Чому нам потрібно перестати плутати людський і машинний інтелект

Нам вже звично чути такі фрази, як «машинне навчання» і «штучний інтелект». Ми думаємо, що хтось зумів відтворити людський розум всередині комп’ютера. Це, звичайно, неправда. Але частково причина, по якій ця ідея так поширена, пояснюється тим, що метафора людського навчання та інтелекту була вельми корисна для пояснення машинного навчання і штучного інтелекту. Деякі дослідники штучного інтелекту підтримують тісний контакт з спільнотою нейробіологів, і натхнення проходить в обох напрямках.

Однак та метафора може бути перешкодою для людей, які намагаються пояснити машинного навчання тим, хто знайомий з ним менше. Один з найбільших ризиків об’єднання людського і машинного інтелекту полягає в тому, що ми починаємо передавати занадто багато прав машин. Але для тих з нас, хто працює з програмним забезпеченням, важливо пам’ятати, що інтелектуальним агентом залишається саме людина — людина, який будує ці системи, в кінці кінців.

Варто провести ключові відмінності між машинним і людським інтелектом. Незважаючи на те, що подібності, звичайно, є, вдивляючись у відмінності ми могли б краще зрозуміти, як працює штучний інтелект і як нам будувати і використовувати його максимально ефективним чином.

Нейронні мережі

Центральне місце в метафорі, яка пов’язує людську і машинне навчання, це концепція нейромережі. Найбільше розходження між мозком людини та штучної нейромережею — це масштаби нейронних мереж мозку. Важливо не просто кількість нейронів в мозку (яке обчислюється мільярдами), але і разюча кількість зв’язків між ними.

Однак проблема йде глибше, ніж просто питання масштабу. Людський мозок якісно відрізняється від штучної нейронної мережі по двом іншим важливим причин: сполуки, які його живлять, аналогові, а не цифрові, а самі нейрони неоднорідні і нерівномірні (на відміну від штучної нейромережі).

Ось чому мозок такий складний. Навіть найскладніша штучна нейромережа, хоча її деколи буває складно зрозуміти, нижележащую архітектуру і принципи, якими керується. Принаймні, нам би цього хотілося, тому ми до цього прагнемо.

Навіть найскладніші нейромережі з штучним інтелектом проектуються з певною метою і для досягнення певного результату. Але людський мозок не має такої ж міри цілеспрямованості у своєму проекті. Так, у нього є принципи самозбереження та інше, але він все одно вимагає від нас критичного мислення і творчого підходу, які запрограмувати поки не виходить.

Прекрасна простота ІІ

Іронія полягає в тому, що системи штучного інтелекту набагато простіше, ніж людський мозок, що дозволяє ІІ справлятися з набагато більшою обчислювальною складністю, чим можемо ми.

Нейромережі штучного інтелекту можуть зберігати значно більше інформації та даних, ніж людський мозок, в основному з-за типу даних, які зберігаються і обробляються нейронною мережею. Вони є дискретними і конкретні, як вміст таблиць Excel.

У мозку людини дані не мають такої ж властивості дискретності. Тому, хоч штучна нейронна мережа може обробляти конкретні дані, вона не може обробляти інформацію в багатій і багатовимірної манері, як це робить людський мозок. Це ключова відмінність між спроектованої системою та людським мозком.

Незважаючи на роки досліджень, людський мозок залишається незрозумілим у чому. Це пов’язано з тим, що аналогові синаптичні зв’язки між нейронами майже непроникні для цифрових сполук штучної нейронної мережі.

Швидкість і масштаб

Розглянемо, що це означає на практиці. Відносна простота ІІ дозволяє дуже швидко виконати складну задачу і дуже добре. Мозок людини просто не може обробляти дані з такою швидкістю, якщо, наприклад, переводить мова в текст або обробляє величезний набір онкологічних звітів.

Для ІЇ у цих контекстах важливо те, що він розбиває дані та інформацію на дрібні складові. Наприклад, він може розбити звуки на фонетичні частини, які потім будуть переведені на повні пропозиції, або розбити зображення на шматочки, щоб зрозуміти правила, за якими утворюються великі картини.

Люди часто роблять подібне, і тут машинне навчання нагадує людське; як і алгоритми, люди розбивають дані або інформацію на невеликі частини, щоб обробляти її.

Але є причина цього подібності. Процес розбивки розробляється у кожній нейронної мережі інженером-людиною. Більш того, процес проектування зазвичай ґрунтується на проблемі, передумові. Те, як система штучного інтелекту розбиває набір даних, це її власний спосіб їх «зрозуміти». Навіть при запуску дуже складного алгоритму, параметри того, як навчається ІІ — він розбиває дані, щоб обробити — встановлені з самого початку.

Людський інтелект: визначення проблем

У людського інтелекту не повинно бути такого набору обмежень, ось що робить нас набагато більш ефективними у вирішенні проблем. Саме здатність людей «створювати» проблеми дозволяє нам чудово їх вирішувати. У нашому підході до вирішення проблем є елемент контекстуального розуміння і прийняття рішень.

ІЇ може і міг би розпаковувати проблеми або знаходити нові способи їх вирішення, але він не може визначати проблеми, які намагається вирішити.

За останні роки предметом пильної уваги стала алгоритмічна нечутливість. Все більше скандалів пов’язують з упередженістю систем ШІ. Звичайно, це безпосередньо пов’язано з упередженнями тих, хто робить алгоритми, але самі причини того, звідки в алгоритмах з’являються ці упередження, можуть визначити тільки люди.

Людський і машинний інтелект повинні доповнювати один одного

Ми повинні пам’ятати, що штучний інтелект і машинне навчання — це не просто алгоритми, які «відбилися від рук» і вийшли з-під нашого контролю. Їх створюємо, проектуємо і творимо ми. Це накладає на нас відповідальність за наше майбутнє — воно буде таким, яким ми самі його зробимо.

Готові прийняти у себе штучний інтелект?