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

Gradili smo piramide. Naučili smo koristiti struju. Razumijemo kako je naš svemir nastao nakon Velikog praska (uglavnom). I naravno, klišejski primjer, poslali smo čovjeka na Mjesec. Ipak, usprkos svim tim postignućima, ljudski mozak ostaje daleko izvan razumijevanja moderne znanosti te je, prema zadanim postavkama, najsloženiji objekt u poznatom svemiru - ili barem u našem razumijevanju toga.

S obzirom na ovu stvarnost, ne bi trebalo biti šokantno što još nismo izgradili umjetnu inteligenciju (AI) na razini ljudske. AI kao što su Data (Zvjezdane staze), Rachael (Blade Runner) i David (Prometej) ili nehumanoidni AI kao što su Samantha (Ona) i TARS (Interstellar), sve su to primjeri sljedeće velike prekretnice u razvoju AI: umjetna opća inteligencija (AGI, ponekad se također naziva HLMI ili ljudska razina strojne inteligencije). 

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

Istražit ćemo ovo pitanje, zajedno s načinom na koji će se ljudi suprotstaviti budućim AGI-ima i konačno, kako će se društvo promijeniti dan nakon što se svijetu objavi prvi AGI. 

Što je umjetna opća inteligencija?

Osmislite AI koji može lako pobijediti najbolje rangirane igrače u šahu, jeopardyju i gou (Deep Blue, Watsoni AlphaGO odnosno). Dizajnirajte umjetnu inteligenciju koja vam može ponuditi odgovore na bilo koje pitanje, predložiti artikle koje biste možda željeli kupiti ili upravljati flotom taksija za dijeljenje vožnje – cijele kompanije vrijedne više milijardi dolara izgrađene su oko njih (Google, Amazon, Uber). Čak i umjetna inteligencija koja vas može voziti s jednog kraja zemlje na drugi ... pa, radimo na tome.

Ali zamolite umjetnu inteligenciju da pročita dječju knjigu i shvati sadržaj, značenje ili moral koji pokušava poučiti, ili zamolite umjetnu inteligenciju da razlikuje sliku mačke i zebre, i na kraju ćete uzrokovati više od nekoliko kratki spojevi. 

Priroda je provela milijune godina razvijajući računalni uređaj (mozgove) koji se ističe u obradi, razumijevanju, učenju, a zatim i djelovanju u novim situacijama i unutar novih okruženja. Usporedite to s posljednjih pola stoljeća računalne znanosti koja se usredotočila na stvaranje računalnih uređaja koji su bili skrojeni za pojedinačne zadatke za koje su dizajnirani. 

Drugim riječima, čovjek-računalo je generalist, dok je umjetno računalo specijalist.

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

U stvarnom svijetu, to bi značilo da budući AGI uči čitati, pisati i ispričati vic, ili hodati, trčati i voziti bicikl uglavnom samostalno, putem vlastitog iskustva u svijetu (koristeći bilo koje tijelo ili osjetilni organi/uređaji koje mu dajemo), a kroz vlastitu interakciju drugu umjetnu inteligenciju i druge ljude.

Što će biti potrebno za izgradnju opće umjetne inteligencije

Iako je tehnički teško, stvaranje AGI mora biti moguće. Ako činjenica, postoji duboko ukorijenjeno svojstvo unutar zakona fizike—univerzalnost računanja—koje u osnovi kaže da bi sve što fizički objekt može učiniti dovoljno snažno računalo opće namjene trebalo, u načelu, moći kopirati/simulirati.

Pa ipak, škakljivo je.

Srećom, postoji mnogo pametnih istraživača umjetne inteligencije na slučaju (da ne spominjemo puno korporativnih, državnih i vojnih sredstava koja ih podupiru), a do sada su identificirali tri ključna sastojka za koja smatraju da ih je potrebno riješiti kako bi se donijelo AGI u naš svijet.

