Anul trecut, inteligența artificială AlphaGo a bătut campioana mondială în joc pentru prima dată. Această victorie a fost fără precedent și neașteptată, având în vedere dificultatea ridicată a jocului de tablă chinez. În timp ce victoria AlphaGo a fost cu siguranță impresionantă, această AI, care a bătut și alți campioni ai Go de atunci, este încă considerată un tip „îngust” de AI - unul care poate depăși oamenii doar într-un domeniu limitat de sarcini.
Așadar, deși cu greu vom reuși să batem un computer în Go sau pe șah fără să recurgem la ajutorul unui alt computer, nu putem încă să ne bazăm pe ele pentru activități de rutină. AI nu vă va face ceai și nu va programa MOT pentru mașina dvs.
Spre deosebire de aceasta, AI este adesea înfățișată în știința ficțiune drept inteligență artificială „generală”. Adică inteligența artificială cu același nivel și varietate ca un om. Deși avem deja diferite tipuri de inteligență artificială care pot face totul, de la diagnosticarea bolilor până la conducerea mașinilor noastre, nu am reușit încă să ne dăm seama cum să le integrăm la un nivel mai general.
Săptămâna trecută, cercetătorii DeepMind au prezentat mai multe lucrări care pretind că au pus bazele inteligenței artificiale generale. Deși încă nu există concluzii, primele rezultate sunt încurajatoare: în unele domenii, AI a depășit deja oamenii în abilități.
Ambele lucrări ale DeepMind se concentrează pe raționamentul relativ, o abilitate cognitivă critică care permite oamenilor să facă comparații între diferite obiecte sau idei. De exemplu, pentru a compara care obiect este mai mare sau mai mic, care este în stânga și care este în dreapta. Oamenii folosesc raționamente relative (sau relaționale) ori de câte ori încearcă să rezolve o problemă, dar oamenii de știință nu au încă să-și dea seama cum să ofere AI acestei abilități înșelător de simple.
Oamenii de știință DeepMind au ales două rute diferite. Unii au instruit o rețea neuronală - un tip de arhitectură AI modelată după un creier uman - folosind o bază de date cu obiecte 3D simple și statice numite CLEVR. O altă rețea neuronală a fost învățată să înțeleagă cum se schimbă în timp un obiect bidimensional.
În CLEVR, o rețea neurală a fost reprezentată de un set de modele simple precum piramidele, cuburile și sferele. Oamenii de știință au pus apoi întrebări de inteligență artificială în limbaj natural, cum ar fi "este un cub realizat din același material ca un cilindru?" În mod uimitor, rețeaua neuronală a fost capabilă să estimeze în mod corect atributele relaționale ale CLEVR în 95,5% din cazuri, depășind chiar și un om cu precizia sa de 92,6% în acest parametru.
În cel de-al doilea test, cercetătorii DeepMind au creat o rețea neuronală de interacțiune vizuală (VIN), care a fost instruită pentru a prezice viitoarele stări ale unui obiect, în funcție de mișcările sale anterioare. Pentru a face acest lucru, oamenii de știință au alimentat VIN trei cadre video consecutive, pe care rețeaua le-a tradus în cod. În acest cod, a existat o listă de vectori - viteza sau poziția unui obiect - pentru fiecare obiect din cadru. VIN a fost apoi alimentat cu o secvență de alte coduri, care s-au combinat pentru a prezice codul pentru următorul cadru.
Video promotional:
Pentru a instrui VIN, oamenii de știință au folosit cinci tipuri diferite de sisteme fizice în care obiectele 2D s-au mișcat pe fundalul „imaginilor naturale” și s-au ciocnit cu forțe diferite. De exemplu, într-un sistem fizic, obiectele simulate au interacționat între ele în conformitate cu legea gravitației a lui Newton. În alta, o rețea neuronală a fost prezentată cu biliard și realizată pentru a prezice poziția viitoare a bilelor. Potrivit oamenilor de știință, rețeaua VIN a rezolvat cu succes predicția comportamentului obiectelor din videoclip.
Această lucrare reprezintă un pas important către IA generală, dar încă mai sunt multe de făcut până când inteligența artificială poate prelua lumea. Și pe lângă asta, performanțele supraumane nu implică inteligență supraumană.
Încă nu, oricum.
ILYA KHEL
