Cum ne ajută revoluția AI să răspundem la cele mai fundamentale întrebări ale filosofiei? (Partea 2)

Cine sunt? Pentru ce m-am născut? Revoluția AI prin ochii expertului în tehnologie Kaifu-Lee, partea 2 vă va ajuta să continuați să descoperiți răspunsurile la aceste două întrebări umane eterne. După eșecul primelor două valuri, cum a continuat AI să se dezvolte și să decoleze până acum? Are AI astăzi suficientă putere pentru a pune stăpânire pe lume, așa cum prevăd unii?

• Cum ne ajută revoluția AI să răspundem la cele mai fundamentale întrebări ale filosofiei? (Partea 1)

Rezumatul părții 1: mecanismele primelor două valuri de inteligență artificială din lume: sisteme bazate pe reguli de gândire (primul val), modele statistice și învățarea automată (al doilea val)

PARTEA 2: Al treilea val de Al și reevaluarea adevăratelor capacități ale Al astăzi.

Al treilea val de AI - o explozie alimentată de hardware

În timpul primului val, eu (autorul Kai-fu Lee) am avut norocul să-l cunosc pe informaticianul și psihologul Roger Schank. De fapt, unul dintre elevii săi a fost supervizorul meu în anii de master. Experimentele de mai sus m-au făcut să cred că sistemele expert nu sunt scalabile și că creierul nostru s-ar putea să nu funcționeze așa cum credeam noi. Mi-am dat seama că, pentru a ne simplifica procesul de decizie, am folosit „dacă, atunci, altfel” ca un limbaj pe care oamenii îl înțeleg, dar creierul nostru este complex.mult mai complicat decât atât.

În timpul celui de-al doilea val, în timpul tezei și al studiilor de doctorat, am citit lucrarea lui Judea Pearl despre rețelele bayesiene. Am fost foarte influențat de oamenii de știință de seamă de la IBM, inclusiv dr. Fred Jelinek, Peter Brown și Bob Mercer. Ei au marcat în transformarea metodelor statistice în curent, nu numai în vorbire, ci și în traducerea automată (în anii 80 și 90 ai secolului XX). Le datorez multă recunoștință. Încă suntem blocați, dar nu pentru că tehnologia este greșită. Adevărul este că metodele statistice sunt complet exacte.

La sfârșitul anilor 80, în timp ce lucram la modele Markov ascunse la Carnegie Mellon, Geoff Hinton lucra la rețele neuronale pe care le-a numit „Rețele neuronale întârziate în timp”. Se crede că este prima versiune a rețelelor neuronale complexe care sunt acum cunoscute ca deep learning, o tehnologie dominantă astăzi.

Dar de ce nu a decolat valul de învățare automată neuronală și statistică? Privind retrospectiv, acest val nu avea nimic de-a face cu tehnologia, cea mai mare parte a tehnologiei fusese deja inventată. Problema este doar că nu avem suficiente date de antrenament. Creierul nostru funcționează într-un mod complet diferit de mașinile de deep learning. Pentru a porni mașinile de deep learning, trebuie să le furnizăm mai multe date de antrenament la fiecare nivel decât oamenii. Oamenii pot vedea sute de fețe înainte de a începe să recunoască oamenii, dar rețelele neuronale de învățare profundă vor să vadă miliarde de fețe pentru a deveni abil în recunoaștere.

