Umjetna inteligencija: četvrta industrijska revolucija

By Peter Skalfist, Daniel Mikelsten and Vasil Teigens

Četvrta industrijska revolucija predstavlja temeljnu promjenu u načinu na koji živimo, radimo i odnosimo jedni s drugima. To je novo poglavlje ljudskog razvoja, omogućeno izvanrednim napretkom utehnologiji koji je proporcionalan onome prve, druge i treće industrijske revolucije. Ti pomaci spajaju fizički, digitalni i biološki svijet na načine koji stvaraju i ogromna obećanja i potencijalne opasnosti. Brzina, širina i dubina ove revolucije prisiljavaju nas da preispitamo kako se zemlje razvijaju, kako organizacije stvaraju vrijednost, pa čak iono što znači biti čovjek. Umjetna inteligencija danas je pravilno poznata kao uska AI (ili slaba AI) jer je dizajnirana za obavljanje uskih zadataka (npr. Samo prepoznavanje lica ili samo internetske pretrage ili samo vožnja automobila). Međutim, dugoročni cilj mnogih istraživača je stvaranje općeg AI (AGI ili jakog AI). Iako uski AI može nadmašiti ljude u bilo kojem specifičnom zadatku, poput igranja šaha ili rješavanja jednadžbi, AGI bi nadmašio ljude u gotovo svakom kognitivnom zadatku.
Authors: Daniel Mikelsten, Vasil Teigens, Peter Skalfist

• Language: Hrvatski jezik
• Publisher: Cambridge Stanford Books
• Release date: Sep 16, 2020
• ISBN: 9781005087487

Peter Skalfist

Peter Skalfist, is the pen name of a history and science author that aims to organize and collect technical, historical and scientific information.The student or the scientist, will be able to satisfy his needs of consultation and of study, by means of a work supported by abundant number of sources and bibliographical references.

Book preview

Uvod

Četvrta industrijska revolucija predstavlja temeljnu promjenu u načinu na koji živimo, radimo i odnosimo jedni s drugima. To je novo poglavlje ljudskog razvoja, omogućeno izvanrednim napretkom u tehnologiji koji je proporcionalan onome prve, druge i treće industrijske revolucije. Ti pomaci spajaju fizički, digitalni i biološki svijet na načine koji stvaraju i ogromna obećanja i potencijalne opasnosti. Brzina, širina i dubina ove revolucije prisiljavaju nas da preispitamo kako se zemlje razvijaju, kako organizacije stvaraju vrijednost, pa čak i ono što znači biti čovjek.

Od SIRI-ja do automobila koji samostalno voze, umjetna inteligencija (AI) naglo napreduje. Dok znanstvena fantastika često predstavlja AI kao robote s karakteristikama sličnim ljudskim, AI može obuhvatiti sve, od Googleovih algoritama pretraživanja do IBM-ovog Watsona do autonomnog oružja.

Umjetna inteligencija danas je pravilno poznata kao uska AI (ili slaba AI) jer je dizajnirana za obavljanje uskih zadataka (npr. Samo prepoznavanje lica ili samo internetske pretrage ili samo vožnja automobila). Međutim, dugoročni cilj mnogih istraživača je stvaranje općeg AI (AGI ili jakog AI). Iako uski AI može nadmašiti ljude u bilo kojem specifičnom zadatku, poput igranja šaha ili rješavanja jednadžbi, AGI bi nadmašio ljude u gotovo svakom kognitivnom zadatku.

Četvrta industrijska revolucija govori o više od samo promjene koje se temelje na tehnologiji; To je prilika da se pomogne svima, uključujući vođe, donositelje politika i ljude iz svih dohodovnih skupina i nacija, da iskoriste konvergirajuće tehnologije kako bi stvorili inkluzivnu budućnost usmjerenu na ljude. Prava prilika je pogled izvan tehnologije i pronalaženje načina da što većem broju ljudi omogući pozitivan utjecaj na njihove obitelji, organizacije i zajednice.

Umjetna opća inteligencija

Umjetna opća inteligencija (AGI) je inteligencija stroja koja može razumjeti ili naučiti bilo koji intelektualni zadatak koji čovjek može. To je primarni cilj nekih istraživanja umjetne inteligencije i uobičajena tema u znanstvenim fantastikama i futures studijama. AGI se također može nazvati snažnim AI, potpunim AI ili općenito inteligentnim akcijama. (Neki akademski izvori rezerviraju termin jaka AI za strojeve koji mogu doživjeti svijest.) Neka tijela naglašavaju razliku između jake AI i primijenjene AI (koja se naziva i uska AI ili slaba AI): upotreba softvera za proučavanje ili postizanje određenih zadataka rješavanja problema ili zaključivanja. Slabi AI, za razliku od jakog AI, ne pokušava izvršiti puni spektar ljudskih kognitivnih sposobnosti.

