Kwestie związane z rozwojem sztucznej inteligencje wywołują ogromne zamieszanie, często prowadząc do wielu nieporozumień. Naukowcy nieustannie spierają się o właściwe metody oceny systemów sztucznej inteligencji i zasadność testu Turinga. Zewsząd słychać ostrzeżenia przed super-inteligentnymi maszynami, które odbiorą ludziom pracę lub, co gorsza, doprowadzą do zagłady całej ludzkości.

Jednocześnie znane i w zasadzie powszechne stosowane są już takie rozwiązania, jak super-inteligentny komputer Watson od IBM, rozwiązanie Deep Learning od Google oparte na sztucznych sieciach neuronowych czy kontrowersyjni asystenci: Siri, Google Now i Cortana. Wszystko to zwiększa prawdopodobieństwo pojawienia się prawdziwie inteligentnych robotów.

Zobacz również:

• Sztuczna inteligencja od Apple wymagać może nowych procesorów
• Tegoroczny Wimbledon będzie komentować AI

Jak w tym piekielnym zgiełku odnaleźć właściwy trop? Przede wszystkim, należy odpowiedzieć sobie na podstawowe pytanie: czym właściwie jest sztuczna inteligencja?

Podręcznikowa definicja

Zacznijmy od początku. Zgodnie ze swoją podręcznikową definicją, sztuczna inteligencja to gałąź informatyki, która ma ułatwiać opracowywanie i rozwój komputerów zdolnych do wykonywania czynności będących zazwyczaj domeną ludzi, szczególnie tych wymagających użycia ludzkiej inteligencji. Pojęcie to zostało ukute przez Johna McCarthy’ego, naukowca z Uniwersytetu Stanforda, w 1956 roku, podczas słynnej już konferencji w Dartmouth poświęconej sztucznej inteligencji.

W oparciu o tę definicję, w zasadzie każdy program komputerowy, który wykonuje czynności wymagające w powszechnym rozumieniu pierwiastka ludzkiej inteligencji, można by uznać za system sztucznej inteligencji. Podstawą takiego założenia nie jest to, jak program wykonuje czynności, lecz to, że w ogóle potrafi je wykonać. W tym względzie sztuczna inteligencja wiąże się zatem z inteligentnymi działaniami, ale wcale nie oznacza to, że inteligencja komputera dorównuje inteligencji człowieka.

Silna, słaba i pośrednia sztuczna inteligencja

Jak wiadomo, ludzie mają różne cele, również przy opracowywaniu systemów sztucznej inteligencji. Zazwyczaj takie systemy dzieli się na trzy grupy, w zależności od ich korelacji z ludzkimi metodami pracy.

Dla niektórych celem pracy nad sztuczną inteligencją jest tworzenie systemów, które myślą dokładnie tak samo, jak ludzie. Inni chcą po prostu wykonywać pracę i nie obchodzi ich to, czy stosowane metody obliczeniowe mają cokolwiek wspólnego z ludzkim rozumowaniem. Są też tacy, którzy znajdują się gdzieś pomiędzy, postrzegając ludzki umysł jako źródło wiedzy i inspiracji, a jego dokładne naśladowanie nie jest ostatecznym celem.

Utarło się, że wszelkie działania mające na celu dokładne odwzorowanie ludzkiego umysłu określa się mianem „silnej sztucznej inteligencji”, a każdy ich wynik służy nie tylko tworzeniu myślących systemów, lecz również objaśnieniu sposobu, w jaki ogólnie myślą ludzie. Dotychczas nie powstał jednak żaden model silnej sztucznej inteligencji ani system, który byłby prawdziwą symulacją ludzkiego rozumowania. Dla naukowców to twardy orzech do zgryzienia. Jeżeli kiedykolwiek uda im się rozwiązać ten problem, będziemy mogli uroczyście wznieść toast za triumf nauki. Będzie to zwieńczenie wszelkich dotychczasowych prac nad sztuczną inteligencją.

