Έρχονται τα υπερμυαλά AI

Κάθε τόσο η τεχνολογία προχωρά με άλματα και όρια με τρόπους που μας εκπλήσσουν όλους. Η Τεχνητή Νοημοσύνη (AI) θεωρείται εδώ και πολύ καιρό είτε ως περιορισμένη χρήση στην καθημερινή μας ζωή είτε ως κάποιο μακρινό όραμα επιστημονικής φαντασίας για το μέλλον. Ωστόσο, σχεδόν κρυφά μεταξύ μας, συμβαίνει μια επανάσταση στη νοημοσύνη των μηχανών που είναι έτοιμη να αλλάξει τον κόσμο μας όπως τον ξέρουμε. Εδώ θα ρίξουμε μια ματιά σε μια νέα αυγή των υπερ-μυαλών της τεχνητής νοημοσύνης και γιατί καθοδηγείται από τη νευροεπιστήμη να κάνει με τον τρόπο που λειτουργεί ο δικός μας εγκέφαλος.

Το Παραδοσιακό Παράδειγμα AI

Η συμβατική προσέγγιση των υπολογιστών παρέμεινε ουσιαστικά η ίδια από τότε που ο Άλαν Τούρινγκ ανέπτυξε για πρώτη φορά μηχανές για να βοηθήσουν στο σπάσιμο του κώδικα Enigma στον Β' Παγκόσμιο Πόλεμο. Αυτό περιλαμβάνει τη σύνταξη ενός υπολογιστικού σεναρίου ή ενός συνόλου κανόνων συμπεριφοράς, γνωστού ως αλγόριθμος, και στη συνέχεια συμπιέζοντας σειριακά έναν υπολογισμό κάθε φορά. Αν και η υπολογιστική ισχύς έχει αυξηθεί εκθετικά, ακολουθώντας τον περίφημο Νόμο του Μουρ , η μεθοδολογία πίσω από την υπολογιστική παρέμεινε αμετάβλητη για τους περισσότερους. Η κύρια διαφορά στις μέρες μας είναι ότι οι υπολογιστές είναι πολύ πιο γρήγοροι στα σημεία σπασίματος δεδομένων λόγω ανώτερου υλικού. Πάρτε για παράδειγμα ένα σύγχρονο smartphone, ο επεξεργαστής του συμπιέζει κυριολεκτικά δισεκατομμύρια τρανζίστορ σε ένα μικροσκοπικό τσιπ.

Brawn Over Brains

Από την άποψη της τεχνητής νοημοσύνης, αυτό έχει τροφοδοτήσει μια αύξηση σε αυτό που είναι γνωστό ως υπολογισμός ωμής δύναμης – εφόσον ένας προγραμματιστής γράφει το σωστό είδος αλγορίθμων, οι υπολογιστές μπορούν να αντιμετωπίσουν μεγάλα προβλήματα μόνο με την απόλυτη ταχύτητα και τον αριθμό των υπολογισμών που μπορούν να εκτελέσουν. Το πιο διάσημο αυτό οδήγησε στην ήττα του μακροχρόνιου παγκόσμιου πρωταθλητή σκακιού Gary Kasporov από τον Deep Blue της IBM . Αν και τέτοια επιτεύγματα είναι εντυπωσιακά, υπάρχει εδώ και πολύ καιρό σκεπτικισμός για το πόσο χρήσιμος είναι αυτός ο τύπος νοημοσύνης μηχανών. Ονομάζεται στενό ή αδύναμο AI για κάποιο λόγο, είναι γενικά χρήσιμο μόνο για την αντιμετώπιση πολύ συγκεκριμένων προβλημάτων που βασικά δεν μεταφράζονται στην πολυπλοκότητα του πραγματικού κόσμου. Αυτό αφήνει ελάχιστη ή καθόλου ελπίδα για μίμηση του τύπου δημιουργικής νοημοσύνης που διαθέτει η ανθρώπινη συνείδηση.

Ένα άλλο παράδειγμα είναι Deep Mind που δημιούργησε το Alpha Go , το AI που αναπτύχθηκε για να αντιμετωπίσει το διαβολικά πολύπλοκο παιχνίδι «Go». Σε αυτό το παιχνίδι, οι τεχνικές ωμής βίας δεν λειτουργούν καλά, ενώ οι άνθρωποι υπερέχουν μέσω της χρήσης της διαίσθησης. Παρόλο που το Alpha Go κατάφερε να νικήσει τον παγκόσμιο πρωταθλητή Lee Sedol , το κατάφερε τροφοδοτώντας τεράστιες ποσότητες παιχνιδιών από κορυφαίους παίκτες Go, αντιγράφοντας και συνδυάζοντας τις στρατηγικές τους και στη συνέχεια εκτελώντας κινήσεις χωρίς λάθη. Ναι, ήταν επιτυχής, αλλά στο μεγαλύτερο σχέδιο προόδου της τεχνητής νοημοσύνης, το Alpha Go περιορίζεται ουσιαστικά από τη γνώση που έχουν καταλάβει οι άνθρωποι, με ελάχιστες προοπτικές να προχωρήσει περαιτέρω.

