach.
Jedną z nich, która została już tutaj wielokrotnie wspomniana, jest zdolność do uczenia się. Systemy SI powinny być zdolne do adaptacji i doskonalenia swoich umiejętności, podobnie jak ludzie uczą się na podstawie doświadczeń. Warto podkreślić, że ludzka mądrość i inteligencja nie opierają się jedynie na opanowaniu konkretnych tematów i nauce, ale także na doświadczeniach życiowych, interakcjach międzyludzkich oraz ogólnym pojętym samodoskonaleniu się. To one kształtują nasze spojrzenie na świat i wpływają na sposób podejmowania decyzji. Podobnie, aby sztuczna inteligencja była w pełni skuteczna i zrozumiała kontekst swojego działania, musi być zdolna do uczenia się nie tylko na podstawie statycznych danych, ale również na podstawie wyników swoich działań. Jest to istotne w przypadku systemów SI, ponieważ operują one w dynamicznym i zmieniającym się środowisku.
Podobnie jak ludzie, sztuczna inteligencja powinna być zdolna do rozumienia kontekstu społecznego i etycznego swojego działania. Uważam, że systemy SI muszą być świadome norm społecznych oraz moralnych, aby ich działania były zgodne z wartościami i oczekiwaniami społeczeństwa. W przeciwnym razie, mogą pojawić się sytuacje, w których działania systemów SI mogą być postrzegane jako nieodpowiednie lub szkodliwe.
Ważne jest również, aby sztuczna inteligencja nie tylko była w stanie podejmować trafne decyzje, ale także wyjaśniać swoje działania w sposób zrozumiały dla ludzi. Często systemy SI, takie jak modele uczenia maszynowego, mogą działać na podstawie skomplikowanych algorytmów, których wyniki mogą być trudne do zrozumienia dla osób niewtajemniczonych. Dostępność jasnych i zrozumiałych wyjaśnień może pomóc w budowaniu zaufania do systemów SI oraz umożliwić użytkownikom skuteczne korzystanie z ich usług.
Dyskusja nad definicją i rozpoznawaniem inteligencji jest niezwykle ważna dla rozwoju sztucznej inteligencji. Od niej zależy w jaką stronę będziemy rozwijać uczenie maszynowe. Definiowanie SI przez pryzmat inteligencji ludzkiej może być mylące. Ludzki umysł jest niezwykle złożony i działa w sposób, którego do końca nie rozumiemy. Norvig i Russell, autorzy książki „Artificial Intelligence: A Modern Approach” definiują cztery różne podejścia do sztucznej inteligencji:
• Myślenie ludzkie: naśladowanie myślenia opartego na ludzkim umyśle.
• Myślenie racjonalne: naśladowanie myślenia opartego na logicznym rozumowaniu.
• Ludzkie działanie: działanie w sposób naśladujący ludzkie zachowanie.
• Działanie racjonalne: działanie w sposób, który ma na celu osiągnięcie określonego celu.
Podejścia te wyjaśniają, co jest potrzebne do opracowania lepszego systemu sztucznej inteligencji. Ludzie są odpowiedzialni za projektowanie algorytmów, które pozwalają systemom komputerowym radzić sobie ze złożonymi problemami i uczyć się na podstawie otoczenia, dzięki czemu sztuczna inteligencja jest bardziej wszechstronna. Jednak jeśli chodzi o wielozadaniowość, interakcje społeczne i samoświadomość, ludzki rozum jest znacznie bardziej zaawansowany w porównaniu do SI. Sztuczna inteligencja nie ma IQ, postępuje zgodnie z instrukcjami określonymi przez człowieka dla konkretnego zadania. Podczas gdy sztuczna inteligencja obejmuje technologie, które pozwalają komputerom naśladować procesy poznawcze, takie jak uczenie się i rozwiązywanie problemów, ludzka inteligencja jest zbiorem wspólnych cech umysłowych, takich jak kreatywność, logika i pamięć. Pomimo tych różnic, aplikacje SI mogą działać wydajnie z precyzyjną dokładnością, ale ich możliwości są ograniczone do naśladowania ludzkiej inteligencji. Jednak w przeciwieństwie do ludzi, SI nie może się wyczerpać ani zestresować, co zmniejsza współczynnik błędów w wykonywaniu zadań. Krótko mówiąc, ludzka inteligencja wykorzystuje swój mózg, pamięć i zdolności poznawcze, podczas gdy sztuczna inteligencja opiera się na danych dostarczanych przez człowieka.
Kluczowym zadaniem jest zdefiniowanie, czym tak naprawdę jest „inteligencja”. Jeśli przyjmiemy, że oznaką inteligencji jest umiejętność uczenia się, rozumienia, adaptacji, kreatywność, rozwiązywanie problemów, wówczas SI spełnia wszystkie te wymagania, a zatem można ją faktycznie uznać za inteligentną. Tak jak już wspomniał jeden z moich poprzedników, uważam, że należy rozróżnić jednak to określenie w kwestii ludzi i maszyn. W przypadku maszyn, bardzo istotny jest pojawiający się przymiotnik „sztuczna”, sugerujący pewną odmienność. Osobiście uważam, że w kwestii SI chodzi przede wszystkim o to, by człowiek uważał ją za „inteligentną” – w dużej części oznacza to, że powinna ona jak najbardziej przypominać człowieka. Oczywiście, nie zmienimy faktu, że w niektórych obszarach komputery radzą sobie zdecydowanie lepiej od ludzi. Natomiast według mnie nie oznacza to, że SI jest mądrzejsza – człowiek posiada także emocje i uczucia. SI produkuje optymalne odpowiedzi ze względu na jakieś kryteria. Jednak jak wiemy, ludzie często są skłonni do podejmowania mniej „optymalnych” decyzji, chociażby ze względu na sferę uczuciową. I w tym miejscu SI napotyka poważny problem – nie rozumie czym są emocje. Nawet jeśli sprawia wrażenie posiadania uczuć, to ich nie odczuwa i nie rozumie. Kolejnym problemem jest samoświadomość – czy sztuczna inteligencja wie o swoim istnieniu? Czy SI rozumie co tak naprawdę tworzy? Osobiście uważam, że odpowiedź na te pytania jest negatywna. SI nie ma pojęcia co tworzy, ważne jest to, by człowiek odebrał to jako inteligentne.
