U posljednje vrijeme u svjetskim, ali i domaćim medijima sve se češće spominje strah od umjetne inteligencije. Koliko je taj strah opravdan i otkuda uopće dolazi? Terminatora smo davno gledali i neko smo se vrijeme prestali brinuti o tome. Pa što se onda dogodilo i je li razvoj umjetne inteligencije stvarno toliko napredovao da se strahovi baš sada intenziviraju? Osim holivudskih klasika u kojima Skynet i Matrix vladaju svijetom, u posljednje je vrijeme snimljeno mnogo blockbustera slične tematike (Transcendence, Automata, Her itd...).
Elon Musk, Bill Gates, pa čak i Stephen Hawking izrazili su javno svoju zabrinutost. Posebno je zanimljiva Muskova izjava da bismo i mi bili zabrinuti da smo vidjeli ono što je on vidio u razvojnom laboratoriju Deep Minda, startupa koji je kupio Google i u kojem je i sam investitor. Pa što je to Musk mogao vidjeti da se toliko zabrinuo? Vjerojatno je riječ o rezultatima istraživanja u području koje nazivamo Deep Learning. No krenimo od početka...
Što je to umjetna inteligencija?
Umjetnu inteligenciju mogli bismo definirati kao sustav neprirodnog/nebiološkog porijekla čije ponašanje ljudskog promatrača podsjeća na vlastito ponašanje. Na tragu toga je i famozni Turingov test kod kojega je izazov zavarati pravog čovjeka tako da on misli kako razgovara s drugom osobom, a ne s računalom. Ova definicija zapravo je vrlo široka. Kakvo ponašanje, u kakvom okruženju i u rješavanju kakvih problema? To je zapravo ključ za razumijevanje problema umjetne inteligencije. Nama se mnogi problemi koje naši mozgovi svakodnevno rješavaju čine vrlo trivijalnima ili ih uopće ne primjećujemo. To je zato što smo navikli na vlastito ponašanje i sposobnosti pa ćemo tek pri pokušaju imitiranja takvog ponašanja shvatiti koliko je to kompleksan problem. Najbolji primjer toga je problem računalnog vida. Ta je funkcija nama toliko prirodna da je zapravo iznenađujuće da se znatni pomaci u toj disciplini događaju tek sada. Mnogo problema naše oko i vidni sustav moraju riješiti da bismo na kraju razumjeli sliku koju vidimo (promjenjivi uvjeti osvjetljenja, zakrivanje objekata, slični objekti, raspoznavanje obrisa, boja, tekstura itd.)
Ako razmišljamo o domenama, odnosno primjenama umjetne inteligencije poput detekcije neželjene e-pošte, automatskog tagiranja fotografija, raspoznavanja lica, inteligencije u računalnim igrama ili autonomnim vozilima, vidjet ćemo da se radi o vrlo različitim i specifičnim problemima. Iz toga proizlaze i mnoge metode umjetne inteligencije. Inteligencija potrebna za rješavanje šaha je potpuno drukčija od one za autonomno vozilo. Barem za sada... Računalo Deep Blue, koje je pobijedilo Kasparova u šahu, temeljilo se na heuristici, odnosno izgradnji stabla igre i vrlo brzom procesiranju svih mogućih ishoda partije. Sustav koji raspoznaje spam u elektroničkoj pošti radi drukčije i nastoji naučiti koja su obilježja spam pošte (primjerice, zastupljenost određenih riječi ili sintagmi). Spektar metoda uistinu je širok, od spomenutih heuristika, probabilističkih sustava, preko neizrazite logike do strojnog učenja. Upravo je ovo posljednje danas najatraktivnije.
Strojno učenje
Strojno učenje je naziv za skup metoda (algoritama) kojima možemo postići da računalo nauči rješavati određeni problem, a da ga eksplicitno ne programiramo za to rješenje. I opet, u svijetu strojnog učenja postoje različiti tipovi problema koji se rješavaju (nenadzirano i nadzirano učenje) te mnoštvo metoda (strojevi s potpornim vektorima, stabla odlučivanja, neuronske mreže itd.). U nadzirano učenje spadaju metode kod kojih imamo označene podatke za učenje (npr. detekcija spam poruka na temelju označenih e-poruka), dok u nenadzirano učenje spadaju metode kod kojih sustav sam nauči raspoznavati određene "grupe" u podacima (npr. samoorganizirajuće ili Kohonenove mape).
