Czym jest sztuczna inteligencja (Artifical Intelligence)?

– Tato. A co to jest ta nieprawdziwa inteligencja w komórkach?

– Masz na myśli sztuczną inteligencje Skarbie? – spytałem się Jagody czy dobrze zrozumiałem jej intencje.

– Yhmmm… – kiwnęła głową.

– W tym momencie to są programy, które nam pomagają w codziennym życiu. Na przykład jak robię Ci zdjęcie to aparat wyłapuje Twoją twarz. Albo jak włączam przeglądanie filmów, to pokazują na samej górze Krainę Lodu – uśmiechnąłem się.

Widziałem wiele artykułów z mrożącymi krew w żyłach tytułami jak to sztuczna inteligencja najpierw odbierze wszystkim pracę. A następnie całkowicie wyeliminuje ludzkość. Mi natomiast bardziej odpowiada cytat:

AI is here to remind us how to be a human

Chodzi o to, że sztuczna inteligencja zmienia zwykłe, proste, uciążliwe rzeczy, które ludzie wykonują i pozwala nam (ludziom) zająć się bardziej ludzkimi rzeczami – wymyślaniem, tworzeniem, relacjami. Dzięki sztucznej inteligencji zwiększamy nasze ludzkie możliwości.

Ale czym jest sztuczna inteligencja?

Najprościej mówiąc sztuczna inteligencja (SI) lub z angielskiego Artificial Intelligence (AI) są to systemy lub maszyny naśladujące ludzką inteligencję podczas wykonywania zadań.

Tak rozumiana definicja uznaje niemal każdy program, który wykorzystuje odrobinę wiedzy ludzkiej za przejaw SI. Można tutaj zakwalifikować program mówiący na podstawie imienia jaką osoba ma płeć, albo znacznie bardziej skomplikowane systemy rozpoznające mowę człowieka i z nim rozmawiające.

Sam termin „sztuczna inteligencja” znany jest od 1956 roku, kiedy to pierwszy raz został użyty przez John’a McCarthy na konferencji w Dartmouth. Natomiast głośniej o AI zaczęło być od 2016, gdy program AlphaZero w kilka dni nauczył się gry w GO na poziomie najlepszych graczy na świecie, zaczynając całkowicie „od zera” i nie wykorzystując żadnej wiedzy eksperckiej.

Przykłady sztucznej inteligencji

Przykładów SI nie trzeba szukać daleko. Korzystamy z niej każdego dnia czasami nawet nie mając o tym świadomości:

• Wyszukiwarka google (dopasowanie wyszukiwania, poprawianie literówek)
• Mapa google (optymalizacja dróg, czasu dojazdów)
• Netflix (rekomendacje filmów)
• Spotify (rekomendacje muzyki)
• Uber (dobieranie cen)
• Chatboty (odpisywania na pytania)
• Aparaty w telefonie (rozpoznawanie twarzy)
• Wirtualni asystenci głosowi (rozpoznawanie mowy)
• Systemy eksperckie (zbiory reguł, na podstawie których podejmowana jest decyzja, np. o przyznaniu wysokości kredytu w bankach)

Czym różni się uczenie maszynowe od sztucznej inteligencji?

W poprzednim artykule opisałem czym jest uczenie maszynowe. W rzeczywistości uczenie maszynowe (ML) jest jedną z technik wykorzystywanych w budowaniu systemów sztucznej inteligencji. Jedną z rodzin w uczeniu maszynowym stanowią algorytmy głębokiego uczenia (Deep Learning, DL) inaczej nazywane sieciami neuronowymi. Modele te bardzo często składają się z milionów parametrów (neuronów), dzięki czemu mogą nauczyć się rozwiązywać zagadnienia z skomplikowanych zjawisk jak analiza video, rozpoznawanie ludzkiej mowy czy wyłapywanie anomalii.

Aby lepiej zrozumieć i uporządkować powyższe pojęcia można zwizualizować to w ten sposób:

Powyżej chciałem przede wszystkim pokazać jak wygląda różnica między uczeniem maszynowym a sztuczną inteligencją. Pamiętajcie, że pod AI można podpiąć mnóstwo elementów, które się nawzajem przenikają : ) :

Jakie są rodzaje sztucznej inteligencji?

Najczęściej mówimy o słabym AI (Weak AI lub Narrow AI), która już dzisiaj potrafi rozwiązać konkretne, z góry określone problemy w sposób zbliżony do tego, w jaki podszedłby do nich człowiek.