Predloženi su različiti kriteriji za inteligenciju (najpoznatiji Turingov test), ali do danas ne postoji definicija koja bi svima bila udovolji. Međutim, među istraživačima umjetne inteligencije postoji široki sporazum da se od inteligencije zahtijeva sljedeće:

Razum, koristiti strategiju, rješavati zagonetke i donositi prosudbe u neizvjesnosti;

Predstavljaju znanje, uključujući zdravorazumsko znanje;

Plan;

Naučiti;

Komunicirati na prirodnom jeziku;

I integrirati sve ove vještine u zajedničke ciljeve.

Ostale važne sposobnosti uključuju sposobnost osjećanja (npr. Vidjeti) i sposobnost djelovanja (npr. Pomicanje i manipuliranje predmetima) u svijetu u kojem se treba promatrati inteligentno ponašanje. To bi uključivalo sposobnost otkrivanja i reagiranja na opasnosti. Mnogi interdisciplinarni pristupi inteligenciji (npr. Kognitivna znanost, računalna inteligencija i odlučivanje) imaju tendenciju da naglašavaju potrebu za razmatranjem dodatnih osobina kao što su mašta (uzete kao sposobnost oblikovanja mentalnih slika i koncepata koji nisu programirani u) i autonomije. postoje sustavi koji pokazuju mnoge od ovih mogućnosti (npr. vidi računalnu kreativnost, automatizirano zaključivanje, sustav za podršku odlucivanju, robota, evolucijsko računanje, inteligentni agent), ali još uvijek ne na ljudskoj razini.

Testovi za potvrđivanje AGI na ljudskoj razini

Turingov test (Turing) Stroj i čovjek obostrano nisu vidljivi s drugim čovjekom koji mora procijeniti koji je od njih stroj, koji prolazi test ako može prevariti procjenitelja značajan dio vremena. Napomena: Turing ne propisuje ono što bi se moglo smatrati inteligencijom, samo bi ga diskvalificiralo samo znanje da je to stroj. Test kave (Wozniak) Za ulazak u prosječni američki dom potreban je stroj i smisliti kako napraviti kavu: pronađite aparat za kavu, pronađite kavu, dodajte vodu, pronađite šalicu i kavu kuhajte pritiskom na odgovarajuće tipke. Studentski test Robot Collegea (Goertzel) Stroj se upisuje na sveučilište, polaže i prolaze iste časove kao i ljudi te stječu diplomu. Test zapošljavanja (Nilsson) Stroj radi ekonomski važan posao, obavljajući najmanje isto kao i ljudi u istom poslu.

IQ testovi AGI

Chineseresearchers Feng Liu, Yong Shi i Ying Liu proveli su testove inteligencije u ljeto 2017. s javno dostupnim i slobodno dostupnim slabim AI, poput Google AI-a ili Apple-ove Siri i drugih. Maksimalno su ove AI dostigle vrijednost od oko 47, što otprilike odgovara šestogodišnjem djetetu u prvom razredu. Odrasla osoba prosječno doseže oko 100. U 2014. godini provedena su slična ispitivanja u kojima je AI dostigao maksimalnu vrijednost od 27.

Problemi koje AGI mora riješiti

Najteži problemi za računala su neslužbeno poznati kao AI-komplet ili AI-hard, što implicira da je njihovo rješavanje ekvivalentno općoj sposobnosti ljudske inteligencije ili jakom AI-u koji prevazilazi mogućnosti algoritma koji je specifičan za svrhu.

Hipoteza AI kompletnih problema uključuje opću računalnu viziju, razumijevanje prirodnog jezika i suočavanje s neočekivanim okolnostima dok se rješava bilo koji stvarni problem.

Problemi potpuni AI ne mogu se riješiti samo trenutnom računalnom tehnologijom, a također zahtijevaju ljudsko računanje. Ovo svojstvo može biti korisno, na primjer, za testiranje na prisutnost ljudi, kao što to čine CAPTCHA; te za računalnu sigurnost kako bi odvratili brutalne napade.

AGI istraživanje

Klasični AI

Moderna istraživanja AI započela su sredinom 1950. Prva generacija istraživača AI bila je uvjerena da je umjetna opća inteligencija moguća i da će postojati u samo nekoliko desetljeća. Kao što je pionir AI Herbert A. Simon napisao 1965. godine: strojevi će biti sposobni u roku od dvadeset godina raditi bilo koji posao koji čovjek može učiniti. Njihova predviđanja bila su inspiracija za lik Stanleyja Kubricka i Arthura C. Clarkea, HAL 9000, koji je utjelovio ono što su istraživači AI vjerovali da bi mogli stvoriti do 2001. godine. Pionir AI Marvin Minsky bio je savjetnik u projektu da HAL 9000 postane što realističniji u skladu sa suglasna predviđanja vremena; Crevier ga citira kako je o toj temi 1967. rekao: Unutar generacije ... problem stvaranja umjetne inteligencije bit će znatno riješen, iako Minsky izjavljuje da je bio pogrešno citiran.