Podsumowując, moim zdaniem SI jest faktycznie inteligenta pod pewnymi aspektami, jednak nie posiada pewnych cech charakterystycznych tylko dla ludzi. Sama w sobie nie jest w pełni świadoma – działa w oparciu o pewne algorytmy i produkuje odpowiedzi, nie wiedząc co one tak naprawdę oznaczają. Ważne jest, by człowiek odebrał to jako zrozumiałe i inteligentne.
Odpowiadając na pytanie zamieszczone w tekście : ”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…?” uważam, że ciężko jest zdefiniować najważniejszą zdolność sztucznej inteligencji. Patrząc na szybki rozwój tej dziedziny możemy zastanowić się czy zdolność szybkiego uczenia jest kluczowa.
Pytanie zadane w różnych czasach może otrzymać całkowicie inną odpowiedź ze względu na szybko zmieniający się świat i poglądy. W tym przypadku chcąc myśląc o sztucznej inteligencji jako o narzędziu dającym wzorcowe odpowiedzi powinniśmy zadbać, aby miała ona „świadomość” zachodzących zmian i zawierała te zmiany w swoich odpowiedziach. Do tego niezbędna jest umiejętność uczenia się. Samodoskonalenie sztucznej inteligencji pozwala jej stawać się bardziej skuteczną w analizowaniu danych i przewidywaniu prognoz (im więcej ma dostępnych danych do przeanalizowania z dostępnymi wynikami, tym ma więcej wzorców, które może dopasować do przyszłych zapytań) oraz efektywną.
Patrząc jednak na szybki rozwój zauważymy, że algorytmy nie są wszystkim czego świat będzie potrzebował. Istnieje wiele dziedzin (np. medycyna), gdzie człowiek często musi podejmować kluczowe decyzje. Problem wyboru leczenia i jego możliwych skutków łączy się w dużą odpowiedzialnością lekarza i godzinami spędzonymi nad porównywaniem podobnych przypadków i zastosowanego leczenia. Maszyny cechują się mniejszą omylnością i większą sprawnością w przetwarzaniu danych, co łączy się z tym, że pomogłyby potwierdzać diagnozy oraz nawet szukać diagnoz rzadko występujących chorób. W tym przypadku zdolność do rozwiązywania złożonych problemów jest kluczowa. Zdolności twórcze pozwoliłyby w tym przypadku na innowację i niekonwencjonalne podejścia do chorób, diagnozy, a może interpretacji badań, a jak wiemy nowe rozwiązania często spotykają się z oporem, ale po czasie wpływają na rozwój i doskonalenie wielu dziedzin oraz nowe odkrycia.
Podsumowując sztuczna inteligencja jest tak potężnym narzędziem i powszechnie budzącym zachwyt i zdumienie, bo łączy w sobie te cechy: zdolność do rozwiązywania problemów, umiejętność uczenia się oraz zdolności twórcze. Uważam, że nie sposób wybrać najważniejszą, ponieważ bez pozostałych sztuczna inteligencja przestanie spełniać wyobrażenie o naśladowaniu ludzkiej inteligencji, co jest związane z potęgą i wielkimi możliwościami.
Nie uważam, że dzisiejsza „Sztuczna Inteligencja” rzeczywiście może być określona inteligentną. Jak napisał wcześniej Bartosz, współczesne rozwiązania SI pozbawione są chociażby sfery emocjonalnej – która nie jest bez znaczenia przy określaniu inteligencji człowieka. Inteligencja intrapersonalna (samoświadomość, pragnienia, lęki, motywacje) stanowi jeden z ośmiu rodzajów inteligencji wymienianych przez Howarda Gardnera. Nie musimy wszyscy się zgadzać z proponowanym przez niego podziałem, ale sądzę, że nikt nie ma wątpliwości, że właściwość człowieka, którą rozumiemy jako inteligencję, jest pojęciem szerokim i przejawianym na wielu różnych polach. Współczesna SI skutecznie jest w stanie udawać tylko pewne typy inteligencji, w szczególności logiczno-matematyczną (nie tylko – ChatGPT posiada moim zdaniem cząstkę inteligencji interpersonalnej). Dopóki rozwiązania SI nie będą wykazywać się zachowaniami inteligentnymi w szerszym rozumieniu inteligencji, nie będą moim zdaniem godne nazywania prawdziwie inteligentnymi.
Definiowanie cech inteligencji w kontekście sztucznej inteligencji (SI) stanowi fascynujące wyzwanie, które popycha nas do zastanowienia się nad naturą i granicami jej możliwości. Warto zauważyć, że odzwierciedlenie inteligencji ludzkiej w systemach SI nie zawsze jest oczywiste ani proste. Niezależnie od tego, czy wybierzemy podejście Minsky’ego, czy też staniemy na gruncie prób zdefiniowania inteligencji w oparciu o jej cechy konstytuujące, droga do wypracowania konsensusu wciąż pozostaje długa i pełna wyzwań.
