Sztuczna inteligencja (AI) to szybko rozwijająca się dziedzina, która osiągnęła ogromne postępy w ostatnich latach. AI, która odnosi się do zdolności komputera lub maszyny do symulowania inteligencji ludzkiej, jest wykorzystywana w wielu dziedzinach. Głowne zastosowania AI są obecnie zakresie opieki zdrowotnej, finansów i transportu. Ostatecznym celem badań ludzi nad AI jest stworzenie maszyny, która potrafi myśleć i rozumować jak człowiek, co jest znane jako sztuczna inteligencja ogólna (AGI).
AGI uważana jest za święty Graal sztucznej inteligencji, ponieważ oznaczałaby znaczący postęp w naszych możliwościach tworzenia inteligentnych maszyn. Mimo ogromnego postępu w dziedzinie AI, samo AGI pozostaje jednak odległym marzeniem. Istnieje wiele wyzwań, które muszą zostać pokonane, zanim będziemy mogli stworzyć maszyny, które naprawdę potrafią myśleć i rozumować jak ludzie.
- Spotkania z klientami na zoomie już nie wystarczą. Jak cyfryzować firmę, żeby klient cię pokochał? Impresje Samcika i nie tylko [BIZNES BEZ PAPIERU]
- Hosting, czyli za co tak naprawdę płacisz? Jak wybrać firmę, z którą nie grozi ci "blackout" strony, e-sklepu lub bloga?
- Prywatność w sieci. Jak ją chronić przed oszustami, szpiegami, złodziejami i... rządem? Wystarczy zrobić tych kilka rzeczy
Pisałem już o tym wcześniej w artykule Sztuczna inteligencja. Pies, czyli kot
Ludzki mózg to wyzwanie dla AGI
Jednym z największych wyzwań w tworzeniu AGI jest zrozumienie, w jaki sposób działa ludzki mózg. Ludzki mózg jest niezwykle skomplikowanym narządem, a naukowcy dopiero zaczynają rozumieć jego wewnętrzne działanie. Dopóki nie będziemy lepiej rozumieć, jak działa mózg, będzie trudno stworzyć maszynę, która będzie w stanie naśladować te procesy.
Innym wyzwaniem jest ogromna ilość danych, jakie byłyby potrzebne do wytrenowania maszyny do myślenia jak człowiek.
Nasz ludzki mózg uczy się na podstawie wielu doświadczeń, ale żeby wytrenować maszynę do tego samego, potrzeba ogromnej ilości danych. Jest to trudne zadanie i nie wiadomo, ile czasu zajmie zebranie i przetworzenie niezbędnych danych.
Pomimo tych wyzwań, wielu badaczy pozostaje optymistami co do przyszłości AGI. Niektórzy uważają, że stworzenie AGI może być możliwe w ciągu najbliższych kilku dekad, inni są bardziej sceptyczni. Jest prawdopodobne, że rozwój AGI będzie procesem stopniowym, z przyrostowymi postępami dokonywanymi w miarę upływu czasu.
Jednym z najbardziej obiecujących obszarów badań w dziedzinie AGI są sieci neuronowe. Są to systemy komputerowe zaprojektowane tak, aby naśladować strukturę ludzkiego mózgu i są już wykorzystywane w wielu zastosowaniach. Poprzez dalsze doskonalenie technologii sieci neuronowych, naukowcy mają nadzieję, że będą w stanie stworzyć maszyny, które będą w stanie uczyć się i adaptować w taki sam sposób jak ludzie.
Podsumowując, stworzenie AGI to trudne wyzwanie, które będzie wymagało znacznego postępu w naszym rozumieniu ludzkiego mózgu. Konieczne będzie także gromadzenie i przetwarzanie dużych ilości danych. Chociaż nie da się dokładnie przewidzieć, kiedy AGI zostanie osiągnięta, wielu badaczy wierzy, że to tylko kwestia kilku-kilkunastu lat, zanim będziemy w stanie stworzyć maszyny, które potrafią myśleć i rozumować jak ludzie.
Rozwiązywanie problemów
W ostatnich latach nastąpił duży postęp w technologii AI i systemy AI są obecnie w stanie rozwiązać wiele problemów, które kiedyś uważano za przekraczające ich możliwości.
Na przykład systemy AI są obecnie w stanie grać w złożone gry, takie jak szachy i Go, na poziomie „nadludzkim”, a także są wykorzystywane do rozwiązywania problemów w takich dziedzinach jak medycyna i finanse. Ogólnie rzecz biorąc, postęp w rozwiązywaniu problemów przez AI był znaczący i oczekuje się, że w najbliższych latach będzie nadal się poprawiał.
Gra w szachy. Gra w GO
Systemy AI są w stanie grać w gry takie jak szachy i Go dzięki technice zwanej uczeniem wzmacniającym. W tym przypadku system AI uczy się grać w grę, grając w nią wielokrotnie i otrzymując nagrody za dobre ruchy oraz kary za złe. Z czasem system AI uczy się, które działania mogą prowadzić do najlepszych wyników i odpowiednio dostosowuje swoją strategię.
