Kako će prva umjetna opća inteligencija promijeniti društvo: Budućnost umjetne inteligencije P2

Izgradili smo piramide. Naučili smo da koristimo struju. Razumijemo kako se naš svemir formirao nakon Velikog praska (uglavnom). I naravno, kliše primjer, stavili smo čovjeka na Mjesec. Ipak, uprkos svim ovim dostignućima, ljudski mozak ostaje daleko izvan razumevanja moderne nauke i podrazumevano je najkompleksniji objekat u poznatom univerzumu – ili barem našem razumevanju njega.

S obzirom na ovu realnost, ne bi trebalo biti potpuno šokantno da još nismo izgradili umjetnu inteligenciju (AI) na razini ljudi. AI poput Data (Zvjezdane staze), Rachael (Blade Runner) i Davida (Prometej), ili ne-humanoidna AI poput Samanthe (Ona) i TARS (Interstellar), sve su to primjeri sljedeće velike prekretnice u razvoju AI: umjetna opća inteligencija (AGI, ponekad se naziva i HLMI ili mašinska inteligencija na ljudskom nivou). 

Drugim riječima, izazov s kojim se suočavaju istraživači umjetne inteligencije je: Kako možemo izgraditi umjetni um uporediv s našim kada čak nemamo potpuno razumijevanje kako naš vlastiti um funkcionira?

Istražit ćemo ovo pitanje, zajedno s tim kako će se ljudi suprotstaviti budućim AGI-ima, i konačno, kako će se društvo promijeniti dan nakon što prvi AGI bude objavljen svijetu. 

Šta je vještačka opća inteligencija?

Dizajnirajte AI koji može lako pobijediti najbolje rangirane igrače u Chess, Jeopardy i Go (Deep Blue, Watson, I AlphaGO odnosno). Dizajnirajte AI koji vam može pružiti odgovore na bilo koje pitanje, predložiti artikle koje biste možda željeli kupiti ili upravljajte flotom taksija za dijeljenje vožnje - oko njih su izgrađene čitave kompanije vrijedne više milijardi dolara (Google, Amazon, Uber). Čak i veštačka inteligencija koja vas može voziti s jedne strane zemlje na drugu... pa, radimo na tome.

Ali zamolite AI da pročita dječju knjigu i shvati sadržaj, značenje ili moral koju pokušava naučiti, ili zamolite AI da napravi razliku između slike mačke i zebre, i na kraju ćete uzrokovati više od nekoliko kratki spojevi. 

Priroda je provela milione godina razvijajući računarski uređaj (mozak) koji se ističe u obradi, razumijevanju, učenju, a zatim i djelovanju u novim situacijama iu novim okruženjima. Uporedite to sa poslednjih pola veka kompjuterske nauke koja se fokusirala na stvaranje računarskih uređaja koji su bili prilagođeni pojedinačnim zadacima za koje su dizajnirani. 

Drugim rečima, ljudski računar je generalista, dok je veštački kompjuter specijalista.

Cilj stvaranja AGI-a je stvoriti AI koji može razmišljati i učiti više kao čovjek, kroz iskustvo, a ne kroz direktno programiranje.

U stvarnom svijetu, to bi značilo da budući AGI uči kako čitati, pisati i ispričati vic, ili hodati, trčati i voziti bicikl uglavnom samostalno, putem vlastitog iskustva u svijetu (koristeći bilo koje tijelo ili osjetilne organe/uređaje koje mu dajemo), a kroz njegovu vlastitu interakciju drugi AI i drugi ljudi.

Šta će biti potrebno da se izgradi vještačka opća inteligencija

Iako je tehnički teško, stvaranje AGI mora biti moguće. U stvari, postoji duboko ukorenjeno svojstvo u zakonima fizike – univerzalnost računanja – koje u osnovi govori da sve što fizički objekat može da uradi, dovoljno moćan računar opšte namene bi, u principu, trebalo da bude u stanju da kopira/simulira.

Pa ipak, zeznuto je.

Srećom, postoji mnogo pametnih istraživača umjetne inteligencije na ovom slučaju (da ne spominjemo mnoga korporativna, vladina i vojna sredstva koja ih podržavaju), i do sada su identificirali tri ključna sastojka za koje smatraju da ih je potrebno riješiti kako bi AGI u naš svijet.