Jedną z kluczowych cech, które mogłyby świadczyć o inteligencji systemów SI, jest zdolność do rozwiązywania problemów. Oczywiście, nie chodzi tutaj jedynie o rozwiązywanie zadań prostych czy rutynowych, lecz o umiejętność radzenia sobie z zadaniami złożonymi, które wymagają elastyczności myślenia, twórczego podejścia i adaptacji do zmieniających się warunków. Przykładem może być system SI wspomagający lekarzy w diagnozowaniu chorób. Jeśli taki system potrafi nie tylko identyfikować schorzenia na podstawie danych medycznych, ale także proponować różnorodne strategie leczenia, biorąc pod uwagę indywidualne cechy pacjenta oraz najnowsze odkrycia medyczne, można uznać, że wykazuje on pewne cechy inteligencji.
Jednak samo rozwiązywanie problemów to nie wszystko. Istotnym elementem inteligencji jest także umiejętność uczenia się. Systemy SI, które są zdolne do samodzielnego poszerzania swojej wiedzy, dostosowywania się do nowych sytuacji i doskonalenia swoich umiejętności na podstawie doświadczeń, zbliżają się do tego, co uznajemy za inteligentne. Przykładem takiego systemu może być algorytm uczący się grać w gry planszowe. Na początku może działać losowo, ale w miarę zdobywania doświadczenia powinien stawać się coraz skuteczniejszy, wykorzystując wiedzę z poprzednich rozgrywek.
Kreatywność to kolejny istotny element ludzkiej inteligencji, który może być wyzwaniem dla systemów SI. Możemy zdefiniować kreatywność jako zdolność do generowania nowych i wartościowych pomysłów, rozwiązań lub produktów. Choć istnieją już systemy generujące sztukę, muzykę czy teksty, pytanie brzmi, czy te działania są naprawdę kreatywne czy jedynie odwzorowujące wzorce znane z wcześniejszych danych. Czy systemy SI mogą naprawdę przełamywać schematy i wychodzić poza utarte ścieżki, tworząc coś zupełnie nowego?
Przyjmując strategię Minsky’ego, możemy rozważyć, że istotne dla inteligencji SI są te same problemy, które wymagają inteligencji ludzkiej. Jednak to, czy systemy te są w stanie naprawdę efektywnie rozwiązywać te problemy, pozostaje kwestią dyskusyjną.
W kontekście dyskusji nad strategiami definiowania inteligencji SI warto również odnieść się do wspomnianego tekstu, który zwraca uwagę na otwarty charakter problemu definiowania inteligencji, zarówno w kontekście ludzkim, jak i sztucznych systemów. Może to prowadzić do refleksji, że może nie istnieje jedna uniwersalna definicja inteligencji, ale raczej zbiór cech i umiejętności, które mogą się różnić w zależności od kontekstu i zadania, które dany system SI ma realizować.
Myślę, że wszystkie te refleksje prowadzą nas do wniosku, że definiowanie inteligencji systemów SI to zagadnienie wieloaspektowe i wymagające uwzględnienia zarówno perspektywy technicznej, jak i filozoficznej. Trudno jest definitywnie rozstrzygnąć jaka jest ich definicja, to pojęcie plastyczne. Dyskusja na ten temat wydaję się mimo wszystko niezbędna.
Zgadzam się, że zdefiniowanie inteligencji nie jest łatwym zadaniem, nawet w odniesieniu do ludzi, a co dopiero w przypadku sztucznych systemów. W psychologii, jak zostało już wcześniej wspomniane. od lat toczy się debata nad tym, czym właściwie jest inteligencja. Czy to zdolność do rozwiązywania problemów, uczenia się, adaptacji do nowych sytuacji? A może powinniśmy ją mierzyć zdolnością do kreatywnego myślenia i wykraczania poza utarte schematy? Te same pytania możemy zadawać w odniesieniu do sztucznej inteligencji.
W mojej opinii, jedna z cech, którą warto byłoby włączyć do definicji inteligencji, zarówno tej naturalnej, jak i sztucznej, to kreatywność. Kreatywność jest czymś więcej niż tylko naśladowaniem przeszłych wzorców czy wykonywaniem zadań w oparciu o zaprogramowane instrukcje. To umiejętność robienia czegoś nowego, znajdowania innowacyjnych rozwiązań w sytuacjach, gdzie istniejące dane i schematy nie są wystarczające. W przypadku systemów sztucznej inteligencji nie jest to łatwe do osiągnięcia, ponieważ wiele z nich bazuje na danych historycznych i jest trenowanych do przewidywania na podstawie tego, co już wiemy. Ale czy możemy uznać systemy za inteligentne, jeśli potrafią tylko naśladować przeszłość, a nie stworzyć coś zupełnie nowego?
Kolejnym interesującym aspektem jest to, że inteligencja może być względna. Zauważmy, że zupełnie inne kryteria stosujemy do oceny inteligencji u dorosłego człowieka, a inne u dziecka. Od dorosłego oczekujemy złożonego, logicznego myślenia, zdolności do planowania i przewidywania konsekwencji swoich działań, podczas gdy w przypadku dziecka kluczowa jest raczej zdolność do nauki i adaptacji. Podobne pytanie nasuwa się przy ocenie inteligencji maszyn: jakie kryteria powinniśmy przyjąć dla „inteligentnego systemu”? Czy powinniśmy oczekiwać od SI kreatywności i zdolności do uczenia się na własnych błędach, czy wystarczy, że system wykonuje zadania, które byłyby trudne dla człowieka?
