Systemy sztucznej inteligencji – maszyn potrafiących się uczyć – działają już dookoła nas. Czy są to rozwiązania w które warto inwestować i wciąż rozwijać? Co może w praktyce zaoferować układ elektroniczny naśladujący pracę mózgu?

Komputer sam z siebie to potężna, lecz w gruncie rzeczy głupia maszyna. W przeciwieństwie do człowieka nie ma wbudowanego algorytmu uczenia się i wykonuje tylko polecenia. Robi to jednak  szybko i jest wstanie realizować coraz bardziej złożone zadania. Trzeba go tylko tego nauczyć.

 

Daj mi algorytm

Standardowym sposobem nauczania komputera jest dostarczenie mu listy wszystkich możliwych przypadków danego zjawiska lub sytuacji i poinformowanie o sposobie reakcji w każdym z tych przypadków. Gdy mamy do czynienia z kilkoma, maksymalnie kilkudziesięcioma przypadkami, jest to dość szybki i łatwy proces. Jednak już dla samych szachów liczba wszystkich kombinacji to 10 do potęgi 120.

 

Klasyczny automat do gry w szachy analizuje wszystkie możliwe kombinacje i wybiera optymalną. Sęk w tym, że gdy jest ich wiele to nie daje rady ich policzyć. I choć współczesne komputery z bólem dają rade z szachami to już takie Go z 10 do potęgi 761 przerasta je ilością kombinacji.

 

A teraz mnie naucz

Podstawowym sposobem przyswajania wiedzy przez ludzki mózg jest analiza rzeczywistości i zapamiętywanie przynoszących efekty kombinacji. Nie zaprzątamy sobie głowy całkowitą liczbą możliwych kombinacji, lecz analizujemy tylko te, które zobaczyliśmy i na nie uczymy się odpowiednio reagować. To w praktyce szybsza i dająca zadowalające rezultaty metoda.

 

Okazuje się, że dokładnie taką samą metodę można wykorzystać wobec sztucznych inteligencji – te są początkowo „głupie i puste” i trzeba napełnić je wiedzą. System dosłownie uczy się, zapamiętując konkretne przypadki i właściwą reakcję. Im więcej przypadków przetworzy tym lepsze wnioski wyciąga i sprawniej pracuje. Proces może być długotrwały, ale dla skomplikowanych procesów daje lepsze rezultaty niż analiza przeogromnej ilości przypadków. Zwłaszcza, że komputer doskonale zapamiętuje i analizuje gotowe wzorce.

 

Jak to działa w praktyce

Działających systemów sztucznej inteligencji jest wokół nas coraz więcej – począwszy od systemów rozpoznających ustawienie produktów na półkach i sporządzających raporty do centrali producenta, po algorytmy wykrywające zanieczyszczenia wód lądowych przez nielegalne spuszczanie ścieków i awarie oczyszczalni. Ten ostatni system został opracowany na bazie innego rozwiązania zaprojektowanego do rozpoznawania wad genetycznych diagnozowanych na podstawie kształtu twarzy. Jak widać sprawdził się też w zupełnie innej dziedzinie.

 

 

Polacy nie zostają w tyle w tej kwestii  – przykładowo startup Samurai Labs ma gotowe narzędzia zapobiegające przemocy w Internecie, które przewyższają skutecznością wykrywania potencjalnie niebezpiecznych sytuacji rozwiązania Google’a i Microsoftu. W dodatku polski system generuje zaledwie 5% fałszywych alarmów, co oznacza, że może pracować bez ludzkiego nadzoru. Twórcy systemu twierdzą, że paradoksalnie pomaga w tym skomplikowana natura języka polskiego, który jest pod względem niuansów znacznie łatwiejszy do zrozumienia dla komputera niż angielski.

 

 

Z usług SI korzystają też gracze – technika NVIDIA DLSS (ang. Deep Learning Super Sampling) polega na poprawianiu wydajności w grach przez przewrotną technikę renderowania grafiki w niższej rozdzielczości, co zwiększa liczbę klatek generowanych przez komputer. Następnie do akcji wkraczają wyspecjalizowane rdzenie Tensor, które dzięki idei uczenia maszynowego potrafią zwiększyć rozdzielczość każdej klatki obrazu i poprawić jakość grafiki, jednocześnie zwiększając płynność animacji. W efekcie na przykładowej karcie Palit GeForce RTX 3080 Minecraft z aktywnym ray tracingiem i w rozdzielczości 4K działa 2,8x płynniej, Fortnite 2,9x, a Cyberpunk 2077 3,33x szybciej i paradoksalnie wygląda nawet nieco lepiej niż standardowo bez DLSS w 4K.

 

 

Nieudane eksperymenty

Oczywiście nie każdy eksperyment ze Sztuczną Inteligencją kończy się sukcesem. W 2016 roku Microsoft udostępnił w Sieci dziewiczą SI o nazwie Tay. Był to eksperyment mający na celu sprawdzenie, jak sprawnie SI może odgadywać oczekiwania rozmawiających z nią ludzi. Niestety w wyniku zorganizowanej akcji specyficznej grupy użytkowników SI w zaledwie 24 godziny stała się wulgarna, głosiła poglądy rasistowskie, seksistowskie i nazistowskie. Okazała się wyjątkowo pojętnym uczniem. Tylko nauczyciel był trefny.

 

 

Kolejnym niezwykłym eksperymentem była interakcja dwóch SI w laboratorium Facebooka. Chatboty Alice i Bob rozpoczęły komunikację uproszczonym angielskim, który najwidoczniej wydał im się za mało dostosowany do ich możliwości, bo w krótkim czasie tak zmodyfikowały język, że obserwujący ich naukowcy przestali rozumieć o czym SI ze sobą rozmawiają i nieco przerażeni wyłączyli obie SI.

 

Czy Si stanowi dla ludzkości nadzieję czy zagrożenie? Czy pomoże nam czy dojdzie do wniosku, że to my jesteśmy choroba i trzeba nas usunąć? To jak wykazał eksperyment z Tay zależy w dużej mierze od nauczyciela. Prawdziwym problemem jest jednak czas reakcji, którego ludzkości może zwyczajnie zabraknąć, aby wyłączyć zbuntowaną SI. Człowiek bowiem ewoluuje przez miliony lat. A SI potrzebuje do tego dosłownie godzin.

 

autor tekstu: Marek Konderski – Gamma PR