Jesień sztucznej inteligencji


23-01-2022 15:28:09

PWC, globalna sieć przedsiębiorstw świadczących usługi księgowe, audytorskie i doradcze, przewiduje, że sztuczna inteligencja (AI) doda do 2030 r. do światowej gospodarki 16 bln USD. A cała jej aktywność – od banków i biotechnologii po sklepy i budownictwo – gospodarce USA wyniosła w 2018 r. zaledwie 13 bln USD.

Twierdzenie PWC nie jest odosobnione. Prognostycy z McKinsey też podają kwotę 13 bln USD. Inni wybierają ocenę jakościową, a nie ilościową. Mówią że rozwój AI jest „głębszy niż ogień czy elektryczność”. Inne prognozy widzą podobnie duże zmiany, ale mniej pomyślne. Szacuje się. że „sprytne” komputery, zdolne do wykonywania pracy radiologów, kierowców ciężarówek czy magazynierów mogą wywołać falę bezrobocia.

Niespełnione obietnice

Ostatnio pojawiły się też wątpliwości, czy dzisiejsza technologia AI rzeczywiście tak zmienia świat, jak się wydaje. Pokonuje tego czy innego rodzaju ograniczenia, lecz nie udało się spełnić niektórych z bardziej wspaniałych obietnic jej zwolenników. Nie ma wątpliwości, że AI – a ściślej uczenie maszynowe – jedna z jej poddziedzin – poczyniła znaczne postępy. Komputery stały się doskonalsze i zdolne do radzenia sobie z problemami, z którymi wcześniej się borykały.

Ekscytacja zaczęła rosnąć w środowisku akademickim na początku 2010 r., kiedy nowe techniki uczenia maszynowego doprowadziły do szybkich ulepszeń, w takich zadaniach jak rozpoznawanie obrazów i manipulowanie językiem. Sztuczna inteligencja rozprzestrzeniła się w biznesie, poczynając od internetowych gigantów. Dzięki ogromnym zasobom obliczeniowym i oceanom danych byli oni dobrze przygotowani do przyjęcia tej technologii. Nowoczesne techniki sztucznej inteligencji zasilają teraz wyszukiwarki i asystentów głosowych, sugerują odpowiedzi na e-maile, zasilają systemy rozpoznawania twarzy, odblokowują smartfony i strzegą granic państwowych, a także wspierają algorytmy, które próbują identyfikować niepożądane posty w mediach społecznościowych.

Być może najbardziej znany pokaz potencjału tej technologii miał miejsce w 2016 r., kiedy system zbudowany przez DeepMind, londyńską, należącą do Alphabet firmę AI. korporacyjnego rodzica Google, pokonał jednego z najlepszych graczy na świecie w Go, starożytnej azjatyckiej grze planszowej. Pojedynek oglądały dziesiątki milionów; przełom nastąpił o lata, a nawet dekady wcześniej, niż oczekiwali guru AI.

Uczenie maszynowe

Jak sugeruje porównanie z elektrycznością i ogniem, uczenie maszynowe jest technologią ogólnego przeznaczenia – taką, która może wpływać na całe gospodarki. Doskonale sprawdza się w rozpoznawaniu wzorców w danych i jest przydatne wszędzie. Ornitolodzy używają go do klasyfikacji śpiewu ptaków; astronomowie do polowania na planety; banki do oceny ryzyka kredytowego i zapobiegania oszustwom. W Holandii władze wykorzystują go do monitorowania świadczeń socjalnych. W Chinach oparte na sztucznej inteligencji rozpoznawanie twarzy pozwala klientom kupować artykuły spożywcze – ale i pomaga w prowadzeniu represyjnego systemu masowej inwigilacji.