Desigur, odată ce vor deveni competenți, vor fi mai buni decât oamenii. Asta a fost prezis. Dar la momentul respectiv, pur și simplu nu aveam suficiente date de antrenament și nici suficientă putere de calcul pentru a duce aceste tehnologii descoperite la vârf. Google începe să realizeze că pentru a căuta, ai nevoie de multe mașini care să ruleze în paralel. Apoi Jeff Dean (informaticianul care conduce divizia de inteligență artificială a Google) și alți oameni de la Google au văzut că, odată ce aveți acele mașini paralele, puteți face mult mai mult decât să căutați. Puteți construi AI pe deasupra lor. Pentru a construi AI, aveți nevoie de cipuri speciale care sunt specializate în a face acest lucru bine. Apoi au apărut GPU-urile Nvidia, iar Google și-a construit propriile TPU-uri. Este un progres interesant. S-a întâmplat că Google a preluat căutarea, iar căutarea avea nevoie de servere și l-au luat pe Jeff Dean. Acest lucru a condus la arhitecturi de învățare bazate pe GPU sau TPU masiv paralele, care pot învăța dintr-o mulțime de date dintr-o singură zonă (GPU-urile sunt procesoare compuse din mii de nuclee mai mici, de performanță superioară, care pot procesa mai multe sarcini simultan, în comparație cu un CPU convențional cu doar câteva nuclee optimizate pentru procesare secvențială continuă).

(Foto: Anand Tech)

Noile tehnologii au evoluat pe baza arhitecturilor de învățare automată masiv paralele menționate mai sus, iar aceste arhitecturi rulează pe noi GPU-uri și acceleratoare. Din ce în ce mai mulți oameni sunt capabili să antreneze dispozitivele să recunoască chipuri, voci, imagini și să aplice AI pentru căutare și predicție. Există din ce în ce mai multe date disponibile pe internet. Amazon a folosit aceste date pentru a prezice ce doreau clienții să cumpere. Google folosește date pentru a prezice reclamele pe care este posibil să faceți clic și pentru care este posibil să plătiți. Microsoft îl folosește și el. În China, avem Tencent și Alibaba. Multe aplicații s-au născut pe baza unor cantități uriașe de date de pe Internet.

În același timp, pe măsură ce tehnologia progresa, Geoff Hinton, Yann LeCun și Yoshua Bengio au fost trei oameni care au continuat să lucreze la rețelele neuronale, deși nu mai erau mainstream la începutul anilor 2000. În anii 80, Acea muncă este nouă, iar statisticile inovatoare au arătat că aceste rețele nu sunt scalabile. Așa că agențiile de finanțare le-au abandonat, conferințele au încetat să accepte cercetări despre ele, dar acești trei cercetători au continuat-o cu puțină finanțare pentru a perfecționa și a dezvolta algoritmi mai buni. Și apoi au apărut mai multe date. O descoperire a venit odată cu crearea de noi algoritmi, numiți la un moment dat „rețele neuronale complexe”, și astăzi cunoscuți ca „învățare profundă”.

Setul de tehnologii derivate de la cei trei profesori de mai sus a început să prolifereze în industria AI. Sistemele de recunoaștere a vocii concepute de companii de top câștigă capacitățile umane și același lucru se întâmplă cu companiile de recunoaștere facială și de recunoaștere a imaginii. Există dovezi de comerț electronic, identificarea utilizatorului/vorbitorului fiind aplicată datelor de pe Internet, previziuni mai mari pentru Amazon, oferindu-le mai mulți bani; predicții mai bune pentru Facebook în ceea ce privește modul în care sunt clasate fluxurile de știri; Rezultate de căutare mai bune de la Google. Până la sfârșitul anilor 2000, rețelele neuronale profunde au început să devină populare în Google și au explodat aproape peste tot în ultimii 7 sau 8 ani. S-au născut mai multe structuri, au fost dezvoltate mai multe sisteme inteligente. Desigur, evenimentul care a aprins lumea a fost AlphaGo învingându-l pe maestrul Go Lee din Coreea și pe maestrul Ke din China cu marje din ce în ce mai mari. Și mai recent, un nou studiu sugerează că AlphaGo poate fi antrenat de la zero fără cunoștințe umane.

Toate aceste descoperiri au făcut lumea să știe că AI este o realitate în acest moment. Am avut ceva în al doilea val, rețelele neuronale și metodele statistice erau corecte, pur și simplu nu aveam suficiente date, nu aveam suficientă putere de calcul și nici un progres suficient, tehnologia la momentul respectiv pentru a face acest lucru. Dar acum am făcut-o.

Poate AI să domine umanitatea?

