Sztuczna inteligencja - ebook

Przedmowa

Książki ukazujące się w wydawanej przez Oxford University Press serii „Co każdy powinien wiedzieć” są zwięzłymi i wyważonymi wprowadzeniami w formie pytań i odpowiedzi w złożone problemy, jakie obecnie lub w nadchodzącej przyszłości będą miały znaczenie dla społeczeństwa. Ten tom koncentruje się na sztucznej inteligencji, którą powszechnie oznacza się skrótem AI. Po ponad pięciu dekadach badań dziedzina sztucznej inteligencji jest gotowa do przekształcenia sposobu, w jaki żyjemy, pracujemy, utrzymujemy kontakty towarzyskie, a nawet tego, jak postrzegamy nasze miejsce we wszechświecie.

Większość książek o sztucznej inteligencji to zazwyczaj podręczniki wprowadzające w problematykę, przegląd prac z jakiejś poddziedziny lub instytucji albo prognozy konkretnego badacza bądź futurysty (takiego jak ja). W przeciwieństwie do tego, tę pracę pomyślałem jako zwięzłe wprowadzenie w złożone społeczne, prawne i gospodarcze kwestie, jakie rodzi ta dziedzina, które prawdopodobnie wywrą wpływ na nasze społeczeństwo w ciągu następnych kilku dziesięcioleci.

Zamiast skupiać się na szczegółach technicznych, spróbuję przedstawić syntetyczny przegląd podstawowych kwestii i argumentów dotyczących wszystkich aspektów ważnych dyskusji, przykładowo: czy jest prawdopodobne, że maszyny kiedykolwiek przewyższą ludzką inteligencję, jak można przyznać im uprawnienia chronione przez prawo oraz jaki wpływ może mieć nowe pokolenie uczących się, elastycznych robotów na rynek pracy i nierówności dochodów. Są to kontrowersyjne tematy, a liczna i tętniąca życiem społeczność badaczy prowadzi żywą dyskusję o wielu problemach, które będę tutaj poruszał. Nie próbuję dokonywać wszechstronnego przeglądu literatury ani poświęcać równej uwagi niezliczonym punktom widzenia. Naturalnie, moje osobiste opinie nie są powszechnie podzielane, ale by pomóc czytelnikom odróżnić mój punkt widzenia od innych, wypowiadam się w pierwszej osobie, żeby zasygnalizować, kiedy go prezentuję.

Jeśli jest to właściwe, wykorzystuję aktualne projekty albo zastosowania, żeby rozjaśnić i ożywić dyskusję. Ponieważ jednak postęp w dziedzinie sztucznej inteligencji jest zazwyczaj bardzo szybki, nie przedstawię pełnego przeglądu bieżącego stanu rzeczy – który w nieunikniony sposób byłby niekompletny i szybko straciłby aktualność (maszynopis dzieli od publikacji zdecydowanie wiele czasu). Wskażę natomiast niektórych z najwybitniejszych myślicieli i pewne najważniejsze projekty, od których powinni zacząć czytelnicy zainteresowani zagłębieniem się w tę tematykę. W rezultacie teoretycy i praktycy pracujący w tej dziedzinie mogą uznać moje omówienie za bardziej swobodne od tych, do których są przyzwyczajeni w profesjonalnych czasopismach i fachowych forach, za co z góry przepraszam.

Krótko rzecz ujmując, ta książka nie ma prezentować oryginalnych badań, omawiać w pogłębiony sposób wybranych kwestii ani służyć jako podręcznik dla początkujących praktyków. Ma za to być dla czytelnika niebędącego fachowcem wygodnym sposobem uzyskania skondensowanego i przystępnego wprowadzenia w tę tematykę oraz w możliwy przyszły wpływ tej ważnej technologii.

Po tych wstępnych wyjaśnieniach rozpocznijmy rozgrzewkę przed właściwą lekturą, odpowiadając sobie na pytanie: Dlaczego powinieneś przeczytać tę książkę?