Heroldowie AI mówią, że są jeszcze przed nami dalsze przemiany, na lepsze i na gorsze. W 2016 r. Geoffrey Hinton, informatyk, który wniósł zasadniczy wkład we współczesną sztuczną inteligencję, zauważył, że „jest całkiem oczywiste, że powinniśmy przestać szkolić radiologów”, ponieważ komputery będą wkrótce mogły robić wszystko to, co robią oni, tylko taniej i szybciej. A twórcy autonomicznych samochodów przewidują, że robotyka zrewolucjonizuje transport. Eric Schmidt, były prezes Google ma nadzieję, że AI może przyspieszyć badania, pomagając naukowcom nadążyć za zalewem dokumentów i danych.

W styczniu grupa naukowców opublikowała w czasopiśmie naukowym Cell artykuł opisujący system AI, który przewidywał działanie antybakteryjne na podstawie struktury molekularnej. Spośród 100 kandydujących cząsteczek wybranych przez system do dalszej analizy, jedna okazała się nowym, silnym antybiotykiem. Pandemia Covid-19 wyciągnęła takie medyczne zastosowania na światło dzienne. Firma AI o nazwie BlueDot twierdzi, że już w grudniu zauważyła oznaki nowego wirusa w raportach z chińskich szpitali. Naukowcy starają się zastosować sztuczną inteligencję do wszystkiego, od odkrywania leków po interpretację skanów medycznych i przewidywanie, jak wirus może ewoluować.

Gdzie samobieżny samochód?

To nie jest pierwsza fala emocji związanych z AI. Dziedzina ta zaczęła się rozwijać w połowie lat 50. XX w., kiedy naukowcy mieli nadzieję, że budowanie inteligencji na poziomie człowieka zajmie kilka lat, a najwyżej kilka dekad. Ten wczesny optymizm wygasł w latach 70. XX w. Druga fala rozpoczęła się w latach 80. XX w. Lecz po raz kolejny najwspanialsze obietnice nie zostały spełnione. A gdy rzeczywistość zastąpiła fascynację, boomy ustąpiły miejsca dotkliwym krachom nazwanym jako „zima AI”. Finansowanie badań wyschło, a reputacja tej dziedziny ucierpiała.

A przecież nowoczesna technologia AI odniosła wielki sukces. Miliardy ludzi używają jej codziennie, w większości niezauważalnie, w swoich smartfonach i usługach internetowych. Jednak pomimo tego sukcesu pozostaje faktem to, że wiele z najwspanialszych twierdzeń dotyczących AI po raz kolejny nie stało się rzeczywistością, a tryumfalizm słabnie, ponieważ naukowcy zaczynają się zastanawiać, czy technologia ta nie doszła do ściany. Autonomiczne samochody stały się bardziej sprawne, ale wciąż nie są na tyle bezpieczne, aby jeździć po zwykłych ulicach. Również próby włączenia AI do diagnozy medycznej trwają dłużej niż oczekiwano: pomimo przewidywań, na całym świecie nadal brakuje radiologów.

Eryk Topol, kardiolog i entuzjasta AI, badający dziedzinę medycznej AI , napisał w 2019 r., że „stan szumu wokół AI znacznie przekroczył stan wiedzy o AI, zwłaszcza jeśli chodzi o walidację i gotowość do jej wdrożenia w opiece nad pacjentem”. Pomimo mnóstwa pomysłów, z Covid-19 walczy się głównie za pomocą starej broni, która jest już pod ręką. Śledzenie kontaktów jest wykonywane za pomocą poczty pantoflowej, wywiadów i rozmów telefonicznych. Badania kliniczne koncentrują się na istniejących lekach. Plastikowe ekrany i oznakowania na chodnikach wymuszają stosowanie prostych porad dotyczących dystansu.

Ci sami konsultanci, którzy przewidują, że AI będzie mieć wpływ na świat, donoszą również, że prawdziwi menedżerowie w realnych firmach mają trudności z wdrożeniem AI, a ich entuzjazm ulega ochłodzaniu. Inwestorzy zaczynają być sceptyczni: badanie, przeprowadzone wśród europejskich startupów z branży AI, wykazało, że 40% w ogóle nie używa żadnej AI.

