Nobliści i słoń z Bagdadu
Geoffrey Hinton i John Hopfield to wizjonerzy, dzięki którym sztuczna inteligencja przekształciła się z idei w rzeczywistość. Ich prace nie tylko zmieniły sposób, w jaki komputery przetwarzają dane, ale także wpłynęły na nasze życie codzienne. A wszystko dzięki rozwijaniu sztucznych sieci neuronowych. Mowa o matematycznych modelach inspirowanych sposobem, w jaki neurony w mózgu przesyłają i przetwarzają informacje.
„Pradziadkiem” współczesnych sieci neuronowych jest zaprojektowany przez Franka Rosenblatta w 1958 r. perceptron, będący najprostszą formą sztucznego neuronu. Wyobraźmy sobie, że chcemy nauczyć komputer rozpoznawać, co jest na zdjęciu. Na podstawie prostych danych, takich jak wielkość czy kolor, perceptron może próbować zdecydować, czy zdjęcie przedstawia słonia. Jeśli wzorzec jest zbyt skomplikowany, perceptron może się pomylić. Jak w bajce filozoficznej o słoniu z Bagdadu. Gdy mieszkańcy dowiedzieli się, że przywieziono dziwne zwierzę, wysłali trzech zwiadowców. Jeden dotknął trąby i stwierdził, że słoń to wąż, kolejny pomacał nogę i uznał, że to kolumna, a jeszcze trzeci po trąceniu uszu nabrał pewności, że ma do czynienia z ogromnym wachlarzem. Wypowiedź każdego ze śmiałków odpowiada sygnałowi wejścia perceptronu. Na ich podstawie jest ustalana wartość wyjściowa, w tym przypadku decyzja, czy mamy do czynienia ze słoniem. Im więcej danych na wejściu, tym lepiej, choć nie każda informacja jest równie ważna. Ich istotność jest określana w trakcie treningu. Perceptron, by uzyskać mistrzostwo, musi przepracować wiele przykładów różnych słoni i stworzeń słoniopodobnych, takich jak na przykład hipopotam lub nosorożec. W przeciwieństwie do perceptronu, sieci neuronowe składają się z wielu warstw, które analizują informacje na różne sposoby. Początkowe warstwy rozpoznają podstawowe cechy (np. jak te pozyskane przez zwiadowców), kolejne warstwy łączą te informacje, aby dostrzec bardziej złożone wzorce (np. kształt słonia). Dzięki temu sieci neuronowe potrafią zidentyfikować słonia nawet w trudnych warunkach.
Nasza codzienność częściej niż myślimy przypomina bajkę o słoniu z Bagdadu, a sieci neuronowe bez naszej wiedzy dokonują niezliczonej liczby ekspertyz. Analizują obraz w czasie rzeczywistym, aby potwierdzić naszą tożsamość, gdy odblokowujemy telefon, rozpoznają naszą mowę i przekształcają ją w tekst, analizują wcześniejsze wybory i sugerują produkty z playlisty czy filmy, które mogą nas zainteresować, optymalizują trasy w nawigacji samochodowej, generują napisy w filmach, tłumaczą teksty w czasie rzeczywistym, sugerują plany treningowe, automatycznie poprawiają jakość fotografii, i tak dalej… A przy tym wciąż się uczą.
To właśnie Geoffreya Hintona nazywano „ojcem chrzestnym głębokiego uczenia się”, który przekonał świat do potencjału, jaki niosą ze sobą sieci neuronowe. Z kolei
Hopfield opracował model sieci neuronowej, która potrafi „przypominać sobie” informacje na podstawie fragmentarycznych danych. Nagroda Nobla jest jak najbardziej zasłużona. A niezamierzonym efektem ubocznym rozwoju SI jest skokowy wzrost zainteresowania człowiekiem i jego odrębnością. Analiza danych Google Trends wskazuje, że od kilku lat przybywa osób, które pytają o różnice między SI a człowiekiem.
Czy powinniśmy się bać?
Jedno z najczęstszych pytań...
Pozostałe 80% artykułu dostępne jest tylko dla Prenumeratorów.
Dołącz do 50 000+ czytelników, którzy dbają o swoje zdrowie psychiczne
Otrzymuj co miesiąc sprawdzone narzędzia psychologiczne od ekspertów-praktyków. Buduj odporność psychiczną, lepsze relacje i poczucie spełnienia.