Međutim, početkom 1970-ih postalo je očito da su istraživači grubo podcjenjivali poteškoće projekta. Agencije za financiranje postale su sumnjičave prema AGI-u i stavile istraživače na sve veći pritisak da proizvedu korisne primijenjene AI. Kako su 1980-ih počele, japanski računalni projekt pete generacije oživio je zanimanje za AGI, postavljajući desetogodišnju vremensku traku koja je uključivala ciljeve AGI-a poput voditi povremeni razgovor. Kao odgovor na to i uspjeh ekspertnih sustava, i industrija i vlada ubacili su novac natrag u polje. Međutim, povjerenje u AI spektakularno je propalo krajem 1980-ih, a ciljevi računalnog projekta pete generacije nikada nisu ispunjeni. Za drugo Vremenom u 20 godina, pokazalo se da su istraživači AI koji su predviđali skorašnje postignuće AGI u osnovi pogriješili. Tijekom 1990-ih, istraživači AI stekli su reputaciju dajući besmislena obećanja. Postali su oklijevajući uopće predvidjeti i izbjegavati bilo kakvo spominjanje umjetne inteligencije na ljudskoj razini zbog straha da će biti označeni sanjarom divljih očiju.

Uže istraživanje AI-ja

U 1990-im i ranom 21. stoljeću, glavni tok AI postigao je daleko veći komercijalni uspjeh i akademsku respektabilnost fokusirajući se na specifične pod-probleme gdje mogu proizvesti provjerljive rezultate i komercijalne aplikacije, poput umjetnih neuronskih mreža, računalnog vida ili iskopavanja podataka. Ovi primijenjeni AI sustavi danas se uveliko koriste u cijeloj tehnološkoj industriji, a istraživanje u ovom smislu vrlo je financirano od strane sveučilišnih akademija i industrije. Trenutno razvoj na ovom polju predstavlja novi trend, a zrela faza se očekuje tijekom više od 10 godina.

Većina istraživača AI-a nadaje se da se snažan AI može razviti kombiniranjem programa koji rješavaju različite pod-probleme koristeći integriranu arhitekturu agensa, kognitivnu arhitekturu ili pretpostavku. Hans Moravec napisao je 1988. godine:

Uvjeren sam da će taj put umjetne inteligencije odozdo prema gore jednog dana ispuniti tradicionalni put odozdo prema dolje, napola spreman pružiti stvarnu svjetsku kompetenciju i zdravorazumsko znanje koje je tako frustrirajuće izmirilo programima razmišljanja. Potpuno inteligentni strojevi rezultirat će kada se metaforički zlatni šiljak pokrene ujedinjujući dva napora.

Međutim, čak je i ova temeljna filozofija osporavana; na primjer, Stevan Harnad iz Princetona zaključio je svoj rad iz 1990. o hipotezi o prizemljenju simbola navodeći:

Očekivanje se često izražava da će kognitivna kognicija koja modelira odozdo prema gore (simbolički) pristup kogniciji nekako odgovarati odozdo prema gore (senzorni) pristupi negdje između. Ako su razmatranja o uzemljenju u ovom članku valjana, onda je ovo očekivanje beznadno modularno i stvarno postoji samo jedan održiv put od smisla do simbola: od temelja. Slobodno plutajuća simbolička razina, poput softverske razine računala, nikad neće stići ovom rutom (ili obrnuto) - niti je jasno zašto bismo uopće trebali pokušati dostići takvu razinu, jer izgleda kao da bi dolazak tamo trebao biti samo izbacivanje naših simbola iz njihovih intrinzičnih značenja (čime se samo svodimo na funkcionalni ekvivalent programabilnog računala).

Moderna umjetna opća istraživanja inteligencije

Umjetna opća inteligencija (AGI) opisuje istraživanje koje ima za cilj stvoriti strojeve sposobne za opće inteligentno djelovanje. Izraz je upotrebio Mark Gubrudin još 1997. godine u diskusiji o implikacijama potpuno automatizirane vojne proizvodnje i operacija. Izraz su ponovo uveli i popularizirali Shane Legg i Ben Goertzel oko 2002. godine. Cilj istraživanja je mnogo stariji, na primjer projekt Cycka Douga Lenata (započet 1984.), a projekt Soar Allena Newell-a smatra se obuhvaćenim AGI. Istraživačku djelatnost AGI-a 2006. godine opisali su Pei Wang i Ben Goertzelas objavljujući publikacije i preliminarne rezultate. Prvu ljetnu školu AGI organizirali su u Xiamenu u Kini 2009. godine laboratorij za umjetni mozak Sveučilišta Xiamen i OpenCog. Prvi sveučilišni tečaj pohađao je 2010. i 2011. godine na Sveučilištu u Plovdivu u Bugarskoj Todor Arnaudov. MIT je u 2018. godini predstavio tečaj na AGI-u, koji je organizirao Lex Fridman i u kojem je sudjelovao niz gostujućih predavača. Međutim, do sada, većina istraživača AI posvetila je malo pažnje AGI-u, a neki tvrde da je inteligencija previše složena da bi se mogla u potpunosti ponoviti u bliskom roku. Međutim, mali je broj računalnih znanstvenika aktivan u istraživanjima AGI-a, a mnogi iz ove skupine doprinose nizu AGI konferencija. Istraživanje je izuzetno raznoliko i po prirodi često pionirsko. U uvodu svoje knjige Goertzel kaže da procjene vremena potrebnog za izgradnju zaista fleksibilnogAGI variraju od 10 godina do više stoljeća, ali čini se da je konsenzus istraživačke zajednice AGI da je vremenski okvir o kojem je govorio Ray Kurzweil u The Singularity je Blizu (tj. između 2015. i 2045.) vjerodostojno.

