W jaki sposób rewolucja AI pomaga nam odpowiedzieć na najbardziej fundamentalne pytania filozofii? (Część 1)

Kim jestem? Po co się urodziłem? Jak mam żyć? Powstało wiele artykułów, wiele książek i wiele szkół filozoficznych, które miały na celu rozwiązanie największych pytań dotyczących ludzkiej egzystencji. W tym artykule chcielibyśmy wprowadzić czytelników w serię poniższych artykułów do głębokich rozważań na temat tych podstawowych zagadnień filozoficznych z perspektywy światowej sławy eksperta w dziedzinie technologii.

Seria artykułów została przetłumaczona z artykułu w The Edge autorstwa Kai-fu Lee, założyciela firmy zajmującej się inwestycjami technologicznymi Sinovation Ventures, zajmującej pierwsze miejsce w Chinach według magazynu Forbes. Lee zajmował stanowiska badawcze w Apple i odpowiadał za operacje w Microsoft i Google China. Lee jest także informatykiem, który stworzył pierwszy na świecie system rozpoznawania głosu. System Lee jest obecnie używany w produktach Apple Siri, Microsoft i wielu innych firm.

Autor Kai-fu Lee, założyciel wiodącej w Chinach firmy zajmującej się inwestycjami technologicznymi, Sinovation Ventures (zdjęcie: China Daily)

CZĘŚĆ 1: PIERWSZA I DRUGA FALA SZTUCZNEJ INTELIGENCJI

Pierwsza fala sztucznej inteligencji

Jak wszyscy inni, zawsze zadaję sobie pytania: kim jestem i dlaczego istnieję? Jako ludzie, kim jesteśmy, dlaczego istniejemy? Kiedy byłem na studiach, miałem znacznie bardziej niewinne podejście. Bardzo pasjonowałem się komputerami, sztuczną inteligencją i myślałem, że moim przeznaczeniem jest pracować z algorytmami komputerowymi i wraz z kolegami wyobrażać sobie, jak działa mózg. Pracuj, jak komputery mogą być tak inteligentne jak mózg, mogą nawet zastąpić mózgu i to właśnie nazywa się sztuczną inteligencją.

Taki był wówczas mój prosty pogląd. Zajmowałem się tym już na studiach, jeszcze za czasów studiów magisterskich. Poszedłem do Carnegie Meelon i obroniłem doktorat z rozpoznawania mowy , a następnie dołączyłem do Apple, SGI, następnie Microsoft i Google. W tych firmach kontynuowałem prace nad sztuczną inteligencją. Myślę, że nasze dążenie do zrozumienia, jak działa inteligencja i nasze zrozumienie sztucznej inteligencji, powrócą do nas i powiedzą: „Ach, tak działa mózg”. Symulujemy to i to jest definicja inteligencji. To powinno być najważniejsze w naszym życiu: nasze IQ, nasza zdolność myślenia, analizowania, przewidywania i rozumienia – wszystko to można rozwinąć poprzez symulację na komputerze.

Miałem szczęście poznać Marvina Minsky'ego, Allena Newella, Herba Simona (trzech naukowców uznawanych za pionierów w dziedzinie sztucznej inteligencji) i mojego mentora Raja Reddy'ego (Dabbala Rajagopal „Raj” Reddy, indyjsko-amerykański informatyk, jest także pionier AI). Wszyscy ci ludzie wywarli ogromny wpływ na mój sposób myślenia. Harmonijne jest to, że dążą również do zrozumienia inteligencji. W tamtym czasie panował pogląd, że wdrożylibyśmy ludzką inteligencję jako zasady określające ludzkie sposoby działania, jeśli zapewnilibyśmy proces realizacji naszego myślenia w konkretnych krokach.

Na przykład, jeśli jestem głodny, chcę wyjść i zjeść. Przez przypadek wydałem w tym miesiącu dużo pieniędzy, pójdę do tańszego miejsca. Sugeruje się, że tańszym miejscem jest McDonald's. W McDonald's unikam smażonych potraw, więc jem tylko hamburgera. Te kwestie „jeśli, to, inaczej” są tym, jak myślimy (jak myślimy) i tak działa generowanie systemów eksperckich lub symbolicznej sztucznej inteligencji. Zdaję sobie sprawę, że to bardzo ograniczające, bo kiedy spisujemy zasady, jest ich za dużo.