Druga grupa to osoby, które wykorzystują rozwiązania sztucznej inteligencji po to, aby zapewnić prawidłowe funkcjonowanie systemów. To tzw. „słaba sztuczna inteligencja”, która opiera się na założeniu, że człowiek jest w stanie tworzyć systemy zachowujące się podobnie do niego, ale wyniki działania tych systemów nie wskazują, w jaki sposób działa ludzki umysł. Jednym z najlepszych przykładów słabej sztucznej inteligencji jest system Deep Blue od IBM – niepokonany w grze w szachy z pewnością nie grał w niej w takim sam sposób, jak robią to ludzie.

Między silną i słabą sztuczną inteligencją jest jeszcze etap pośredni. To trzecia grupa systemów, które powstały w oparciu o wiedzę o ludzkim umyśle lub z inspiracji nim. Na tym etapie odbywa się lwia część najistotniejszych prac nad sztuczną inteligencją. Pośrednia sztuczna inteligencja zakłada, że ludzki umysł służy jako wskazówka w opracowywaniu systemów sztucznej inteligencji, ale celem prac nie jest perfekcyjne odwzorowanie sposobu myślenia człowieka.

Doskonałym przykładem takiego systemu jest super-inteligentny komputer od IBM. Watson gromadzi dowody wyszukane podczas przeglądania tysięcy tekstów i analizuje je, aby uzyskać pewność co do wysuwanych wniosków. Jest połączeniem umiejętności rozpoznawania schematów w tekście z umiejętnością odpowiedniego ważenia dowodów pasujących do zidentyfikowanych schematów. Podstawą opracowania tego komputera jest obserwacja, zgodnie z którą ludzie są w stanie wyciągać wnioski bez twardych i łatwych do zastosowania zasad, w oparciu o gromadzone dowody. Watson, podobnie jak ludzie, jest w stanie dostrzegać powtarzające się schematy, a następnie łączyć ze sobą wszystkie wynikające z nich dowody, nawet te najmniejsze, by uzyskać prawidłową odpowiedź.

Podobny wydźwięk mają prace Google nad rozwiązaniem Deep Learning, które inspirowane są rzeczywistą budową mózgu. Na podstawie zachowania neuronów rozwiązanie Deep Learning uczy się wielowarstwowych kolaży zadań, umożliwiających między innymi rozpoznawania obrazu i mowy. System ten nie działa dokładnie tak, jak mózg, ale jest nim inspirowany.

Aby dane rozwiązanie mogło zostać uznane za przykład sztucznej inteligencji, wcale nie musi ono działać w taki sam sposób, jak ludzki umysł. Wystarczy, że jest inteligentne.

Wyspecjalizowana i ogólna sztuczna inteligencja

Istotne znaczenie ma jeszcze jedno rozróżnienie, mianowicie rozróżnienie między systemami sztucznej inteligencji opracowanymi pod kątem konkretnych zadań (tzw. „wyspecjalizowana sztuczna inteligencja”) i niewielką liczbą systemów stworzonych po to, aby rozumowały samodzielnie w sposób ogólny (tzw. „ogólna sztuczna inteligencja”). Nieznajomość tych różnic prowadzi często do niezrozumienia i nieporozumień. W rezultacie, konkretne wyniki prac w wąskim zakresie są błędnie interpretowane jako odnoszące się do wszystkich aspektów inteligentnego myślenia i zachowania.

Wystarczy spojrzeć na systemy rekomendujące nam różne produkty w oparciu o naszą dotychczasową aktywność, albo systemy uczące się rozpoznawania obrazów w oparciu o udostępnione przykłady, albo systemy podejmujące decyzje w oparciu o syntezę dostępnych danych. Wszystkie takie systemy to praktyczne przykłady wyspecjalizowanej sztucznej inteligencji, które jednak nie radzą sobie we wszystkich zadaniach, jakie stawiamy przed inteligentnymi maszynami. Pewnie nawet byśmy tego nie chcieli. Bo czy świetny system wyszukiwania najbliższej stacji paliw powinien parać się diagnostyką medyczną?

Przed naukowcami kolejny krok polegający na weryfikacji tych rozwiązań pod kątem tego, jak sprawdzają się w różnych zastosowaniach i jak radzą sobie z zadaniami, jakie stawiamy przed inteligentnymi maszynami. Jak takie systemy mają się do rozwijającego się obecnie środowiska sztucznej inteligencji? Jak na siebie oddziałują? Warto śledzić doniesienia na ten temat, bo rewelacji z pewnością nie zabraknie.