Međutim, većina istraživača AI sumnja da će napredak biti tako brz. Organizacije koje eksplicitno provode AGI uključuju švicarski laboratorij AI IDSIA, Nnaisense, Vicarious, Maluuba, OpenCog zakladu, Adaptive AI, LIDA i Numenta i pridruženi Redwood Neuroscience Institute. Osim toga, organizacije kao što su Machine Intelligence Research Institute i OpenAI osnovane su kako bi utjecale na razvojni put AGI. I na kraju, projekti poput Projekta ljudskog mozga imaju cilj izgraditi funkcionalnu simulaciju ljudskog mozga. Istraživanje AGI-ja u 2017 kategoriziralo je četrdeset i pet poznatih aktivnih projekata istraživanja i razvoja koji eksplicitno ili implicitno (putem objavljenih istraživanja) istraživanja AGI, a najveća tri su DeepMind, Human Human Brain Project i OpenAI (na temelju članka).

Godine 2019. programer video igara i zrakoplovni inženjer John Carmack najavio je planove za istraživanje AGI.

Naime, DeepMind je svojim uspjehom u simulaciji ljudskih igrača za npr. AlphaGo iskoristio nove koncepte:

Pojačanje učenja za poboljšanje već obučenih mreža s novim podacima ili

Nenadzirano učenje, npr. Generativnom nadmetačkom mrežom kako bi se poboljšale mreže natjecateljem.

Procesorska snaga potrebna za simulaciju mozga

Emulacija cijelog mozga

Popularni pristup koji se raspravlja o postizanju opće inteligentne akcije jest oponašanje cijelog mozga. Model mozga niske razine izgrađen je skeniranjem i mapiranjem biološkog mozga u detalje i kopiranjem njegovog stanja u računalni sustav ili neki drugi računski uređaj. Računalo pokreće simulacijski model toliko vjeran izvorniku da će se ponašati u osnovi na isti način kao izvorni mozak, ili u sve praktične svrhe, nerazlučivo. O cijeloj emulaciji mozga raspravlja se u računalnoj neuroznanosti i neuroinformatikama, u kontekstu simulacije mozga u medicinske istraživačke svrhe. Raspravlja se o istraživanjima umjetne inteligencije kao pristupu jakom AI. Neuroimaging tehnologije koje bi mogle pružiti potrebno detaljno razumijevanje brzo se poboljšavaju, a futuristički Ray Kurzweil u knjizi The Singularnost je blizu predviđa da će karta dovoljne kvalitete postati dostupna sličnom vremenskom rasponu kao i potrebna računalna snaga.

Rane procjene

Za simulaciju mozga na niskoj razini trebat će izuzetno snažno računalo. Ljudski mozak ima ogroman broj sinapsi. Svaka od 10 (sto milijardi) neurona ima u prosjeku 7 000 sinaptičkih veza s drugim neuronima. Procijenjeno je da mozak trogodišnjeg djeteta ima oko 10 sinapsi (1 kvadrilijun). Taj se broj smanjuje s godinama, stabilizirajući se u odrasloj dobi. Procjene se razlikuju za odraslu osobu, u rasponu od 10 do 5 × 10 sinapsi (100 do 500 bilijuna). Procjena snage procesiranja mozga, zasnovana na jednostavnom modelu prebacivanja aktivnosti neurona, iznosi oko 10 (100 trilijuna) sinaptičkih ažuriranja u sekundi (SUPS). 1997. godine Kurzweil je pregledao različite procjene hardvera potrebne za izjednačavanje ljudskog mozga i usvojio brojku od 10 izračuna u sekundi (cps). (Za usporedbu, ako je računanje bilo ekvivalentno jednoj operaciji s plutajućom tačkom - mjera koja se koristi za ocjenu trenutnih superračunala - tada bi 10 izračunavanja bilo ekvivalentno 10 petaFLOPS, ostvarenima u 2011.) Koristi ovu cifru za predviđanje potreban hardver bio bi dostupan negdje između 2015. i 2025., ukoliko se nastavi eksponencijalni rast snage računala u trenutku pisanja.

