Etyczne rozważania o sztucznej inteligencji najbardziej utrudnia fakt, że samo pojęcie sztucznej inteligencji (AI) jest dość ogólne i ulotne. Nawet specjaliści mogą mieć różne zdanie o tym, czy dana technologia to sztuczna inteligencja, czy nie. To co rozumiemy jako AI zmienia się też w czasie. W miarę jak np. rozpoznawanie liter stało się gotowym, zapuszkowanym rozwiązaniem, inklinacja by nazywać je formą sztucznej inteligencji maleje.
Bezpiecznie można powiedzieć, że sztuczna inteligencja to nauka o tworzeniu inteligentnych maszyn i programów komputerowych. Inteligencja to cecha obserwowana w biologii, ale AI nie ogranicza się do symulowania tego co uda się zaobserwować w organizmach. AI zależy głownie na podobnym rezultacie.
Inteligencja to obliczeniowy aspekt umiejętności osiągania celów. U ludzi, zwierząt i w maszynach obserwujemy różne typy i stopnie inteligencji. Stąd dość trudno jednoczacznie odpowiedzieć na pytanie: czy to coś jest inteligentne. Inteligencja to różne mechanizmy, i niektóre z nich zostały w pewnym stopniu poznane a inne nie. Jeżeli jakieś zadanie wymaga zastosowania mechanizmów, które już trochę poznaliśmy, rezultaty działania programów mogą wzbudzić nasz podziw. Takie właśnie programy możemy nazwać inteligentnymi.
Sztuczna inteligencja nie musi bazować na symulowaniu inteligencji ludzkiej i w praktyce najczęściej tego nie robi. Co nie znaczy, że analizowanie tego, jak człowiek rozwiązuje problemy nie przyczynia się do rozwoju AI. Badacze AI raczej skupiają się na problemach jakie stoją przed inteligencją, a nie na badaniu ludzkiej inteligencji. Dlatego metody, które stosowane są w AI nie zawsze naśladują metody ludzkie i często wymagają o wiele większej ilości obliczeń.
Badacze ludzkiej inteligencji twierdzą, że wszyscy dysponujemy podobnymi możliwościami intelektualnymi, a różnice wynikają z indywidualnych warunków biochemicznych i fizjologicznych. Można powiedzieć, że wszyscy mamy takie same oprogramowanie, a ogranicza nas moc obliczeniowa. W przypadku sztucznej inteligencji problem jest odwrotny. Nie ogranicza nas dziś moc obliczeniowa i często programujemy rozwiązania siłowo, próbując wszystkie możliwości i wykonując ogromne ilości kroków obliczeniowych. Ogranicza nas natomiast oprogramowanie, które jest tylko tak dobre jak nasze zrozumienie mechanizmów inteligencji. Kognitywistyka jest dziś wciąż daleka od pełnej odpowiedzi na pytanie na czym polegają ludzkie zdolności i jaka jest 'mechanika’ tych zdolności. Dlatego właśnie wciąż nie jesteśmy w stanie zaprogramować czegoś, co potrafi już 2 letnie dziecko.
Bardzo często pada pytanie kiedy sztuczna inteligencja zrówna się z inteligencją ludzką. Wbrew szumnych zapowiedziom niemal już religijnych transhumanistów w rodzaju Raya Kurzweila ekstrapolowanie mocy obliczeniowej komputerów w przyszłość nie jest dobrą metodą prognozowania. Bo jak już wspomineliśmy, musimy zrozumieć procesy, a nie przyspieszyć procesory. Trudno powiedzieć do jakiego stopnia jesteśmy zdolni do introspekcji i dekonstrukcji siebie samych. Ogranicza nas dokładnie to co chcemy zbadać – nasze własne możliwości intelektualne. Komputery pokonujące mistrzów szachowych mogą co prawda działać na wyobraźnię, ale zdolności komputerów w tym zakresie wynikają tylko z ekstremalnie wąskiej domeny, w jakiej porusza się sztuczna inteligencja i „nieuczciwej” przewagi mocy obliczeniowej komputera, który jest w stanie przeanalizować miliony kombinacji na sekundę.
Deep Blue pokonał Kasparova już niemal 20 lat temu. Ówczesne przepowiednie, że za parę lat lodówki będą same zamawiać produkty jakoś się nie ziściły i generalnie cała historia badań nad sztuczną inteligencją to bardziej pasmo porażek i bankructw kolejnych obiecujących startupów niż sukcesów. Jednak w ostatnich kilku latach być może dokonał się pierwszy realny przełom w tej dziedzinie – Deep Learning.
Głębokie sieci neuronowe to chyba pierwsze osiągnięcie w AI, które nie przestaje zadziwiać i wciąż zaskakuje pozytywnie. Po raz pierwszy coś działa nawet lepiej niż nam się wydaje że powinno, a to oznacza, że udało nam się dotknąć jakiegoś ułamka mechanizmu, jakim posługują się nasze umysły i w magiczny sposób wszystko uprościć.
