De term "kunstmatige intelligentie" verwijst vaak naar neurale netwerken die zijn gebouwd op diepgaande machine learning-technologieën. Bovendien is de technologie voor het trainen van neurale netwerken goed ontwikkeld en werpt deze zijn vruchten af. Niet alle wetenschappers delen echter de mening dat kunstmatige intelligentie zich langs deze weg zou moeten ontwikkelen. Iemand is zelfs van mening dat dergelijke systemen "niet vertrouwd mogen worden" en dat hun ontwikkeling niet tot iets goeds zal leiden.
Kunstmatige intelligentie in de moderne zin - dit is helemaal niet wat velen denken.
Waarom machine learning slecht is voor de menselijke ontwikkeling
In een grootschalig werk dat op de pagina's van Technologyreview werd gepubliceerd, sprak een professor aan de New York University, een expert op het gebied van cognitieve wetenschap (de wetenschap van cognitie) Gary Marcus over de risico's van het wijdverbreide gebruik van neurale netwerken op basis van deep machine learning.
Ten eerste gelooft de wetenschapper dat de technologie duidelijke beperkingen heeft. In het bijzonder wordt er al lang gesproken over de noodzaak om een zogenaamde "echte AI" te creëren, die geschikt is om een breed scala aan problemen op te lossen, en niet slechts één specifieke, zoals nu gebeurt. De bestaande AI-systemen hebben de piek van hun ontwikkeling al bereikt en ze kunnen praktisch "nergens groeien". Bovendien kun je niet zomaar een AI nemen en, laten we zeggen, eerst een AI leren autorijden, en een ander dwingen om het te repareren en vervolgens de systemen combineren om een universele assistent te creëren. Kunstmatige intelligenties zullen eenvoudigweg niet in staat zijn tot interactie, omdat ze 'op verschillende manieren hebben geleerd'.
Hoe AI slimmer te maken
Promotie video:
Om algoritmen efficiënter te laten worden, moeten ze "anders worden getraind". Het is nodig om ze de relatie tussen objecten en de gevolgen van interactie ermee te laten zien. In dit geval zullen we als beste voorbeeld dienen.
Professor Gary Marcus.
Bovendien is het aanbod van Marcus helemaal niet nieuw. Het hierboven beschreven voorbeeld is hoe wetenschappers zich 'klassieke AI' voorstelden. Maar om een dergelijke AI effectief te laten werken, moeten we alle mogelijke uitkomsten van tevoren programmeren. En dit is bijna onrealistisch. Maar er is een uitweg.
De oplossing kan een soort symbiose zijn van "klassieke AI", die relaties ziet en oplossingen verkrijgt op een begrijpelijke manier, en diep leren, dat in staat is om een oplossing te vinden door middel van "vallen en opstaan". Het kan een soort basissysteem zijn van regels en voorschriften met betrekking tot de omringende wereld. Op basis daarvan kunnen AI-systemen zich al op een bepaald gebied ontwikkelen. Echte kunstmatige intelligentie moet begrijpen hoe alles werkt om oorzaak-gevolgrelaties te begrijpen en gemakkelijk van de ene taak naar de andere over te schakelen. Moderne systemen die zijn gebouwd met behulp van deep learning-technologie zijn hier simpelweg niet toe in staat.
Vladimir Kuznetsov