Detaljnije modeliranje neurona

Model umjetnog neurona koji je preuzeo Kurzweil i koji se koristi u mnogim trenutnim implementacijama umjetne neuronske mreže jednostavan je u usporedbi s biološkim neuronima. Simulacija mozga vjerojatno bi trebala obuhvatiti detaljno stanično ponašanje bioloških neurona, trenutno razumljivih samo u najširem obrisu. Nadzemni troškovi uvedeni potpunim modeliranjem bioloških, kemijskih i fizikalnih detalja neuronskog ponašanja (posebno na molekularnoj skali) zahtijevali bi računske moći nekoliko reda veće od Kurzweilove procjene. Povrh toga, procjene ne obuhvaćaju glijalne stanice, koje su barem toliko brojne kao neuroni, a koje mogu prebrojiti broj neurona za čak 10: 1, a za sada se zna da igraju ulogu u kognitivnim procesima.

Trenutno istraživanje

Postoje neki istraživački projekti koji istražuju simulaciju mozga pomoću sofisticiranijih neuronskih modela, implementiranih na konvencionalnim računalnim arhitekturama. Projekt Sustav umjetne inteligencije implementirao je simulacije mozga (s 10 neurona) u stvarnom vremenu 2005. godine. Trebalo je 50 dana na grupi od 27 procesora da simuliraju 1 sekundu modela. Projekt Blue Brain upotrijebio je jednu od najbržih arhitektura superračunala na svijetu, IBM-ovu platformu Blue Gene, kako bi stvorio u stvarnom vremenu simulaciju jednog neokortikalnog stupa štakora koji se sastojao od otprilike 10 000 neurona i 10 sinapsi u 2006. Dugoročniji cilj je izgraditi detaljnu, funkcionalnu simulaciju fizioloških procesa u ljudskom mozgu: Nije nemoguće izgraditi ljudski mozak i to možemo za 10 godina, rekao je Henry Markram, direktor Projekta plavog mozga 2009. godine na TED-u konferencija u Oxfordu. Također su postojale i kontroverzne tvrdnje da je simulirao mačji mozak. Neuro-silikonska sučelja predložena su kao alternativna strategija implementacije koja bi mogla biti bolja.

Hans Moravec obratio se gore navedenim argumentima (mozgovi su složeniji , neuroni se moraju detaljnije modelirati) u svom radu iz 1997. Kad će se računalni hardver podudarati s ljudskim mozgom?. Izmjerio je sposobnost postojećeg softvera da simulira funkcionalnost neuronsko tkivo, posebno mrežnicu. Njegovi rezultati ne ovise o broju glijalnih stanica, niti o tome u kojoj vrsti neurona za obradu.

Stvarna složenost modeliranja bioloških neurona istražena je u projektu OpenWorm koji je bio usmjeren na potpunu simulaciju crva koji ima samo 302 neurona u svojoj neuronskoj mreži (među oko 1000 stanica). Neuronska mreža životinja dobro je dokumentirana prije početka projekta. Međutim, iako se u početku zadatak činio jednostavnim, temodelski modeli temeljeni na generičkoj neuronskoj mreži nisu uspjeli. Trenutno su napori usmjereni na preciznu emulaciju bioloških neurona (dijelom na molekularnoj razini), ali rezultat se još ne može nazvati potpunim uspjehom. Čak i ako broj pitanja koja treba riješiti u modelu razmjera čovjeka i mozga nije proporcionalan broju neurona, količina posla na tom putu je očita.

Kritike pristupa zasnovanih na simulaciji

Temeljna kritika simuliranog pristupa mozgu proizišla je iz utjelovljene spoznaje u kojoj je ljudska utjelovljenja uzeta kao bitan aspekt ljudske inteligencije. Mnogi istraživači vjeruju da je utjelovljenje neophodno kako bi se značenje prikazivalo. Ako je ovo gledište ispravno, svaki potpuno funkcionalan mozak treba obuhvatiti više od samo neurona (tj. Robotsko tijelo). Goertzel predlaže virtualno utjelovljenje (poput Second Lifea), ali još nije poznato hoće li to biti dovoljno.

Stolna računala koja koriste mikroprocesore sposobne veće od 10 cps (Kurzweilova nestandardna jedinica računanja u sekundi, vidi gore) dostupna su od 2005. Prema procjenama snage mozga koje koriste Kurzweil (i Moravec), ovo bi računalo trebalo biti sposobno za podržavanje simulacije pčelinjeg mozga, ali unatoč određenom interesu ne postoji takva simulacija. Postoje najmanje tri razloga za to:

Čini se da je neuronski model pojednostavljen (vidi sljedeći odjeljak).

Ne postoji dovoljno razumijevanja viših kognitivnih procesa da bi se točno utvrdilo s čime se povezuje neuronska aktivnost mozga, promatrana pomoću tehnika poput funkcionalnog snimanja magnetskom rezonancom.

Čak i ako naše razumijevanje spoznaje dovoljno napreduje, programi rane simulacije vjerojatno će biti vrlo neučinkoviti, pa će im trebati znatno više hardvera.