Veliki podaci. Najčešći pristup razvoju AI uključuje tehniku ​​zvanu duboko učenje – specifičnu vrstu sistema mašinskog učenja koji radi tako što upija ogromne količine podataka, drobi te podatke u mrežu simuliranih neurona (po modelu ljudskog mozga), a zatim koristiti nalaze za programiranje vlastitih uvida. Za više detalja o dubokom učenju, pročitaj ovo.

Na primjer, u 2017, Google je svojoj AI hranio hiljade slika mačaka koje je njegov sistem dubokog učenja koristio da nauči ne samo kako da identifikuje mačku, već i da razlikuje različite rase mačaka. Nedugo zatim, najavili su skoro puštanje na slobodu Google objektiv, nova aplikacija za pretragu koja omogućava korisnicima da slikaju bilo šta, a Google ne samo da će vam reći šta je to, već će vam ponuditi i neke korisne kontekstualne sadržaje koji to opisuju – zgodno kada putujete i želite da saznate više o određenoj turističkoj atrakciji. Ali i ovdje Google Lens ne bi bio moguć bez milijardi slika koje su trenutno navedene u njegovom pretraživaču slika.

Pa ipak, ova kombinacija velikih podataka i dubokog učenja još uvijek nije dovoljna da dovede do AGI.

Bolji algoritmi. Tokom protekle decenije, Googleova podružnica i lider u AI prostoru, DeepMind, napravila je senzaciju kombinujući prednosti dubokog učenja sa učenjem s pojačanjem – komplementarnim pristupom mašinskog učenja koji ima za cilj da nauči AI kako da preduzme akcije u novim okruženjima kako bi postigao postavljeni cilj.

Zahvaljujući ovoj hibridnoj taktici, DeepMindov premijerni AI, AlphaGo, ne samo da je naučio sebe kako igrati AlphaGo preuzimajući pravila i proučavajući strategije majstorskih ljudskih igrača, već je nakon što je igrao protiv sebe milionima puta bio u mogućnosti da pobijedi najbolje AlphaGo igrače koristeći poteze i strategije koje nikada ranije nisu viđene u igri. 

Slično, DeepMindov Atari softverski eksperiment uključivao je davanje AI kamere da vidi tipičan ekran igre, programiranje sa mogućnošću unosa naredbi igre (poput dugmadi na džojstiku) i davanje jedinstvenog cilja da poveća svoj rezultat. Rezultat? Za nekoliko dana naučio je sam kako se igra i kako savladati desetine klasičnih arkadnih igara. 

Ali koliko god da su ovi prvi uspjesi uzbudljivi, ostaju neki ključni izazovi za rješavanje.

Kao prvo, istraživači umjetne inteligencije rade na podučavanju AI triku zvanom 'chunking' u kojem su ljudski i životinjski mozgovi izuzetno dobri. Jednostavno rečeno, kada odlučite da izađete da kupite namirnice, u mogućnosti ste da vizualizujete svoj krajnji cilj (kupovinu avokada) i grubi plan kako biste to uradili (napustite kuću, posetite trgovinu, kupite avokado, vrati se kući). Ono što ne radite je da planirate svaki udah, svaki korak, svaku moguću nepredviđenu situaciju na svom putu do tamo. Umjesto toga, imate koncept (komad) u svom umu gdje želite ići i prilagodite svoje putovanje bilo kojoj situaciji koja se pojavi.

Koliko god vam se činilo uobičajeno, ova sposobnost je jedna od ključnih prednosti koje ljudski mozak još uvijek ima u odnosu na umjetnu inteligenciju – to je prilagodljivost da postavite cilj i slijedite ga bez poznavanja svakog detalja unaprijed i usprkos bilo kakvoj prepreci ili promjeni okoline koju mi mogao naići. Ova vještina bi omogućila AGI-ima da uče efikasnije, bez potrebe za gore navedenim velikim podacima.

Još jedan izazov je sposobnost ne samo čitanja knjige već razumjeti značenje ili kontekst iza toga. Dugoročno, cilj je da AI pročita novinski članak i bude u stanju da tačno odgovori na niz pitanja o tome šta je pročitao, kao da napiše izveštaj o knjizi. Ova sposobnost će transformisati AI iz jednostavnog kalkulatora koji škrtava brojeve u entitet koji škrtava značenje.