Tak więc z jednej strony sztuczna inteligencja jest dość ulotna, a z drugiej staje się coraz bardziej nieuniknionym elementem rzeczywistości. Doświadczamy jej właściwie na codzień, googlając coś lub kiwając głową z aprobatą na widok książki zasugerowanej nam przez Amazon i mrucząc – cholera, znowu trafił.
Ból- skandal czy błogosławieństwo? Postawy wobec bólu a ogólna wizja świata i człowieka (na przykładzie ateistów, buddystów i katolików) Sylwia Wojas Instytut…
Dostrzegam w naszym kraju pewną tendencję do zamierania dyskusji i polemiki między reprezentantami równych ideologii politycznych. Jako liberał i eks-konserwatysta jestem tym faktem dość zaniepokojony,…
Ponieważ w naszym kraju trwa zalew prawicowych ksiąg „mądrości” politycznej, i nikt z normalnych liberałów (a nie konserwatywnych wolnorynkowców, którzy mienią się być liberałami), nie…
W poprzednim artykule [1] podjąłem próbę zainteresowania czytelników funkcjami pełnionymi przez podstawowe struktury mózgu (półkule, płaty, etc.), schodząc do poziomu relacji elektrochemicznych pomiędzy poszczególnymi…
21 Odpowiedź na “Czym właściwie jest sztuczna inteligencja?”
Zacznijmy od podstaw.
Kazdy komputer wykonuje zaprogramowany algorytm.
Niektore algorytmy sa tylko procresami obliczeniowymi .
Inne nasladuja ludzkie procesy myslenia ,wizji i decydowania.Kluczowym pojeciem AI jest samodzielne dzialanie automatu lub robota.Na przyklad robot wyslany na odlegla planete musi b yc samodzielny poniewaz nie bedzie mogl korzystac z decyzji ludzi. Program ktory takie dzialanie umozliwi jest bliski AI.
Druga fundamentalna koncepcja jest zdolnosc uczenia sie .Klasdyczny program rozwiazuje problem sztywnym algorytmem ktory sie nie zmienia z czase, Algorytm AI nabiera z czasem dosweiadczenia jak czlowiek i modyfikuje sam siebie.
Trzecia charakterrystyka AI jest nasladowanie struktury mozgu np sieci neuronowe. Sieci nie tylko imituja ludzkie funkcje lecz potrafia sie uczyc aby lepie\j wykonywac zadania .
Samodzielność to kategoria jeszcze bardziej ulotna niż AI, gdzie się zaczyna samodzielność? Czy sonda na Marsie musi zachowywać się jak Matt Damon w Marsjaninie, czy wystarczy, że ominie przeszkodę której bezpośrednio nie przewidział programista? Zdolność do uczenia się i sieć neuronowa to też nie wyróżnik AI bo przecież mamy chociażby systemy ekspertowe bazujące na inference engines czyli próbujące symulować proces rozumowania logicznego o wiedzy.
Inteligencja (ta jakiej najczęściej pożądamy i jakiej najczęściej zazdrościmy bliźnim i dzięki której stworzyliśmy rolnictwo i wszystko pozostałe) przejawia się kreatywnością. Ponadto związana jest ze zmysłowością a więc z posiadaniem ciała. oraz z otoczeniem, ze środowiskiem z którym wchodzi w interakcję.
AI po pierwsze musi wykazywać kreatywność. Pomijając w jaki sposób się uczy ,czyli jakimi drogami zdobywa doświadczenie. AI – bez sensorów i członów roboczych nie wejdzie w interakcję ze środowiskiem, więc pytanie czy AI (czysty software) jest w stanie uczyć się wsobnie (sam ze sobą i sam od siebie) a jeśli tak to czego w ten sposób może się nauczy?
Dlatego ktoś wymyślił pojęcie silnej sztucznej inteligencji. Kreatywność maszyn i w ogóle zdefiniowanie równie ulotnej co AI kreatywności to na tyle ciekawy temat, że chyba napiszę odrębny tekst.
@ Jarek Dobrzański: Kreatywność maszyn i w ogóle zdefiniowanie równie ulotnej co AI kreatywności to na tyle ciekawy temat, że chyba napiszę odrębny tekst.
———
Na podstawie oceny tego bardzo proszę o następny. Kreatywność maszyn, gdy kreatywność w przetwarzaniu i reakcjach jest ważną cechą każdej inteligencji, to tu ważny temat.
Przede wszystkim nie wiemy, co to jest inteligencja. Nie ma zgodny między badaczami, a w proponowanych definicjach jest zawsze jakaś dziura. Tym bardziej trudno jest zdefiniować sztuczną inteligencję. To pojęcie (chociaż nieostre) jest często nadużywane. Mówi się o inteligentnych domach, chociaż chodzi tutaj o zwykłe sterowanie temperaturą lub wentylacją. Mówi się tak, bo atrakcyjniej brzmi reklama inteligentnego domu niż termostatu w centralnym ogrzewaniu.
.
