top of page
  • Zdjęcie autoraHubert Taler

A jak AI (Sztuczna inteligencja) | Alfabet AI

Zaktualizowano: 26 kwi

Nie ma w tej chwili gorętszego tematu niż AI. AI jest wszędzie. Będzie robić wszystko. Zastąpi nas we wszystkim. Spowoduje, że stracimy pracę...

Gdybyśmy spytali 100 przypadkowo spotkanych osób na chodniku dużego miasta, co to jest AI, odpowiedzi w większości dzieliłyby się na dwie kategorie. Pierwsza: że jest to rodzaj chat bota, bardzo mądrego, i odpowiadającego na pytania. Do tego pomagającego dzieciakom odrabiać zadania domowe. Druga: że jest to generator szczegółowych, kolorowych, niesamowitych, ale też często nieco dziwnych obrazków. Z drugiej strony prawie każda firma chwali się teraz wykorzystaniem sztucznej inteligencji w codziennej pracy, a w sklepach napotkamy na inteligentny odkurzacz, a nawet inteligentny krem do twarzy...

Pojęcie sztucznej inteligencji jest więc o wiele szersze. Aby pomóc uporządkować te wszystkie pojęcia, rozpoczynamy cykl artykułów pod hasłem „Alfabet AI”. W ponad 20 artykułach opowiemy zarówno historię badań nad sztuczną inteligencją, jak i najważniejsze pojęcia związane z tą dziedziną.


Mężczyzna trzymający kartkę z napisem AI

Chcesz poznać sztuczną inteligencję? Dowiedz się najpierw, czym jest prawdziwa

Nie zbudujemy sztucznej inteligencji, bez zastanowienia się najpierw - co właściwie chcemy naśladować. Kiedy uznamy, obserwowane zachowanie za inteligentne? Czym właściwie jest inteligencja?

Nie mamy dokładnej definicji tego zjawiska. W uproszczeniu możemy przyjąć że jest to umiejętność osiągania celów. Z tej definicji wynika, że inteligentnym można być w różnym stopniu, a inteligencją wykazują się ludzie i zwierzęta. W zmieniających się warunkach, w różnym stopniu udaje się nam - zwierzętom, ludziom, i programom komputerowym nasze cele zrealizować. A skoro możemy ustalić tu jakieś stopniowanie, możemy też pokusić się o mierzenie inteligencji.

Sztuczna inteligencja - jakie były jej początki?

Wszystko zaczęło się tuż po drugiej wojnie światowej, kiedy informatyka rozwinęła się na tyle, że mogliśmy zacząć o myśleć o budowaniu pierwszych inteligentnych rozwiązań. Kluczową postacią w dziedzinie badań nad sztuczną inteligencją był słynny angielski matematyk, Alan Turing. W swoim wykładzie już w 1947 roku wskazał drogę rozwoju sztucznej inteligencji. Według niego należało raczej pisać inteligentne programy niż budować inteligentne maszyny. I tak właśnie robimy do dziś - sztuczna inteligencja to tak naprawdę inteligentne, mnie lub bardziej, oprogramowanie. Historię Turinga możemy obejrzeć w filmie Gra tajemnic z Benedictem Cumberbatchem.

Czym charakteryzuje się inteligencja (również ta sztuczna)?

Program uczący się na podstawie wcześniejszych interakcji z otoczeniem można nazwać inteligentnym. Prostym przykładem jest uczenie pamięciowe, stosowane nie tylko w internetowych słownikach, ale też w innych aplikacjach do rozpoznawania wzorców.

Wyższym poziomem uczenia jest deep learning, czyli głębokie uczenie, oparte głównie na sieciach neuronowych, które pozwalają na transformację danych wejściowych, jak zdjęcia, w strukturalną wiedzę, np. informacje o osobach na nich przedstawionych. Charakterystyczną cechą deep learningu jest minimalne zaangażowanie człowieka w proces uczenia, co czasem prowadzi do trudności w interpretacji wyników, znanej jako problem 'czarnej skrzynki'.


Robot zbudowany z części elektronicznych

Kolejna dziedzina, w której człowiek – podobnie jak większość ssaków – nadal przewyższa maszyny, to wnioskowanie. To proces tworzenia nowej wiedzy na podstawie dotychczasowych doświadczeń, zarówno przez dedukcję (na przykład: „Zostawiłem portfel w pokoju lub w kuchni; skoro go nie ma w pokoju, musi być w kuchni”), jak i indukcję („Ostatnio, będąc w tym centrum handlowym, miałem problem z zaparkowaniem, więc tym razem zdecyduję się na metro”). Te przykłady pokazują, jak tworzymy nową wiedzę, co w przypadku implementacji w formie algorytmów komputerowych jest procesem, który dopiero się rozwija.