Są też prowadzone badania, dlaczego entuzjazm wygasa. Wskazują one, że chociaż nowoczesne techniki AI są potężne, ale są również ograniczone i mogą być kłopotliwe i trudne do wdrożenia. Ci, którzy chcą wykorzystać potencjał AI, muszą się zmierzyć się z dwoma kategoriami problemów.

Pierwszy jest praktyczny. Rewolucja uczenia maszynowego opiera się na 3 filarach: ulepszonych algorytmach, mocniejszych komputerach do ich obsługi oraz – dzięki stopniowej cyfryzacji społeczeństwa – większej ilości danych, z których mogą się uczyć. Jednak dane nie zawsze są łatwo dostępne. Trudno jest używać AI do monitorowania transmisji Covid-19 bez kompleksowej bazy danych, na przykład, o ruchach każdego z nas. Zapotrzebowanie najnowszych systemów AI na moc obliczeniową może być kosztowne. Duże organizacje zawsze potrzebują czasu na integrację nowych technologii: np. elektryczność w XX w. lub chmura w XXI w. Nic z tego nie musi koniecznie zmniejszać potencjału AI, ale spowalnia jej zastosowanie.

Drugi zestaw problemów sięga głębiej i dotyczy samych algorytmów. Uczenie maszynowe wykorzystuje tysiące lub miliony przykładów do trenowania modelu oprogramowania (którego struktura jest luźno oparta na architekturze neuronowej mózgu). Powstałe w ten sposób systemy mogą wykonywać niektóre zadania, takie jak rozpoznawanie obrazów lub mowy, o wiele bardziej niezawodnie niż te zaprogramowane tradycyjną metodą, z ręcznie tworzonymi regułami, ale nie są „inteligentne” w sposób, w jaki większość ludzi rozumie ten termin. Są potężnymi narzędziami do rozpoznawania wzorców, ale brakuje im wielu zdolności poznawczych, które biologiczne mózgi przyjmują za pewnik. Zmagają się z rozumowaniem, uogólniając zasady, które odkrywają, oraz z uniwersalnym savoir faire, który badacze z braku dokładniejszego opisu nazywają „zdrowym rozsądkiem”. Rezultatem jest sztuczny, uczony idiota, który potrafi się wyróżniać w dobrze określonych zadaniach, ale może popełnić błąd, jeśli napotka nieoczekiwane dane wejściowe.

Bez kolejnego przełomu te wady nakładają fundamentalne ograniczenia na to, co AI może, a czego nie może zrobić. Samojezdne pojazdy, które muszą poruszać się w ciągle zmieniającym się świecie, są już opóźnione i mogą w ogóle nie dotrzeć na drogi. Systemy zajmujące się językiem, takie jak chatboty (programy komputerowe, których zadaniem jest prowadzenie konwersacji z udziałem komputera), i asystenci osobiści, wykorzystują podejście statystyczne, które tworzy powierzchowny obraz rzeczywistości, bez głębszego zrozumienia. To ogranicza ich użyteczność. Egzystencjalne obawy o tzw. sprytne komputery, które uczynią radiologów lub kierowców ciężarówek – jak sugerują niektórzy – anachronicznymi, stanowią zagrożenie dla przetrwania ludzkości, wydają się przesadzone. A prognozy dotyczące wzrostu PKB, takiego jak w chińskiej gospodarce, wydają się niewiarygodne.

Dzisiejsze „lato AI” różni się od poprzednich. Jest jaśniej i cieplej, bo technologia ta jest jednak szeroko stosowana. Kolejna zima jest mało prawdopodobna. Ale wzmaga się jesienna bryza.

Maciej Kamyk

fot. Pixabay

Komentuje Waldemar Rukść

eNOT.pl - Portal Naczelnej Organizacji Technicznej | eNOT.pl