Uczące się maszyny

Gdy Ninka pyta tatę, ile jest dwa dodać trzy, on wyjaśnia jej operację liczenia na palcach, klockach, potem na liczydłach. Dziewczynka uczy się szybko, że wynik nie zależy od tego, na czym się liczy. Potem w szkole dowie się, że arytmetyka i algebra to operacje na abstraktach i lepiej powierzyć je maszynie. Gdy kiedyś poprosi swój neuronowy komputer o pomoc w podjęciu decyzji o inwestycji swoich pieniędzy, wytrenowana maszyna zasugeruje jej stosowne działanie. Ninka i maszyna będą się czegoś uczyły, lecz czy będzie to ta sama rzecz?

Gdy Ninka pyta tatę, ile jest dwa dodać trzy, on wyjaśnia jej operację liczenia na palcach, klockach, potem na liczydłach. Dziewczynka uczy się szybko, że wynik nie zależy od tego, na czym się liczy. Potem w szkole dowie się, że arytmetyka i algebra to operacje na abstraktach i lepiej powierzyć je maszynie. Gdy kiedyś poprosi swój neuronowy komputer o pomoc w podjęciu decyzji o inwestycji swoich pieniędzy, wytrenowana maszyna zasugeruje jej stosowne działanie. Ninka i maszyna będą się czegoś uczyły, lecz czy będzie to ta sama rzecz?

Każda czynność uczenia się, w znaczeniu pedagogicznym, jest mniej lub bardziej uporządkowanym procesem, w którym wykonuje się określone działania, etapy, zmierzające do celu, jakim jest zdobycie nowej wiedzy czy praktycznej umiejętności. Podobnie jest z nauczaniem - ono jeszcze bardziej musi być uporządkowane i zaplanowane, gdyż jego celem jest nauczenie uczenia się. Uczenie się i nauczanie są z istoty procesami poddającymi się programowaniu, także w informatycznym sensie tego słowa. Oczywiście, nie każda z tych czynności daje się zaprogramować algorytmicznie, gdyż najczęściej są to procedury heurystyczne. Niemniej całość uczenia się i nauczania jest programowalna, powtarzalna. Z cybernetycznego punktu widzenia traktuje się ją jako kompleks procesów komunikowania i sterowania. Nauczyciel i uczeń, każdy na swój sposób, uczestniczą w tej całości, o czym wiedziano intuicyjnie już od zamierzchłych czasów. Grecki ideał paidei zawierał elementy "programistyczne" w postaci sylogistyki Arystotelesa, średniowieczne nauczanie scholastyczne też było rygorystycznie uporządkowane (Tomasz z Akwinu pisał swoje summy ówczesnej wiedzy według stałego schematu), również w czasach nowych pedagogika opracowywała nowe procedury.

Połączenie praktyki i teorii nauczania oraz teorii informacji wpłynęło na powstanie w latach 60. "pedagogiki cybernetycznej", która - analizując materiał empiryczny i doświadczenie pedagogów - wyodrębniła w nauczaniu (i uczeniu) stadia: przekazywania materiału, kontroli opanowanej przez ucznia informacji, korygowania nauczania, jego indywidualizowania. Idea nauczania sterująco-programowanego opiera się na fundamentalnym mechanizmie cybernetycznym sprzężenia zwrotnego - wykorzystywania w bieżącym działaniu układu (w tym przypadku nauczyciela, ucznia) doświadczenia minionego.

Scybernetyzowana pedagogika wprowadziła do nauczania idee "zaprogramowanych podręczników", "zautomatyzowanych książek" i "papierowych maszyn nauczających". Oprócz nich zaczęto także stosować maszyny wspomagające nauczyciela i ucznia, w roli tej najlepiej sprawdziły się komputery osobiste. Prace nad pedagogiką cybernetyczną w zadziwiający sposób zostały jednak nie zauważone czy nie docenione przez badaczy sztucznej inteligencji.

Jak nauczyć maszynę uczenia się?

To, że zaczęto stosować elektroniczne maszyny liczące do wspomagania nauczania i uczenia, wynika z tych samych powodów, dla których używa się ich w badaniach naukowych, zarządzaniu czy telekomunikacji. Komputer w klasie czy w akademickiej sali robi to samo, co w księgowości czy centrum kontroli lotów - przetwarza informację za człowieka, wspomaga jego decyzje, kontroluje, steruje, komunikuje.

A gdyby tak nauczyć komputer samego uczenia się - zastanawiają się teoretycy sztucznej inteligencji. Nie tylko go używać w konkretnych czynnościach, ale tak go skonstruować i zaprogramować, aby zdobywał nową wiedzę, tak jak mądry uczeń, który sam zaczyna po dobrej lekcji kojarzyć pewne rzeczy i poszerza swoją wiedzę, wyuczony czegoś, sam zaczyna myśleć, lepiej nawet niż jego nauczyciel, również tworzy.

Od początku badania nad sztuczną inteligencją koncentrują się na zadaniu budowy uczących się maszyn. Tworzy się nie tylko nowe generacje komputerów, lecz także odmienną ich zasadę działania. Ogólnie mówiąc, chodzi o to, by nowe systemy komputerowe - mając do dyspozycji określoną informację - potrafiły z informacji formułować ogólne pojęcia, wykrywać (poprzez analogie, uogólnienia heurystyczne) nowe związki w bazach danych, tworzyć własne reguły wnioskowania (już nie algorytmicznego) i podejmowania decyzji, modyfikować te reguły w trakcie ich stosowania, a także - co szczególnie ważne - formułować wnioski z tej wiedzy w postaci zrozumiałej dla człowieka, np. w dialogu z nim w języku naturalnym.