Mozak organizma, iako je kritičan, možda nije odgovarajuća granica kognitivnog modela. Za simulaciju pčelinjeg mozga možda će biti potrebno simulirati tijelo i okoliš. Teza proširenog uma formalizira filozofski koncept, a istraživanje glavonožaca pokazalo je jasne primjere decentraliziranog sustava.

Osim toga, razmjera ljudskog mozga trenutno nije dobro ograničena. Jedna procjena daje ljudskom mozgu oko 100 milijardi neurona i 100 trilijuna sinapsi. Druga procjena je 86 milijardi neurona od kojih je 16,3 milijarde u moždanoj kore i 69 milijardi u moždanoj moždini. Sinapsi glijalnih stanica trenutačno su ne kolikirani, ali se zna da su izuzetno brojni.

Istraživanje umjetne svijesti

Iako je uloga svijesti u snažnom AI / AGI diskutabilna, mnogi istraživači AGI smatraju da je istraživanje koje istražuje mogućnosti za provedbu svijesti od vitalnog značaja. Igor Aleksanderar je u ranim naporima tvrdio da su načela za stvaranje svjesnog stroja već postojala, ali da će trebati četrdeset godina da takav stroj osposobi razumijevanje jezika.

Odnos prema jakom AI

1980. godine filozof John Searle skovao je izraz jaki AI kao dio svoje argumentacije o kineskoj sobi. Želio je razlikovati dvije različite hipoteze o umjetnoj inteligenciji:

Umjetni sustav inteligencije može razmišljati i imati um. (Riječ um ima specifično značenje za filozofe, kako se koristi u problemu tijela uma ili filozofiji uma.)

Sustav umjetne inteligencije može (samo) djelovati onako kako misli i ima um.

Prvi se naziva hipoteza jakog AI, a drugi je hipoteza slabog AI, jer prva izražava snažniju tvrdnju: pretpostavlja se da se s strojem dogodilo nešto posebno što nadilazi sve njegove sposobnosti koje možemo testirati. Searle je snažnu AI hipotezu nazvao jakom AI. Ova je upotreba također česta u akademskim AI istraživanjima i udžbenicima.

Slaba hipoteza AI jednaka je hipotezi da je umjetna opća inteligencija moguća. Prema Russellu i Norvigu, većina istraživača AI smatra slabu hipotezu AI zdravo za gotovo i ne zanima ih jaka hipoteza o AI.

Za razliku od Searlea, Kurzweil koristi izraz snažni AI kako bi opisao svaki sustav umjetne inteligencije koji djeluje kao da ima um, bez obzira na to bi li filozof bio sposoban utvrditi ima li on zapravo um ili ne.

Moguća objašnjenja za spor napredak AI istraživanja

Od pokretanja istraživanja AI 1956. godine, rast ovog polja vremenom se smanjivao i zaustavio je ciljeve stvaranja strojeva s vještim inteligentnim djelovanjem na ljudskoj razini. Moguće objašnjenje ovog kašnjenja je da računalima nedostaje dovoljno memorije ili procesorske snage. Uz to, razina složenosti koja se povezuje s procesom istraživanja AI također može ograničiti napredak istraživanja AI.

Iako većina istraživača AI vjeruje da se u budućnosti može postići snažan AI, postoje neke osobe poput Huberta Dreyfusa i Rogera Penrosea koji uskraćuju mogućnost postizanja jakog AI. John McCarthywas bio je jedan od različitih računalnih znanstvenika koji vjeruju da će AI na ljudskoj razini biti ostvaren, ali datum se ne može točno predvidjeti.

Konceptualna ograničenja još su jedan mogući razlog sporosti u istraživanju AI. Istraživači AI možda će morati izmijeniti konceptualni okvir svoje discipline kako bi pružili jaču bazu i doprinos potrazi za postizanjem snažnog AI. Kao što je William Clocksin napisao 2003.: okvir polazi od opažanja Weizenbauma da se inteligencija očituje samo u odnosu na specifične društvene i kulturne kontekste.

Nadalje, istraživači AI uspjeli su stvoriti računala koja mogu obavljati komplicirane zadatke za ljude, ali obrnuto, oni su se borili da razviju računalo koje je sposobno obavljati zadatke jednostavne za ljude (Moravečev paradoks). Problem koji je opisao David Gelernter je taj što neki pretpostavljaju da su razmišljanje i rasuđivanje jednaki. Međutim, ideja o tome da li su misli i tvorac tih misli odvojeno zasebno zaintrigirala je istraživače AI.

Problemi s kojima se susretao u istraživanju AI tijekom posljednjih desetljeća dodatno su ometali napredak AI. Neuspjela predviđanja koja su obećali istraživači AI i nedostatak cjelovitog razumijevanja ljudskog ponašanja pomogli su umanjiti primarnu ideju AI na razini čovjeka. Iako je napredak istraživanja AI donio i poboljšanje i razočaranje, većina je istražitelja uspostavila optimizam o potencijalnom postizanju cilja AI u 21. stoljeću.