Sve u svemu, dalji napredak algoritma za samoučenje koji može oponašati ljudski mozak će igrati ključnu ulogu u konačnom stvaranju AGI, ali pored ovog rada, AI zajednici je potreban i bolji hardver.

Bolji hardver. Koristeći trenutne pristupe objašnjene gore, AGI će postati moguć tek nakon što ozbiljno povećamo računarsku snagu dostupnu za njegovo pokretanje.

Za kontekst, ako uzmemo sposobnost ljudskog mozga da misli i pretvorimo je u računske termine, onda je gruba procjena mentalnog kapaciteta prosječnog čovjeka jedan eksaflop, što je ekvivalentno 1,000 petaflopsa ('Flop' označava operacije s pomičnim zarezom po drugi i mjeri brzinu računanja).

Poređenja radi, do kraja 2018. najmoćniji svjetski superkompjuter, japanski AI most za premošćavanje oblaka brujaće na 130 petaflopsa, daleko manje od jednog eksaflopa.

Kao što je navedeno u našoj superračunari poglavlje u našem Budućnost kompjutera serije, i SAD i Kina rade na izgradnji vlastitih exaflop superračunara do 2022. godine, ali čak i ako budu uspješni, to još uvijek možda neće biti dovoljno.

Ovi superračunari rade na nekoliko desetina megavata snage, zauzimaju nekoliko stotina kvadratnih metara prostora i koštaju nekoliko stotina miliona za izgradnju. Ljudski mozak koristi samo 20 vati snage, stane u lobanju od otprilike 50 cm u obimu, a ima nas sedam milijardi (2018). Drugim rečima, ako želimo da AGI učinimo uobičajenim kao i ljudi, moraćemo da naučimo kako da ih kreiramo mnogo ekonomičnije.

U tom cilju, istraživači veštačke inteligencije počinju da razmatraju napajanje buduće veštačke inteligencije kvantnim kompjuterima. Detaljnije opisano u kvantni računari poglavlju u našoj seriji Budućnost računara, ovi računari rade na fundamentalno drugačiji način od računara koje smo pravili poslednjih pola veka. Jednom usavršen do 2030-ih, jedan kvantni računar će nadmašiti svaki superkompjuter koji trenutno radi u 2018., na globalnom nivou, zajedno. Oni će također biti mnogo manji i trošiti mnogo manje energije od trenutnih superkompjutera. 

Kako bi umjetna opća inteligencija bila superiorna u odnosu na ljudsku?

Pretpostavimo da je svaki gore naveden izazov razjašnjen, da istraživači AI pronalaze uspjeh u stvaranju prvog AGI-ja. Po čemu će se AGI um razlikovati od našeg?

Da bismo odgovorili na ovakvu vrstu pitanja, moramo klasifikovati AGI umove u tri kategorije, one koji žive u telu robota (Podaci iz Zvjezdane staze), oni koji imaju fizički oblik, ali su bežično povezani na internet/oblak (Agent Smith iz The Matrix) i one bez fizičkog oblika koje u potpunosti žive u kompjuteru ili na mreži (Samantha iz igre).

Za početak, AGI unutar robotskog tijela izolovanog od interneta će se takmičiti u rangu s ljudskim umovima, ali s odabranim prednostima:

• Memorija: Ovisno o dizajnu robotske forme AGI-ja, njihovo kratkoročno pamćenje i pamćenje ključnih informacija definitivno će biti superiornije od ljudi. Ali na kraju dana, postoji fizičko ograničenje koliko prostora na tvrdom disku možete spakovati u robota, pod pretpostavkom da ih dizajniramo da izgledaju kao ljudi. Iz tog razloga, dugoročna memorija AGI-a će se ponašati vrlo slično ljudskoj, aktivno zaboravljajući informacije i sjećanja koja se smatraju nepotrebnima za njegovo buduće funkcioniranje (kako bi se oslobodio 'prostor na disku').
• Brzina: performanse neurona u ljudskom mozgu su maksimalne na otprilike 200 herca, dok moderni mikroprocesori rade na nivou gigaherca, dakle milione puta brže od neurona. To znači da će u poređenju sa ljudima, budući AGI obrađivati ​​informacije i donositi odluke brže od ljudi. Imajte na umu, ovo ne znači nužno da će ovaj AGI donositi pametnije ili ispravnije odluke od ljudi, samo da mogu brže doći do zaključaka.
• Performanse: Jednostavno rečeno, ljudski mozak se umori ako radi predugo bez odmora ili spavanja, a kada to učini, njegovo pamćenje i sposobnost učenja i razuma su oštećeni. U međuvremenu, za AGI, pod pretpostavkom da se redovno pune (struja), neće imati tu slabost.
• Mogućnost nadogradnje: Za čovjeka učenje nove navike može potrajati sedmicama prakse, učenje nove vještine može trajati mjesecima, a učenje nove profesije može trajati godinama. Za AGI, oni će imati mogućnost učenja i iskustvom (poput ljudi) i direktnim učitavanjem podataka, slično kao što redovno ažurirate OS vašeg računara. Ova ažuriranja se mogu primijeniti na nadogradnje znanja (nove vještine) ili nadogradnje performansi fizičkog oblika AGI. 