Natomiast zmierzamy w kierunku silnego AI (General AI lub AGI), która w niczym nie ustępowałaby inteligencji ludzkiej. Głównymi siłami napędowymi są niewątpliwie ogromne zbiory dostępnych danych oraz coraz większa moc obliczeniowa komputerów, a także nowe algorytmy potrafiące te zasoby wykorzystać. 

Jakie są słabości uczenia maszynowego i sztucznej inteligencji?

Bardzo często wiele osób uważa, że sztuczna inteligencja jest magiczną różdżką, które pomoże rozwiązać każdy problem biznesowy. W rzeczywistości tak nie jest i warto mieć na uwadze kilka ważnych ograniczeń, które występują dla uczenia maszynowego oraz sztucznej inteligencji.

1. Potrzeba mnóstwa danych

Pierwszym główną słabością jest potrzeba mnóstwa danych by rozwiązać jakiś problem. Często w biznesie jest wiele problemów, gdzie nie ma aż tylu danych np. rzadkie choroby, wyłudzenia kredytu z nielegalnym dowodem itp.

Przy aktualnych algorytmach i dostępnej mocy obliczeniowej nie ma problemu by na domowym laptopie stworzyć i wytrenować model w zakresie np. diagnozy zapalenia płuc na podstawie 10.000 zdjęć jeśli tylko mamy taki zbiór prawidłowo opisany.

Natomiast niemożliwe jest rozpoznanie diagnozy zapalenia płuc na podstawie tylko 10 zdjęć z podręcznika medycznego z rozdziału o zapaleniu płuc. Będzie to możliwe dopiero w przyszłości, gdy maszyny będą też już posiadały intuicję.

2. Stronnicze AI przez stronnicze (ang. bias) dane 

Moim zdaniem ten problem to największe zagrożenie. Jak mówi słynne powiedzenie:

Trash in – trash out

Warto tutaj też wspomnieć o jednym z pierwszych eksperymentów Microsoft. Stworzył bota o imieniu Tay i pozwolił mu rozmawiać na Tweeterze. Bot został wyuczony na podstawie tweetów z internetu. Niestety sporo jest nienawiści, zatem na podstawie tych danych bot nauczył się nienawiści i zaczął naśladować zachowania Hitlera lub Trumpa.

Zatem zawsze pamiętajcie by być pewni wszystkich danych, które dajecie podczas trenowania modeli!

3. Atak przeciwnika na AI (ang. Adversarial attacks)

W dobie, gdy mamy jeszcze słabe AI to bardzo łatwo można je oszukać. Maszyny nie mają jeszcze intuicji jak człowiek i czasami wystarczy mała zmiana w danych by model całkowicie nie wiedział co zrobić.

Dla przykładu okazało się, że wystarczy powiesić sobie zdjęcie, by algorytmy nie były w stanie rozpoznać człowieka:

Również ciekawy eksperyment macie przedstawiony tutaj:

Natomiast to co budzi największy mój niepokój to to, że w bardzo prosty sposób można wpłynąć na wyniki modelu. Gdyby ktoś miał złe intencje to wystarczy naklejka na znak STOP by np. auto nie rozpoznało znaku. Albo dodanie specyficznego szumu losowego by model zwrócił całkiem inny wynik zmieniający wynik diagnozy:

Podsumowanie

Mam nadzieję, że teraz pojęcia uczenia maszynowego, sztucznej inteligencji i głębokiego uczenia są dla Was znacznie prostsze i jaśniejsze.

Na koniec chciałem Was zostawić z jedną myślą – rewolucja AI już się zaczęła i nikt nie ma co do tego wątpliwości. Tak jak powiedział Andew:

Jestem przekonany, że kiedy w 1831 roku Michael Faraday odkrył zjawisko indukcji elektromagnetycznej to żaden umysł na świecie nie był w stanie przewidzieć, jak będziemy wykorzystywać prąd w 2020 roku i że od niego będzie zależało nasze życie. Tak samo jest z AI. Jesteśmy na samym początku tej drogi i nikt nie jest w stanie przewidzieć jak to będzie wyglądać w przyszłości. Jedynie o czym warto pamiętać to to, aby zachować zdrowy rozsądek przy jego rozwoju.

Pozdrawiam serdecznie!

Photo by Franck V. on Unsplash