AI decolează peste tot. Au apărut multe școli noi de gândire. Există un grup de oameni care încep să reflecteze la întrebarea noastră inițială: cine suntem și de ce existăm? Acești oameni au motivat că, pentru că AI a reușit să se îmbunătățească atât de rapid în ultimii doi sau trei ani, dacă vom folosi acest lucru în alte domenii, vom avea mașini super-inteligente care pot fi introduse în capul nostru și vor deveni creșteri umane, sau vor fi răi și vor stăpâni omenirea.

Vreau doar să interzic acest tip de gândire. Doar că nu este exact. Indiferent de cât de avansată este AI în prezent sau de cât de mult apare pe cât AI face lucruri extraordinare, cum ar fi înfrângerea oamenilor în jocurile de șah, recunoașterea vocii, recunoașterea facială, vehiculele cu conducere autonomă, roboții industriali, AI va fi în continuare limitată în următoarele moduri: AI (pe care o numim IA slabă) este un dispozitiv care se optimizează pe baza multor date despre un domeniu care învață să facă ceva extrem de bine. Este un robot vertical cu o singură sarcină, dar poate face un singur lucru. Nu poți să-l înveți multe lucruri. Nu poți să-l înveți în multe domenii. Nu o poți învăța să aibă bun simț (bun simț, cunoștințe comune, experiență, comportament despre care majoritatea dintre noi suntem de acord că este corect sau greșit). Nu-i poți da emoție. Nu are conștiință de sine, deci nu are dorințe și nici măcar înțelegerea modului de a iubi sau domina o ființă umană.

Toate aceste discuții negative sunt o prostie. E prea multă imaginație. Vedem că AI intră în noi aplicații în zone cu creștere rapidă, dar este creșterea rapidă a aplicațiilor care se află în tehnologiile mature pe care le avem. Această creștere se va încheia atunci când toată tehnologia va fi dezvoltată. Apoi, trebuie să așteptăm noi descoperiri pentru noi progrese AI. Dar nu poți prezice progrese viitoare.

Dacă te uiți la istoria AI, acest tip de inovație de deep learning s-a întâmplat o singură dată. Doar o dată din 1957, o dată la 60 de ani, am avut o descoperire. Nu poți să prezici că vom avea un progres anul viitor, și apoi luna viitoare sau a doua zi după aceea. E prea repede. Utilizarea aplicațiilor are loc abia acum. Este grozav, dar ideea de invenții rapide este un concept prostesc. În opinia mea, cei care susțin aceste afirmații și cei care spun că unitatea este în fața noastră sunt complet deconectați de situația industrială actuală.

Astăzi, există doar AI care se concentrează pe a face un singur lucru la un moment dat și este un instrument grozav. Este bun la crearea de valoare. Va înlocui multe locuri de muncă umane și câteva alte locuri de muncă umane. La asta ar trebui să ne gândim, nu la IA mare și puternică, o mașină care este ca un om și poate gândi în multe domenii și are percepții comune precum oamenii. La urma urmei, nu putem prezice asta pe baza progresului actual.

S-ar putea întâmpla asta într-o zi, peste o sută sau o mie de ani? Cred că se poate întâmpla orice. Dar poate că ar trebui să ne concentrăm energia asupra lucrurilor de aici, astăzi. Și ceea ce este aici acum sunt super-mașini optimizate care pot face mai bine decât oamenii la locuri de muncă: alegerea stocurilor, acordarea de împrumuturi, asistență pentru clienți, telemarketing, lucru pe linia de producție, asistență juridică. AI poate face aceste lucruri mai bine decât oamenii. Ei preiau și ne eliberează timpul liber, permițându-ne să facem ceea ce ne place cu adevărat și ceea ce facem cel mai bine. Este oportunitatea vieții, nu perspectiva înfricoșătoare ca computerele să devină super inteligente.

Potrivit VnReview

Vezi mai mult:

• Curs online gratuit de inteligență artificială (AI) de la universitățile finlandeze
• 6 pași pentru a începe să înveți programarea cu inteligență artificială (AI).
• Cursuri online de inteligență artificială (AI), certificare