Zasady działania maszyn uczących się istnieją - w mniejszym lub większym stopniu - we wszystkich tworzonych systemach ekspertowych, bazach danych, systemach rozumienia języka naturalnego, są realizowane przez sieci neuropodobne, maszyny konekcjonistyczne i inne najnowsze wynalazki sztucznej inteligencji. Mimo różnic systemy opierają się na podobnych zasadach.

Podstawową z nich jest to, że potrafią uzupełniać dane wprowadzone do nich na początku działania poprzez konfigurowanie ich na podstawie podanych przykładów, analogii czy zadanych reguł. Systemy te potrafią (w przeciwieństwie do tradycyjnych baz danych) wykorzystywać informację w sposób niemal twórczy, polegający na analizie semantycznej (nie tylko syntaktycznej) danych, ich kojarzeniu, porównywaniu itp. Dzięki tej umiejętności uczące się maszyny mogą również dokonać kompresji informacji w bazie danych, eliminować ich nadmiar (np. powtórzenia), porządkować je według zadanych lub własnych wypracowanych kryteriów, a także wyciągać logiczne wnioski czy nawet tworzyć prawa w dziedzinie znanej czy przewidywanej wiedzy. Słowem, maszyny takie wykazują, lub co najmniej wydają się wykazywać, sporą samodzielność, zwłaszcza we wnioskowaniu.

Współuczenie się

Czy takie postępowanie wyrafinowanych technicznie maszyn jest uczeniem się? Ludzkie uczenie się opiera się nie tylko na przyswajaniu informacji i jej przetwarzaniu, lecz także sensownym, rozumnym jej spożytkowaniu. Choć mówimy, że "czego się Jaś za młodu nie nauczył, tego Jan nie będzie wiedział", to jednak wiedza Jana to coś więcej niż suma wkutych i zapamiętanych przez Janka informacji ze szkoły aż po uniwersytet. Istotą wiedzy w pełni ludzkiej jest rozumienie i umiejętne przekładanie wiedzy na czyny. Łączy się to ponadto z odpowiedzialnością za zdobytą i wykorzystywaną wiedzę. Oznacza to w praktyce, że człowiek musi odpowiadać zarówno za swoje sukcesy (o tym nikomu zresztą nie trzeba przypominać), jak i za błędy poznawcze, luki w wiedzy, ignorancję, świadome mówienie nieprawdy itp. Bez tej drugiej strony wiedzy nie byłoby zresztą pierwszej - błąd czy niewiedza są bowiem częścią poznania i właściwie poprawione czy zrozumiane są warunkiem postępu poznawczego. Dotyczy to zarówno jednostek, jak i gatunku ludzkiego.

Czy to wszystko może być udziałem maszyn uczących się? Sieci neuronowe (lepiej jest mówić neuropodobne) faktycznie uczą się na przykładach zadanych im jako wzór i rozpoznają potem skutecznie nowe przypadki. Algorytmy genetyczne rzeczywiście rozpoczynają pracę z początkową populacją prawdopodobnych rozwiązań problemu, by następnie rozwinąć (ewoluować) tę populację w kierunku coraz lepszych wersji rozwiązań. Postęp w stosunku do sztywnych algorytmicznych programów i sekwencyjnie działających maszyn z czasów pierwszych odkryć sztucznej inteligencji jest niepodważalny. Mimo to obecne uczące się maszyny nie do końca zasługują na to miano.

Uczyć się to znaczy współdziałać, komunikować się, odpowiadać za zdobytą wiedzę. To również być podmiotem nauczania z czyjejś strony. Miernikiem zdobytej wiedzy, uczenia się, jest z kolei predyspozycja do nauczania, przekazywania wiedzy. Bez umiejętności nauczania nie ma twórczego uczenia się - o tym wie, powinien wiedzieć, każdy odpowiedzialny i krytyczny nauczyciel. Systemy informatyczne, które pretendują do tytułowego nazwania, zasłużą na nie w stopniu adekwatnym do współdziałania z ich programistą i użytkownikiem, w sposób taki, w jakim odbywa się elementarne nauczanie, będące równocześnie uczeniem, i odwrotnie. Gdy przyszła maszyna - niezależnie od rodzaju sprzętu i oprogramowania - zacznie nawiązywać ze swoim użytkownikiem, także drugą maszyną, dialog prowadzący do uzupełniania ich wiedzy, pogłębiania jej rozumienia i odpowiadania za nią, wówczas termin "ucząca się maszyna" przestanie być eufemizmem przydatnym na wyrost. Wtedy trzeba będzie mówić o współuczeniu się ludzi i maszyn odbywającym się na szerokim tle sprzężenia ludzkości i techniki.

Dr Marek Hetmański jest: [email protected]

W celu komercyjnej reprodukcji treści Computerworld należy zakupić licencję. Skontaktuj się z naszym partnerem, YGS Group, pod adresem [email protected]

TOP 200