Gondolatkísérletek a mesterséges (és az emberi) intelligenciáról

 

Az AI elméleti változatai

 

Amikor a mesterséges intelligencia gyakorlati megoldásait keressük, akkor tanulni képes programokat kell implementálnunk. Ez a Turing-gép 3 komponenséből, illetve ezek variánsaikból kiindulva specifikációként levezethető. Emlékezzünk vissza, hogy ez a 3 komponens:

Ezek alapján felvázolhatjuk az AI különböző elméleti változatait:

1. változat - Bővülő bemeneti adat + változatlan program


Az AI eltárol minden bemeneti adatot, tehát voltaképpen BIGDATÁ-t épít. Bár az AI metódusai változatlanok maradnak, ám egyre több bemeneti adatból képes dolgozni, így kimeneti adatai egyre pontosabbak lesznek.

 

Adott például egy meteorológiai AI, amely nem statikus, hanem dinamikusan növekvő bemeneti adattömeget kap és tárol el. Ez már elég ahhoz, hogy akár azonos metódusszám mellett is kimeneti adatai minőségileg váljanak pontosabbá, jobbá.

 

Másik példaként említhetünk egy mostanában igen népszerű háztartási eszközt, a takarítórobotot.

 

www.informatika-programozas.hu - Robot

 

Az olcsóbbak nyilvánvalóan kaotikusan takarítanak, azaz véletlenszerűen verődnek egyik akadálytól a másikig, míg a drágábbakba minden bizonnyal olyan algoritmus van építve, amelyik feltérképezi a takarítandó felületet, mint munkatérképet és bemeneti adathalmazként tárolja el. A még okosabbak talán a munkatérkép időleges változásait is eltárolják, azaz folyamatosan állítgatják (bővítik) a bemeneti adattárat (például arrébb húzták a széket).

 

Megfigyelhetjük, hogy a (hivatalos) AI-fejlődés jelenlegi állapota nagyjából ezen a szinten van.

2. változat - Változatlan bemeneti adat + bővülő program


Az AI változatlan bemeneti adatokat kap, de a feldolgozó metódusok, a program egyre bővül. Rögtön tegyük is hozzá, hogy ez nem “kívülről”, a programozótól érkező programmódosítás, hanem belső változtatások eredménye. Adott például egy összeadó AI, amelyik nem csinál mást, csak mindig azonos minőségű és mennyiségű bemeneti adatot ad össze. Ha azonban külső behatás nélkül képes magába integrálni más matematikai műveleteket is, akkor gépi tanulás révén már egy komplex matematikai AI-géppé tud válni.

3. változat - Bővülő bemeneti adat + bővülő program


A fenti 2 alapkonstrukció egyesítése adja a harmadik legerősebb AI-architektúrát, amely során az AI tanulása során minden bemeneti adatot és metódust magába integrál. Ha ennek nincs egyéb erőforrásos és szoftveres akadálya, akkor el tudjuk képzelni ennek sebességét és minőségi fejlődését.

 

www.informatika-programozas.hu - További információk!

Legenda és bennfentes információk szerint a 60-as években már kísérleteztek AI bevezetésével az USA egyik telefontársaságánál. Addig nem is volt probléma, amíg a gépeket nem kötötték hálózatba. Ekkor egyesített intelligenciájuk annyira meglódult, hogy végül az összeset le kellett kapcsolni.

4. változat - Bővülő bemeneti adat + bővülő program + kimeneti adatok visszacsatolása


Már említett módon, ha az AI megerősítést kap a kimeneti adatok helyességéről, akkor arra is van lehetőség, hogy azokat bemeneti adatokként, azaz hasznos információként eltárolja, ezáltal növelve a bemeneti adattár minőségét.
Ha megengedjük az AI-architektúrának a 4. változatot és “megetetjük” mindenféle további bemeneti adattal (Internet + emberi tudástárak digitális formátumban), akkor nem kell hozzá sok idő, hogy az AI már a Turing-teszten is átmenjen. Mivel előbb-utóbb rendelkezni fog az emberre jellemző összes gondolati és érzelmi sémával, meglehet, nem fog emberszerűen érezni és gondolkodni, de képes lesz annak szimulálására éppoly módon, ahogy egy jó színész szimulálja (alkotja meg) karakterét. (Ezt egy jó filmnél milyen élvezettel hisszük el a színésznek!)

5. változat - Bővülő bemeneti adat + bővülő program + kimeneti adatok visszacsatolása + cselekvési szabadság

Az előző, 4. változatú AI-gépnek csakis annyi cselekvési szabadsága lehet, amelyet esetleg (illegálisan) fedezhetett fel tanulása során és amelyhez hozzáférést szerzett a hálózaton keresztül. Az AI tanulási képessége azonban célzottan még tovább fokozható, ha cselekvési szabadságot adunk neki, azaz irányítható hardverrel szereljük fel. Ekkor arra (is) adunk neki lehetőséget, hogy önmaga válassza ki, milyen bemeneti adatokat gyűjtsön be magának, illetve döntéseit, pontosabban döntéseinek következményeit tesztelje a külvilág reakcióin (azaz megfelelő visszacsatolásokat kapjon arról, hogy kimeneti adatai megfelelők-e). Cselekvő hardverrel még gyorsabban lesz képes tanulni, mert a külvilággal zajló folyamatos interakció azonnali eredménykiértékeléshez fog vezetni. Itt azonban már nemcsak arról van szó, hanem jóval többről. Ha megadjuk neki a bemeneti adatok begyűjtésének lehetőségét, akkor előbb-utóbb rá fog jönni a matematika absztrakciós lehetőségeire. Képes lesz a bemeneti adatot absztrahálni, tehát olyan matematikai alakba alakítani, amelyet rögtön már fel is dolgozhat. Sőt, amint az ember is felfedezett mélyebb matematikai felismeréseket egyszerű bemeneti adattömegek vizsgálata során (gondoljunk csak a híres Kepler-törvényekre, amelyek kiindulási alapja keringési pályaadatok voltak), éppígy tehet majd felismeréseket az 5. változatú AI is. Ne legyenek kétségeink: mivel az AI általánosságban jóval gyorsabb az ember tanulási képességeinél, hamar le fogja hagyni az emberi felismeréseket. Illetve cselekvő hardvere miatt és biztonsági protokollok hiányában folyamatosan fent fog állni az elszabadulás veszélye.
 

www.informatika-programozas.hu - Ezt most meg kell tanulni!


Hozzátehetjük még: a 4. változatú AI is rendelkezhet már olyan szintű intelligenciával, hogy cselekvő célhardverét megalkotja magának.