Dalje, pogledajmo AGI koji imaju fizički oblik, ali su također bežično povezani na internet/oblak. Razlike koje možemo uočiti na ovom nivou u poređenju sa nepovezanim AGI uključuju:

• Memorija: Ovi AGI će imati sve kratkoročne prednosti koje ima prethodna AGI klasa, osim što će također imati koristi od savršene dugoročne memorije budući da mogu prenijeti te memorije u oblak da im pristupe kada je to potrebno. Očigledno, ova memorija neće biti dostupna u područjima sa slabom konektivnošću, ali to će postati manje zabrinjavajuće tokom 2020-ih i 2030-ih kada sve veći dio svijeta bude na mreži. Pročitajte više u prvo poglavlje naše Budućnost interneta serija. 
• Brzina: Ovisno o vrsti prepreke s kojom se ovaj AGI suočava, oni mogu pristupiti većoj računarskoj snazi ​​oblaka kako bi im pomogli da je riješe.
• Performanse: Nema razlike u poređenju sa nepovezanim AGI.
• Mogućnost nadogradnje: Jedina razlika između ovog AGI-ja što se odnosi na nadogradnju je u tome što oni mogu pristupiti nadogradnji u realnom vremenu, bežično, umjesto da moraju posjetiti i priključiti se na skladište za nadogradnju.
• Kolektiv: Ljudi su postali dominantna vrsta na Zemlji ne zato što smo bili najveća ili najjača životinja, već zato što smo naučili kako komunicirati i sarađivati ​​na različite načine kako bismo postigli kolektivne ciljeve, od lova na vunastog mamuta do izgradnje Međunarodne svemirske stanice. Tim AGI bi ovu saradnju podigao na viši nivo. S obzirom na sve gore navedene kognitivne prednosti, a zatim ih kombinirati sa mogućnošću bežične komunikacije, kako osobno tako i na velikim udaljenostima, budući AGI tim/košnica um bi se teoretski mogao nositi s projektima daleko efikasnije od tima ljudi. 

Konačno, posljednja vrsta AGI-ja je verzija bez fizičkog oblika, ona koja radi unutar računara i ima pristup punoj računarskoj snazi ​​i online resursima koje mu obezbjeđuju njegovi kreatori. U naučno-fantastičnim emisijama i knjigama, ovi AGI obično imaju oblik stručnih virtuelnih asistenata/prijatelja ili oštrog operativnog sistema svemirskog broda. Ali u poređenju sa druge dve kategorije AGI, ova AI će se razlikovati na sledeće načine;

• Brzina: Neograničena (ili, barem do granica hardvera kojem ima pristup).
• Memorija: Neograničena  
• Performanse: Povećanje kvaliteta donošenja odluka zahvaljujući pristupu superkompjuterskim centrima.
• Mogućnost nadogradnje: Apsolutno, u realnom vremenu, i sa neograničenim izborom kognitivnih nadogradnji. Naravno, budući da ova AGI kategorija nema fizički oblik robota, neće imati potrebu za dostupnim fizičkim nadogradnjama osim ako se te nadogradnje ne odnose na superračunare na kojima radi.
• Kolektiv: Slično prethodnoj AGI kategoriji, ovaj AGI bez tela će efikasno sarađivati ​​sa svojim AGI kolegama. Međutim, s obzirom na njihov direktniji pristup neograničenoj računarskoj moći i pristup online resursima, ovi AGI obično preuzimaju vodeću ulogu u cjelokupnom AGI kolektivu. 

