Umelá inteligencia - svet v ohrození?

Úvod

Tento článok bude venovaný problematike umelej inteligencii v špecifickom kontexte. Predmetom bude to, či môžeme vytvoriť v blízkej dobe general artficial inteligence (AGI), superinteligenciu. V prípade, že by k tomu došlo, či vieme nejak eliminovať možnú hrozbu. No najskôr si zbežne prejdeme v akom štádiu sme, dôležité aspekty.


Obavy E. Muska:

https://www.youtube.com/watch?v=H15uuDMqDK0

Rozdelenie umelej inteligencie

  1. Narrow AI.
  2. General AI.
  3. Superinteligencia.

Narrow AI

Jedná sa o úzko špecializovanú umelú inteligenciu, na rôzne kognitívne funkcie. Táto umelá inteligencia (nebiologická) rieši špecializovaný okruh problémov, medzi ktoré patrí napr. (rozpoznávanie objektov a ich klasifikácia z obrázkov a videí, pohyb v priestore: napr. autonómne vozidlá, rozpoznávanie tvári a ich emócii, hranie počítačových hier (doskové, arkádové atď.) , rozpoznávanie a preklad do rôznych jazykov, vyhodnocovanie FB profilov užívateľov, vyhodnocovanie lekárskych snímkov, široké uplatnenie rôznych špecializovaných problémov v priemysle a ďalšie). V oblasti špecializovanej inteligencie sme prostredníctvom rôznych algoritmov a hlbokých neurónových sieti aplikovali na celú škálu problémov, naprieč spektrom ľudských aktivít.

Z toho je pomerne jasné, že Narrow AI nám uľahčuje, zefektívňuje rôzne činnosti. V špecializovaných činnostiach nás vo veľa oblastiach predbehla.  Narrow AI mení segment pracovného trhu, kde stroje s Narrow AI nahradzujú ľudskú silu a schopnosti.

Pre zaujímavosť v oblasti stolových hier:

Deep Blue postavený na špecifických algoritmoch  (prehľadáva stavový priestor možnosti + heuristický model) porazil Kasparova v roku (1997). V dnešnej dobe máme však umelú inteligenciu postavenú na neurónových sieťach, ktorá ďaleko predbehla pôvodný (z minulosti) koncept umelej inteligencie.

Ako príklad: japonská hra Go, umelá inteligencia s názvom Alpha Go (od spoločnosti Deep Mind) porazila top majstra v hre Go Le Sedol (2016). O niečo neskôr Alpha Zero porazila Alpha Go a stala sa najlepšou umelou neurónovou sieťou na hranie akejkoľvek doskovej hry (vrátane šachu). Čo je na tom naozaj zaujímavé je, že sa to učila niekoľko hodín strojového času, čo predstavuje v ľudskom čase storočia. Človek by musel hrať aj niekoľko stoviek rokov, aby získal také skúsenosti. To je nesporná výhoda umelých neurónových sieti. 

Samozrejme k umelým neurónovým sieťam je tu aj algoritmus na prehľadávanie stavového priestoru (overovanie kombinácii, variácii možnosti). Pretože nie všetko je možné vyriešiť cez siete, potrebujeme aj túto hrubú silu( brute force), ktorá prehľadáva stavový priestor s rozumnou veľkosťou.

Pre zaujímavosť duel:

https://www.youtube.com/watch?v=rOL6QJdAlm8

duel Alpha Zero vs Alpha Go: https://www.youtube.com/watch?v=im2pm690VW0

Z vlastných skúsenosti viem, že hra takýchto sieti je oproti ľudským jedincom v oblasti doskových hier výrazne kreatívnejšia, tu silu proste človek pocíti od prvých momentov.

General AI - AGI

general AIjpg
Obr. 1 General AI, zdroj: internet.

Je umelá inteligencia schopná dosahovať ľubovoľného cieľa, vrátane vytvárania si a triedenia STANOVENÝCH cieľov, ktoré chceme prostredníctvom AI dosiahnuť. Pričom priorita AI je kontinuálne sa učiť, zlepšovať v učení (Metalearning).

V antropickom (ľudskom) poňatí jej všeobecné schopnosti sú komplexné na úrovni človeka.

Všeobecná inteligencia je realizovateľná a ľudské bytosti sú dôkazom, že takýto druh inteligencie je vo fyzickom svete možné vytvoriť. Ľudská inteligencia je dôsledkom evolúcie trvajúcej miliardy rokov (hmoty a látky).