Το Νέο Παράδειγμα AI

Αν και λίγοι άνθρωποι το γνωρίζουν, η τεχνητή νοημοσύνη έχει περάσει μια επανάσταση τα τελευταία χρόνια υιοθετώντας μια εντελώς νέα και καινοτόμο προσέγγιση στον υπολογιστή που στην πραγματικότητα μιμείται τον τρόπο με τον οποίο ο εγκέφαλός μας επιλύει προβλήματα. Αντί να ακολουθούμε μια αλγοριθμική προσέγγιση βασισμένη σε κανόνες, μια νέα μέθοδος που ονομάζεται «deep learning» έχει κάνει ένα τεράστιο άλμα στην εξέλιξη για να δημιουργήσει μια νέα μορφή γενικής τεχνητής νοημοσύνης που κυριολεκτικά δεν χρειάζεται να του λένε τι να κάνει. Αντίθετα, ξεκινά σχεδόν σαν ένα νεογέννητο μωρό και από μια κενή πλάκα αντιμετωπίζει προβλήματα μαθαίνοντας για τον κόσμο του μέσω πειραμάτων σε πειράματα. Στη συνέχεια, σε κάθε βήμα δημιουργεί τις δικές του εγγενώς νέες συμπεριφορές με βάση αυτό που θεωρεί ότι είναι η καλύτερη λύση.

Αυτό έδωσε τη γένεση στο Alpha Go Zero - μηδέν που σημαίνει ξεκινώντας από το τίποτα εκτός από τους απλούς κανόνες του παιχνιδιού. Αυτή η φαινομενικά αβλαβής αλλαγή στο όνομα αντιπροσωπεύει μια τεχνητή νοημοσύνη που έχει επαναπροσδιορίσει τι είναι ικανοί οι υπολογιστές.

Ανεξάρτητη Μάθηση

Το Alpha Go Zero αρχίζει να παίζει το Go κόντρα στον εαυτό του, να πειραματίζεται με ό,τι λειτούργησε και τι δεν λειτούργησε, να τελειοποιήσει και μετά να παίξει ξανά. Σε μόλις 3 ημέρες και με εκπληκτικό τρόπο, χρησιμοποίησε ό,τι είχε μάθει για να νικήσει την έκδοση του Alpha Go που νίκησε τον Lee Sedol. Ωστόσο, δεν σταμάτησε εκεί, και συνέχισε να κέρδισε την πιο εξελιγμένη έκδοση του Alpha Go (Master), κερδίζοντας 100 παιχνίδια 0. Αυτό που είναι πραγματικά εντυπωσιακό, είναι ότι δεν κατασκευάστηκε ειδικά για να παίζει Go – απλά φαινόταν να του αρέσει το.

Τότε λοιπόν του δόθηκε σκάκι για να παίξει. Σε μόλις 4 ώρες αυτοεξάσκησης έγινε αρκετά καλό για να κατακτήσει τον σημερινό παγκόσμιο πρωταθλητή σκακιού με τεχνητή νοημοσύνη.

Το έκανε με τρόπους που άφησαν άναυδους τους ειδικούς στο σκάκι. Αυτό οφείλεται στο γεγονός ότι δημιούργησε νέες στρατηγικές που κανείς δεν είχε δει ποτέ παρόμοιες. Αυτό περιελάμβανε συνδυασμούς καινοτόμων τακτικών όπως η θυσία μιας βασίλισσας για να αποκτήσει πλεονέκτημα θέσης και η επίθεση με το βασικό της κομμάτι. Οι ειδικοί το ονόμασαν « εξωγήινο σκάκι » ή «σκάκι τρελό επιτιθέμενο». Το πρόσφατα ανακαλυφθέν στυλ παιχνιδιού του Alpha Go Zero άλλαξε τον τρόπο που οι άνθρωποι αντιλαμβάνονται πραγματικά το ίδιο το παιχνίδι.

Βαθιά νευρωνικά δίκτυα

Πώς δημιουργείται λοιπόν αυτό το είδος δημιουργικής και αυτομαθησιακής νοημοσύνης και πώς σχετίζεται με τον ανθρώπινο εγκέφαλο; Λοιπόν, πρόκειται πραγματικά για ποιοτικούς και όχι ποσοτικούς υπολογισμούς. Το ανθρώπινο μυαλό είναι αυτό που είναι γνωστό ως ένα πολύπλοκο σύστημα , από το οποίο η νοημοσύνη και η συνείδηση ​​αναδύονται από τις συλλογικές αλληλεπιδράσεις δισεκατομμυρίων νευρώνων που μιλούν μεταξύ τους. Οι προσπάθειες για την κατανόηση του πώς λειτουργεί πραγματικά περιλαμβάνουν Θεωρία Πολυπλοκότητας ή Θεωρία Συστημάτων . Αυτό είναι τελικά για την ιδέα ότι το σύνολο είναι κάτι περισσότερο από το άθροισμα των μερών. Για παράδειγμα, ένας μεμονωμένος νευρώνας έχει μηδενική νοημοσύνη, επομένως η κλασική αναγωγική προσέγγιση της επιστημονικής προόδου δεν το περιορίζει πραγματικά όσον αφορά τον τρόπο λειτουργίας του εγκεφάλου συνολικά.