Neuronske mreže
Algoritmi strojnog učenja koji trenutačno podižu najviše prašine i zapravo pobjeđuju na većini znanstveno priznatih testova (benchmarka) upravo su neuronske mreže. To je naziv za skup algoritama inspiriranih konceptom biološkog živčanog sustava. Mnogo jednostavnih računalnih jedinica (neurona) povezano je u jednu veliku mrežu i zajedno uče rješavati problem.
Deep Learning
Deep Learning je zapravo naziv za vrlo duboke (višeslojne) neuronske mreže. Takve su mreže u stanju u svojim nižim slojevima (oni koji su bliže ulazima, tj. senzorima) naučiti vrlo jednostavne uzorke, a u svakom sljedećem sloju "povezuju" uzorke naučene u prijašnjim slojevima i tako grade razine apstrakcije pa u dubokim slojevima mogu raspoznati kompleksne obrasce.
Zašto baš (tek) sada?
Neuronske su mreže tehnologija stara više od pola stoljeća, no tek posljednjih nekoliko godina svjedočimo revoluciji upravo u tom području. Dva su glavna razloga za to. Povećanje računalne snage i povećanje količine podataka. Uspješno treniranje neuronske mreže zahtijeva optimiziranje milijuna ili čak milijardi parametara (ljudski mozak ima 100 bilijuna neurona), a sam proces treniranja krije mnoge zamke poput prevelike prilagodbe na šum u signalu (pretreniranost), zapinjanje na platoima ili u lokalnim minimumima hiperravnine funkcije koštanja i slično.
Velik pomak ostvaren je uvođenjem nove vrste procesora, a to su grafički procesori (GPU ili grafičke kartice). Razvoj računalnih igara omogućio je i razvoj specijaliziranih hardverskih čipova optimiziranih za izračune relativno jednostavnih problema linearne algebre. Takvi su izračuni u osnovi vrlo jednostavni (aritmetika ne zahtijeva kompleksnu arhitekturu kakvu ima centralni procesor CPU) pa se na jednom čipu može naći mnogo takvih, uvjetno rečeno, jednostavnih procesora koji rade istodobno (generiranje velikog broja poligona i tekstura u računalnoj igri). Takvi su se čipovi pokazali idealnima za algoritme strojnog učenja i posebno neuronske mreže.
Izvori strahova
Otkuda strahovi od umjetne inteligencije (možda zbog znanstvene fantastike i bujne mašte)? Vjerojatno od nekih iznenađujućih, a sada već zapanjujućih istraživačkih rezultata. Istraživač Alex Krizhevsky i njegovi kolege sa Sveučilišta u Torontu otkrili su jednu zanimljivu i donekle neočekivanu pojavu pri treniranju duboke neuronske mreže, a to je da su određeni neuroni (trenirani na prvom GPU-u) naučili raspoznati rubove, a drugi (trenirani na drugom GPU-u) teksture. Baš kao čunjići i štapići – specijalizirane stanice u ljudskom oku.
U domeni obrade prirodnog jezika (engl. Natural Language Processing) također su se pojavili vrlo zanimljivi rezultati. U analizi velikog broja tekstova s Wikipedije, sustavi Deep Learning naučili su grupirati pojedine riječi ovisno o njihovom kontekstu, odnosno značenju. Tako su se, primjerice, pri dvodimenzionalnoj vizualizaciji riječi nazivi država poput "Irak", "Iran", "Sirija" i ostale bliskoistočne zemlje našle grupirane jedne pokraj drugih, ali među njima se našao i naziv jedne koja nije bliskoistočna – Vijetnam. Očito je sustav naučio kontekst rata.