Superinteligencia

1_aTPZqenuBsa9OQBzS_G9jwjpeg
Obr. 2 Superinteligencia- abstrakcia, zdroj: internet.

Je taká General AI, ktorá vo všetkých oblastiach (kognitívne schopnosti) výrazne presahuje schopnosti ľudských jedincov.

V určitých schopnostiach už Narrow AI presahuje schopnosti človeka, teda vznikom AGI by  časom dospela k superinteligencii.

Tu vznikajú obavy z toho, ako by sa takto vytvorená Superinteligencia chovala v spojitosti s ľuďmi. Napr. na to upozorňujú rôzne osobnosti v oblasti AI, napr. aj E. Musk vyjadril vážne obavy. To je samozrejme prirodzené a logické viesť debatu, aké má ľudstvo možnosti k svoje obrane. 

Neurónové siete

Biologické neuronové siete

Skúmaním fungovania a princípov ľudského mozgu sme prišli na schému, princíp biologických, neurónových sieti. Mozog je nám známa ako najkomplikovanejšia sieť – komplexný systém. Mozog je chemicko – elektrický komplexný systém. Pozostáva zo zhruba 80 miliárd neurónov, ktoré komunikujú cez niekoľko synapsií v tisíckach (komunikačné spoje) pre každý neurón. To je 10 exp 14 spojov. Tieto neuróny (mozgové bunky) vytvárajú oblasti v mozgu, ktoré sú zodpovedné za rôzne činnosti (chod ľudského organizmu). Mozgové oblasti,celky možno rôzne triediť, pričom to najhrubšie delenie je na : mozgový kmeň (najstaršia evolučná časť mozgu), malý mozog (mozoček), veľký mozog (neocortex + medzimozog).

neuronjpg

Obr. 3 Zloženie neurónu, zdroj internet.

Neuróny sú základné stavebné bunky nervového systému. Jej zloženie je v zmysle obrázku č.3. Na axonálnych zakončeniach sú synapsie, cez ktoré prechádza elektrický signál. Cez tieto signály na synapsiachách jednotlivé neuróny komunikujú. Impulz je zmena elektrického napätia na membráne, pričom vzniká akčný potenciál, viď. obrázok.

ak-n-potenci-l-ljpgObr. 4 Akčný potenciál na membráne., zdroj internet.

Z tohto systému je jasné, že mozog takto komunikuje na úrovni binárnej sústavy, ide prúd, nejde prúd.

perceptronjpg

Obr.5 Schéma perceptronu, zdroj: internet.

Jednotlivé vstupy (signály presynamptických neurónov) x(1), x(2), až x(n) sa násobia váhovým faktorom w(i,j), následne sčítavajú v zmysle sumy (operácia v matematike). Váha tu reprezentuje citlivosť synapsii. Teda nie všetky synapsie sú rovnako citlivé a to je kľúčové. Pokiaľ na výstupe hodnota v sume dosiahne určitý prah hodnoty vyšlú signál 1, pokiaľ neprekročila hodnotu prahu je na výstupe 0. To je schéma jednoduchej, základnej neurónovej siete.

Viacvrstvový perceptron rieši problémy ako je XOR problém (viac v odkaze na konci kapitoly).

Perceptron_bkp_1png

Obr. 6 Viacvrstvový perceptron , zdroj: internet.

Viacvrstvový perceptron je zložený s vrstiev a to: vrstva vstupných dát, skrytá vrstva, výstupná vrstva.

Riešenie rôznych zložitých problémov umožnila, až hlboká neurónová sieť. To je taká sieť, ktorá ma viac vrstiev a je veľmi hustá. To bolo možné, až vďaka obrovskej výpočtovej kapacite v súčasnej dobe.

deep neural networkpng

Obr. 7 Hlboká neurónová sieť, zdroj : internet.

Z toho sa zrodil aj koncept deep learning.  To znamená učenie sa v hustej neurónovej sieti. Neurónové siete však musíme naučiť riešiť problémy. Pre rozpoznávania obrázkov to funguje tak, že mu musíme označiť správne riešenie, čo je na obrázku, aby sme tu sieť naučili takto rozpoznávať objekty. To je teda učenie s učiteľom. No neurónové siete sa môžu učiť aj samé. Napr. pomocou algoritmov zhlukovania, utility funkciou (funkcia dobré výsledky odmeníme, zlé penalizujeme). Už spomenutá hra Go bola pre Alpha Zero vytvorená na základe odmeňovania.

Viac informácii o neurónových sieťach nájdete v dobrej prednáške:

https://www.youtube.com/watch?v=VFoNKFHSsRI

Prečo to teda funguje?

