Чому ми переоцінили темпи розвитку штучного інтелекту

Чому ми переоцінили темпи розвитку штучного інтелекту

Чому ми переоцінили темпи розвитку штучного інтелекту Суспільне

Ідея про те, що світ захоплять розумні роботи, аж ніяк не нова. Такий розвиток подій став звичним для голлівудських фільмів і книг про майбутнє. Можливо, саме тому кожне нове досягнення, пов’язане зі штучним інтелектом (ШІ) викликає увагу медіа, інтерес аудиторії та паніку фанатів теорій змови.

Суспільне розповідає, чому ми переоцінили штучний інтелектЗдатність інженерної системи здобувати, обробляти й застосовувати знання та вміння. і темпи розвитку цієї технології попри те, що вона безумовно прогресивна.

Нерозуміння, як саме працює технологія

Ми часто чуємо про те, що сучасні системи вміють навчатися, проте основна помилка полягає в тому, що ми накладаємо слово “навчання” на власний досвід. Насправді ж машинне навчання геть не схоже на людське. Для навчання машин необхідне індивідуальне кодування, години людського введення, а також завчасно визначена структура й процес навчання. Загалом, у нашому розумінні, це й навчанням важко назвати. 

До того ж машина не вивчає речі сама по собі, як людина. Принаймні поки що. Коли ми чуємо про те, що два чат-боти спілкуються між собою, ми уявляємо розмову людей. Насправді все виглядає абсолютно інакше.

До прикладу візьмемо голосових помічників Siri й Google Assistant. Попри те, що їх популярність продовжує рости, ми часто не усвідомлюємо, що ці системи розпізнавання голосу насправді не розуміють, що ми говоримо. Коли ми просимо асистентів поставити будильник чи додати подію в календар, вони зіставляють отримані звукові хвилі з деякими завчасно визначеними параметрами й виконують одну з попередньо визначених дій. 

Бажання отримати все й одразу

Одне зі славнозвісних тверджень футуризму, більш відоме як закон Амари, говорить: “Ми схильні переоцінювати ефект технології в короткостроковій перспективі й недооцінювати у довгостроковій”. Власне це ж сталось і зі штучним інтелектом. 

Якщо простіше, є всі шанси, що колись технологія ШІ отримає всі ті можливості, які ми їй приписали в кіно та літературі, проте реального часу для цього знадобиться набагато більше, ніж ми уявляли.

Чому ми переоцінили темпи розвитку штучного інтелектуІлюстативне фото

До прикладу, система GPS була вперше представлена в 1978 році та вважалася дуже перспективною. Проте надмірний ажіотаж ледь не вбив розвиток технології, оскільки вона не виправдала очікувань так швидко, як передбачалося. Успішною ж технологія стала вже 2000-х. 

Ігнорування перехідних етапів

Якщо переглянути старі науково-фантастичні фільми, можна часто побачити розумних роботів, але дуже рідко – мобільні телефони. Нам легко уявити кінцевий результат проривних технологій, проте ми не завжди здатні уявити перехідні етапи.

Йдеться про те, що навіть якщо колись штучний інтелект і зможе бути максимально наближеним до людини, то це не станеться одномоментно й неочікувано. Можливості ШІ в перспективі колосальні, але створення помилкових надій або страхів не принесе нічого хорошого для прогресу технології в реальності.

Крім того, разом з розвитком технології адаптуватимуться й люди. Ми швидко звикаємо до нововведень й інтегруємо їх у повсякденне життя.  

Недооцінювання можливостей людини

Наразі технології машинного навчання мають один рівень: людина визначає вхідні дані й використовує результати. Іноді інженер може вручну вирішити взяти результат з першого алгоритму і ввести його вхідні дані у другий. Проте немає причин вважати, що рано чи пізно такий цикл не буде впроваджений в процес машинного навчання і що ці зв’язки не будуть автоматично пов'язані один з одним, як у людському мозку. Поки що цього не сталося – тільки люди вміють накопичувати знання, тобто самі обирати, що аналізувати, формувати гіпотези, перевіряти їх тощо. 

Чому ми переоцінили темпи розвитку штучного інтелектуІлюстративне фото

Технічний прогрес, необхідний для того, щоб ШІ міг відносно автономно робити свій внесок у процес розвитку знань, вражає. Перш за все, необхідні феноменальні обсяги обчислювальної потужності в порівнянні з нинішніми можливостями. Наприклад, людський мозок на кілька порядків ефективніше за кремній – як за обчислювальною потужністю, так і за енергоспоживанням.

Крім того, всі ці обчислення повинні виконуватися безперервно і постійно. Виконання таких обчислень для всіх елементів, по суті, “до нескінченності”, потребуватиме нереальних ресурсів. Тому, скоріш за все, необхідно буде винайти нову інформатику, засновану на вивченні компромісів: машина повинна буде не тільки сама вирішувати, коли почати пошук висновків, а й знати, як зупинитись і за необхідності відновити навчання.

Цей процес віддалено може бути схожий на нашу “мотивацію”. По суті, люди постійно дізнаються про своє оточення, мотивація є вирішальним механізмом при виборі людини між навчанням і дією. Машини ж спрощені в цьому сенсі, оскільки експерт, який працює з ними, вирішує, коли і як технології проводитимуть розрахунки.

Читайте також

Перевірки поведінки та штучний інтелект. Як технологічні гіганти борються з фейками

Як захистити свої дані в інтернеті

Що таке телемедицина та як зросла її роль в умовах пандемії

Категорії
ПолітикаЕкономікаКультураСвітСпортВідеоПодіїТоп дняПриродаРегіониСтильДітиНаукаТехнологіїУрбаністикаЇжаДомашні твариниЛюди