Chciałabym też wprowadzić nową kwestię do tej dyskusji, a mianowicie inteligencję emocjonalną. To pojęcie stało się w ostatnich latach dość popularne w odniesieniu do ludzi, ale gdy mówimy o sztucznej inteligencji, najczęściej skupiamy się na jej zdolnościach logicznych i poznawczych. Jednak, jak zauważyłam, w miarę jak SI staje się coraz bardziej zintegrowana z naszym życiem, zaczynamy od niej wymagać czegoś więcej niż tylko analizy danych i wyciągania wniosków. Jeśli SI będzie coraz częściej wykorzystywana do zadań wymagających interakcji z ludźmi – jak na przykład w opiece zdrowotnej, doradztwie prawnym, czy edukacji – to może się okazać, że inteligencja emocjonalna stanie się kluczowym elementem. Czy maszyna może być empatyczna? Czy jest w stanie rozpoznać nasze emocje i odpowiednio na nie reagować?
Obecnie, wiele systemów sztucznej inteligencji, takich jak chatboty czy asystenci głosowi, próbuje naśladować ludzkie emocje, ale to wciąż dalekie od prawdziwej zdolności ich rozumienia. Moim zdaniem, kiedy zaczniemy ufać sztucznej inteligencji w coraz bardziej osobiste i emocjonalne sprawy, temat emocjonalnej inteligencji SI stanie się coraz bardziej istotny. Może się okazać, że dopiero wtedy zaczniemy traktować maszyny jako naprawdę inteligentne, kiedy będą w stanie rozumieć nie tylko nasze słowa, ale też nasze uczucia.
Temat SI oraz problemów związanych z definiowaniem jej inteligencji to fascynujące zagadnienie, które możemy rozpatrywać na wiele sposobów. Moim zdaniem podczas wydawania swojej opinii powinniśmy zwrócić uwagę na to, jak młodym narzędziem jest SI. Inteligencja człowieka miała około 200 tysięcy lat by się rozwinąć z poziomu analizy tego jak przetrwać, aż do rozwiązywania kompleksowych i złożonych problemów oraz bardzo szerokiego postrzegania rzeczywistości. Zatem, w porównaniu do tego czasu, okres przez który SI się rozwija jest jak mała, prawie niewidoczna kropka, dlatego nie możemy porównywać ludzkiej inteligencji i SI tą samą miarą. Mimo to, uwzględniając tempo jej rozwoju i fakt, że z miesiąca na miesiąc staje się ona coraz bardziej zaawansowana, możemy tylko przewidywać, że w końcu nabędzie ona brakujące cechy, takie jak np. Inteligencja emocjonalna, którą przedstawiła Pani Aleksandra. Zatem, podsumowując, mając tę świadomość, moim zdaniem możemy przypisywać SI wstępne miano posiadania inteligencji.
Uważam, że sztuczna inteligencja nigdy nie będzie mogła być porównana do inteligencji ludzkiej. Wynika to z natury jej działania. SI opiera się na odwzorowywaniu zachowań, które kiedyś zobaczyła lub o których ktoś jej opowiedział, sama w sobie powstaje jako tabula rasa. Człowiek natomiast jest istotą, która rodząc się, ma już swoje cechy charakteru, które oczywiście zmieniają się z upływem jego życia. Inteligencja gatunku ludzkiego jako pojęcie jest skupiona nie tylko na pojedynczych jednostkach, ale także na ich różnorodności w obrębie grupy. SI nie została więc stworzona do myślenia kreatywnego, innego niż pozostali, ale do kopiowania pomysłów i wcześniej rozwiązanych problemów. I to jest jak najbardziej w porządku. SI ma zupełnie inne zadanie jako byt – ma rozwiązywać zadane jej problemy. Człowiek za to jest w stanie sam sobie zadać pytanie i spróbować na nie odpowiedzieć. Uważam, że jeszcze długa droga przed programistami, abyśmy mogli nazwać SI chociaż trochę inteligentną, o ile w ogóle uda im się pokonać barierę, kreatywnego i spontanicznego myślenia.
Zgadzam się z autorem tego komentarza. Chciałbym jedynie dodać od siebie dodatkowy argument, który potwierdza tezę pana Adriana. Nawiążę tutaj do artykułu pod tytułem „Od sztucznej inteligencji do (samodoskonalącej się) superinteligencji” napisanego przez Pawła Stacewicza. W tym artykule pojawia się teza mówiąca, że aby istniał system prawdziwej inteligencji, musi mieć zdolność do samodoskonalenia się. Przykładowo, człowiek spełnia te warunki. Mózg ludzki ciągle się rozwija oraz, przede wszystkim, jest neuroplastyczny – jest w stanie tworzyć nowe połączenia mózgowe, co jest wręcz definicją samodoskonalenia się, a nawet niektórzy byliby gotowi powiedzieć, że pewnego rodzaju ewolucji. Mózg ludzki się dostosowuje, tworzy nowe synapsy – ulepsza się. Natomiast gdy mówimy o sztucznej inteligencji, ta teza nie sprawdza się. Pomijając już fakt, jak zostało powyżej wspomniane, że ograniczeniem SI jest cel, w jakim została ona stworzona, to sztuczna inteligencja nie posiada możliwości fizycznego samodoskonalenia się, tak jak jest to w przypadku człowieka. SI wykorzystuje oczywiście procesor wykonany z krzemu do swoich działań, jednak nie jest w stanie fizycznie wpłynąć na budowę swojego „mózgu”. Nie jest w stanie samemu sobie zwiększyć liczby wątków ani skorzystać z nowszej technologii półprzewodników. Jest to główny powód, który moim zdaniem zdecydowanie pokazuje, że SI nie będzie mogła zostać porównana do naszej, ludzkiej inteligencji.