Najnowsze postępy w dziedzinie robotyki, percepcji i uczenia maszynowego wspierane przez coraz szybsze udoskonalenia techniki komputerowej umożliwiły powstanie nowych generacji systemów, które rywalizują z ludzkimi możliwościami w pewnych dziedzinach albo w konkretnych zadaniach lub je nawet przewyższają. Te systemy są znacznie bardziej autonomiczne, niż większość ludzi zdaje sobie sprawę. Potrafią uczyć się na podstawie własnych doświadczeń i podejmować działania, których ich projektanci nigdy nie rozważali. Powszechnie przyjmowana opinia, że „komputery potrafią zrobić tylko to, do czego ludzie je zaprogramują”, nie jest już trafna.

Postępy w intelektualnych i fizycznych możliwościach maszyn zmienią sposób, w jaki żyjemy, pracujemy, bawimy się, szukamy partnerów seksualnych, wychowujemy dzieci i dbamy o naszych seniorów. Przewrócą do góry nogami rynki pracy, przetasują nasz porządek społeczny i wystawią na próbę instytucje prywatne i publiczne. Nie ma znaczenia, czy uznajemy te maszyny za świadome czy bezwolne, podziwiamy je jako nową formę życia czy też lekceważymy je jako jedynie sprytne urządzenia. Będą one najprawdopodobniej odgrywać coraz istotniejszą i bliską rolę w wielu przejawach naszego życia.

Pojawienie się systemów zdolnych do niezależnego myślenia i działania rodzi istotne pytania dotyczące tego, czyim interesom wolno im służyć oraz jakie ograniczenia nasze społeczeństwo powinno nałożyć na ich tworzenie i wykorzystywanie. Głębokie kwestie etyczne, które przez wieki nękały filozofów, nagle pojawią się na salach sądowych. Czy maszyny mogą odpowiadać za swoje działania? Czy inteligentne systemy powinny mieć niezależne prawa i obowiązki, czy też są one po prostu własnością? Kto powinien odpowiadać, jeśli autonomiczny samochód zabije pieszego? Czy twój osobisty robot może zająć ci miejsce w kolejce albo być zmuszony do zeznawania przeciwko tobie? Jeżeli okaże się, że możliwe będzie załadowanie twojego umysłu do maszyny, to czy wciąż będziesz to ty? Odpowiedzi mogą was zaskoczyć.

Z tymi problemami trudno będzie sobie poradzić, ponieważ obecny sposób postrzegania ich przez opinię publiczną jest kształtowany bardziej przez hollywoodzkie przeboje kinowe niż przez praktyczną rzeczywistość. Zamiast tego powinniśmy szukać wskazówek w naszych historycznych relacjach z niewolnikami, zwierzętami i korporacjami, jak również w naszych ewoluujących poglądach na traktowanie kobiet, dzieci i osób niepełnosprawnych.

W ciągu następnych kilku dziesięcioleci sztuczna inteligencja rozciągnie tkaninę naszego społeczeństwa do granic wytrzymałości. To, czy przyszłość będzie nową epoką bezprecedensowego dobrobytu i wolności, jaką przedstawiono w serialu Star Trek, czy nieustanną walką ludzi z maszynami, jaką przedstawiono w Terminatorze, będzie w dużej mierze zależeć od naszych własnych działań. Tutaj znajdziecie wszystko, co musicie wiedzieć, żeby pomóc kształtować naszą przyszłość.Podziękowania

Mam dług wdzięczności wobec wielu czytelników i recenzentów za ich przemyślane uwagi i sugestie, są to przede wszystkim Nils Nilsson, Michael Steger i Peter Hart.

Chciałbym podziękować mojemu redaktorowi inicjującemu Jeremy’emu Lewisowi i redaktorce pomocniczej Annie Langley z Oxford University Press za zaproszenie mnie do napisania tej książki, jak również managerowi mojego projektu Prabhu Chinnasamy z Newgen Publishing & Data Services w Indiach.

Moja agentka Emma Parry i jej współpracownicy z Janklow & Nesbit Associates w Nowym Jorku wykonali wzorcową pracę, przeprowadzając negocjacje dotyczące praw autorskich i zapewniając mi nieocenione doradztwo. Jak już wspomniałem, Michael Steger, Contracts Director, zrobił znacznie więcej poza przeczytaniem i skomentowaniem wczesnej wersji maszynopisu.

Moja redaktorka techniczna Robin DuBlanc wykonała fantastyczną pracę, udoskonalając mój tekst – jest cudowną artystką przeróbek językowych. „I tak dalej”, a nie „etc.” – już to załapałem.