Kolejną cechą, którą staramy się wpoić algorytmom sztucznej inteligencji, jest poszukiwanie wzorców. To forma syntezy wiedzy, już dziś stosowana na przykład w diagnostyce medycznej. Sztuczne sieci neuronowe mogą nauczyć się rozpoznawać wspólne wzorce, na przykład na obrazach rentgenowskich. Dzięki temu mogą wspierać lekarzy w wykrywaniu nieprawidłowości. Takie technologie pozwalają między innymi przyspieszyć diagnozowanie nowotworów.

Test na człowieczeństwo

Pierwszy test, czy sztuczna inteligencja sięgnęła inteligencji człowieka, został wymyślony przez wspomnianego powyżej Alana Turinga. Stąd jego nazwa „test Turinga”. Zakłada on, że jeśli jesteśmy w stanie porozmawiać z programem, i nie odróżnić go od człowieka - wtedy aplikacja zda test. To ciekawe, jak historia zatoczyła koło: ojciec sztucznej inteligencji przewidział że z AI będziemy rozmawiać: tak jak z ChatGPT i innymi modelami konwersacyjnymi sieci neuronowych.

Można się pokusić o stwierdzenie, że zdanie testu Turinga jest blisko - mamy coraz większy problem z określeniem, czy rozmawiamy z AI, czy z człowiekiem.

Przy okazji ciekawostka: popularne testy Captcha, które wymagają od nas "zaznaczenia świateł ulicznych na zdjęciach" to też testy Turinga - mają one jedna na celu udowodnienie, że rozmówca jest właśnie człowiekiem, a nie maszyną.

Zima AI vs boom na AI: Przestroga w technologicznym entuzjazmie

Pojęcie "Zimy AI" oferuje historyczną perspektywę na cykliczną naturę postępu technologicznego i oczekiwań społecznych, szczególnie w dziedzinie sztucznej inteligencji. Zima AI odnosi się do okresów, które charakteryzują się znacznym spadkiem entuzjazmu, finansowania i postępu w badaniach nad AI.

Termin ten pojawił się podczas debaty na spotkaniu AAAI w 1984 roku, odzwierciedlając rozczarowanie po przesadnych oczekiwaniach lat 70. Zimy te były wywołane rozczarowaniem po nadmiernie ambitnych prognozach dotyczących AI, które się nie zmaterializowały, prowadząc do poważnych cięć w finansowaniu i zainteresowaniu. Okresy 1974-1980 oraz 1987-2000 to znaczące przykłady, kiedy to niepowodzenia w tłumaczeniu maszynowym i perceptronach prowadziły do powszechnego sceptycyzmu co do wykonalności technologii AI.

To zjawisko podkreśla wagę wyznaczania realistycznych celów i zarządzania oczekiwaniami publicznymi oraz inwestorami w nowo powstających technologiach.

W kontraście, krajobraz sztucznej inteligencji odnotował dramatyczne ożywienie od około 2012 roku, powszechnie nazywane "boomem na AI". Ta odnowiona energia jest w dużej mierze napędzana przez znaczące przełomy w uczeniu maszynowym i sieciach neuronowych, które znalazły zastosowanie w różnorodnych sektorach, w tym opiece zdrowotnej, motoryzacji, finansach i wielu innych. Inwestycje i badania wzrosły, napędzane przez sukcesy w przetwarzaniu języka naturalnego, rozpoznawaniu obrazów i systemach autonomicznych.

Firmy takie jak Google, Amazon, Facebook, Microsoft i Apple, przodują, inwestując miliardy w rozwój AI i przejmowanie startupów, sygnalizując solidne przekonanie co do potencjału tej technologii. Ten boom to nie tylko postęp technologiczny, ale również dogłębne zrozumienie etycznych implikacji AI, zapewniając, że jego integracja ze społeczeństwem jest traktowana z odpowiedzialnością i transparentnością. Mimo obserwowania tego boomu, lekcje z poprzednich zim AI pozostają aktualne, przypominając o potrzebie zrównoważonego i przejrzystego wzrostu w dziedzinie sztucznej inteligencji.

17 wyświetleń0 komentarzy

Ostatnie posty

Zobacz wszystkie

Comments


bottom of page