Predloženi su drugi mogući razlozi za dugotrajna istraživanja u tijeku snažnog AI. Zamršenost znanstvenih problema i potreba za potpunim razumijevanjem ljudskog mozga kroz psihologiju i neurofiziologiju ograničili su mnoge istraživače od oponašanja funkcije ljudskog mozga u računalnom hardveru. Mnogi istraživači imaju tendenciju podcjenjivanja svake sumnje koja je povezana s budućim predviđanjima AI ali bez ozbiljnog shvaćanja tih problema ljudi mogu previdjeti rješenja za problematična pitanja.

Clocksin kaže da je konceptualno ograničenje koje može ometati napredak AI istraživanja to što ljudi mogu koristiti pogrešne tehnike za računalne programe i implementaciju opreme. Kada su AI istraživači prvi put počeli ciljati na umjetnu inteligenciju, glavni interes je bilo ljudsko rasuđivanje. Istraživači su se nadali da će kroz razmišljanje uspostaviti računske modele ljudskog znanja i otkriti kako dizajnirati računalo s određenim kognitivnim zadatkom.

Praksa apstrakcije koju ljudi imaju tendenciju redefiniranja radeći s određenim kontekstom u istraživanju pruža istraživačima koncentraciju na samo nekoliko koncepata. Najproduktivnija primjena apstrakcije u istraživanjima AI dolazi od planiranja i rješavanja problema. Iako je cilj povećati brzinu računanja, uloga apstrakcije postavljala je pitanja o uključivanju operatora apstrakcije.

Mogući razlog sporosti u AI odnosi se na priznanje mnogih istraživača AI da je heuristika odjeljak koji sadrži značajno kršenje performansi računala i performansi čovjeka. Specifične funkcije programirane na računalu mogu biti u skladu s mnogim zahtjevima koji mu omogućuju da se podudara s ljudskom inteligencijom. Ta objašnjenja nisu nužno zajamčena kao temeljni uzroci kašnjenja u postizanju snažnog AI-ja, ali mnogi se istraživači složno slažu s tim.

Bilo je puno istraživača AI koji raspravljaju oko ideje treba li strojeve stvarati emocijama. U tipičnim modelima AI-ja nema emocija, a neki istraživači kažu da programiranje emocija u strojeve omogućava da imaju vlastiti um. Emocija sažima iskustva ljudi jer im omogućuje da se sjećaju tih iskustava. David Gelernter piše, Nijedno računalo neće biti kreativno ako ne može simulirati sve nijanse ljudske emocije. Ova zabrinutost zbog emocije stvorila je probleme istraživačima AI i ona se povezuje s konceptom jakog AI-ja dok njegovo istraživanje napreduje u budućnost.

Svijest

Postoje drugi aspekti ljudskog uma, osim inteligencije koji su relevantni za koncept snažnog AI-ja koji igra glavnu ulogu u znanstvenoj fantastici i etici umjetne inteligencije:

Svijest: imati subjektivno iskustvo i misao.

Samosvijesti: Biti svjestan sebe kao zasebnog pojedinca, posebno biti svjestan vlastitih misli.

Razboritost: sposobnost subjektivnog osjećanja opažanja ili emocija.

Sapience: Sposobnost za mudrost.

Te osobine imaju moralnu dimenziju, jer stroj s ovim oblikom snažnog AI-ja može imati zakonska prava, analogna pravima neživotinjskih životinja. Također, Bill Joy, između ostalog, tvrdi kako stroj s tim osobinama može biti prijetnja ljudskom životu ili dostojanstvu. Ostaje nam pokazati je li neka od ovih osobina potrebna za jak AI. Uloga svijesti nije jasna i trenutno ne postoji dogovoreni test njezine prisutnosti. Ako je stroj izgrađen s uređajem koji simulira neuronske korelate svijesti, da li bi automatski imao samosvijesti? Moguće je i da neka od tih svojstava, poput osjećaja, prirodno proizlaze iz potpuno inteligentnog stroja ili da postane prirodno pripisati svojstva strojevima nakon što počnu djelovati na način koji je jasno inteligentan. Na primjer, inteligentno djelovanje može biti dovoljno za razum, a ne obrnuto.

U znanstvenoj fantastici AGI je povezan s osobinama kao što su svijest, razboritost, sapience i samosvijest primijećene kod živih bića. Međutim, prema filozofu Johnu Searleu, otvoreno je pitanje je li opća inteligencija dovoljna za svijest. Jaki AI (kako je gore definirao Ray Kurzweil) ne treba miješati sa Searleovom snažnom hipotezom o AI. Snažna AI hipoteza je tvrdnja da računalo koje se ponaša inteligentno kao i čovjek mora nužno imati um i svijest. AGI se odnosi samo na količinu inteligencije koju stroj prikazuje, sa ili bez pameti.

