Marketingowe sztuczki służą czasami całkiem poważnym celom. Tak stało się w ubiegłym tygodniu, kiedy IBM poddał swój zaawansowany system komputerowy Watson – którego stworzenie pochłonęło cztery lata i 30 mln dol. – próbie w popularnym amerykańskim quizie telewizyjnym „Jeopardy”! Maszyna odniosła miażdżące zwycięstwo nad dwoma ludzkimi przeciwnikami, którzy zanotowali najlepsze wyniki w 27-letniej historii tego teleturnieju.
Zwycięstwo w quizie może się wydawać rozczarowaniem w porównaniu z ostatnim razem, kiedy amerykański gigant komputerowy wystawił maszynę przeciwko sile ludzkiego umysłu. Czternaście lat temu zbudowany Deep Blue wygrał z szachowym mistrzem świata Garri Kasparowem. Jednak przejście od czysto matematycznych realiów do znacznie mniej uporządkowanego świata języka i kultury popularnej stanowi wielki krok naprzód w naukach komputerowych, który zaskakująco szybko może mieć wpływ na codzienne życie i konkurencyjność w biznesie.
Rozwój sztucznej inteligencji (AI) może doprowadzić do usprawnienia procesu podejmowania decyzji w medycynie czy w finansach. Pewnego dnia zostaną stworzeni cyfrowi asystenci, którzy będą odpowiadali na bezpośrednio zadane pytania znacznie skuteczniej niż Google.
– Gdybyś rozmawiał z ludźmi pracującymi nad AI pięć lat temu, powiedzieliby, że to, czego dokona Watson, zajmie od 20 do 30 lat – mówi Rodney Brooks, profesor robotyki z MIT. Choć do prawdziwej sztucznej inteligencji jeszcze daleko, obecna technologia może położyć podstawy pod generację zautomatyzowanych systemów zdolnych dostarczać znacznie bardziej użyteczne i bezpośrednie rozwiązania problemów życia codziennego. IBM już rozmawia z dużymi amerykańskimi firmami medycznymi o tym, jak wykorzystać tę technologię do produkcji dokładniejszych systemów diagnostycznych. Później prawdopodobnie znajdzie zastosowanie w usługach finansowych i handlu. – Podstawowe systemy pytanie-odpowiedź pomagające w podejmowaniu decyzji mogą wejść do użycia w ciągu roku – mówi Kerrie Holley z IBM.
Reklama
>>> Czytaj też: Rattner: Pracujemy nad tym, by świat wirtualny przeniknął do rzeczywistości