Big podataka. Najčešći pristup razvoju umjetne inteligencije uključuje tehniku ​​zvanu dubinsko učenje - specifičnu vrstu sustava strojnog učenja koji radi tako što skuplja goleme količine podataka, drobi te podatke u mreži simuliranih neurona (po uzoru na ljudski mozak), a zatim koristiti nalaze za programiranje vlastitih uvida. Za više detalja o dubokom učenju, pročitajte ovo.

Na primjer, u 2017, Google je svojoj umjetnoj inteligenciji dao tisuće slika mačaka koje je njegov sustav dubokog učenja koristio kako bi naučio ne samo kako identificirati mačku, već i razlikovati različite pasmine mačaka. Nedugo zatim, najavili su skoro puštanje Google objektiva, nova aplikacija za pretraživanje koja korisnicima omogućuje fotografiranje bilo čega, a Google vam neće samo reći što je to, već će vam ponuditi i koristan kontekstualni sadržaj koji to opisuje—praktično kada putujete i želite saznati više o određenoj turističkoj atrakciji. Ali ni ovdje Google Lens ne bi bio moguć bez milijardi slika koje su trenutno navedene u njegovoj tražilici slika.

Pa ipak, ova kombinacija velikih podataka i dubokog učenja još uvijek nije dovoljna za postizanje AGI-ja.

Bolji algoritmi. Tijekom proteklog desetljeća, Googleova podružnica i lider u području umjetne inteligencije, DeepMind, izazvala je senzaciju kombinirajući prednosti dubokog učenja s učenjem s pojačanjem — besplatnim pristupom strojnog učenja koji ima za cilj naučiti AI kako da poduzme radnje u novim okruženjima kako bi postigao postavljeni cilj.

Zahvaljujući ovoj hibridnoj taktici, DeepMindova premijerna umjetna inteligencija, AlphaGo, ne samo da je naučila kako igrati AlphaGo preuzimanjem pravila i proučavanjem strategija vrhunskih ljudskih igrača, već je nakon što je igrala protiv sebe milijune puta uspjela pobijediti najbolje AlphaGo igrače koristeći poteze i strategije koje nikada prije nisu viđene u igri. 

Isto tako, DeepMindov softverski eksperiment Atari uključivao je davanje AI kamere da vidi tipičan zaslon igre, programiranje s mogućnošću unosa naredbi igre (poput gumba joysticka) i davanje jedinstvenog cilja da poveća svoj rezultat. Rezultat? U roku od nekoliko dana, sam je naučio kako igrati i kako svladati desetke klasičnih arkadnih igara. 

Ali koliko god ovi rani uspjesi bili uzbudljivi, još uvijek postoje neki ključni izazovi koje treba riješiti.

Kao prvo, istraživači umjetne inteligencije rade na podučavanju umjetne inteligencije triku koji se zove 'chunking' u kojem su ljudski i životinjski mozgovi iznimno dobri. Pojednostavljeno rečeno, kada odlučite otići van kupiti namirnice, možete vizualizirati svoj krajnji cilj (kupnja avokada) i okvirni plan kako biste to učinili (napustite kuću, posjetite trgovinu, kupite avokado, povratak kući). Ono što ne činite je planirati svaki udah, svaki korak, svaku moguću nepredviđenu situaciju na svom putu do tamo. Umjesto toga, u svom umu imate koncept (dijel) kamo želite ići i prilagodite svoje putovanje svakoj situaciji koja se pojavi.

Koliko god vam se to činilo uobičajenim, ova je sposobnost jedna od ključnih prednosti koje ljudski mozgovi još uvijek imaju u odnosu na umjetnu inteligenciju — to je sposobnost prilagođavanja postavljanja cilja i ostvarivanja cilja bez da unaprijed znamo svaki detalj i usprkos svim preprekama ili promjenama u okruženju mogli naići. Ova bi vještina omogućila AGI-ima da uče učinkovitije, bez potrebe za gore spomenutim velikim podacima.