W MCC (Konsorcjum Firm Komputerów Mikroelektronicznych) pracował profesor Doug Lenat, jeden z najmądrzejszych ludzi, jakich znam. Zatrudnił setki ludzi, aby spisali wszystkie zasady, jakie przyjdą nam do głowy, myśląc, że pewnego dnia uda nam się to zrobić i to będzie mózg. Jego badania są sponsorowane przez Apple i Microsoft. Wciąż pamiętam, kiedy go odwiedziłem, pokazywał mi różne rodzaje kwiatów, dzieląc się swoją wiedzą o tym, czym jest każdy rodzaj kwiatu, ile płatków ma każdy kwiat i jakie ma kolory. Okazuje się, że wiedzy na świecie jest za dużo, abyśmy mogli ją przyswoić, a jej interakcje są zbyt złożone. Ten mechanizm, systemy oparte na regułach, nie wiemy, jak go zbudować.

To była pierwsza fala. Ludzie zaczęli się ekscytować, myśląc, że możemy napisać zasady, ale to była kompletna porażka. Rezultatem tej porażki jest to, że pod pewnymi względami istnieje tylko kilka przydatnych aplikacji. To sprawia, że ​​ludzie wierzą, że sztuczna inteligencja zawiodła i nie warto jej szukać.

Pionierscy naukowcy w dziedzinie sztucznej inteligencji, na których duży wpływ mieli Kai-fu Lee: Marvin Minsky, Allen Newell, Herb Simon, Dabbala Rajagopal „Raj” Reddy (Fot.: Slideplayer, Wikipedia)

Druga fala sztucznej inteligencji

Miałem szczęście, że dołączyłem do drugiej fali, która zbiegła się z moją pracą doktorską w Carnegie Mellon. Zastanawiałem się, czy w tej pracy moglibyśmy zastosować jakąś statystykę lub uczenie maszynowe. Co by było, gdybyśmy pobrali próbki wszystkiego i przeszkolili systemy? Mogą to być próbki głosu do uczenia różnych dźwięków w języku angielskim, próbki psów i kotów do uczenia rozpoznawania zwierząt itp. Dawały one wówczas dobre wyniki. Rodzaj technologii, który opracowałem i wykorzystałem w mojej pracy doktorskiej, nosi nazwę „Ukrytych Modeli Markowa” i jest pierwszym przykładem samodzielnego systemu głośników z funkcją rozpoznawania mowy. System ten był i jest nadal używany w wielu produktach, takich jak Siri, system rozpoznawania głosu firmy Microsoft i inne technologie stosowane w komputerowym głosie i obrazie komputerowym. Pracowałem w tej firmie w Carnegie Mellon w latach 80., obroniłem pracę magisterską w 1988 r., a następnie w latach 1990–1996 pracowałem w Apple, a około 2000 r. w Microsoft Research.

Byliśmy optymistami, że obliczenia na potrzeby tej pracy były skuteczne, ponieważ zaobserwowaliśmy poprawę wyników. Jednak po dziesięciu latach pracy widzimy, że krytyczne ulepszenia osiągają granice. Nie mogli iść dalej w górę, więc się baliśmy. Wiele osób powtarza: „Możesz rozpoznać 1000 słów, 100 obiektów, ale nie więcej. Ludzie potrafią zrozumieć nieskończone słownictwo, w tym nowo utworzone słowa. To nie jest inteligentne. To nie jest sztuczna inteligencja”. Drugi upadek sztucznej inteligencji nastąpił, ponieważ nie udowodniła, że ​​maszyny mogą robić to samo, co ludzie.

Według VnReview Zobacz więcej:

• Bezpłatny kurs online dotyczący sztucznej inteligencji (AI) prowadzony przez fińskie uniwersytety
• 6 kroków, aby rozpocząć naukę programowania sztucznej inteligencji (AI).
• Kursy online dotyczące sztucznej inteligencji (AI), certyfikacja