Kontroverze i opasnosti

Izvodljivost

Mišljenja se razlikuju o tome hoće li i kada stići umjetna opća inteligencija. U jednom ekstremu, pionir AI Herbert A. Simonwrote 1965. godine: strojevi će biti u stanju za dvadeset godina obavljati posao kakav čovjek može učiniti. Međutim, to se predviđanje nije ostvarilo. Suosnivač Microsofta Paul Allen vjerovao je da takva inteligencija nije vjerojatna u 21. stoljeću, jer bi zahtijevala nepredvidive i u osnovi nepredvidive proboje i znanstveno duboko razumijevanje spoznaje. Pišući u časopisu The Guardian, robotičar Alan Winfield tvrdio je da je jaz između modernog računarstva i umjetne inteligencije na nivou čovjeka širok koliko je i zaljev između trenutnog svemirskog leta i praktičnog svemirskog leta bržeg od svjetlosti. Stavovi stručnjaka AI o izvedivosti voska AGI i jenjao i možda je vidio ponovni uspon u 2010.-ima. Četiri anketa provedena u 2012. i 2013. godini sugerirala su da je srednja pretpostavka među stručnjacima za vrijeme kada bi bili sigurni da će AGI biti 2040 do 2050., ovisno o anketi, s tim da će srednja biti 2081. Zanimljivo je primijetiti i 16,5% stručnjaci su odgovorili sa nikad kad su im postavili isto pitanje, ali s pouzdanjem od 90%. Daljnja trenutna razmatranja napretka AGI mogu se naći ispod Testovi za potvrđivanje AGI na ljudskoj razini i IQ testovi AGI.

Potencijalna prijetnja ljudskom postojanju

Stvaranje umjetne opće inteligencije može imati tako velike i složene posljedice da možda neće biti moguće predvidjeti što će doći poslije. Stoga se događaj u hipotetičkoj budućnosti postizanja jakog AI naziva tehnološkom singularnošću, jer se teoretski ne može proći pored njega. Ali to nije spriječilo filozofe i istraživače da nagađaju što pametni računari ili roboti budućnosti mogu učiniti, uključujući formiranje utopije time što su nam prijatelji ili nas nadvladaju u preuzimanju AI. Potonja potencijalnost je posebno uznemirujuća jer predstavlja egzistencijalni rizik za čovječanstvo.

Strojevi za samoobnavljanje

Pametna računala ili roboti mogli bi sami dizajnirati i proizvesti poboljšane verzije. Rastuća populacija inteligentnih robota mogla bi zamisliti nadmetanje inferiornih ljudi na tržištima rada, u poslu, znanosti, politici (koja zasnivaju prava robota) i tehnološki, sociološki (djelujući kao jedno) i vojno. Čak i danas, mnoge poslove su već preuzeli pseudointeligentni strojevi koje pokreće slabi AI. Na primjer, roboti za domove, zdravstvo, hotele i restorane automatizirali su mnoge dijelove našeg života: virtualni roboti pretvaraju usluge kupcima u samostalne usluga, velike podatkovne AI aplikacije koriste se za zamjenu upravitelja portfelja, a društveni roboti poput Pepper koriste se za zamjenu ljudskih pozdrava u svrhu korisničke usluge.

Hitna superinteligencija

Ako se istraži snažan AI proizvede dovoljno inteligentan softver, moći će se reprogramirati i poboljšati - značajka koja se zove rekurzivno samopoboljšanje. Tada bi bilo još bolje u poboljšanju sebe i vjerojatno bi to i dalje nastavilo u ciklusu koji se brzo povećava, što bi dovelo do eksplozije inteligencije i pojave superinteligencije. Kakva inteligencija ne bi imala ograničenja ljudskog intelekta, i možda bi mogla izmisliti ili otkriti gotovo sve.

Hiperinteligentni softver ne mora nužno odlučiti podržati trajno postojanje čovječanstva, a može ga biti i vrlo teško zaustaviti. Ova se tema nedavno počela raspravljati i u akademskim publikacijama kao stvarni izvor rizika za civilizaciju, ljude i planetu Zemlju.

Jedan prijedlog da se pozabavimo ovim jest osigurati da je prvi općenito inteligentni AI prijateljski AI koji bi tada nastojao osigurati da nam kasnije razvijeni AI-i budu također dragi. Ali prijateljski AI je teže stvoriti od običnog AGI-a, pa je vjerojatno da će se u utrci između njih dvojice prvo razviti ne-prijateljski AI. Također, nema garancije da će prijateljski AI ostati prijateljski ili da će i njegovo potomstvo biti dobro.

Povijest umjetne inteligencije

U četrdesetim i 50-ima nekolicina znanstvenika iz različitih područja (matematike, psihologije, inženjerstva, ekonomije i politologije) počela je raspravljati o mogućnosti stvaranja umjetnog mozga. Područje istraživanja umjetne inteligencije osnovano je kao akademska disciplina 1956. godine.

Kibernetika i rane neuronske mreže

Najstarije istraživanje strojeva za razmišljanje potaknulo je