Još jedan izazov je sposobnost ne samo čitanja knjige, već razumjeti značenje ili kontekst iza toga. Dugoročno gledano, ovdje je cilj da umjetna inteligencija pročita novinski članak i bude sposobna točno odgovoriti na niz pitanja o onome što je pročitala, poput pisanja izvješća o knjizi. Ova će sposobnost transformirati AI iz jednostavnog kalkulatora koji drobi brojeve u entitet koji drobi značenje.

Sveukupno, daljnji napredak algoritma za samoučenje koji može oponašati ljudski mozak igrat će ključnu ulogu u konačnom stvaranju AGI-ja, ali uz ovaj rad, AI zajednica također treba bolji hardver.

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

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

Usporedbe radi, do kraja 2018. godine najjače superračunalo na svijetu, japansko AI Bridging Cloud zujat će brzinom od 130 petaflopa, daleko manje od jednog egzaflopa.

Kao što je navedeno u našem superračunala poglavlje u našem Budućnost računala serije, i SAD i Kina rade na izradi vlastitih exaflop superračunala do 2022., ali čak i ako budu uspješni, to možda neće biti dovoljno.

Ova superračunala rade na nekoliko desetaka megavata snage, zauzimaju nekoliko stotina četvornih metara prostora, a njihova izgradnja košta nekoliko stotina milijuna kuna. Ljudski mozak koristi samo 20 vata energije, stane u lubanju opsega otprilike 50 cm, a ima nas sedam milijardi (2018.). Drugim riječima, ako želimo učiniti AGI tako uobičajenim poput ljudi, morat ćemo naučiti kako ih stvoriti mnogo ekonomičnije.

U tu svrhu, istraživači umjetne inteligencije počinju razmatrati napajanje budućih AI-ja kvantnim računalima. Detaljnije opisano u kvantna računala poglavlju u našoj seriji Budućnost računala, ova računala rade na bitno drugačiji način od računala koja smo gradili posljednjih pola stoljeća. Nakon što bude usavršeno do 2030-ih, jedno kvantno računalo nadmašit će svako superračunalo koje trenutno radi u 2018., globalno, zajedno. Oni će također biti mnogo manji i trošiti daleko manje energije od trenutnih superračunala. 

Kako bi umjetna opća inteligencija bila superiornija od ljudske?

Pretpostavimo da se svaki gore navedeni izazov riješi, da istraživači umjetne inteligencije postignu uspjeh u stvaranju prvog AGI-ja. Kako će se AGI um razlikovati od našeg?

Da bismo odgovorili na ovu vrstu pitanja, moramo klasificirati AGI umove u tri kategorije, one koji žive unutar tijela robota (Podaci iz Star Trek), one koje imaju fizički oblik, ali su bežično povezane na internet/cloud (Agent Smith iz Matrica) i one bez fizičkog oblika koje u potpunosti žive u računalu ili online (Samantha iz Nju).

Za početak, AGI unutar robotskog tijela izoliranog od weba natjecat će se ravnopravno s ljudskim umovima, ali s određenim prednostima:

• Memorija: Ovisno o dizajnu AGI-jevog robotskog oblika, 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 spakirati u robota, pod pretpostavkom da ih dizajniramo da izgledaju poput ljudi. Iz tog razloga, dugoročno pamćenje AGI-a djelovat će vrlo slično kao i ljudsko, aktivno zaboravljajući informacije i sjećanja koja se smatraju nepotrebnima za njegovo buduće funkcioniranje (kako bi se oslobodio 'prostor na disku').
• Brzina: Izvedba neurona unutar ljudskog mozga maksimalna je na otprilike 200 herca, dok moderni mikroprocesori rade na razini gigaherca, dakle milijune puta brže od neurona. To znači da će u usporedbi s ljudima budući AGI obrađivati ​​informacije i donositi odluke brže od ljudi. Imajte na umu da to ne znači nužno da će ovaj AGI donositi pametnije ili ispravnije odluke od ljudi, samo da mogu brže doći do zaključaka.
• Učinkovitost: Jednostavno rečeno, ljudski se mozak umori ako predugo radi bez odmora ili sna, a kada se to dogodi, njegovo pamćenje i sposobnost učenja i rasuđivanja postaju oštećeni. U međuvremenu, za AGI, pod pretpostavkom da se redovito pune (električnom energijom), neće imati tu slabost.
• Mogućnost nadogradnje: za čovjeka učenje nove navike može trajati tjednima vježbe, učenje nove vještine može trajati mjesecima, a učenje novog zanimanja može trajati godinama. Što se tiče AGI-ja, oni će imati sposobnost učenja i iskustvom (poput ljudi) i izravnim učitavanjem podataka, slično kao što redovito ažurirate OS svog računala. Ova ažuriranja mogu se primijeniti na nadogradnje znanja (nove vještine) ili nadogradnje performansi fizičkog oblika AGI-ja. 

Zatim, pogledajmo AGI-ove koji imaju fizički oblik, ali su također bežično povezani na internet/cloud. Razlike koje možemo vidjeti s ovom razinom u usporedbi s nepovezanim AGI-jima uključuju:

• Memorija: Ovi AGI-ovi imat će sve kratkoročne prednosti koje ima prethodna klasa AGI-a, osim što će također imati koristi od savršene dugoročne memorije budući da ta sjećanja mogu prenijeti u oblak kako bi im pristupili kada zatrebaju. Očito, ova memorija neće biti dostupna u područjima slabe povezanosti, ali to će postati manje zabrinjavajuće tijekom 2020-ih i 2030-ih kada više svijeta bude online. Pročitajte više u prvo poglavlje našeg Budućnost Interneta Serija. 
• Brzina: Ovisno o vrsti prepreke s kojom se ovaj AGI suočava, oni mogu pristupiti većoj računalnoj snazi ​​oblaka koja im pomaže u rješavanju problema.
• Izvedba: Nema razlike u usporedbi s nepovezanim AGI-jima.
• Mogućnost nadogradnje: Jedina razlika između ovog AGI-ja što se tiče nadogradivosti jest da mogu pristupiti nadogradnji u stvarnom vremenu, bežično, umjesto da moraju posjetiti i priključiti se na skladište nadogradnje.
• Kolektivno: Ljudi su postali dominantna vrsta na Zemlji ne zato što smo bili najveća ili najjača životinja, već zato što smo naučili kako komunicirati i surađivati ​​na različite načine za postizanje zajedničkih ciljeva, od lova na vunastog mamuta do izgradnje Međunarodne svemirske postaje. Tim AGI-a ovu bi suradnju podigao na višu razinu. S obzirom na sve gore navedene kognitivne prednosti, a zatim ih kombinirati sa sposobnošću bežične komunikacije, kako osobno tako i na velikim udaljenostima, budući AGI tim/um košnice mogao bi se teoretski uhvatiti u koštac s projektima daleko učinkovitije od tima ljudi. 

Konačno, posljednja vrsta AGI-ja je verzija bez fizičkog oblika, ona koja radi unutar računala, te ima pristup punoj računalnoj snazi ​​i online resursima koje joj njezini tvorci pružaju. U znanstveno-fantastičnim emisijama i knjigama ti AGI-ji obično imaju oblik stručnih virtualnih pomoćnika/prijatelja ili duhovitog operativnog sustava svemirskog broda. Ali u usporedbi s druge dvije kategorije AGI-ja, ovaj AI će se razlikovati na sljedeće načine;

• Brzina: Neograničena (ili, barem do granica hardvera kojem ima pristup).
• Memorija: Neograničeno  
• Izvedba: Povećanje kvalitete donošenja odluka zahvaljujući pristupu superračunalnim centrima.
• Mogućnost nadogradnje: Apsolutna, u stvarnom vremenu i s 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 superračunala u kojima radi.
• Kolektiv: Slično prethodnoj AGI kategoriji, ovaj bestjelesni AGI će učinkovito surađivati ​​sa svojim AGI kolegama. Međutim, s obzirom na izravniji pristup neograničenoj računalnoj snazi ​​i pristup mrežnim resursima, ovi AGI obično preuzimaju vodeće uloge u cjelokupnom AGI kolektivu. 

