Trwa wyścig o to, kto pierwszy stworzy funkcjonalną sztuczną inteligencję, zdolną autonomicznie wspomagać nas w podejmowaniu optymalnych decyzji, w badaniach naukowych i projektach cywilizacyjnych. Graczy, którzy mogą to osiągnąć, jest tylko kilku – to liderzy technologii komputerowych.
Myśl, że człowiek – tak przecież niedoskonały – mógłby wykreować inną inteligentną istotę, być może nawet przewyższającą go potęgą umysłu, wielu osobom wydaje się trudna do zaakceptowania. Doniesienia o pracach nad zaawansowaną sztuczną inteligencją (SI) przyjmujemy zwykle odruchowo z przymrużeniem oka, postrzegając je jako porywanie się z motyką na słońce. To w powszechnym odczuciu niegroźne podążanie za złudną idée fixe, bez szans na realizację, przynajmniej nie na tym etapie rozwoju naszej cywilizacji. Nie znamy przecież nadal mechanizmów myślenia, a przede wszystkim – nie mamy bladego pojęcia, co jest istotą świadomości, zawiadującej procesem myślenia niczym sternik okrętem.
W powyższym przekonaniu tkwi jednak fundamentalny błąd: to powiązanie bytu obiektywnie inteligentnego z wymogiem świadomości. Czy naprawdę świadomość jest sztucznej inteligencji niezbędna? Filozofowie i naukowcy przyjmują możliwość zaistnienia konstruktu inteligencji sprawiającego na obserwatorach wrażenie bytu podmiotowego, świadomego swego istnienia – zdolnego do prowadzenia rozmowy, realizującego cele itd. – mimo że tyle w nim samoświadomości, co w kilogramie śrubek. Możliwość zaprojektowania tak skomplikowanego konstruktu jest już dziś uważana przez wielu ekspertów za jak najbardziej realną w perspektywie najbliższych dekad.
W związku z powyższym trudno nadal traktować prace nad stworzeniem zaawansowanej sztucznej inteligencji z dotychczasową pobłażliwą rezerwą. Przyszłość znana z epickich wizji SF jest bliższa, niż się wydaje.
Superinteligencja maszyn
Już dziś potrafimy tworzyć konstrukty SI, które niebotycznie przewyższają inteligencję ludzką w najrozmaitszych zadaniach, jeszcze kilkadziesiąt lat temu uważanych za obiektywne mierniki potęgi świadomego umysłu. Żaden człowiek nie potrafi na przykład równie sprawnie jak komputer wykonywać działań matematycznych, przechowywać w pamięci gigantycznych ilości danych – nigdy niczego z nich nie zapominając! - czy wyszukiwać prawidłowości w wielkich i dynamicznie zmieniających się zbiorach. Konstrukty projektowane tak, by udawały w rozmowie człowieka, czynią to z roku na rok coraz skuteczniej. Stworzenie symulacji autonomicznej superinteligencji wydaje się jeszcze odległe, ale już teraz wielkie nadzieje budzą prace związane z uczeniem maszynowym (ang. machine learning), umożliwiającym SI doskonalenie się w miarę zdobywania doświadczeń.
Szczególny, zaawansowany rodzaj uczenia maszynowego, uczenie głębokie (ang. deep learning), operuje na złożonych, wielowarstwowych modelach nieco podobnie, jak to robi mózg ludzki. Uczenie głębokie ma zastosowanie m.in. w takich stawianych przed SI zadaniach, jak rozpoznawanie mowy, analiza języka naturalnego, projektowanie leków, rekomendowanie klientom ofert sprzedażowych dopasowanych do oczekiwań na podstawie analizy zachowań, wyszukiwanie informacji lub wyznaczonych obiektów na zdjęciach. SI wykorzystująca uczenie maszynowe pomaga zrozumieć funkcjonowanie ludzkiego genomu, pełni kluczową rolę w kierowaniu pojazdem autonomicznym, a to oczywiście zaledwie przykłady licznych możliwych zastosowań.
Widać więc jasno, że SI może znaleźć w biznesie niezliczone zastosowania. Zarówno precyzyjnie określone, zadaniowe i wykonawcze – patrz choćby wymienione przykłady – jak i (nie sposób nie wziąć tego pod uwagę) analityczno-doradcze. Ze swą zdolnością do analizy gigantycznych ilości danych, nie wpadając w pułapki emocji lub fatalnych przeoczeń, zaawansowany konstrukt AI będzie mógł pomóc choćby w podejmowaniu kluczowych decyzji inwestycyjnych, na chłodno oceniając szanse.
Procesory do zadań specjalnych
Oprócz danych oraz odpowiednich algorytmów i modeli, zgodnie z którymi te dane są przetwarzane, SI potrzebuje rzecz jasna - niezbędnej niczym napęd w rakiecie - mocy obliczeniowej, zapewnianej przez procesory. W ponad 93 proc. serwerów przetwarzających dane zgodnie z wymogami uczenia maszynowego za obliczenia odpowiadają procesory Intela. Najczęściej używany do obsługi uczenia głębokiego jest procesor Intel® Xeon® z rodziny E5. Niedawno trafił na rynek procesor Intel® Xeon Phi(TM) zapewniający gigantyczny wzrost wydajności przetwarzania wysoce równoległego. Ponadto Intel specjalnie z myślą o swych wyspecjalizowanych procesorach stworzył narzędzia programistyczne – i wciąż je rozwija - które pozwalają wycisnąć z tej architektury możliwie jak najwięcej: Intel® Math Kernel Library (Intel® MKL) oraz Intel® Data Analytics Acceleration Library (Intel® DAAL). Zgodnie z zapewnieniami Intela, optymalizacja owych bibliotek pozwoliła zwiększyć wydajność procesorów w uczeniu głębokim aż do trzydziestu razy.
Możliwości konstruktów SI będą zatem dalej rosły, choćby tylko dzięki coraz większej wydajności coraz skuteczniej optymalizowanych, wyspecjalizowanych procesorów. W ocenie ekspertów Intel zyskał ostatnio możliwość znaczącego dalszego ulepszenia architektury swoich układów oraz narzędzi programistycznych opracowanych z myślą o uczeniu maszynowym. Szansę tę zapewniło przejęcie kalifornijskiej firmy Nervana Systems, lidera technologii uczenia głębokiego, oferującej sprzęt i oprogramowanie w pełni zoptymalizowane pod kątem tego właśnie rodzaju przetwarzania danych.
Jak wielki będzie to skok wydajnościowy? Jakie nowe horyzonty otworzy? Naukowcy opracowujący algorytmy uczenia maszynowego również nie marnują czasu, mamy zatem prawo spodziewać się od SI coraz więcej.
Jako że mówimy o procesie samodoskonalenia się myślących maszyn „rozpoznaniem w boju”, wypada ostrożnie założyć, że to, jaki postęp finalnie zrobią konstrukty SI, jest dla nas samych zagadką.
Jedno jest pewne: będą się uczyć coraz skuteczniej i coraz więcej potrafić.
Szukasz porady? Skontaktuj się z ekspertem z Asseco:
+48 22 574 88 23; e-mail: piotr.fabjaniak@assecods.pl