Zgadzam się ze stwierdzeniem pana Adriana. Również uważam, że sztuczna inteligencja nigdy nie dorówna tej prawdziwej – ludzkiej. Związane jest to z charakterem jej funkcjonowania. SI bowiem nie posiada pierwiastka twórczego, brak jej kreatywności. W przeciwieństwie do człowieka, SI nie może stworzyć czegoś z niczego. Ona opiera się na danych, które ktoś już kiedyś wprowadził do jej bazy. Jest więc zależna od jakiejś wyższej inteligencji. Inspiruje się człowiekiem i to dzięki niemu działa. Dlatego człowiek ma przewagę nad systemami sztucznymi.
Prawdą jest, że niektóre zadania wykona szybciej od człowieka, ale właśnie po to została stworzona – by być narzędziem, a nie odrębnym bytem. Za przykład może posłużyć kreacja dzieł sztuki. SI może wygenerować jakiś obraz w kilka sekund, ale jest to generacja na podstawie wcześniej przeanalizowanych schematów i wzorców. Człowiek natomiast ograniczony jest jedynie przez swoją własną wyobraźnię.
SI korzysta z algorytmów. Ich stopień zaawansowania nie zmienia faktu, że dalej jest to działanie 0-1. Człowiek jest pod wieloma względami nieszablonowy, a sytuacje w których może się znaleźć nierzadko są skomplikowane i mają indywidualny charakter. W praktyce oznacza to, że zdarzenia schematyczne, powtarzające się mogą zostać zaburzone. Mogą wystąpić również przypadkowe wydarzenia, coś nieprzewidywalnego. Wtedy wymagany jest nieszablonowy proces myślowy, a jak wiemy wszystko co wychodzi ponad bazę SI jest dla niej niedostępne.
Inteligencja emocjonalna to kolejny aspekt odróżniający systemy komputerowe od ludzi. To właśnie kontrola własnego zachowania, radzenie sobie w stresujących, anormalnych sytuacjach, czyli ogólnie mówiąc kompetencje miękkie są w dzisiejszych czasach bardzo pożądane przez pracodawców. Sztuczna inteligencja potrafi za nas przeanalizować dane, zautomatyzować jakieś działanie, ale nie jest w stanie spojrzeć na dany problem subiektywnie, ani nie wymyśli innego schematu rozwiązania niż te, które już istnieją. SI nie posiada czegoś takiego jak moralność, czy empatia.
Jeżeli chodzi o umiejętność uczenia się, to uważam, że komercyjnie dostępna sztuczna inteligencja nie posiada tej zdolności, a jeżeli już posiada, to w bardzo małym stopniu. Wniosek taki wysuwam z własnych obserwacji działania chatbotów ChatGPT oraz DeepChatAI. Te narzędzia wielokrotnie zwracały niepoprawny wynik zadanego przeze mnie równania do rozwiązania. Choć chatbot przyznał mi rację po wyjaśnieniu mu jego błędu, to po ponownym zapytaniu o to samo zagadnienie zwrócił kolejny błędny wynik. Jak widać, zdolność uczenia się sztucznej inteligencji w moich doświadczeniach nie wpływa pozytywnie na ocenę inteligencji tych systemów.
Podsumowując, uważam, że sztuczna inteligencja wcale nie jest taka inteligentna jak mogłoby się wydawać. Mimo tego, że potrafi szybko analizować dane i rozwiązywać szereg problemów, to brakuje jej niektórych cech, aby w pełni móc nazwać ją inteligentną.
Definiowanie inteligencji sztucznej inteligencji (SI) to temat, który staje się coraz bardziej złożony i wielowymiarowy. Wydaje się, że tradycyjna definicja inteligencji, odnosząca się do ludzkiej zdolności do rozwiązywania problemów, niekoniecznie w pełni opisuje to, co potrafią współczesne systemy SI. Kluczowym pytaniem jest, czy możemy nazywać inteligencją każdą zdolność maszyny do wykonywania zadań, które wymagają od ludzi „inteligencji”, czy też potrzebujemy bardziej złożonej definicji, uwzględniającej inne cechy, takie jak kreatywność, uczenie się, czy zdolność do adaptacji.
Rozważając to, co napisał Marvin Minsky, można zauważyć, że unikał on definiowania inteligencji w sposób dogmatyczny, skupiając się raczej na rezultatach działań. Czy więc to, że maszyna potrafi zidentyfikować chorobę lub rozwiązać problem prawny, oznacza, że posiada inteligencję? Jeśli tak, to musimy zapytać, jaka jest różnica między ludzką a maszynową inteligencją.
Z perspektywy psychologii wiemy, że nie ma jednej ogólnie przyjętej definicji ludzkiej inteligencji – niektórzy badacze podkreślają zdolność do rozwiązywania problemów, inni zdolność do uczenia się. W kontekście SI moglibyśmy zatem powiedzieć, że jej inteligencję mierzy się zdolnością do uczenia się na podstawie nowych danych oraz rozwiązywania coraz trudniejszych problemów.