Kada će čovječanstvo stvoriti prvu umjetnu opću inteligenciju?

Ne postoji određeni datum kada istraživačka zajednica AI vjeruje da će izmisliti legitiman AGI. Međutim, a 2013 anketa od 550 najboljih svjetskih istraživača umjetne inteligencije, koje su proveli vodeći mislioci istraživanja umjetne inteligencije Nick Bostrom i Vincent C. Müller, u prosjeku su izveli raspon mišljenja na tri moguće godine:

• Medijan optimistične godine (10% vjerojatnosti): 2022
• Srednja realna godina (50% vjerojatnosti): 2040
• Srednja pesimistična godina (90% vjerojatnosti): 2075 

Nije važno koliko su te prognoze precizne. Ono što je bitno je da velika većina istraživačke zajednice AI vjeruje da ćemo izumiti AGI unutar naših života i relativno rano u ovom stoljeću. 

Kako će stvaranje umjetne opće inteligencije promijeniti čovječanstvo

U posljednjem poglavlju ove serije detaljno istražujemo utjecaj ove nove umjetne inteligencije. Ipak, za ovo poglavlje, reći ćemo da će stvaranje AGI-a biti vrlo slično društvenoj reakciji koju ćemo doživjeti ako ljudi pronađu život na Marsu. 

Jedan tabor neće shvatiti značaj i nastavit će misliti da znanstvenici rade veliku stvar oko stvaranja još jednog moćnijeg računala.

Drugi tabor, vjerojatno sastavljen od Luddita i religioznih pojedinaca, bojat će se ovog AGI-ja, misleći da je odvratno što će pokušati istrijebiti čovječanstvo u stilu SkyNeta. Ovaj kamp će aktivno zagovarati brisanje/uništavanje AGI-a u svim njihovim oblicima.

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

Četvrti kamp uključivat će poslovne interese koji će istraživati ​​kako mogu koristiti AGI za rješavanje različitih poslovnih potreba, poput popunjavanja praznina na tržištu rada i ubrzavanja razvoja novih dobara i usluga.

Zatim, imamo predstavnike sa svih razina vlasti koji će se spotaknuti sami sebe pokušavajući shvatiti kako regulirati AGI. Ovo je razina na kojoj će sve moralizirajuće i filozofske rasprave doći do vrhunca, posebno oko toga treba li te AGI tretirati kao vlasništvo ili kao osobe. 

I konačno, posljednji tabor bit će vojska i agencije za nacionalnu sigurnost. Istina, postoji velika vjerojatnost da će javna objava prvog AGI-ja biti odgođena mjesecima ili godinama samo zbog ovog kampa. Zašto? Zato što će izum AGI-ja u kratkom roku dovesti do stvaranja umjetne superinteligencije (ASI), one koja će predstavljati ogromnu geopolitičku prijetnju i priliku koja daleko nadmašuje izum nuklearne bombe. 

Zbog toga će se sljedećih nekoliko poglavlja u potpunosti usredotočiti na temu ASI-ja i hoće li čovječanstvo preživjeti nakon njegovog izuma.

(Predramatičan način da se završi poglavlje? Možete se kladiti.)

Serija Budućnost umjetne inteligencije

Umjetna inteligencija je električna energija sutrašnjice: 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 obraniti od umjetne superinteligencije: budućnost umjetne inteligencije P5

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