Pojęcia sztucznej inteligencji niechętnie się stosuje w literaturze fachowej z powodu niejasności sformułowania i trochę reklamowego charakteru. Zwykle precyzyjniej się definiuje metodę rozwiązania problemu, bo fachowcowi ,,sztuczna inteligencja” niewiele mówi.
Zwykle przyjmuje się (ale nie ma tu pełnej zgody), że system obdarzony sztuczną inteligencją jest w stanie się ,,uczyć”, to znaczy dopasowywać (uściślać, precyzować) swoją odpowiedź w miarę przetwarzania danych uczących (z nauczycielem lub bez niego). System może zmieniać swoją strukturę (np. wagi w sieci neuronowej) lub strukturę (np. dodawanie lub usuwanie sztucznych neuronów). Istota jest taka, że w miarę uczenia błąd systemu spada. Nawiasem mówiąc, ciekawym przypadkiem jest przeuczenie systemu. Istotne jest poprawa odpowiedzi także dla danych nigdy wcześniej niewidzianych (już wcześniej o tym pisałem w komentarzach pod innym artykułem). Dlatego systemy obdarzone sztuczną inteligencją są np. wykorzystywane w sondach kosmicznych, bo nie wiemy, jakie dane otrzyma sonda na Marsie, a powinna zachować się „inteligentnie”.
.
Przykład systemu grającego w szachy nie jest najlepszym przykładem sztucznej inteligencji, mimo że wydaje się akurat doskonałym. Systemy grające zwykle opierają się na konstrukcji drzewa gry. Teoretycznie drzewo gry w szachy możemy zbudować od lat 70. XX w., ale w praktyce drzewo jest tak wielkie, że nie udało się go zbudować. Jak olbrzymie są drzewa, niech pokaże przykład gry w kółko i krzyżyk na planszy 3 x 3, drzewo takie ma 255168 liści. Dla tak banalnej gry. Nawet nie jesteśmy w stanie wyobrazić sobie, ile liści ma drzewo gry w szachy. Może więcej niż Wszechświat ma atomów? Dlatego systemy gier w szachy stosują różnorakie heurystyki redukujące rozmiar drzewa. Niekoniecznie potrzebna tu jest sztuczna inteligencja, bardziej owocny jest dobry system bazodanowy, który ułatwi wyszukiwanie otwarć lub końcówek. Lepszym przykładem jest gra w go — tutaj wymaga jest wykrywanie pewnych kształtów geometrycznych. To dla nas jest łatwe, dla maszyny nie (paradoks Moraveca). Dlatego dopiero w tym roku udało się maszynie wygrać z człowiekiem.
Zgoda, pojęcie inteligencji jest nadużywane w marketingu, ale z drugiej strony szum wokół sieci neuronowych i uczenia maszynowego (też w pewnym sensie marketingowy) jest dziś tak wielki, że zapominamy o innych dziedzinach sztucznej inteligencji jak chociażby systemy modelujące rozumowanie, logikę formalną, systemy dowodzące twierdzenia matematyczne itp. Ostatecznie liczy się efekt a nie metoda i jeżeli komputer jest w stanie pokonać człowieka w czynności uchodzącej za wymagającą wysokiego intelektu i treningu (szachy) to nazwanie go inteligentnym jest uzasadnione i tak powszechnie jest rozumiana/interpretowana sztuczna inteligencja.
Nie do końca jest tak. Twierdzenia matematycznie dowodzi się dedukcyjnie, a sztuczna inteligencja pracuje indukcyjnie. To zasadnicza różnica. Trudno nazwać system prolog za sztuczną inteligencję, a nadaje się do dowodzenia twierdzeń — pracuje dedukcyjnie. Niektóre twierdzenia dowodzi się przez wyczerpujące przeszukanie dziedziny — w tym przypadku w ogóle nie ma inteligencji, tylko mrówcza nudna odtwórcza powtarzalna praca. Systemy „sztucznej inteligencji” uczą się indukcyjnie. To znaczy na podstawie danych wypracowują jakieś reguły (np. klasyczne reguły JEŻELI-TO) lub inną reprezentację wiedzy (tzw. bazę wiedzy). Inaczej mówiąc: system generalizuje ogrom danych do kilku(nastu) reguł. Zdajemy sobie sprawę, że te reguły nie zawsze będą poprawne. Ale tak pracuje uczenie indukcyjne. Indukcja może dać niepoprawny wynik na podstawie poprawnych danych! Dedukcja przeciwnie: na podstawie poprawnych danych ZAWSZE daje poprawny wynik. Dlatego twierdzenia matematyczne raz udowodnione, są udowodnione na zawsze i nieodwołalnie.
.
My też pracujemy w większości indukcyjnie (bo nasz mózg to sieć neuronowa). Na podstawie faktów tworzymy generalizację. Gdy trzy razy pogryzie nas pies, to tworzymy sobie regułę, że psy są niebezpiecznie i trzeba uważać. Tworzymy generalizację, czyli stereotyp. Wiemy, że stereotypy są krzywdzące, bo istnieją psy przyjazne i miłe. Ale zamiast zapamiętywać, że Burek, Azor, Misio i jeszcze tuzin innych są agresywne, łatwiej jest zapamiętać: „z psami trzeba postępować ostrożnie”, nawet jeżeli ta reguła nie zawsze się sprawdza. Podobnie gdy uczymy się obcego języka, wystarczy nauczyć się stereotypu odmiany i kilkunastu wyjątków, a nie odmiany każdego słowa osobno.