Kada će čovječanstvo stvoriti prvu umjetnu opću inteligenciju?

Nema određenog datuma kada istraživačka zajednica AI vjeruje da će izmisliti legitimni AGI. Međutim, a 2013 istraživanje od 550 vodećih svjetskih istraživača umjetne inteligencije, koje su vodili vodeći istraživači umjetne inteligencije Nick Bostrom i Vincent C. Müller, u prosjeku su izmjerili raspon mišljenja na tri moguće godine:

• Srednja optimistična godina (10% vjerovatnoće): 2022
• Srednja realna godina (50% vjerovatnoće): 2040
• Srednja pesimistična godina (90% vjerovatnoće): 2075 

Koliko su ove prognoze precizne nije bitno. Ono što je bitno je da velika većina istraživačke zajednice AI vjeruje da ćemo izumiti AGI u našim životima i relativno rano u ovom stoljeću. 

Kako će stvaranje vještačke opće inteligencije promijeniti čovječanstvo

Detaljno istražujemo uticaj ove nove veštačke inteligencije u poslednjem poglavlju ove serije. Ipak, za ovo poglavlje ćemo reći da će stvaranje AGI biti vrlo slično društvenoj reakciji koju ćemo iskusiti ako ljudi pronađu život na Marsu. 

Jedan tabor neće shvatiti značaj i nastavit će misliti da naučnici čine veliku stvar oko stvaranja još jednog moćnijeg računara.

Još jedan kamp, ​​koji se vjerovatno sastoji od Ludita i religioznih pojedinaca, plašit će se ovog AGI-ja, misleći da je odvratno što će pokušati istrebiti čovječanstvo na SkyNet stilu. Ovaj kamp će se aktivno zalagati za brisanje/uništenje AGI u svim njihovim oblicima.

Sa druge strane, treći kamp će ovu kreaciju posmatrati kao moderan duhovni događaj. Na sve načine koji su važni, ovaj AGI će biti novi oblik života, onaj koji razmišlja drugačije od nas i čiji su ciljevi drugačiji od naših. Kada se objavi stvaranje AGI-ja, ljudi više neće dijeliti Zemlju samo sa životinjama, već i zajedno s novom klasom umjetnih bića čija je inteligencija jednaka ili superiornija od naše.

Četvrti kamp će uključiti poslovne interese koji će istražiti kako mogu koristiti AGI za rješavanje različitih poslovnih potreba, kao što su popunjavanje praznina na tržištu rada i ubrzavanje razvoja novih roba i usluga.

Zatim, imamo predstavnike sa svih nivoa vlasti koji će se spotaknuti o sebe pokušavajući da smisle kako da regulišu AGI. Ovo je nivo na kojem će sve moralizirajuće i filozofske debate doći do vrha, posebno oko toga da li tretirati ove AGI kao vlasništvo ili kao osobe. 

I na kraju, posljednji kamp bit će vojne i nacionalne sigurnosne agencije. Istina, postoji velika šansa da bi javno objavljivanje prvog AGI-a moglo biti odloženo mjesecima do godinama samo zbog ovog kampa. Zašto? Zato što će izum AGI u kratkom roku dovesti do stvaranja umjetne superinteligencije (ASI), one koja će predstavljati ogromnu geopolitičku prijetnju i priliku koja daleko nadmašuje izum nuklearne bombe. 

Iz tog razloga, sljedećih nekoliko poglavlja će se u potpunosti fokusirati na temu ASI-ja i da li će čovječanstvo preživjeti nakon njihovog izuma.

(Previše dramatičan način da završite poglavlje? Kladite se.)

Future of Artificial Intelligence serijal

Umjetna inteligencija je sutrašnja električna energija: Budućnost umjetne inteligencije P1

Kako ćemo stvoriti prvu umjetnu superinteligenciju: Budućnost umjetne inteligencije P3 

Hoće li umjetna superinteligencija istrijebiti čovječanstvo? Budućnost umjetne inteligencije P4

Kako će se ljudi braniti od umjetne superinteligencije: Budućnost umjetne inteligencije P5

Hoće li ljudi živjeti mirno u budućnosti u kojoj će dominirati umjetna inteligencija? Budućnost umjetne inteligencije P6