Οι άνθρωποι, ως επί το πλείστον, δεν είναι χτισμένοι με ένα προκαθορισμένο σύνολο κανόνων πώς να συμπεριφέρονται. Αντίθετα, βιώνουμε τον κόσμο, μαθαίνουμε και μετά προσαρμοζόμαστε. Αυτό γίνεται κυρίως μέσω του νεοφλοιού, ο οποίος χρησιμοποιεί μη γραμμική, μη αλγοριθμική επεξεργασία για να βρει λύσεις για βέλτιστες συμπεριφορές. Αυτές οι νέες ανακαλύψεις μπορούν στη συνέχεια να κωδικοποιηθούν και να γίνουν αυτόματες συμπεριφορές, που εκτελούνται χωρίς να σκέφτεστε πραγματικά - φανταστείτε κάποιον να σκάει ένα μπαλόνι δίπλα σας.

Η νέα επανάσταση στην τεχνητή νοημοσύνη υιοθετεί μια απίστευτα παρόμοια προσέγγιση, όπου η μάθηση αναδύεται μέσω των Deep Neural Networks , λειτουργώντας πολύ με τον ίδιο τρόπο που λειτουργεί ο νεοφλοιός μας. Αντί να επεξεργάζονται σειριακά πληροφορίες ένα σημείο δεδομένων τη φορά, οι υπολογισμοί εκτελούνται παράλληλα και μέσω σχεδόν οργανικών αλληλεπιδράσεων. Αυτή η μέθοδος χρησιμοποιεί πολύ λιγότερους υπολογιστικούς πόρους από τα παραδοσιακά AI, αλλά επιτυγχάνει πολύ ευρύτερα επίπεδα νοημοσύνης. Το πιο σημαντικό, δεν υπάρχει καμία εργασία προγραμματισμού μόλις δημιουργηθεί - είναι απλώς μια περίπτωση παρουσίασης των προβλημάτων τεχνητής νοημοσύνης προς επίλυση.

Παραδόξως, και όπως και ο εγκέφαλος, το πώς η βαθιά μάθηση συμβαίνει στην πραγματικότητα σε ένα θεμελιώδες επίπεδο, εξακολουθεί να είναι ένα μυστήριο.

Πέρα από επιτραπέζια παιχνίδια

Αν και συναρπαστικές είναι αυτές οι εξελίξεις, το τελικό ερώτημα είναι εάν αυτή η νέα μορφή τεχνητής νοημοσύνης θα αντιμετωπίσει τα προβλήματα του πραγματικού κόσμου; Εξάλλου, δεν υπάρχει πολύ πρακτική χρήση σε υπολογιστές που παίζουν απλώς επιτραπέζια παιχνίδια όλη την ώρα.

Η απάντηση είναι ναι. Τα αυτοοδηγούμενα αυτοκίνητα και οι μηχανές εκμάθησης ομιλίας της Google είναι πρόχειρα παραδείγματα εφαρμογών που αναπτύσσονται σήμερα, αλλά αναμένετε ότι αυτή θα είναι η κορυφή του παγόβουνου. Εταιρικοί γίγαντες όπως η Google, η Amazon και το Facebook επενδύουν τεράστιους πόρους για την ανάπτυξη τεχνητής νοημοσύνης βαθιάς μάθησης ως βασικό χαρακτηριστικό στην καρδιά των επιχειρήσεών τους. Υπάρχει επίσης η δελεαστική προοπτική για μια σημαντική ανακάλυψη στον κβαντικό υπολογισμό, η οποία υπόσχεται μια τεράστια αύξηση της υπολογιστικής ισχύος.

Από την άλλη πλευρά, η νέα δυναμική στην τεχνητή νοημοσύνη πυροδοτεί ένα νέο και σοβαρό επίπεδο ανησυχίας ότι η τεχνητή νοημοσύνη μπορεί όχι μόνο να μας αντικαταστήσει, αλλά να γίνει δυνητικά υπαρξιακή απειλή για την ανθρωπότητα. Ακόμη και άνθρωποι όπως ο Έλον Μασκ και ο αείμνηστος αλλά σπουδαίος Στίβεν Χόκινγκ έχουν δώσει δημόσιες προειδοποιήσεις για το πόσο αληθινή είναι μια τέτοια απειλή.

Όπως είδαμε με το Alpha Go Zero, τα αποτελέσματα αυτής της εξέλιξης επόμενου επιπέδου στη νοημοσύνη μηχανών πιθανότατα θα μας εκπλήξουν, αλλά ένα είναι σίγουρο - έρχονται υπερ-μυαλά AI και θα αλλάξουν τη ζωή όπως την ξέρουμε.

Αν σας έχει κινήσει η περιέργεια για τη νευροεπιστήμη του εγκεφάλου, τότε γιατί να μην ελέγξετε αυτά τα ιστολόγια;

5 λόγοι για τους οποίους η νευροεπιστήμη είναι εκπληκτική

Η αξιοσημείωτη νευροπλαστικότητα του εγκεφάλου σας

‍