Nie widzę powodu, żeby wyrzucać dedukcję z zakresu AI skoro dla nas jest o ile mniej naturalną to jednak wyższą formą inteligencji. Indukujemy że pies gryzie, dedukujemy że E=mc2. Fakt, że maszynie łatwiej dedukować niż indukować też niewiele tu zmienia bo liczy się efekt. Prolog to tylko język i oczywiście sam w sobie sztuczną inteligencją nie jest, ale już system ekspertowy, który może np. dodać nową informację do bazy wiedzy na podstawie reguł, która nie jest oczywista dla człowieka bo wymagałaby żmudnej dedukcji, jak najbardziej jest. Rozumiem powód takiego myślenia – systemy ekspertowe to nie był duży sukces, w porównaniu do dzisiejszego szturmu sieci neuronowych, ale ten ogrom wiedzy nadbudowany od lat 50 przesączył się do świata systemów typu SAP, systemów interpretujących język naturalny, systemów typu Watson. Watson np. jednocześnie stosuje metody indukcyjne i dedukcyjne i porównuje rezultaty.
Przy dedukcji musimy podać reguły, a system zastosuje te reguły do danych i wypracuje jakiś wynik. My jako użytkownicy musimy dostarczyć bazę wiedzy, my musimy na podstawie danych znaleźć analogie, generalizacje, opisać je regułami, prawami itd. Potrzebny jest ekspert, który dostarczy systemowi wiedzy.
Przy indukcji podajemy dane, system SAM wypracowuje reguły i stosuje je do danych. System sam wyłuskuje wiedzę z danych. Dlatego czasem nazywa się je systemami ekspertowymi.
Dobrzański: Doświadczamy jej właściwie na codzień, googlając coś lub kiwając głową z aprobatą na widok książki zasugerowanej nam przez Amazon i mrucząc – cholera, znowu trafił.
—-
..Doświadczamy „jej” to znaczy sztucznej inteligencji? To jest zwykły automat, działający na zasadzie JEŻELI odwiedziłeś, lub JEŻELI fejsbukując się rozmawiałeś o książce TO się nie dziw, że wyświetli Amazon. Możesz co najwyżej wyrazić niezadowolenie tym faktem.
Nowa jakość! – sztuczna inteligencja czym ma być? Może internet usamodzielni się wtedy zrobi wszystko żeby nigdy nie został wygaszony? Póki co nie musi nic robić. Może nawet zawsze będzie niesamodzielny jak bóg Jahwe; za to funkcjonując w formie zbiorowej świadomości fanatycznych piastunów , inteligencja urojona. Czy oprócz swojego rozumu, by poczuć się dobrze potrzebujemy towarzystwa bytów „wyższych”?
Test Turinga postulowany jako miernik AI jest w rzeczywistości testem mimiki ludzkiej inteligencji. Ludzie wydają się utożsamiać samoświadomość z inteligencją. Taką gdzie konieczne jest zrozumienie istoty jakiejś rzeczy, obiektu lub symbolu by na tej podstawie można było tworzyć inne syntezy czy redukcje do innych symboli. Bo gdy maszyna potrafi na podstawie algorytmu dochodzić do jakiś wniosków np przewidywać trzęsienie ziemi. To czy maszyna „naprawdę wie” co to jest trzęsienie ziemi?
Pytanie co to tak naprawdę znaczy 'naprawdę wiedzieć’? To jest ciekawy problem, pokazał to ten gość co wymyślił eksperyment myślowy z chińskim pokojem (chinese room) ale jest też wiele ciekawych odpowiedzi na ten eksperyment
Gratuluję, napisać w króciutkim tekście prawie wszystko, co w tym temacie istotne, to spory wyczyn intelektualny wymagający sporej wiedzy i „ludzkiej inteligencji”. Potrzebnym był tu taki tekst, gdyż pozwala porządkować naszą wiedzę. Dziękuję!
Pojęcie „inteligencji” jak i wielu innych terminów jest pojęciem nieostrym, przez wielu różnych uczonych różnorodnie rozumianym, którego siatka znaczeniowa jest spora, ale wydaje mi się, iż do naszych potrzeb mogą być przyjęte jej poniższe rozumienia?
–
Według Wikipedii: „Inteligencja (od łac. intelligentia – zdolność pojmowania, rozum) – zdolność do postrzegania, analizy i adaptacji do zmian otoczenia. Zdolność rozumienia, uczenia się oraz wykorzystywania posiadanej wiedzy i umiejętności w sytuacjach nowych. Cecha umysłu warunkująca sprawność czynności poznawczych, takich jak myślenie, reagowanie, rozwiązywanie problemów”.