Jednak pojawia się pytanie, co z kreatywnością? Ludzie często postrzegają ją jako istotny element inteligencji, ale czy system SI, nawet jeśli jest w stanie tworzyć muzykę czy malować obrazy, można uznać za kreatywny w taki sposób, jak człowieka? Może raczej odwzorowuje on istniejące wzorce, niż tworzy coś nowego?
Wydaje mi się, że inteligencja SI to coś więcej niż zdolność do rozwiązywania problemów. To również umiejętność adaptacji i uczenia się, a może nawet zdolność do współdziałania z ludźmi w sposób etyczny i bezpieczny. Ale czy możemy nazwać maszynę „inteligentną”, jeśli nie ma ona świadomości siebie, emocji czy intencji? To pytanie pozostaje otwarte.
Warto zastanowić się nad tym, czy nie potrzebujemy nowego sposobu myślenia o inteligencji – nie tylko w odniesieniu do ludzi, ale i maszyn. Może nie powinniśmy definiować inteligencji SI poprzez porównanie do ludzkiej, lecz stworzyć odrębną kategorię, która lepiej odda jej specyfikę.
W dużej mierze zgadzam się z tym komentarzem, jednakże chciałbym rozwinąć kwestię kreatywności. W komentarzu powyżej autor stawia dwa pytania: „Ludzie często postrzegają ją (kreatywność) jako istotny element inteligencji, ale czy system SI, nawet jeśli jest w stanie tworzyć muzykę czy malować obrazy, można uznać za kreatywny w taki sposób, jak człowieka?. Może raczej odwzorowuje on istniejące wzorce, niż tworzy coś nowego?”. Według mnie odpowiedź na pierwsze pytanie to tak, system SI (w przyszłości będzie) można nazwać kreatywnym w taki sam sposób jak człowieka, a żeby to udowodnić chciałbym przyjrzeć się dokładniej jak wygląda ludzka kreatywność. Powołując się na definicję z Wikipedii (z powodu złożoności pojęcia kreatywności nie ma jednej ściśle obowiązującej definicji), kreatywność to proces umysłowy pociągający za sobą powstawanie nowych idei, koncepcji lub nowych skojarzeń, powiązań z istniejącymi już ideami i koncepcjami. To oznacza, że kreatywność w pewnym sensie polega na odwzorowywaniu istniejących już wzorców ale w nowy, oryginalny sposób. Mimo że teraz znane nam popularne model jak ChatGpt produkują treści w sposób bardzo algorytmiczny i mało swobodny to być może w przyszłości AI będzie miało większą złożoność i podobnie jak nasz mózg będzie w stanie łączyć istniejące już wzorce tworząc coś nowego i kreatywnego.
W dużej mierze zgadzam się z tym komentarzem, jednakże chciałbym rozwinąć kwestię kreatywności. W komentarzu powyżej autor stawia dwa pytania: „Ludzie często postrzegają ją (kreatywność) jako istotny element inteligencji, ale czy system SI, nawet jeśli jest w stanie tworzyć muzykę czy malować obrazy, można uznać za kreatywny w taki sposób, jak człowieka?. Może raczej odwzorowuje on istniejące wzorce, niż tworzy coś nowego?”. Według mnie odpowiedź na pierwsze pytanie to tak, system SI (w przyszłości będzie) można nazwać kreatywnym w taki sam sposób jak człowieka, a żeby to udowodnić chciałbym przyjrzeć się dokładniej jak wygląda ludzka kreatywność. Powołując się na definicję z Wikipedii (z powodu złożoności pojęcia kreatywności nie ma jednej ściśle obowiązującej definicji), kreatywność to proces umysłowy pociągający za sobą powstawanie nowych idei, koncepcji lub nowych skojarzeń, powiązań z istniejącymi już ideami i koncepcjami. To oznacza, że kreatywność w pewnym sensie polega na odwzorowywaniu istniejących już wzorców ale w nowy, oryginalny sposób. Mimo że teraz znane nam popularne model jak ChatGpt produkują treści w sposób bardzo algorytmiczny i mało swobodny to być może w przyszłości SI będzie miało większą złożoność i podobnie jak nasz mózg będzie w stanie łączyć istniejące już wzorce tworząc coś nowego.
Ciężko jest jednoznacznie stwierdzić, która cecha czyni sztuczną inteligencję inteligentną. Uważam, że próba rozstrzygnięcia, która cecha SI jest najważniejsza oraz co powinno stanowić miarę jej inteligencji nie ma sensu w tak szerokim zagadnieniu jakim jest SI. Zatem, aby móc nazwać sztuczną inteligencję inteligentną, odnosząc się do znanego nam modelu ludzkiej inteligencji, musi ona posiadać cechy z szerokiego spektrum.
Pierwszą z nich powinna być zdolność do samodzielnego uczenia się na podstawie nowych informacji oraz doświadczeń, a także umiejętność dostosowywania się do zmieniających się warunków. To oznacza, że nie będzie tylko wykonywać zaprogramowanych zadań, ale będzie mogła sama wyciągać wnioski i doskonalić swoje działanie.
Inteligencja wiąże się z umiejętnością identyfikowania problemów i szukania odpowiednich rozwiązań, także w sytuacjach, które nie były wcześniej przewidziane. SI powinna umieć analizować dane, podejmować decyzje na ich podstawie i znaleźć optymalne rozwiązanie, nawet w nieoczywistych sytuacjach.
Nie można również zapomnieć o zdolności do współpracy i rozumienia emocji. SI powinna być w stanie dostosować swoje zachowanie w zależności od emocjonalnych reakcji ludzi oraz wspierać ich w osiąganiu wspólnych celów.