Garri Kasparow, który poniósł spektakularną porażkę w szachy w 1997 roku z komputerem DeepBlue uznał swoją porażkę – jednak zgłaszał, że komputer był mocno nadzorowany przez człowieka. Co było prawdą, ale porażka 3,5:2,5 była kamieniem milowym w rozwoju sztucznej inteligencji.
Jednym z najbardziej znanych przykładów systemu AI, który wykorzystuje uczenie wzmacniające do gier, jest AlphaGo, opracowany przez Google DeepMind. AlphaGo był pierwszym systemem AI, który pokonał profesjonalnego gracza ludzkiego w grze Go, która jest uważana za znacznie bardziej złożoną niż szachy.
Aby wyszkolić system AI do gry w takie gry jak szachy i Go, pierwszym krokiem jest stworzenie cyfrowej wersji gry, z którą AI może wejść w interakcję. Następnie system AI jest szkolony przy użyciu kombinacji uczenia nadzorowanego, w którym otrzymuje przykłady dobrych ruchów, oraz uczenia wzmacniającego, w którym uczy się metodą prób i błędów. Proces szkolenia może być czasochłonny i wymaga dużej mocy obliczeniowej, ale to właśnie dzięki niemu system AI może nabrać wprawy w grze.
Uczenie nadzorowane AI
Uczenie nadzorowane przez człowieka to rodzaj uczenia maszynowego (machine learning), w którym algorytm AI uczy się na podstawie przykładów, które mu są dostarczane. W uczeniu nadzorowanym dostarcza się algorytmowi danych wejściowych i oczekiwanych wyników dla tych danych. Na tej podstawie algorytm uczy się zależności między danymi wejściowymi a oczekiwanymi wynikami, dzięki czemu może potem przewidzieć wyniki dla nowych danych wejściowych. Uczenie nadzorowane jest często stosowane do rozwiązywania problemów klasyfikacji i regresji.
Przełom w rozwoju AI – modele GPT3 – organizacji OpenAI
OpenAI to organizacja badawcza zajmująca się rozwojem technologii sztucznej inteligencji.
GPT-3 (ang. Generative Pretrained Transformer 3) to duży model języka opracowany przez OpenAI, który jest w stanie generować teksty w językach naturalnych. Model GPT-3 został wytrenowany na ogromnych zbiorach danych tekstowych, w tym różnego rodzaju artykułach, książkach, stronach internetowych i innych. Dzięki temu model GPT-3 jest w stanie zrozumieć złożone zależności między słowami i zdaniem, co pozwala mu na generowanie tekstu, który jest w miarę zrozumiały dla ludzi.
GPT-3 może być używany do różnych zastosowań, w tym do tworzenia chatbotów, rozpoznawania mowy i innych zadań wymagających umiejętności przetwarzania języka naturalnego.
Szokująco dobre działanie systemów OpenAI i metody GPT-3 jest przełomem w rozwoju AI.
Model można spróbować samemu pod adresem https://chat.openai.com/chat.
Efekty są zaskakujaco dobre. Model rozmawia w różnych językach. Także po polsku(!)
Oczywiście ten system jest ciągle w fazie testów i rozwoju – ale zajrzyjcie do niego sami. Pisałem o tym niedawno w artykule Rozmowy z AI: OpenAI chatbot – will the AI get my job in the future ?
Rozpoznawanie obrazów
AI w obszarze rozpoznawania obrazów działa poprzez wytrenowanie modelu sztucznej inteligencji na dużym zbiorze danych obrazów oznaczonych etykietami opisującymi zawartość tych obrazów. Po wytrenowaniu modelu na tych danych jest on w stanie rozpoznać obiekty na nowych obrazach i przypisać im odpowiednie etykiety.
Model AI do rozpoznawania obrazów może być wytrenowany za pomocą metody uczenia nadzorowanego, w której dostarcza się mu przykłady obrazów i odpowiadających im etykiet. Na tej podstawie model uczy się zależności między obrazami a etykietami i potem jest w stanie przewidzieć etykiety dla nowych obrazów.
Rozpoznawanie obrazów przez AI jest szeroko stosowane w wielu dziedzinach, w tym w medycynie, bezpieczeństwie i marketingu. Może być używane do rozpoznawania chorób na obrazach medycznych, wykrywania niebezpiecznych sytuacji na nagraniach z monitoringu oraz określania preferencji reklamodawców na podstawie zdjęć profilowych użytkowników.
Obecnie jest to chyba najdalej rozwinięta dziedzina AI- z racji szybkiego zwrotu biznesowego i użyteczności wielu zastosowań. Rozpoznawanie wczesnych stadiów raka czy wskazywanie obszarów chorobowych na zdjęciach RTG i USG to bardzo użyteczne dla ludzkości zadania AI.