Pomaga Komisja Europejska

By zdać sobie sprawę z potencjału – a także bardzo realnych ograniczeń – systemu takiego jak Watson, ważne jest zrozumienie mechanizmu wyławiania odpowiedzi z oceanu ludzkiej wiedzy. Dwa procesy pokazują złożoność wyzwania. Jednym jest naturalne rozpoznanie języka – zdolność do zrozumienia zdania. Z powodu mnogości słownictwa i składni jest to zadanie trudniejsze, niż się wydaje. To, że język nie zawsze kieruje się czytelnymi zasadami, stanowi problem dla maszyn, które nie lubią dwuznaczności. Drugi proces polega na dopasowywaniu najbardziej prawdopodobnej odpowiedzi do konkretnego pytania – znany w żargonie naukowym jako „głębokie QA”. Watson analizuje miriady możliwych odpowiedzi, ale zamiast wybierać te, które znajdują się najwyżej w rankingu, system opisuje prawdopodobieństwo, czy dana odpowiedź jest prawidłowa. To potencjalnie użyteczna technika w realnym świecie, gdzie sprawy rzadko są czarno-białe.
Centralnym elementem tego procesu jest reakcja zwana „uczeniem się maszyny”, która pozwala systemowi poprawić rozumowanie, kiedy daje złą odpowiedź. Nowatorstwo projektu IBM opiera się na dostępności dużej ilości danych, wykorzystywanych zarówno do doskonalenia systemu zarówno poprzez trening polegający na wykorzystaniu wielu przykładów, jak i dostarczania surowego materiału, z którego generowane są odpowiedzi. Watson został więc nakarmiony milionami książek z cyfrowych bibliotek i innymi dokumentami, które służą jako podstawa do analizy. Internetowy dostęp do potężnych baz danych już przyspieszył rozwój badań nad AI. Postęp w tłumaczeniach stał się możliwy dzięki np. dostępności dużej liczby dokumentów Komisji Europejskiej, które zostały skopiowane w wielu językach. Dostarczając porównywalnych przekładów stały się one punktem odniesienia dla cyfrowego systemu translacyjnego. Połączmy te możliwości ze smartfonem i aplikacją wizualnego rozpoznawania tekstu, a możliwe stanie się sfotografowanie znaku graficznego w obcym języku i znalezienie natychmiastowego tłumaczenia – coś, co jeszcze pięć lat temu brzmiało jak science fiction. To klucz do potencjału wszystkich nowych systemów, które bazują na bankach danych dostępnych online. Łącząc wiele różnych pól wiedzy, można znaleźć nieoczekiwane powiązania naświetlające problem albo prowadzące do teorii, które byłyby niemożliwe przy badaniu tylko jednego wycinka.
Technika ta jest znacznie intensywniejsza od tej, którą wykorzystuje Google. Podczas gdy wyszukiwarka może podać jednocześnie miliony wyników, Watson zatrudnia cały zestaw procesorów do przedstawienia jednej odpowiedzi w niespełna trzy sekundy. – Bierze całą sumę ludzkiej wiedzy i przedziera się przez nią z oszałamiającą szybkością – mówi Richard Doherty z firmy technologicznej Envisioneering.
>>> Polecamy: Peter Thiel: Ameryką powinni rządzić inżynierowie, a nie politycy
Zadania wymagające analizy wielkich ilości informacji i błyskawicznej oceny prawdopodobieństwa pojawią się prawdopodobnie jako pierwsze. Wśród początkowych klientów, twierdzi Kerrie Holley, znajdą się instytucje finansowe – zawsze chętne do wykorzystania nowych technik w analizie danych z powodu wysokiego popytu na systemy zarządzania ryzykiem i narzędzia transakcyjne, które muszą z wielką szybkością przetwarzać duże ilości informacji. Akceptowanie kredytów, diagnozowanie chorób, sprzedawanie produktów klientom indywidualnym i wykorzystywanie w nowy sposób mediów społecznościowych po to, by lepiej zrozumieć odbiorców – wszystko to są zadania, w których może pomóc inteligentny komputerowy asystent.
Jednak potencjalne zastosowanie takich systemów w rzeczywistości społecznej będzie prawdopodobnie nastręczało sporo kłopotów. Wyposażone w wystarczającą ilość danych mogą być one w stanie dostarczać optymalne rozwiązania szerszych problemów – na przykład, jak radzić sobie z masową epidemią. Użycie maszyny do ukształtowania takich decyzji, mających wpływ na miliony istnień ludzkich, będzie rodziło pytania natury etycznej dotyczące polityki społecznej. Jeżeli dodamy do tego system rozpoznawania mowy, systemy te zaczną coraz bardziej przypominać ludzi, niczym upiorna, nadnaturalna inteligencja Hala, komputera z nakręconego w 1968 roku filmu „2001: Odyseja kosmiczna”. – Tu jesteśmy już tylko o krok od Skynetu – mówi Merv Adrian z firmy Gartner, nawiązując do systemu z filmów o „Terminatorze”.

Lepszy od Google’a

Historia AI sugeruje jednak, by nie przeceniać potencjału pojedynczego przełomu. Komputery wciąż polegają na bezrozumnej sile, by osiągnąć swoje rezultaty, przeprowadzają potężne obliczenia do zrealizowania najprostszych zadań ludzkiego umysłu, takich jak rozpoznanie twarzy. Systemy takie jak Watson nie są też zdolne do kreatywności albo osiągania prawdziwego postępu, jeżeli chodzi o swój proces rozumienia.
Jednak tak jak Google zaczął pomagać ludzkiej pamięci, tak zaawansowane systemy pytań i odpowiedzi mogą ostatecznie stać się suplementem ludzkiej myśli. Stąd już zaś może być tylko mały krok do przekazania zwykłych zadań cyfrowym asystentom, tak jak większość działań matematycznych wykonujemy za pomocą kalkulatorów. Po co męczyć się podstawowym procesem myślowym, skoro łatwo można go zlecić na zewnątrz?
Maszyny mogą nie zbliżyć się już bardziej do prawdziwej inteligencji – ale ich ludzcy twórcy rozszerzą własne funkcje intelektualne jeszcze bardziej, poza granice wyznaczone im przez naturę.