Nagy lökést kaptak a mélytanuló és neurális hálózatokra alapuló rendszerek azoktól az elképesztő mennyiségű adatoktól, melyekkel mostanában etetik őket. Hasonlóan pozitív hozadéka van a számítási teljesítmény felfutásának is. A kettő együttesen sem hozza azonban el a fejlettebb mesterséges intelligenciák korát, állítja egy nemrég megjelent akadémiai kutatás.
Bizonyos tekintetben nagyon elmaradottak
Gary Marcus, az Uber MI-t kutató laboratóriumának volt igazgatója és a New York-i Egyetem pszichológiaprofesszora szerint számos kihívással kell szembenéznie a mélytanuló rendszereknek. Kezdetnek mindjárt ott az adat kérdése. Emberi ésszel felfoghatatlan mértékben kell információval ellátni ezeket a hálózatokat ahhoz, hogy az emberét megközelítő vagy annál jobb eredményeket mutathassanak fel bizonyos feladatokban.
Vegyük például a DeepMind AlphaZero-ját, ami ugyan képes lealázni a humán versenytársakat sakkban vagy góban, de csak azután, hogy előtte 68 millió játszmát lejátszva fejlesztette fel magát. Ez nagyságrendekkel több menet, mint amit egy emberi játékos teljes élete során végigvihet, mégis, a táblás játékok nagymesterei elképesztően ügyesen tudnak játszani.
Ráadásul az egyik feladatban megszerzett képességeket a neurális hálózatok többnyire képtelenek kamatoztatni más téren. Míg az emberek esetében például az énekelés vagy a tánctudás más kognitív agyi tevékenységek fejlődését is elősegíti, addig egy mélytanuló rendszer hiába vált sakknagymesterré, hasonló képesség góban való elsajátításához gyakorlatilag nulláról kell kezdenie a tanulást.
Ennek oka, hogy a mesterséges intelligencia számára tulajdonképpen nem is értelmezett, mit is csinál éppen. Azt ugyan meg tudja tanulni, hogy az egyes bábuk milyen képességekkel rendelkeznek, de a sakkban szerzett stratégiai "gondolkodást" képtelen átültetni góra. A játékot csupán szabályok és minták sorozatában tudja értelmezni.
Könnyen becsaphatók
Mindez odavezet, hogy a jelenlegi MI-k szenvednek a nyílt végű következtetésektől. Hiába a dinamikus teljesítménybeli fejlődés, ha közben nem tudnak apróságokat értelmezni, akkor azt sem tudják kikövetkeztetni, hogy mi fog történni, állítja Marcus. Ennek hiányában pedig nehéz valódi mesterséges intelligenciáról beszélni. Például egyáltalán nem mindegy, hogy John megígérte Marynek, hogy távozik (John promised Mary to leave) vagy John megígérte, hogy elhagyja Maryt (John promised to leave Mary).
Persze vannak ilyen irányú fejlesztési folyamatok, a Facebook rendelkezik a gépi érvelés teszteléséhez használható adatkészletekkel (bAbI), ám a jelenlegi modellek csupán akkor képesek kérdések megválaszolására, ha maga a válasz közvetlenül benne van a szövegben. Ezzel szemben az emberek olvasás közben gyakran vonnak le széleskörű következtetéseket, olyanokat, melyek pusztán az egymás után következő szavak összeolvasásából nem adódnak triviálisan. Például egy szereplő szándékát egy közvetett párbeszéden keresztül találják ki – erre a legjobb MI sem képes.
Mindemellett nagyon könnyen be is csapható a mesterséges intelligencia. Számos példával bizonyították már, hogy csupán pár pixel áthelyezésével rá lehet venni a gépi algoritmusokat, hogy az addig autónak hitt tárgyak kutyaként azonosítsák vagy egy macskát egy tányér avokádónak minősítsék (noha az MI nemrég beérte az emberi vizuális érzékelés szintjét).
Ez abból az egyszerű tényből fakad, hogy a mélytanuló rendszerek ugyan képesek összetett kapcsolatokat megtanulni a bejövő és a kimenő adatok között, de az ok-okozati összefüggést egyáltalán nem értik. Márpedig a kazualitás megértése alapvető fontossággal bír, ha a gépeket meg akarjuk tanítani helyesen (ember módra) érvelni.
A Skynet még a láthatáron sincs
A kutató szerint egyelőre tehát nincs ok az egzisztenciális félelmekre (vagy az Elon Musk-féle parára), a mesterséges intelligencia nem fogja átvenni a helyünket (bár a munkánkat már jelenlegi formájában is számos helyzetben segítheti vagy egyenesen átformálja). Ebből következően annak sincsen komoly valószínűsége, állítja Marcus, hogy a közeljövőben megjelenne egy robotizált felsőbb hatalom, ami átvehetné az emberiség feletti ellenőrzést.
Az általánosan működőképes mesterséges intelligencia megjelenése mindazonáltal bekövetkezhet egy nap, ezt a professzor sem tagadja. Ehhez azonban szerinte többre, sokkal többre lesz szükség, mint amire jelenleg akár csak a legjobb mélytanuló rendszereink is képesek. Igaz, ha gyilkoló robotokkal nem is árasztja el egyhamar bolygónkat, más jellegű problémát azért okozhat az MI...
A NIS2-megfelelőség néhány technológiai aspektusa
A legtöbb vállalatnál a megfeleléshez fejleszteni kell a védelmi rendszerek kulcselemeit is.
CIO KUTATÁS
TECHNOLÓGIÁK ÉS/VAGY KOMPETENCIÁK?
Az Ön véleményére is számítunk a Corvinus Egyetem Adatelemzés és Informatika Intézetével közös kutatásunkban »
Kérjük, segítse munkánkat egy 10-15 perces kérdőív megválaszolásával!
Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak