Na czym polega sztuczna inteligencja?

Gdybym miał jakoś najszybciej wytłumaczyć, na czym polega prawdziwa sztuczna inteligencja, to musiałbym zabrać was do mojej sypialni.

Załóżmy, że budzę się rano. Aplikacja powiadamia mnie, że jestem umówiony do lekarza, bo moje wyniki z analizy pracy serca były niepokojące przez ostatni czas. W najbliższej placówce czeka na mnie umówiony kardiolog. No więc nie – to nie jest sztuczna inteligencja.

Więc jeszcze raz, budzę się rano. Mój catering został zmieniony, dzisiaj przyjdzie zupełnie nowy, bez węglowodanów. Mam też nowe propozycje pracy do przejrzenia, bo aktualna praca ma negatywny wpływ na to jak się czuję. Stan mojego zdrowia nie jest zadowalający, potrzebne będą dodatkowe badania do wykonania. Pojawiło się zagrożenie wystąpienia zawału. Troskliwie? Pewnie, że tak, ale to dalej nie jest sztuczna inteligencja. Mimo, że brzmi lepiej.

Ostatnia szansa. Budzę się rano. Mój catering został zmieniony. Biorąc pod uwagę historię medyczną mojej rodziny, modyfikację tembru mojego głosu przez ostatnie tygodnie oraz zmianę chodu analogiczną do innych osób za oceanem, ryzyko zawału sięga 85%. Ta informacja podana wprost pogorszy mój stan, więc nie jest mi przekazana, za to urlop został wzięty automatycznie. AI podjęła też działania polegające na wyciszeniu i odcięcia mnie od źródeł stresu. Opcja: pełen luz jest wprowadzona natychmiastowo. Informacja o konieczności realizacji badań otrzymam dopiero za jakiś czas. Nie dostanę teraz żadnej informacji, która może się przełożyć na zmianę pracy mojej gospodarki hormonalnej. Wszystkie źródła dysfunkcji mojego stanu zdrowia zostały natychmiastowo odcięte.

Sztuczna inteligencja nauczyła się przy moich poprzednich przypadłościach, że stosowanie rozwiązań typowych, jak wysłanie natychmiast do lekarza, nie usuwa problemu, bo ja zwykle stawiam opór przed wizytą u lekarza, co paradoksalnie pogarsza mój stan. Dlatego też mój przyjaciel jest już w drodze z zieloną herbatą zamiast latte, bo nastąpi niespotykana awaria ekspresu do kawy. Zarazem też wszystkie portale, które co rano napawały mnie emocjami w zakresie polityki krajowej wyjątkowo dzisiaj nie działają. AI nauczyła się tego i sama wprowadziła działania na bazie doświadczeń przechodzące w akcje.

Dopiero tutaj mamy sztuczną inteligencję. A przynajmniej jej wyobrażenie. Mętne i odległe, trochę, takie z 2050 roku jak twierdzi większość naukowców.

Kiedy sztuczna inteligencja się objawi?

W 2009 roku na konferencji AGI-09 przeprowadzono ankietę wśród uczestniczących ekspertów dotyczącą ich estymacji, kiedy pojawi się osobliwość i pełna sztuczna inteligencja (taka, która nie tylko zaliczy test Turinga, ale osiągnie ludzką, świadomą inteligencję). Większość odpowiedziała, że około 2050 roku.

Nieco później, bo w latach 2012/2013 Vincent C. Muller, prezes European Association for Cognitive Systems, oraz Nick Bostrom z University of Oxford przeprowadzili ankietę z tym samym pytaniem. 90% uczestników uważała, że do 2075 roku osiągniemy prawdziwe AI.

W 2019 roku, blisko połowa (45%) spośród ankietowanych 32 ekspertów estymowało datę przed 2060 rokiem. Zarazem jednak 20% stwierdziło, że nie wydarzy się to nigdy. Cały czas mowa o tak zwanej świadomej sztucznej inteligencji. Prawdziwej AI. Tutaj pewnie pojawia się pytanie, skąd podział na prawdziwą AI i inną? Odpowiedź może być dwojaka. Prawdziwa to ta mająca świadomość. Albo ta, która nie działa linearnie w ramach jednego dedykowanego zadania. Obie odpowiedzi są poprawne.

AI Washing

Jednak można mieć wrażenie, że od jakiegoś czasu AI jest wszech-otaczająca. I tu dochodzimy do sedna, czyli pojawia się termin AI Washing. Termin nie jest nowy, właściwie to jest wymienny w pewien sposób.

Mieliśmy wcześniej chociażby GreenWashing czyli idąc za Wikipedią „zjawisko polegające na wywoływaniu u klientów poszukujących towarów wytworzonych zgodnie z zasadami ekologii i ochrony środowiska wrażenia, że produkt lub firma go wytwarzająca są w zgodzie z naturą i ekologią”. Po kropce warto dodać zdanie, mimo, że tak nie jest. I teraz aby zrozumieć AI Washing, w miejsce Green wstawiamy sztuczną inteligencję.

Z Internetem jest tak, że jego rozwój idzie falami. Pojawiają się trendy, które są silniejsze od innych i aby utrzymać zainteresowanie w sprzedaży, konieczne jest użyczanie trendów, czy naciąganie lekko rzeczywistości, aby przykuć uwagę klientów.

Wcześniej z bardziej znanych trendów mieliśmy cloud computing, mieliśmy też erę chatbotów, teraz mamy AI, czy spolszczone, chociaż niesłusznie SI. Z tą niesłusznością spolszczenia jest tak, że wprowadzanie różnych definicji na te same pojęcia naukowo przysparza tylko więcej problemów. Zwłaszcza, że Polska nie jest światowym ośrodkiem rozwoju AI, więc wprowadzanie zmienionej nomenklatury na zagadnienie rozwijane głównie w ośrodkach światowych, patrząc na późniejsze publikacje naukowe, wyrządzi tylko wiele niepotrzebnych trudności. Stany Zjednoczone przegrywają pod względem ilości publikacji z Chinami, ale autorzy z USA dalej są o czterdzieści procent częściej cytowani w ujęciu światowym.

Precyzując teraz termin, AI Washing to „podpieranie się użyciem sztucznej inteligencji w aplikacjach, urządzeniach, produktach, rozwiązaniach, choć ona sama tam nie występuje, albo jej użycie jest kontrowersyjne, niejasne”. Cel jest oczywisty, zbudowanie zainteresowania, użycie buzz word na który reagują klienci, inwestorzy, fundusze inwestycyjne. W ogólnym rozrachunku termin jest szkodliwy, ludzie mający do czynienia z pseudo sztuczną inteligencją wątpią w sens jej rozwoju, a inwestorzy patrzą coraz bardziej sceptycznie na wykorzystywanie AI.

Co ciekawe, niefart związany z terminem AI Washing polega na tym, że jeden z światowych producentów pralek reklamuje swój model z sygnatura AI Washing. Z tym, że jak się domyślacie, nie ma w mniej sztucznej inteligencji.

Optymalizacja, rekomendacje, podpowiedzi. Czyli proste algorytmy udające sztuczną inteligencje

Kiedyś na warszawskim parkiecie  była notowana firma, która chwaliła się, że jej rozwiązanie AI pozwala na znaczne zwiększenie sprzedaży w sekcji usługowej. Typowy przykład AI Washing, ale dość ciekawy. Marketingowy zabieg był tak nośny, że spółka wylądowała na New Connect. Dzisiaj zostały ze spółki tylko wielomilionowe roszczenia inwestorów i sprawy w prokuraturze. Powstaje pytanie: jak to możliwe, że nikt nie zauważył, że to zwykły bubel? Na to pytanie niech szuka odpowiedzi prokuratura.

 Jednak ten przypadek to w sumie nic nowego. Na rynku mamy pralki AI, suszarki AI, instalacje inteligentnych domów wzbogacone AI, czy szczoteczki do zębów posiadające AI. Ze szczoteczkami eksperci się szybko rozliczyli, udowadniając, że rozpoznanie zęba oraz komunikat zwrotny do użytkownika nie ma nic wspólnego z sztuczną inteligencją, ale większość zabiegów implementacji sztucznej inteligencji w miejsca, gdzie jej nie ma zwyczajnie uchodzi płazem. Trochę jak z ekologią, kiedy ostatnio Komisja Europejska testowała przyjazność dla środowiska ponad 300 produktów. Okazało się, że połowa nie ma wcale neutralnego wpływu na środowisko, mimo zupełnie innych zapewnień. Bo trochę jest tak, że nie ma kto tego sprawdzać. Definicje są rozmyte, a termin jest nadzwyczaj gorący, a do tego mocno pożądany.

IF jako AI

Część publicystów uważa, że najczęstsze nadużycie to tak zwany zwykły IF (chodzi mi o klasyczną pętlę w algorytmach). Aby prosto wytłumaczyć IF należy się posłużyć przykładem. Jeśli wartość 1 równa się x, to akcja równa się y. To uproszczenie. Ale IF działa tak: jeśli np. zalogowałeś się pierwszy raz od miesiąca, to czeka na ciebie monit o treści mniej więcej „dawno Cię u nas nie było”. Jeśli kupiłeś herbatę, to wyświetlimy ci reklamę kubków. Jeśli to, to tamto. Proste reguły logiczne do tworzenia w nieskończoność. Jeśli kończy ci się subskrypcja, to masz zniżkę. Jeśli nie skorzystałeś ze zniżki w określonym czasie, masz większą zniżkę.

Bliżej temu do automatyzacji niż do AI. Ale IF to nic innego niż po prostu algorytm. Oczywiście algorytmy są składową sztucznej inteligencji. Ale to mniej więcej takie nadużycie, jak posiadanie starego diesla miałoby wspierać rozwój elektro-mobilności, wszak to jeden zbiór samochodów. Więc i tak i nie.

Jeśli masz wątpliwość w występowanie sztucznej inteligencji w produkcie, czy usłudze, która kupujesz, specjaliści polecają, abyś zapytał, jak AI będzie się uczyć i wdrażać ową naukę oraz jak się ona zmieni na przestrzeni czasu. Bo doskonale znany, piękny termostat Nest, który swojego czasu podbił serca klientów na całym świecie. Na końcu dopasowuje swoje działanie do zapisanych wcześniej dostępnych już setek algorytmów działania. Czyli wyobraź sobie, że występuje 10 000 scenariuszy grzewczych mieszkania, kilka z nich będzie optymalnych dla twoich wydatków oraz przyjemności przebywania w domu. Owe 10 000 scenariuszy jest już zapisanych w urządzeniu, a nauka w tym wypadku polega na dynamicznym dopasowaniu tych spójnych z twoim zachowaniem.

Czyli mamy po prostu kawałek machine learning, ale nie sztuczną inteligencje. I znowu pojawia nam się pewien bałagan organizacyjny, bo machine learning jest elementem sztucznej inteligencji. Ale to wyjaśnimy za chwilę.

Kiedy w ogóle pojawi się prawdziwa sztuczna inteligencja?

Wszystko zaczęło się w latach dziewięćdziesiątych. Wzrost mocy obliczeniowej pozwolił na rozwój machine learning, czyli „uczenia się maszyny do wykonywania jednej czynności”.

AI wygrało w popularną grę Go w 2016 roku. Później maszyna nauczyła się rozpoznawać obrazy medyczne raka skóry z dokładnością człowieka. W końcu nastała era translatorów językowych. Przez ostatnie lata właściwie mamy wysyp wykorzystania AI w medycynie, cała kategoria rozpoznawania rentgenów przez AI co chwila bombardowana jest nowymi, imponującymi wdrożeniami.

Aby wytłumaczyć w ogóle machine learning, należy zwrócić uwagę na konieczność pojawienia się ogromnego zbioru danych, na bazie którego uczymy. Czyli aby wygrać w GO, należało najpierw przeanalizować ogromną liczbę dostępnych ruchów. Według publicznych danych, następnie program AlphaGo rozegrał w trzy dni 4,9 miliona partii gry sam ze sobą. Dość podobnie sprawa wygląda w przypadku analizy obrazów medycznych. Na wejściu potrzebna jest ogromna ilość danych do przeanalizowania i ten proces to właśnie machine learning. Tu zaczepiamy o problemy etyczne, bo już się pojawiły głosy, że źródła danych jakimi karmimy ML często są tendencyjne, ale to temat na osobny artykuł.

Problem jaki się pojawia, to kwestia nauczenia jednej czynności, która nie może być przeniesiona jako wzorzec na inną. Czyli machine learning ucząc się gry w GO nie może przełożyć tej nauki na inną czynność. Mówiąc prościej, brakujący element to inteligencja, która by pozwoliła na przeniesienie wyuczonej czynności. Możemy to też nazwać prawdziwą inteligencją, albo świadomością.

Podczas pandemii Covid-19 dało się słyszeć głosy z całego świata jak AI wspomaga proces badań naukowych, pozwalając na ich skrajne przyśpieszenie. W raporcie Centre for Data Ethics and Innovation możemy przeczytać, że „Sztuczna inteligencja nie odegrała tak ogromnej roli w działaniach, jak wielu sądziło. Zamiast tego to konwencjonalna analiza danych, poparta nowymi umowami o udostępnianiu danych, wydaje się mieć największy wpływ na pracę służb zdrowia i władz publicznych”.

Wąska i silna sztuczna inteligencja

Wszystko to przez Wąską AI, czyli Narrow AI, lub nazywaną czasami Weak AI. Czym ona jest?

Żeby to wytłumaczyć posłużmy się definicją z Japan AI Experience w 2017 roku, CEO DataRobot Jeremy China:

„AI to system komputerowy zdolny do wykonywania czynności, które zwyczajowo potrzebują ludzkiej inteligencji. Wiele z tych systemów AI wykorzystuje machine learning, niektóre z nich wykorzystują deep learning, a część używa bardzo nudnych rozwiązań, czyli reguł”.

Słaba AI, nazywane czasami wąskim AI (narrow AI, weak AI) działa w ograniczonym kontekście. Wąska sztuczna inteligencja często koncentruje się na bardzo dobrym wykonywaniu jednego zadania.  Maszyny wyposażone w taką sztuczną inteligencję mogą wydawać się inteligentne, ale to tylko pozorność, jeśli porównujemy tą inteligencję do ludzkiej.

Silna AI, nazywana też General AI (Artifical General Intelligence AGI, Strong AI) to rodzaj sztucznej inteligencji, który widzimy w filmach Sci-Fi, takie roboty jak w „Westworld” czy „Ex Machina”. AGI jest maszyną z ogólną inteligencją i podobnie jak człowiek może zastosować tę inteligencję do rozwiązania każdego problemu. Działanie nie jest więc jednokierunkowe, a szerokie.

W pełnoprawnym użyciu AI wykorzystujemy machine learning i deep learning. Mówiąc najprościej, uczenie maszynowe wykorzystuje techniki statystyczne, aby pomóc „nauczyć się”, jak stopniowo doskonalić się w zadaniu, bez specjalnego programowania do tego zadania, co eliminuje potrzebę pisania nieskończoności wierszy kodu. Uczenie maszynowe obejmuje zarówno uczenie nadzorowane (przy użyciu oznaczonych zestawów danych), jak i uczenie nienadzorowane (przy użyciu nieoznaczonych zestawów danych).

Algorytm wykrywania oszustw związanych z kartami kredytowymi jest dobrym przykładem uczenia maszynowego. Jak otrzymałeś kiedykolwiek informacje z banku, czy na pewno dokonałeś jakiejś transakcji w danym kraju na dana kwotę, masz do czynienia z uczeniem maszynowym.

Konkludując, automatyzacja zadań to nie sztuczna inteligencja. I najczęściej otacza nas prosty zestaw algorytmów, które pozwalają działać poszczególnym urządzeniom czy programom.

Uczenie maszynowe i deep learning to to elementy AI,  jaką posługujemy się dzisiaj. Potrafi być zaawansowana ale dalej jest monotematyczna.

Obszar jest na razie zarezerwowany do wysoko technologicznych rozwiązań, jak przetwarzanie obrazów medycznych czy technologii predykcji. To nas najczęściej nie otacza. Prawdziwe AI, takie świadome jest daleko poza horyzontem jakiegokolwiek użycia.

Ilustracja (C) Vector Juice/free pik

• [CZYTAJ TAKŻE] Dlaczego musimy opowiadać o technologii?