Choć kreatywność jest trudna do osiągnięcia dla maszyn, prawdziwie inteligentna SI powinna być w stanie tworzyć nowe pomysły lub podejścia, które wykraczają poza ramy wcześniej nauczonych schematów.
Niezwykle ważne jest, aby SI potrafiła zrozumieć koncepcje etyczne i być zdolna do podejmowania decyzji z uwzględnieniem wartości moralnych. Ważne jest, aby w obliczu trudnych wyborów, maszyna potrafiła wybrać działanie, które jest nie tylko korzystne, ale i etycznie właściwe.
Podsumowując, konstytutywne cechy sztucznej inteligencji obejmują przede wszystkim zdolność do rozwiązywania trudnych problemów, umiejętność uczenia się, przestrzeganie norm etycznych oraz kreatywność. Te cechy są kluczowe z punktu widzenia praktycznego wykorzystania SI w społeczeństwie, ponieważ pozwalają użytkownikom zaufać, że system nie tylko jest „inteligentny”, ale działa w sposób przejrzysty i zgodny z ludzkimi wartościami.
Moim zdaniem nie powinniśmy używać terminu „inteligencja” w odniesieniu do sztucznej inteligencji ponieważ powstał on na bazie działania umysłu ludzkiego, który jak wiadomo różni się diametralnie od sztucznej inteligencji. AI działa na zupełnie innych zasadach, pokazuje to przykład w którym zadano SI przejechanie toru za pomocą pojazdu, trasa byłą resetowana jeśli pojazd wyjechał poza granicę. Sztuczna inteligencja potrzebowała setek prób aby pokonać taki tor w porównaniu do człowieka który potrzebował zaledwie kilku. Ten przykład pokazuje różnicę pomiędzy SI która będzie testować wszystkie możliwości od zera a umysłem ludzkim który od razu przechodzi to możliwości realistycznych które określa dzięki kreatywności. Dlatego termin „inteligencja” nie powinien odnosić się do AI przynajmniej do czasu kiedy będzie ona zdolna do kreatywnej analizy sytuacja nie poleganiu na schematach i algorytmach.
Uważam, że słowem klucz w nazwie Sztucznej Inteligencji jest właśnie “sztuczna”, lecz nie “inteligencja”. Inteligencja jest cechą organizmów żywych, która pomaga w przetrwaniu – jest to bowiem umiejętność rozwiązywania problemów. Sztuczna Inteligencja nie jest w stanie samodzielnie wymyślić rozwiązania. Po zadaniu pytania SI wybiera “najtrafniejszą”, czyli zazwyczaj najczęstszą odpowiedź pojawiającą się w internecie, a następnie przekazuje ją pytającemu. Przecież sama SI nie rozumie treści, które przekazuje, a jeśli zadane pytanie nie pojawiło się wcześniej w bazie danych, to nie dostaniemy żadnej znaczącej odpowiedzi. Być może jest to zatem wiedza, jako zbiór informacji, lecz absolutnie nie inteligencja. A owa sztuczność może polegać na tym, że ludzie błędnie zakładają umiejętności Sztucznej Inteligencji. Osoba, która dostała prawidłową odpowiedź uzna SI za wielce przydatne i inteligentne narzędzie, dopóki nie trafi w czuły punkt. Człowiek próbowałby znaleźć jakieś rozwiązanie, a SI zawsze wysyła ten sam komunikat: “nie mam informacji, których szukasz”.
Sztuczna inteligencja (AI) stała się jednym z najważniejszych tematów współczesnej technologii i nauki. W miarę jak AI rozwija się i staje coraz bardziej zaawansowana, pojawia się pytanie o to, jakie cechy powinny świadczyć o jej inteligencji. W niniejszym wypracowaniu przedstawię kluczowe cechy sztucznej inteligencji, które mogą być uznawane za miarę jej inteligencji, takie jak umiejętność rozwiązywania problemów, zdolność do uczenia się, generalizacja, kreatywność oraz autonomiczność.
Cechy sztucznej inteligencji świadczące o jej inteligencji:
1. Umiejętność rozwiązywania problemów
Jedną z podstawowych cech inteligencji, zarówno ludzkiej, jak i sztucznej, jest zdolność do efektywnego rozwiązywania problemów. Systemy AI powinny być w stanie analizować trudne sytuacje, identyfikować kluczowe elementy problemu oraz proponować logiczne rozwiązania. Przykłady to:
– Algorytmy optymalizacji, które potrafią znaleźć najlepsze rozwiązania w skomplikowanych sytuacjach, takich jak planowanie tras transportowych czy zarządzanie zasobami.
– Systemy ekspertowe, które na podstawie wprowadzonej wiedzy podejmują decyzje w specjalistycznych dziedzinach, takich jak medycyna czy prawo.
2. Zdolność do uczenia się
Kolejną istotną cechą sztucznej inteligencji jest umiejętność uczenia się na podstawie doświadczenia. Dzięki zastosowaniu technik takich jak machine learning i deep learning, AI może analizować dane, wyciągać wnioski oraz doskonalić swoje działania. Kluczowe aspekty tego procesu to:
– Adaptacja do zmieniającego się środowiska: AI, która potrafi dostosować swoje działania do nowych danych i warunków, jest bardziej inteligentna.
– Samodzielne poprawianie błędów: Zdolność do analizowania swoich pomyłek i korygowania ich w przyszłości świadczy o wyższym poziomie inteligencji.