–
Według Kopalińskiego: „inteligencja psych. zdolność rozumienia, kojarzenia; pojętność, bystrość; zdolność znajdowania właściwych, celowych reakcji na nowe zadania i warunki życia, sprawnego zdobywania i wykorzystywania wiedzy.”
–
Zaś dla mnie definicja inteligencji jest taka:
Dla mnie inteligencja to pewien potencjał mózgu/umysłu („urządzenia”) do samodzielnego uczenia się i rozwiązywania zadań. Stosowania nabytej i przetworzonej wiedzy do rozwiązywania nieprzewidywalnych wcześniej problemów, pozwalających na przystosowanie się i przeżycie w różnych warunkach – wraz z realizacją postawionych przed istotą wyposażoną w inteligencję zadań.
–
Tylko tyle, i aż tyle, ale powyższe (podobne zresztą do siebie) definicje wcale możliwości rozumienia inteligencji nie zamykają, a raczej je otwierają.
–
PS. Poniżej znajdziemy różne próby jej opisania przez różnych autorów: http://pl.wikipedia.org/wiki/Ihttps://pl.wikipedia.org/wiki/Inteligencja_(psychologia)nteligencja_(psychologia)
***
@ Jarek Dobrzański: Bardzo często pada pytanie kiedy sztuczna inteligencja zrówna się z inteligencją ludzką.
————–
Dla mnie maszyna (android) wykaże się inteligencją, gdy między innymi uda jej się przezwyciężyć problemy wynikające twierdzenia Gödla, z którego wynika, iż istnieją takie konkretne problemy, których nie da się rozwiązać na żadnym komputerze, a także to, iż żadnego współczesnego komputera nie da się zaprogramować tak, by zdołał on rozstrzygnąć wszystkie problemy matematyczne. Wydaje mi się, iż stwierdzenie (uświadomienie sobie) tych trudności i próby ich rozwiązania mają kluczowe znaczenie dla informatyki zajmującej się sztuczną inteligencją.
***
Wydaje mi się, że argument Godla propagowany wciąż dziś przez Penrose’a jest dobrze znany, ale zbudowała się dość silna opozycja i konsensus jest raczej po stronie tych, którzy twierdzą że twierdzenia Godla nie przeczą obliczeniowej teorii umysłu. Głównie w oparciu o niespójność naszego umysłu, czyli o to że nie przystaje on do idealnego modelu umysłu Godla. W szczegóły tej argumentacji szerze powiem nigdy nie chciało mi się wgryzać.
Prawdopodobnie się mylę, ale w inteligencji to moim zdaniem chodzi (to co ją odróżnia od systemów możliwych do zapisania w algorytmach) o dużą trafność decyzji pomimo właśnie (pozornej lub faktycznej) niespójności w logice i obliczeniach.
Dlatego więc, choć decyzje wynikające z inteligencji w sporej części dają się opisać algorytmami, to inteligencja jest znacznie czymś więcej niż algorytmem, czy nawet zbiorem algorytmów.
Zacznijmy od podstaw.
Kazdy komputer wykonuje zaprogramowany algorytm.
Niektore algorytmy sa tylko procresami obliczeniowymi .
Inne nasladuja ludzkie procesy myslenia ,wizji i decydowania.Kluczowym pojeciem AI jest samodzielne dzialanie automatu lub robota.Na przyklad robot wyslany na odlegla planete musi b yc samodzielny poniewaz nie bedzie mogl korzystac z decyzji ludzi. Program ktory takie dzialanie umozliwi jest bliski AI.
Druga fundamentalna koncepcja jest zdolnosc uczenia sie .Klasdyczny program rozwiazuje problem sztywnym algorytmem ktory sie nie zmienia z czase, Algorytm AI nabiera z czasem dosweiadczenia jak czlowiek i modyfikuje sam siebie.
Trzecia charakterrystyka AI jest nasladowanie struktury mozgu np sieci neuronowe. Sieci nie tylko imituja ludzkie funkcje lecz potrafia sie uczyc aby lepie\j wykonywac zadania .
Samodzielność to kategoria jeszcze bardziej ulotna niż AI, gdzie się zaczyna samodzielność? Czy sonda na Marsie musi zachowywać się jak Matt Damon w Marsjaninie, czy wystarczy, że ominie przeszkodę której bezpośrednio nie przewidział programista? Zdolność do uczenia się i sieć neuronowa to też nie wyróżnik AI bo przecież mamy chociażby systemy ekspertowe bazujące na inference engines czyli próbujące symulować proces rozumowania logicznego o wiedzy.
Inteligencja (ta jakiej najczęściej pożądamy i jakiej najczęściej zazdrościmy bliźnim i dzięki której stworzyliśmy rolnictwo i wszystko pozostałe) przejawia się kreatywnością. Ponadto związana jest ze zmysłowością a więc z posiadaniem ciała. oraz z otoczeniem, ze środowiskiem z którym wchodzi w interakcję.
