Minulý rok umelá inteligencia AlphaGo prvýkrát porazila majstra sveta v hre. Toto víťazstvo bolo bezprecedentné a neočakávané vzhľadom na veľké ťažkosti čínskej stolovej hry. Zatiaľ čo víťazstvo AlphaGo bolo určite pôsobivé, táto AI, ktorá odvtedy porazila ostatných šampiónov Go, sa stále považuje za „úzky“typ AI - taký, ktorý dokáže prekonať človeka iba v obmedzenej oblasti úloh.
Aj keď sotva dokážeme poraziť počítač v hre Go alebo šach bez toho, aby sme sa uchýlili k pomoci iného počítača, nemôžeme sa na ne spoľahnúť pri bežných úlohách. AI neurobí čaj alebo rozvrh MOT pre vaše auto.
V protiklade k tomu je umelá inteligencia často označovaná ako sci-fi ako „všeobecná“umelá inteligencia. To znamená umelá inteligencia na rovnakej úrovni a rozmanitosti ako človek. Aj keď už máme rôzne druhy umelej inteligencie, ktoré dokážu urobiť všetko od diagnostikovania chorôb až po riadenie našich automobilov, zatiaľ sme neboli schopní zistiť, ako ich integrovať na všeobecnejšej úrovni.
Minulý týždeň predstavitelia spoločnosti DeepMind predstavili niekoľko článkov, ktoré tvrdia, že kladú základy všeobecnej umelej inteligencie. Aj keď zatiaľ nie sú k dispozícii žiadne závery, prvé výsledky sú povzbudivé: v niektorých oblastiach AI už prekonala schopnosti ľudí.
Obe práce DeepMindu sa zameriavajú na relatívne uvažovanie, kritickú kognitívnu schopnosť, ktorá umožňuje ľuďom porovnávať rôzne objekty alebo nápady. Napríklad na porovnanie, ktorý objekt je väčší alebo menší, ktorý je vľavo a ktorý je vpravo. Ľudia používajú vždy, keď sa snažia vyriešiť problém, relatívne (alebo relačné) uvažovanie, ale vedci ešte musia zistiť, ako dať AI túto zdanlivo jednoduchú schopnosť.
Vedci spoločnosti DeepMind zvolili dve rôzne cesty. Niektorí trénovali neurónovú sieť - typ architektúry AI modelovaný podľa ľudského mozgu - pomocou databázy jednoduchých statických 3D objektov s názvom CLEVR. Ďalšia nervová sieť bola naučená pochopiť, ako sa dvojrozmerný objekt mení v priebehu času.
V CLEVR bola nervová sieť reprezentovaná súborom jednoduchých vzorov, ako sú pyramídy, kocky a gule. Vedci sa potom pýtali na otázky umelej inteligencie v prirodzenom jazyku, napríklad „je kocka vyrobená z rovnakého materiálu ako valec?“Je úžasné, že neurónová sieť dokázala správne odhadnúť relačné atribúty CLEVR v 95,5% prípadov, čím prekonala dokonca aj človeka s 92,6% presnosťou v tomto parametri.
V druhom teste vedci spoločnosti DeepMind vytvorili neurónovú sieť Visual Interaction Network (VIN), ktorá bola vyškolená na predpovedanie budúcich stavov objektu vo videu v závislosti od jeho predchádzajúcich pohybov. Vedci najprv kŕmili VIN tromi po sebe nasledujúcimi videosnímkami, ktoré sieť preložila do kódu. V tomto kóde bol zoznam vektorov - rýchlosť alebo poloha objektu - pre každý objekt v rámci. Do VIN sa potom priviedla sekvencia ďalších kódov, ktoré sa spojili, aby sa predpovedal kód pre ďalší rámec.
Propagačné video:
Vedci použili päť rôznych typov fyzikálnych systémov, v ktorých sa 2D objekty pohybovali na pozadí „prírodných obrazov“a zrážali sa s rôznymi silami. Napríklad v jednom fyzickom systéme simulované objekty navzájom interagovali v súlade s Newtonovým gravitačným zákonom. V ďalšom bola nervová sieť predstavená s biliardom a bola vyvinutá na predpovedanie budúcej polohy guličiek. Podľa vedcov sa sieť VIN úspešne vysporiadala s predpovedaním správania sa objektov vo videu.
Táto práca predstavuje dôležitý krok smerom k všeobecnej umelej inteligencii, ale pred tým, ako umelá inteligencia dokáže prevziať svet, je ešte veľa práce. A okrem toho, nadľudská výkonnosť neznamená nadľudskú inteligenciu.
Aj tak ešte nie.
ILYA KHEL