Prošle je godine umjetna inteligencija AlphaGo prvi put pobijedila svjetskog prvaka u igri. Ova je pobjeda bila neviđena i neočekivana s obzirom na velike poteškoće kineske igre na ploči. Iako je AlphaGo-ova pobjeda definitivno bila impresivna, ovaj AI, koji je od tada pobijedio ostale prvake Go, još uvijek se smatra "uskim" tipom AI - onom koji može nadmašiti ljude samo u ograničenom polju zadataka.
Iako teško da ćemo moći pobijediti računalo u Go-u ili u šahu bez da koristimo pomoć drugog računala, također se ne možemo osloniti na njih za rutinske zadatke. AI vam neće napraviti čaj ili zakazati MOT za vaš automobil.
Suprotno ovome, AI se u znanstvenoj fantastici često prikazuje kao „opća“umjetna inteligencija. Odnosno, umjetna inteligencija s istom razinom i raznolikošću kao i ljudska. Iako već imamo različite vrste umjetne inteligencije koje mogu učiniti sve, od dijagnosticiranja bolesti do vožnje automobila, još uvijek nismo uspjeli smisliti kako ih integrirati na općenitijoj razini.
Prošlog su tjedna istraživači DeepMind-a predstavili nekoliko radova za koje se tvrdi da postavljaju temelje za opću umjetnu inteligenciju. Iako još nema zaključaka, prvi rezultati su ohrabrujući: u nekim područjima AI je već premašio ljude u sposobnostima.
Oba rada DeepMind-a usredotočena su na relativno rasuđivanje, kritičnu kognitivnu sposobnost koja omogućuje ljudima da uspoređuju različite objekte ili ideje. Na primjer, za usporedbu koji je objekt veći ili manji, koji je s lijeve strane, a koji s desne strane. Ljudi koriste relativno (ili relacijsko) rezonovanje kad god pokušaju riješiti problem, ali znanstvenici još nisu utvrdili kako dati AI ovu varljivo jednostavnu sposobnost.
Znanstvenici iz DeepMind-a odabrali su dvije različite rute. Neki su obučavali neuronsku mrežu - vrstu AI arhitekture po uzoru na ljudski mozak - koristeći bazu podataka jednostavnih, statičkih 3D objekata nazvanih CLEVR. Druga neuronska mreža bila je naučena da razumije kako se dvodimenzionalni objekt s vremenom mijenja.
U CLEVR-u je neuronska mreža predstavljena skupom jednostavnih dizajna poput piramida, kocka i sfera. Znanstvenici su tada postavljali pitanja umjetne inteligencije na prirodnom jeziku, poput "je li kocka izrađena od istog materijala kao i cilindar?" Iznenađujuće je da je neuronska mreža uspjela ispravno procijeniti relacijske atribute CLEVR u 95,5% slučajeva, nadmašivši čak i čovjeka sa njegovom 92,6% točnosti u ovom parametru.
U drugom ispitivanju, istraživači DeepMind-a stvorili su neuronsku mrežu Visual Interaction Network (VIN) koja je osposobljena za predviđanje budućih stanja objekta na videu, ovisno o njegovim prethodnim kretanjima. Da bi to učinili, znanstvenici su prvo ubacili VIN tri uzastopna video okvira, koja je mreža pretočila u kod. U ovom kodu nalazi se popis vektora - brzina ili položaj objekta - za svaki objekt u okviru. Tada se VIN napaja nizom drugih kodova, koji su kombinirali za predviđanje koda za sljedeći okvir.
Promotivni video:
Za treniranje VIN-a znanstvenici su koristili pet različitih vrsta fizičkih sustava u kojima su se 2D objekti kretali u pozadini "prirodnih slika" i sudarali se različitim silama. Na primjer, u jednom fizičkom sustavu simulirani su predmeti međusobno komunicirali u skladu s Newtonovim zakonom gravitacije. U drugoj je neuronska mreža predstavljena biljarom i napravljena je da predvidi budući položaj kuglica. Prema znanstvenicima, VIN mreža uspješno se nosila s predviđanjem ponašanja objekata u videu.
Ovaj rad predstavlja važan korak prema općem AI, ali predstoji još mnogo posla prije nego što umjetna inteligencija preuzme svijet. A osim toga, nadljudsko djelovanje ne podrazumijeva nadljudsku inteligenciju.
Ipak još ne.
ILYA KHEL