AI po pierwsze musi wykazywać kreatywność. Pomijając w jaki sposób się uczy ,czyli jakimi drogami zdobywa doświadczenie. AI – bez sensorów i członów roboczych nie wejdzie w interakcję ze środowiskiem, więc pytanie czy AI (czysty software) jest w stanie uczyć się wsobnie (sam ze sobą i sam od siebie) a jeśli tak to czego w ten sposób może się nauczy?
Dlatego ktoś wymyślił pojęcie silnej sztucznej inteligencji. Kreatywność maszyn i w ogóle zdefiniowanie równie ulotnej co AI kreatywności to na tyle ciekawy temat, że chyba napiszę odrębny tekst.
@ Jarek Dobrzański: Kreatywność maszyn i w ogóle zdefiniowanie równie ulotnej co AI kreatywności to na tyle ciekawy temat, że chyba napiszę odrębny tekst.
———
Na podstawie oceny tego bardzo proszę o następny. Kreatywność maszyn, gdy kreatywność w przetwarzaniu i reakcjach jest ważną cechą każdej inteligencji, to tu ważny temat.
Przede wszystkim nie wiemy, co to jest inteligencja. Nie ma zgodny między badaczami, a w proponowanych definicjach jest zawsze jakaś dziura. Tym bardziej trudno jest zdefiniować sztuczną inteligencję. To pojęcie (chociaż nieostre) jest często nadużywane. Mówi się o inteligentnych domach, chociaż chodzi tutaj o zwykłe sterowanie temperaturą lub wentylacją. Mówi się tak, bo atrakcyjniej brzmi reklama inteligentnego domu niż termostatu w centralnym ogrzewaniu.
.
Pojęcia sztucznej inteligencji niechętnie się stosuje w literaturze fachowej z powodu niejasności sformułowania i trochę reklamowego charakteru. Zwykle precyzyjniej się definiuje metodę rozwiązania problemu, bo fachowcowi ,,sztuczna inteligencja” niewiele mówi.
Zwykle przyjmuje się (ale nie ma tu pełnej zgody), że system obdarzony sztuczną inteligencją jest w stanie się ,,uczyć”, to znaczy dopasowywać (uściślać, precyzować) swoją odpowiedź w miarę przetwarzania danych uczących (z nauczycielem lub bez niego). System może zmieniać swoją strukturę (np. wagi w sieci neuronowej) lub strukturę (np. dodawanie lub usuwanie sztucznych neuronów). Istota jest taka, że w miarę uczenia błąd systemu spada. Nawiasem mówiąc, ciekawym przypadkiem jest przeuczenie systemu. Istotne jest poprawa odpowiedzi także dla danych nigdy wcześniej niewidzianych (już wcześniej o tym pisałem w komentarzach pod innym artykułem). Dlatego systemy obdarzone sztuczną inteligencją są np. wykorzystywane w sondach kosmicznych, bo nie wiemy, jakie dane otrzyma sonda na Marsie, a powinna zachować się „inteligentnie”.
.
Przykład systemu grającego w szachy nie jest najlepszym przykładem sztucznej inteligencji, mimo że wydaje się akurat doskonałym. Systemy grające zwykle opierają się na konstrukcji drzewa gry. Teoretycznie drzewo gry w szachy możemy zbudować od lat 70. XX w., ale w praktyce drzewo jest tak wielkie, że nie udało się go zbudować. Jak olbrzymie są drzewa, niech pokaże przykład gry w kółko i krzyżyk na planszy 3 x 3, drzewo takie ma 255168 liści. Dla tak banalnej gry. Nawet nie jesteśmy w stanie wyobrazić sobie, ile liści ma drzewo gry w szachy. Może więcej niż Wszechświat ma atomów? Dlatego systemy gier w szachy stosują różnorakie heurystyki redukujące rozmiar drzewa. Niekoniecznie potrzebna tu jest sztuczna inteligencja, bardziej owocny jest dobry system bazodanowy, który ułatwi wyszukiwanie otwarć lub końcówek. Lepszym przykładem jest gra w go — tutaj wymaga jest wykrywanie pewnych kształtów geometrycznych. To dla nas jest łatwe, dla maszyny nie (paradoks Moraveca). Dlatego dopiero w tym roku udało się maszynie wygrać z człowiekiem.
Zgoda, pojęcie inteligencji jest nadużywane w marketingu, ale z drugiej strony szum wokół sieci neuronowych i uczenia maszynowego (też w pewnym sensie marketingowy) jest dziś tak wielki, że zapominamy o innych dziedzinach sztucznej inteligencji jak chociażby systemy modelujące rozumowanie, logikę formalną, systemy dowodzące twierdzenia matematyczne itp. Ostatecznie liczy się efekt a nie metoda i jeżeli komputer jest w stanie pokonać człowieka w czynności uchodzącej za wymagającą wysokiego intelektu i treningu (szachy) to nazwanie go inteligentnym jest uzasadnione i tak powszechnie jest rozumiana/interpretowana sztuczna inteligencja.
