ШІ скоро стане неможливим для розуміння людьми

У 1956 році під час однорічної подорожі до Лондона, коли йому було близько 20 років, математик і біолог-теоретик Джек Д. Коуен відвідав Вілфреда Тейлора та його нову дивну «навчальну машину». Коли він прибув, він був спантеличений «величезною групою апаратів», що стояла перед ним. Коуен міг лише стояти осторонь і спостерігати, як «машина робить свою справу». Те, що він, здається, робив, виконував «схему асоціативної пам’яті» — здавалося, він міг навчитися знаходити зв’язки та отримувати дані.

Можливо, це виглядало як незграбні блоки схем, спаяні разом вручну в масі проводів і коробок, але те, що спостерігав Коуен, було ранньою аналоговою формою нейронної мережі — попередником найдосконалішого штучного інтелекту сучасності, включаючи багато обговорюваний ChatGPT з його здатністю генерувати письмовий вміст у відповідь майже на будь-яку команду. Базовою технологією ChatGPT є нейронна мережа.

Коли Коуен і Тейлор стояли й спостерігали за роботою машини, вони насправді не мали уявлення, як саме їй вдається виконувати це завдання. Відповідь на таємничий машинний мозок Тейлора можна знайти десь у його «аналогових нейронах», в асоціаціях, створених його машинною пам’яттю, і, що найважливіше, у тому факті, що його автоматизоване функціонування насправді неможливо повністю пояснити. Потрібні будуть десятиліття, щоб ці системи знайшли своє призначення та розблокували цю силу.

Термін «нейронна мережа» включає широкий спектр систем, але, за словами IBM, ці «нейронні мережі — також відомі як штучні нейронні мережі (ШНМ) або симульовані нейронні мережі (СНМ) — є підмножиною машинного навчання і знаходяться в серце алгоритмів глибокого навчання». Важливо те, що сам термін, їх форма та «структура навіяні людським мозком, імітуючи спосіб, яким біологічні нейрони передають сигнали один одному».

Можливо, на початкових етапах існували деякі залишкові сумніви щодо їхньої цінності, але з роками мода на штучний інтелект рішуче повернулася до нейронних мереж. Зараз вони часто вважаються майбутнім ШІ. Вони мають велике значення для нас і для того, що означає бути людиною. Нещодавно ми чули відгуки про ці занепокоєння із закликами призупинити нові розробки ШІ на шість місяців, щоб переконатися в їхніх наслідках.

Безумовно, було б помилкою відкинути нейронну мережу як про глянцеві, привабливі нові гаджети. Вони вже добре увійшли в наше життя. Деякі потужні у своїй практичності. Ще в 1989 році команда під керівництвом Янна Лекуна з AT&T Bell Laboratories використовувала методи зворотного поширення, щоб навчити систему розпізнавати рукописні поштові індекси. Нещодавнє оголошення Microsoft про те, що пошук Bing працюватиме на основі штучного інтелекту, що зробить його вашим «другим пілотом для Інтернету», ілюструє, як речі, які ми виявляємо, і те, як ми їх розуміємо, все більше будуть продуктом такого типу автоматизації.

Спираючись на величезну кількість даних для пошуку шаблонів, штучний інтелект можна так само навчити виконувати такі дії, як швидке розпізнавання зображень, у результаті чого вони будуть включені, наприклад, у розпізнавання облич. Ця здатність визначати закономірності привела до багатьох інших застосувань, таких як прогнозування фондових ринків.

Нейронні мережі також змінюють те, як ми інтерпретуємо та спілкуємося. Перекладач Google, розроблений командою Google Brain Team з цікавою назвою, є ще одним відомим додатком нейронної мережі.

Ви також не захочете грати з ним у шахи. Їхнє розуміння правил, запам’ятовування стратегій і всіх записаних ходів означає, що вони надзвичайно гарні в іграх (хоча ChatGPT, здається, погано справляється з Wordle). Системи, які турбують людей-гравців у ґо (Го — це сумнозвісно складна стратегічна настільна гра) і гросмейстерів шахів, створені з нейронних мереж.

Але їх охоплення виходить далеко за межі цих випадків і продовжує розширюватися. Пошук патентів, обмежений лише згадуванням точної фрази «нейронні мережі», дає 135 828 результатів. З цим швидким і постійним розширенням шанси на те, що ми зможемо повністю пояснити вплив штучного інтелекту, можуть ставати все меншими. Це питання, які я розглядав у своєму дослідженні та своїй новій книзі про алгоритмічне мислення. Читати далі…