Dziękuję również Annie Zhang, zastępczyni redaktora naczelnego i współzałożycielce, oraz Kelly Zheng, managerce zajmującej się prawami autorskimi, z Cheers Publishing w Pekinie za zainteresowanie promowaniem mojej książki w Chinach.

Rodney Brooks i Sue Sokoloski z Rethink Robotics, Inc. uprzejmie pozwolili mi zamieścić zdjęcie swojego wspaniałego robota Baxtera na okładce.

I oczywiście jestem wdzięczny mojej zachwycającej żonie Michelle Pettigrew Kaplan za jej cierpliwość, kiedy zamykałem się w swojej kryjówce, pracując nad tym maszynopisem!ROZDZIAŁ 1

Definicja sztucznej inteligencji

Czym jest sztuczna inteligencja?

Łatwo postawić to pytanie, a trudno na nie odpowiedzieć – z dwóch powodów. Po pierwsze, nie ma powszechnej zgody co do tego, czym jest inteligencja. Po drugie, mamy niewiele powodów, żeby być przekonanymi, że inteligencja maszynowa ma duży związek z inteligencją ludzką, przynajmniej na razie.

Zaproponowano wiele definicji sztucznej inteligencji (AI), każda z nich była pod jakimś względem tendencyjna, jednak na ogół koncentrują się one wokół koncepcji stworzenia programów komputerowych zdolnych do takiego zachowywania, które uznalibyśmy za inteligentne, gdyby przejawiali je ludzie. John McCarthy, ojciec założyciel tej dyscypliny, opisał ten proces w 1955 roku następująco: „ sprawia, że maszyna zachowuje się w sposób, który nazwalibyśmy inteligentnym, gdyby w ten sposób zachowywał się człowiek”¹.

Ale to na pozór sensowne podejście do charakteryzowania sztucznej inteligencji jest głęboko wadliwe. Weźmy na przykład pod uwagę trudność z definiowaniem, a tym bardziej z mierzeniem ludzkiej inteligencji. Nasza kulturowa predylekcja do redukowania rzeczy do pomiarów numerycznych, które ułatwiają bezpośrednie porównywanie, często tworzy fałszywy pozór obiektywności i precyzji. A próba kwantyfikowania czegoś tak subiektywnego i abstrakcyjnego jak inteligencja należy ewidentnie do tej kategorii. Iloraz inteligencji Sally jest o siedem punktów wyższy od ilorazu inteligencji Johnny’ego? Proszę, znajdźcie jakiś rzetelniejszy sposób decydowania, kto dostanie to cenne ostatnie wolne miejsce w przedszkolu. Jako tylko jeden z przykładów radzenia sobie z tym przesadnym uproszczeniem wskażmy kontrowersyjne ujęcie psychologa rozwojowego Howarda Gardnera, który proponuje ośmiowymiarową teorię inteligencji rozciągającą się od „muzyczno-rytmicznej” przez „cielesno-kinestetyczną” po „naturalistyczną”².

Niemniej w pełni sensownie można stwierdzić, że jedna osoba jest inteligentniejsza od innej przynajmniej w wielu kontekstach. I istnieją pewne wskaźniki inteligencji, które są powszechnie akceptowane i mocno powiązane z innymi wskaźnikami. Na przykład to, jak szybko i poprawnie student potrafi dodawać i odejmować ciągi liczb, powszechnie wykorzystuje się jako miarę zdolności logicznych i ilościowych, nie wspominając o zdolności dostrzegania szczegółów. Czy jednak ma jakikolwiek sens stosowanie tego standardu do maszyny? Kalkulator za dolara pokona każdego człowieka w tym zadaniu z rękoma w kieszeniach, a nawet bez rąk. Przed II wojną światową słowo „kalkulator” oznaczało wykwalifikowanego specjalistę – zazwyczaj kobietę, co całkiem interesujące, ponieważ uważano, że kobiety są w stanie wykonywać tę żmudną pracą znacznie skrupulatniej niż większość mężczyzn. Czy zatem szybkość obliczeń jest oznaką, że maszyny mają wyższą inteligencję? Oczywiście, że nie.

