Sztuczna inteligencja. Cyberpunk to wizja przyszłości? Nie, on już jest
Adam Bełda
- Cyberpunk to przyszłość? Nie, to już nasza codzienność
- Wirtualna rzeczywistość
- Korpokracja
- Sztuczna inteligencja
- Cyborgizacje
- Modyfikacje genetyczne
- Klonowanie
- Dopalacze
- Latające samochody
- Mroczna przyszłość
Sztuczna inteligencja
Nie wiem, czy jest sens wspominać wygraną w szachy komputera Deep Blue z Garrim Kasparowem, która miała miejsce jeszcze przed 2000 rokiem, jako przykład osiągnięć sztucznej inteligencji. Jest to fakt doskonale znany, a w dodatku szachy są grą, którą bardzo łatwo analizować matematycznie, więc stworzenie programu grającego na poziomie arcymistrzowskim było tylko kwestią czasu. Dużo bardziej interesujący wydaje się program AlphaGo, który po raz pierwszy zatryumfował nad zawodowym graczem w go dopiero w 2013 roku. Dlaczego maszynom trudniej grać w go niż w szachy? Wynika to z zasad gry, które wymagają dużo więcej kreatywności niż surowej analizy ze względu na to, że liczba możliwych ruchów jest niemal nieskończona, a dość skomplikowane zasady obliczania punktacji nie ułatwiają programowi dobierania odpowiednich posunięć.
Sztuczna inteligencja coraz lepiej radzi sobie także z ludzkim językiem. Pomimo pewnej niedoskonałości sam zauważyć mogę ogromny rozwój na przykład wirtualnych tłumaczy. Śledzę tę technologię niemal od początku jej komercyjnej dostępności i o ile kiedyś tego typu programy wypluwały ledwie zrozumiałą papkę, tak dzisiaj, kiedy czytam teksty przepuszczone przez translator Google’a, zdarza mi się zapomnieć, że są stworzone przez maszynę.
Stąd prosta droga do pytania o to, czy komputer będzie w stanie zaliczyć tak zwany test Turinga, czyli rozmawiając z człowiekiem, przekonać go, że też jest istotą ludzką. Tego rodzaju próby polegają zwykle na czatach z określoną ilością sędziów i porównaniu z grupą kontrolną, w której arbitrzy rozmawiali z ludźmi. Sędziowie oczywiście nie wiedzą, z kim konwersują, i mają to zgadnąć – test uważa się za zaliczony, jeśli liczba oszukanych osób będzie porównywalna lub większa niż tych, które poprawnie rozpoznały człowieka.
Niebezpiecznie blisko tego osiągnięcia znalazł się rozwijany od 1997 roku Cleverbot (z którym każdy chętny może uciąć sobie pogawędkę pod tym adresem) – udało mu się oszukać niemal 59% sędziów, podczas gdy prawdziwi przedstawiciele homo sapiens byli w stanie przekonać 64%.
Sztuczna inteligencja to także niezliczone programy dopasowujące treści – zarówno te, które chcielibyśmy zobaczyć, jak chociażby sugestie kolejnych gier, jakie podsuwa Steam, jak i te, które oglądamy niechętnie, jak spoglądające na użytkownika ponaglającym wzrokiem reklamy i oferty sprzedaży.
Wreszcie – SI jest narzędziem, które może potencjalnie zrewolucjonizować naukę. Jednym z jej problemów jest bowiem nadprodukcja danych. Obserwatoria astronomiczne czy laboratoria chemiczne tworzą liczone w terabajtach na godzinę absurdalne ilości informacji, których żaden człowiek nie jest w stanie przestudiować. Dopiero programy komputerowe o odpowiedniej dozie autonomii będą umiały przeanalizować choćby część tych wyników na tyle szybko, by nie hamować postępu na kolejne dziesięciolecia. Dobrym przykładem będzie tu ogłoszone niedawno przez MIT odkrycie dzięki sztucznej inteligencji nowego antybiotyku. Program w ciągu kilku dni przeanalizował ponad sto milionów związków chemicznych pod kątem ich skuteczności w walce z wielolekoopornymi bakteriami, typując pewną ilość perspektywicznych substancji, których badaniem mogli zająć się „organiczni” naukowcy.
JAK TO DZIAŁA?
Czym w zasadzie sztuczna inteligencja różni się od tradycyjnych programów? „Zwykłe” programy komputerowe stanowią zbiór instrukcji dla procesora uporządkowany według określonych reguł. Od strony formalnej są one zwykle stosunkowo proste, np. „jeśli znajdujemy się w menu, to wyświetl logo programu”, ale łącząc je w długie, liczące wiele tysięcy linii kody, możemy uzyskać imponujące efekty pokroju Wiedźmina 3.
Algorytmy sztucznej inteligencji budowane są według zupełnie innych założeń. Zamiast sztywnego zbioru instrukcji składają się z operacji matematycznych, które z gąszczu informacji mają stopniowo wyłuskiwać te najbardziej pasujące do szukanego rozwiązania problemu. Gdyby sztuczna inteligencja miała projektować rzeczone menu aplikacji, program nie składałby się z listy tego, co gdzie wyświetlić, tylko raczej z zestawu z grubsza określonych reguł, które menu ma spełniać, i zbioru możliwych konfiguracji, spośród których komputer wybrałby tę najodpowiedniejszą.
Jak to osiągnąć? W praktyce robi się to, łącząc różne metody, wśród których najpopularniejsze są:
- algorytmy genetyczne – działają podobnie jak dobór naturalny; z każdego „pokolenia” rozwiązań do następnego przenoszone są te najlepiej przystosowane, które potem „rozmnażają się”, wprowadzając do potomków losowe modyfikacje;
- logika rozmyta – w której twierdzenie nie musi być prawdziwe lub fałszywe, tylko jest w pewnym stopniu i takie, i takie;
- regresja logistyczna – metoda statystyczna pozwalająca na podstawie zestawu doświadczeń określić prawdopodobieństwo wystąpienia pewnego zjawiska w przyszłości;
- sieci neuronowe – program złożony z różnej liczby wirtualnych neuronów; neurony są tak naprawdę funkcjami matematycznymi uogólniającymi dane wejściowe z różnych źródeł do pojedynczej informacji wyjściowej; wbrew temu, co mówią niektóre z osób zajmujących się sztuczną inteligencją, sieci neuronowe nie są wiarygodnym odwzorowaniem działania ludzkiego mózgu, a raczej dość prymitywną i znacznie uproszczoną inspiracją.