Nadalje, zanimljivi su i primjeri istraživanja u kojima su sustavi naučili više razine apstrakcija, pa su tako spoznali kontekste za riječi "Aunt" i "Uncle" (tetka i ujak kao osobe povezane s majkom), no i kontekst u kojem valja primijeniti imenicu odgovarajućeg roda. Uz raspoznavanje odgovarajućih jezičnih formi, ovo zapravo implicira učenje gramatike, i to upravo onako kako je uči i malo dijete. Rezultati kao i općenito istraživački napori tima okupljenog u startupu Deep Minda za sada nisu baš javni. Stoga je teško reći što je točno Elon Musk mogao vidjeti da se toliko prestrašio. Jedan javno dostupni video prezentacije Deep Mindove tehnologije u primjeni igranja računalnih igara iz osamdesetih godina prikazuje kako računalo nakon nekoliko tisuća odigranih partija pronalazi vrlo uspješne strategije igranja i pobjeđivanja u igri. No ovo je zadatak koji ljudski igrač riješi vrlo brzo i daleko je od prave umjetne inteligencije.
Trebamo li se onda bojati?
Musk je rekao da su ljudi možda "samo biološki bootloader za superinteligenciju". Ako je tako i ako u našoj galaksiji prema nekim znanstvenicima postoji na tisuće drugih inteligentnih civilizacija, kako to da se superinteligencija nije već razvila negdje drugdje i zapravo nas već pronašla i uništila? Nekad je bilo neozbiljno takva pitanja uopće postavljati, no situacija se promijenila.
Ako ostavimo postrani nagađanja oko izvanzemaljskog života i zadržimo se na našem razvoju, pitanje je što će se dogoditi ako superinteligentni sustavi dođu u ruke korporacija ili vojske? Tržište već sada umjetnu inteligenciju rabi u mnoge svrhe, a isto tako i vojska (pametne letjelice, sustavi nuklearnog odvraćanja poput ruske Mrtve ruke i sl.).
Utjeha je da su najveći umovi današnjice koji su uključeni u razvoj ovih tehnologija svjesni potencijalnih opasnosti. Elon Musk donirao je 10 milijuna dolara samo u svrhu sprečavanja razvoja "preinteligentnih" računala, a znanstvenici poput Joshue Bengia uopće ne žele raditi za industriju ili vojsku. Drugi koji to rade (poput Yanna LeCunna) pristaju na takve angažmane, ali samo pod uvjetom da su rezultati javno dostupni.
Ipak, daleko smo još od "univerzalnog" algoritma za učenje. Računala su već sada jako dobra u rješavanju jednog tipa problema, npr. prepoznavanja rukopisa, objekata na slici ili govora, no nedostaje im primjena inteligencije na širokom području. I na usko specijaliziranim zadacima, poput razumijevanja prirodnog jezika, računala i dalje imaju problema s razumijevanjem dosjetki, metafora, dvostrukih značenja, zagonetki, sarkazma i sl. Vjerojatno zbog toga Facebook želi da mu označite sarkazam u tekstu, osim što će pomoći onima koji ne shvaćaju sarkazam, dobit će podatke za "učenje". A ako/kada takve probleme i riješimo, pa čak i ako otkrijemo taj univerzalni algoritam učenja, tko garantira da će takav stroj biti svjestan? Što je uopće svijest i jesmo li zapravo u stanju napraviti nešto što ni sami ne razumijemo? Ako su Deep Learning sustavi sami naučili nešto za što ih nismo eksplicitno programirali, je li moguće da će sami postati svjesni? Na ta pitanja nema odgovora.
U svakom slučaju, povijest nas uči da nismo toliko posebni koliko smo mislili i da smo se iznenadili kada smo koncepte svijesti, kreativnosti, jezika ili korištenja alata našli i u životinjskom svijetu. Ako inteligenciju povezujemo i sa "zrelošću" uma, možda nas superinteligencija zapravo ne treba plašiti. Pogledajmo opet u povijest i naš odnos prema živom svijetu ili čak drugim primitivnim kulturama. S dolaskom na određenu "razinu svijesti" više ih ne uništavamo, već se za njih brinemo. No tu već prelazimo granice ICT rasprave i ulazimo u neke druge, filozofske. Ako bi se tko pak usudio reći da superinteligencija već postoji, rasprava bi lako mogla postati i – teološka. Računalne i informacijske znanosti zapravo nikad nisu bile uzbudljivije...
"...artficijelne..." ???? :-D