Možno konštatovať, že biologické a umelé neurónové siete pracujú na podobnom princípe učenia sa. Možno konštatovať, že podvedomé procesy (neurónové siete podvedomia) fungujú veľmi podobne, ako umelé neurónové siete (hlboké siete). V podvedomí človeka fungujú teda neurónové siete, ktoré zaobstarávajú veľké množstvo činnosti (funkcie orgánov, imunitný systém atď.) To predstavuje veľkú časť funkcii človeka. Vedomie človeka je teda určitá NADSTAVBA týchto sieti, teda znova neurónová sieť, ktorá interaguje s týmito podvedomými sieťami. Utility funkcia u človeka zastupuje súbor cieľov evolučne vytvorenými, teda aj v zmysle emergencie komplexného systému. Ciele emergetne vyvstávajú procesom zdola nahor.

V zmysle EDQ teórie by vysvetlenie bolo také, že to čo sa deje v tých sieťach je HĽADANIE VZORU (fraktálu), aj premenlivého fraktálu v čase, ktorý vyhovuje najlepšie riešeniu daného problému. 

Tým chcem povedať, že akýkoľvek zložitý problém je možno rozložiť do grafickej, či matematickej abstrakcie geometrii fraktálov (pokiaľ systém nevykazuje len chaos).

Týchto fraktálov je celá kopa (vzorov tých sieti). Fraktály sú dokonca poprepájané a v meniacich  úlohách (v čase meniacich) sa dynamicky prispôsobia. Ten vzor, fraktál je uložený v konfiguráciách jednotlivých váhových koeficientov neurónových spojov.

Poznámka:
Pre pochopenie je nutné poznať a chápať principiálne teóriu chaosu a tzv. fraktály (viac v knihe EDQ teórie).

Obavy do budúcnosti

Myslím, že časom nutne dospejeme k AGI, ak vytvoríme viacvrstvovú architektúru podobnú mozgu, ktorá bude lokalizovaná ( v logickej väzbe lokácii) do oblasti podobne ako to je u mozgu. Odhadovať čas nebudem, ale možno tvrdiť, že to súvisí práve s týmto. Vedomie je manažér týchto podvedomých funkcii s utility funkciou. Ta reprezentuje staré evolučne ciele ako je prežiť, rozmnožiť sa, od ktorých sa odvíjajú ďalšie ciele emergentne.

Psychiatria a neurovedy

Ktoré konkrétne siete by mohli zodpovedať vedomiu nájdete v tejto dobrej prednáške:
https://www.youtube.com/watch?v=ksSza5L2ph4

Vedomie človeka úzko súvisí s Defaultnou sieťou. Poznáme niekoľko takýchto dôležitých sieti napr. salientná sieť, centrálna exekučná sieť. Salientna sieť je prepínačom medzi defaultnou sieťou a centrálne exekučnou. Teda prepínač medzi vedomím a podvedomím.

Na otázku, kde teda sídli duša je nutne správna odpoveď tá, že sídli v neurónových sieťach, ktoré sú aktívne v čase. To je duša človeka

Odhad správania sa AGI

Myslím si, že ako sa bude chovať AGI vo vzťahu k človeku je veľmi determinujúce utility funkciu, no a možnosti do nej zasiahnuť, či ju prepísať! Osobne si myslím, že superinteligencia by s nami kooperovala, pokiaľ by sme jej nestali v jej cieľoch, nič by nám nehrozilo. Neskor by zrejme chcela odísť skúmať vesmír.

Čo je teda všeobecná inteligencia?

matrix_2jpg
Obr. 8 MATRIX, zdroj: internet.

V zmysle predchádzajúcich úvah v spojitosti s EDQ teóriou sa javí, že je to možné zadefinovať nasledovne:
Všeobecná inteligencia je schopnosť neurónových sieti riešiť všeobecný problém, aj v čase sa meniaci, pokiaľ existuje všeobecný fraktál (dynamický vzor), ktorý reprezentuje kvázi stabilnú štruktúru v čase a vyhovuje ako riešenie problému. Každý problém, udalosť sa dá zobraziť do tejto premenlivej grafickej interpretácie. Pokiaľ táto štruktúra vykazuje fraktálnu povahu, sieť dokáže nájsť tento fraktál, vzor. To je základná pointa, základný stavebný kameň EDQ teórie. Celý svet sa dá rozbiť do takejto povahy vzorov, vytvárajúcich sa fraktálov v chaose.