3. Generalizacja
Generalizacja to umiejętność wyciągania wniosków na podstawie ograniczonej liczby przykładów. Inteligentny system AI powinien być w stanie zastosować zdobytą wiedzę w nowych, nieznanych sytuacjach. Przykłady obejmują:
– Rozpoznawanie wzorców: AI, która potrafi rozpoznać obiekty na zdjęciach, mimo że nie widziała ich wcześniej w identycznej formie, demonstruje zdolność do generalizacji.
– Przewidywanie wyników: Zdolność do prognozowania przyszłych zdarzeń na podstawie danych historycznych.
4. Kreatywność
Kreatywność to cecha, która może być trudna do zdefiniowania, ale jest kluczowa w kontekście inteligencji. Sztuczna inteligencja, która potrafi generować nowe pomysły, rozwiązywać problemy w innowacyjny sposób lub tworzyć dzieła sztuki, wykazuje wysoki poziom inteligencji. Przykłady to:
– Generowanie muzyki: AI, która potrafi komponować utwory muzyczne, pokazuje kreatywność.
– Tworzenie sztuki: Sztuczna inteligencja, która tworzy obrazy lub pisze teksty literackie, również jest dowodem na kreatywność.
5. Autonomiczność
Ostatnią cechą, którą omówię, jest autonomiczność. Inteligentne systemy AI powinny być w stanie podejmować decyzje i działać niezależnie, bez stałej ingerencji człowieka. Aspekty autonomiczności obejmują:
– Samodzielne działanie: AI, która potrafi wykonywać zadania bez nadzoru, np. autonomiczne pojazdy, które poruszają się bez pomocy kierowcy.
– Podejmowanie decyzji: Systemy AI, które mogą samodzielnie oceniać sytuacje i podejmować decyzje, świadczą o wyższym poziomie inteligencji.
W rozmyślaniach na temat cech świadczących o inteligencji sztucznej inteligencji warto zadać sobie pytanie czy AI jest sztuczna i czy jest inteligentna. O ile wczesne, silnie zdominowane przez zasady i programy systemy można określić jako sztuczne, o tyle nowoczesne – jak np. ChatGPT opierają się na twórczości ludzi: programistów, pisarzy, muzyków. Siłą współczesnej AI jest dopasowywanie wzorców – ale czy jest to inteligencja?
Inteligencja ludzka – bo w tym kontekście rozpatrujemy inteligencję AI – nie jest jednowymiarowa. Ignacio Matte Blanco, XX-wieczny, chilijski psychoanalityk nazwał bi-logiką połączenie statycznej i ponadczasowej logiki formalnego rozumowania oraz kontekstowej i wysoce dynamicznej logiki emocji. Logika rozumowania szuka różnic a logika emocji szybko je wymazuje. Bi-logika wyjaśnia w jaki sposób człowiek przegrupowuje przyziemne rzeczy w nowatorski i wnikliwy sposób. Wyrazem tego są dzieła i instalacje artystyczne, w których przedmioty codziennego użytku stają się nagle czymś wyjątkowym, zyskują nowy wymiar. Trudno sobie wyobrazić tego rodzaju inteligencję maszyn. AI nie ma poczucia czasu, nostalgii, historii, żalu – a to buduje emocje. Bez emocji sztuczna inteligencja pozostaje w pojedynczej logice formalnej – ma tylko wiedzę. Wiedza stanowi jedynie część inteligencji. AI jest systemem, który się uczy. Jest rewolucyjna w statystykach obliczeniowych ale nie jest rewolucją w inteligencji.
Chcąc wymienić cechy jakie powinna posiadać sztuczna inteligencja należy odnieść się do cech inteligencji ludzkiej, każdorazowo wymaganych do rozwiązywania danego problemu. Niemniej jednak obecnie możemy zakładać, że sztuczna inteligencja jest na tyle inteligenta, na ile inteligentny jest człowiek i jakie narzuca jej ograniczenia.
Dyskusja na temat cech, które wskazywałyby na inteligencję sztucznej inteligencji, porusza różnorodne podejścia do zrozumienia i oceny inteligencji w kontekście maszyn. Jeden z kluczowych punktów dotyczy granicy między zaawansowaną automatyzacją a inteligencją – czy rozpoznawanie wzorców przez algorytmy, takie jak w aplikacji Shazam, można już uznać za „inteligencję”, czy to tylko skuteczny zestaw narzędzi IT? Wydaje się, że prawdziwa SI będzie wymagała czegoś więcej, jak umiejętność generowania nowych, nieprzewidzianych rozwiązań – czegoś poza samą analizą danych.
W artykule porusza się istotną kwestię, jaką jest zrozumienie i postrzeganie sztucznej inteligencji jako „inteligentnej”. W kontekście tej dyskusji warto przywołać teorię chińskiego pokoju Johna Searle’a, która pokazuje, że choć AI może przetwarzać informacje i dostarczać sensowne odpowiedzi, niekoniecznie „rozumie” ich sens, tak jak człowiek. Searle wskazuje, że AI działa na zasadzie manipulacji symbolami, bez prawdziwego rozumienia. Mimo, że teoria Searle’a ma ponad 40 lat to uważam, że jest dalej aktualna. Nasuwa się więc pytanie, czy maszyny, mimo swojej zaawansowanej funkcjonalności, mogą być naprawdę inteligentne w ludzkim sensie, czy tylko imitują inteligencję. Porównanie inteligencji ludzkiej oraz maszynowej nie jest idealne, ale w mojej opinii najlepiej oddaje cechy inteligencji, którą powinna mieć AI by być naprawdę inteligenta, a eksperyment myślowy Searle’a dobrze to obrazuje.