Nie do końca jest tak. Twierdzenia matematycznie dowodzi się dedukcyjnie, a sztuczna inteligencja pracuje indukcyjnie. To zasadnicza różnica. Trudno nazwać system prolog za sztuczną inteligencję, a nadaje się do dowodzenia twierdzeń — pracuje dedukcyjnie. Niektóre twierdzenia dowodzi się przez wyczerpujące przeszukanie dziedziny — w tym przypadku w ogóle nie ma inteligencji, tylko mrówcza nudna odtwórcza powtarzalna praca. Systemy „sztucznej inteligencji” uczą się indukcyjnie. To znaczy na podstawie danych wypracowują jakieś reguły (np. klasyczne reguły JEŻELI-TO) lub inną reprezentację wiedzy (tzw. bazę wiedzy). Inaczej mówiąc: system generalizuje ogrom danych do kilku(nastu) reguł. Zdajemy sobie sprawę, że te reguły nie zawsze będą poprawne. Ale tak pracuje uczenie indukcyjne. Indukcja może dać niepoprawny wynik na podstawie poprawnych danych! Dedukcja przeciwnie: na podstawie poprawnych danych ZAWSZE daje poprawny wynik. Dlatego twierdzenia matematyczne raz udowodnione, są udowodnione na zawsze i nieodwołalnie.
.
My też pracujemy w większości indukcyjnie (bo nasz mózg to sieć neuronowa). Na podstawie faktów tworzymy generalizację. Gdy trzy razy pogryzie nas pies, to tworzymy sobie regułę, że psy są niebezpiecznie i trzeba uważać. Tworzymy generalizację, czyli stereotyp. Wiemy, że stereotypy są krzywdzące, bo istnieją psy przyjazne i miłe. Ale zamiast zapamiętywać, że Burek, Azor, Misio i jeszcze tuzin innych są agresywne, łatwiej jest zapamiętać: „z psami trzeba postępować ostrożnie”, nawet jeżeli ta reguła nie zawsze się sprawdza. Podobnie gdy uczymy się obcego języka, wystarczy nauczyć się stereotypu odmiany i kilkunastu wyjątków, a nie odmiany każdego słowa osobno.
Nie widzę powodu, żeby wyrzucać dedukcję z zakresu AI skoro dla nas jest o ile mniej naturalną to jednak wyższą formą inteligencji. Indukujemy że pies gryzie, dedukujemy że E=mc2. Fakt, że maszynie łatwiej dedukować niż indukować też niewiele tu zmienia bo liczy się efekt. Prolog to tylko język i oczywiście sam w sobie sztuczną inteligencją nie jest, ale już system ekspertowy, który może np. dodać nową informację do bazy wiedzy na podstawie reguł, która nie jest oczywista dla człowieka bo wymagałaby żmudnej dedukcji, jak najbardziej jest. Rozumiem powód takiego myślenia – systemy ekspertowe to nie był duży sukces, w porównaniu do dzisiejszego szturmu sieci neuronowych, ale ten ogrom wiedzy nadbudowany od lat 50 przesączył się do świata systemów typu SAP, systemów interpretujących język naturalny, systemów typu Watson. Watson np. jednocześnie stosuje metody indukcyjne i dedukcyjne i porównuje rezultaty.
Przy dedukcji musimy podać reguły, a system zastosuje te reguły do danych i wypracuje jakiś wynik. My jako użytkownicy musimy dostarczyć bazę wiedzy, my musimy na podstawie danych znaleźć analogie, generalizacje, opisać je regułami, prawami itd. Potrzebny jest ekspert, który dostarczy systemowi wiedzy.
Przy indukcji podajemy dane, system SAM wypracowuje reguły i stosuje je do danych. System sam wyłuskuje wiedzę z danych. Dlatego czasem nazywa się je systemami ekspertowymi.
Dobrzański: Doświadczamy jej właściwie na codzień, googlając coś lub kiwając głową z aprobatą na widok książki zasugerowanej nam przez Amazon i mrucząc – cholera, znowu trafił.
—-
..Doświadczamy „jej” to znaczy sztucznej inteligencji? To jest zwykły automat, działający na zasadzie JEŻELI odwiedziłeś, lub JEŻELI fejsbukując się rozmawiałeś o książce TO się nie dziw, że wyświetli Amazon. Możesz co najwyżej wyrazić niezadowolenie tym faktem.
Nowa jakość! – sztuczna inteligencja czym ma być? Może internet usamodzielni się wtedy zrobi wszystko żeby nigdy nie został wygaszony? Póki co nie musi nic robić. Może nawet zawsze będzie niesamodzielny jak bóg Jahwe; za to funkcjonując w formie zbiorowej świadomości fanatycznych piastunów , inteligencja urojona. Czy oprócz swojego rozumu, by poczuć się dobrze potrzebujemy towarzystwa bytów „wyższych”?
Oczywiście, podpowiedzi Amazona to nie sztuczna inteligencja, ale jedno zapytanie do bazy danych.