Generowanie obrazów
Najciekawsze dla nas, konsumentów jest pewnie poza rozmową z robotem próba zmiany naszych własnych wizerunków. I tak: aplikacja FaceApp ma kilkanaście milionów instalacji i zmonetyzowała nakłady poniesione na jej inteligencję. Za jej pomocą można zmienić dowolne zdjęcie twarzy, dopracować każdy szczegół – a wszystko na naszym własnym smartfonie.

Inne zastosowanie to wszelkie filtry na Facebooku – Instagramie – pozwalające podszlifować (zafałszować) rzeczywistość. Piękno sprzedaje się pięknie 🙂
Genealogia i kreatywność AI
W aplikacjach genealogicznych można dokonać ożywienia starych zdjęć kolorując je automatycznie, albo robiąc ruchome obrazki jak ze ścian w magicznych domach Harry’ego Pottera.
Ja wybrałem z aplikacji MyHeritage wersję podróży w czasie, gdzie możesz zostać XVIII wiecznym Francuzem :

Możesz też zostać cyborgiem z przyszłości (albo jak z filmu Luca Bessona)

I taka wersja AI generowania obrazów najbardziej do mnie przemawia.
Autonomia AI
W pracy nad pojazdami autonomicznymi i dronami nastąpiły dalsze postępy AI. Samochody osobowe jeżdżą już samodzielnie po drogach ale…AI na razie jest głównie asystentem a właściwie autopilotem w wybranym przez człowieka momencie.
Podobnie automaty inwestycyjne nie dostaną na razie do własnej decyzji całego budżetu. Nikt im nie zaufa. Jeszcze nie.
Omówimy ten wątek w oddzielnym artykule.
Długa droga do władzy AI nad światem
Co do przejęcia władzy nad światem AI ma jeszcze daleką drogę. Przytoczę tu klasykę z serialu Pinky i Mózg.
– Hej Móżdżku! Co będziemy robić dziś w nocy?
– To samo, co zawsze. Przejmować władzę nad światem!

Jak uważacie, która mysz lepiej reprezentuje obecne AI ?
Miliony testerów AI pożera prąd i generuje ślad węglowy
Boję się sprawdzać, ile napisanie tego artykuły o AI wygenerowało dwutlenku węgla. Strach pomyśleć ile milionów ludzi testuje właśnie chaty OpenAI. A ile miliardów korzysta z wyszukiwarki Google. A każde zapytanie w Google to…..
Sprawdźcie sami i nie bądźcie tacy nierozsądni jak ja.
https://www.carbonfootprint.com
Ja obiecuję, że zastosuję się do osobistych zaleceń antykarbonowych:
- Rozwieszaj pranie zamiast suszenia w suszarce bębnowej
Rozwieszanie prania zamiast używania suszarki bębnowej pozwoli zaoszczędzić około 153 kg CO2 rocznie – to 52 funty (68 USD) każdego roku, w oparciu o 150 cykli rocznie. - Zmniejsz ogrzewanie o 1⁰C
Zmniejszenie ogrzewania o 1⁰C może zmniejszyć zużycie energii o 8%. Przy średnim rachunku za gaz w gospodarstwie domowym wynoszącym 12 500 kWh zmniejszy to emisję CO2 o 184 kg – to 42 funty (55 USD) każdego roku. - Napełniaj czajnik tylko taką ilością wody, jaka jest potrzebna do zagotowania
Gotowanie tylko takiej ilości wody, jaka jest potrzebna do przygotowania gorącego napoju, pozwoli zaoszczędzić 72 kg CO2 rocznie – to 23 funty (30 USD) rocznie. - Spędzaj mniej czasu pod prysznicem
Spędzanie 1 minuty mniej pod prysznicem może zaoszczędzić 23 kg CO2 i 8 funtów (10 USD) rocznie (w oparciu o jeden prysznic dziennie i prysznic o mocy 9 kW). - Wyłączaj urządzenia elektryczne, gdy nie są używane
Całkowite wyłączenie jednego telewizora LCD (zamiast pozostawiania go w trybie czuwania) na 18 godzin dziennie pozwoli zaoszczędzić około 5 kg CO2 rocznie – oszczędność 2 funtów rocznie (2,64 USD). Wyłączaj wszystkie inne urządzenia elektryczne, gdy nie są używane, aby pomnożyć oszczędności. - Koniec z testami AI
Wyłączam więc kompa – na razie AI jeszcze ma wyłącznik elektryczny i logiczny – a więc rano nadal ludzie będą rządzić światem (chyba że do władzy dojdą w końcu Pinky i Mózg).
Bardzo dobry artykuł podsumowujący aktualny stan AI. Chat OpenAI można zaprząc do rozwiązywania trudnych zadań z matematyki.