Można się spodziewać, że będzie kilka różnych sztucznych inteligencji. na ten przykład wyprodukują rośline GMO i każą jej myśleć
https://github.com/amznlabs/amazon-dsstne
Test Turinga postulowany jako miernik AI jest w rzeczywistości testem mimiki ludzkiej inteligencji. Ludzie wydają się utożsamiać samoświadomość z inteligencją. Taką gdzie konieczne jest zrozumienie istoty jakiejś rzeczy, obiektu lub symbolu by na tej podstawie można było tworzyć inne syntezy czy redukcje do innych symboli. Bo gdy maszyna potrafi na podstawie algorytmu dochodzić do jakiś wniosków np przewidywać trzęsienie ziemi. To czy maszyna „naprawdę wie” co to jest trzęsienie ziemi?
Pytanie co to tak naprawdę znaczy 'naprawdę wiedzieć’? To jest ciekawy problem, pokazał to ten gość co wymyślił eksperyment myślowy z chińskim pokojem (chinese room) ale jest też wiele ciekawych odpowiedzi na ten eksperyment
Gratuluję, napisać w króciutkim tekście prawie wszystko, co w tym temacie istotne, to spory wyczyn intelektualny wymagający sporej wiedzy i „ludzkiej inteligencji”. Potrzebnym był tu taki tekst, gdyż pozwala porządkować naszą wiedzę. Dziękuję!
Pojęcie „inteligencji” jak i wielu innych terminów jest pojęciem nieostrym, przez wielu różnych uczonych różnorodnie rozumianym, którego siatka znaczeniowa jest spora, ale wydaje mi się, iż do naszych potrzeb mogą być przyjęte jej poniższe rozumienia?
–
Według Wikipedii: „Inteligencja (od łac. intelligentia – zdolność pojmowania, rozum) – zdolność do postrzegania, analizy i adaptacji do zmian otoczenia. Zdolność rozumienia, uczenia się oraz wykorzystywania posiadanej wiedzy i umiejętności w sytuacjach nowych. Cecha umysłu warunkująca sprawność czynności poznawczych, takich jak myślenie, reagowanie, rozwiązywanie problemów”.
–
Według Kopalińskiego: „inteligencja psych. zdolność rozumienia, kojarzenia; pojętność, bystrość; zdolność znajdowania właściwych, celowych reakcji na nowe zadania i warunki życia, sprawnego zdobywania i wykorzystywania wiedzy.”
–
Zaś dla mnie definicja inteligencji jest taka:
Dla mnie inteligencja to pewien potencjał mózgu/umysłu („urządzenia”) do samodzielnego uczenia się i rozwiązywania zadań. Stosowania nabytej i przetworzonej wiedzy do rozwiązywania nieprzewidywalnych wcześniej problemów, pozwalających na przystosowanie się i przeżycie w różnych warunkach – wraz z realizacją postawionych przed istotą wyposażoną w inteligencję zadań.
–
Tylko tyle, i aż tyle, ale powyższe (podobne zresztą do siebie) definicje wcale możliwości rozumienia inteligencji nie zamykają, a raczej je otwierają.
–
PS. Poniżej znajdziemy różne próby jej opisania przez różnych autorów: http://pl.wikipedia.org/wiki/Ihttps://pl.wikipedia.org/wiki/Inteligencja_(psychologia)nteligencja_(psychologia)
***
@ Jarek Dobrzański: Bardzo często pada pytanie kiedy sztuczna inteligencja zrówna się z inteligencją ludzką.
————–
Dla mnie maszyna (android) wykaże się inteligencją, gdy między innymi uda jej się przezwyciężyć problemy wynikające twierdzenia Gödla, z którego wynika, iż istnieją takie konkretne problemy, których nie da się rozwiązać na żadnym komputerze, a także to, iż żadnego współczesnego komputera nie da się zaprogramować tak, by zdołał on rozstrzygnąć wszystkie problemy matematyczne. Wydaje mi się, iż stwierdzenie (uświadomienie sobie) tych trudności i próby ich rozwiązania mają kluczowe znaczenie dla informatyki zajmującej się sztuczną inteligencją.
***
Wydaje mi się, że argument Godla propagowany wciąż dziś przez Penrose’a jest dobrze znany, ale zbudowała się dość silna opozycja i konsensus jest raczej po stronie tych, którzy twierdzą że twierdzenia Godla nie przeczą obliczeniowej teorii umysłu. Głównie w oparciu o niespójność naszego umysłu, czyli o to że nie przystaje on do idealnego modelu umysłu Godla. W szczegóły tej argumentacji szerze powiem nigdy nie chciało mi się wgryzać.
Prawdopodobnie się mylę, ale w inteligencji to moim zdaniem chodzi (to co ją odróżnia od systemów możliwych do zapisania w algorytmach) o dużą trafność decyzji pomimo właśnie (pozornej lub faktycznej) niespójności w logice i obliczeniach.
Dlatego więc, choć decyzje wynikające z inteligencji w sporej części dają się opisać algorytmami, to inteligencja jest znacznie czymś więcej niż algorytmem, czy nawet zbiorem algorytmów.