Komplikacją w porównywaniu inteligencji ludzkiej i maszynowej jest to, że większość badaczy sztucznej inteligencji zgodziłoby się, że to, jak podchodzi się do tego problemu, jest równie ważne jak to, czy się go rozwiązuje. Aby zrozumieć o co chodzi, rozważmy prosty program komputerowy, który gra w kółko i krzyżyk – gracze stawiają na zmianę krzyżyki i kółka na planszy liczącej trzy na trzy pola, dopóki jeden z graczy nie umieści swoich znaczków w jednym rzędzie, jednej kolumnie lub po przekątnej planszy (lub też dopóki wszystkie pola nie zostaną zapełnione, wtedy gra kończy się remisem).

Istnieje dokładnie 255 168 różnych rozgrywek w kółko i krzyżyk, a w świecie dzisiejszych komputerów jest dość prostą sprawą wygenerować wszystkie możliwe sekwencje tej gry, oznaczyć te prowadzące do wygranej i rozegrać doskonałą grę, po prostu sprawdzając każdy ruch w tabeli³. Ale większość ludzi nie zaakceptowałaby takiego trywialnego programu jako sztucznej inteligencji. Wyobraźmy sobie jednak odmienne podejście: program komputerowy, który nie ma żadnego pojęcia o regułach, a który obserwuje ludzi grających w tę grę i uczy się nie tylko, co to znaczy wygrać, lecz także, jakie strategie zapewniają największy sukces. Na przykład może się nauczyć, że po tym, jak jeden gracz postawi dwa znaczki w rzędzie, drugi gracz powinien wykonać ruch blokujący, albo że wstawienie znaczków w trzy rogi planszy z wolnym polem w środku często prowadzi do wygranej. Większość ludzi uznałaby taki program za sztuczną inteligencję, w szczególności dlatego, że był on w stanie uzyskać potrzebną wiedzę bez jakiejkolwiek wskazówki albo instrukcji.

Nie wszystkie jednak gry, a z pewnością nie wszystkie interesujące problemy, można rozwiązać za pomocą wyliczenia opcji tak jak w grze w kółko i krzyżyk⁴. Dla kontrastu – w szachy można rozegrać w przybliżeniu 10¹²⁰ różnych partii, co znacznie przekracza liczbę atomów we wszechświecie⁵. Zatem większość badań nad sztuczną inteligencją można postrzegać jako próbę znalezienia akceptowalnych rozwiązań problemów, które nie poddają się skończonej analizie albo wyliczeniu opcji z dowolnej liczby teoretycznych i praktycznych powodów. Mimo wszystko ta charakterystyka sama nie wystarcza – wiele metod statystycznych spełnia to kryterium, ale nie zostałoby zakwalifikowanych jako sztuczna inteligencja.

Niemniej istnieje nieintuicyjna, choć praktyczna równoważność między wyborem odpowiedzi z niezmiernie dużej liczby możliwości a intuicyjnym udzieleniem odpowiedzi dzięki wnikliwości i kreatywności. Popularne sformułowanie tej zasady mówi, że wystarczająco duża liczba małp uderzających wystarczająco długo w klawiatury w końcu napisałaby dzieła zebrane Szekspira, a w bardziej współczesnym kontekście, że każdy możliwy utwór muzyczny o danej długości można przedstawić jako skończony zbiór plików MP3. Czy zdolność do wyboru konkretnego pliku muzycznego z tej listy jest odpowiednikiem twórczego aktu nagrania tego zbioru? Z pewnością nie jest to tym samym, ale być może te umiejętności w równej mierze zasługują na uznanie.

Kiedy oceniamy osiągnięcia uczniów w dodawaniu, nie bierzemy pod uwagę, jak wykonali oni tę pracę – zakładamy, że użyli oni jedynie swoich mózgów i niezbędnych narzędzi, takich jak ołówek i papier. Dlaczego więc obchodzi nas, kiedy czynimy maszynę obiektem takiego testu? Ponieważ uznajemy za coś oczywistego, że wykonanie tego zadania przez człowieka polega na wykorzystaniu pewnych wrodzonych lub wyuczonych zdolności, które w zasadzie można zastosować w szerokim spektrum porównywalnych problemów. Mimo wszystko brakuje nam pewności, że maszyna uzyskująca taki sam lub lepszy wynik w tym zadaniu wykazuje coś w tym rodzaju.

Istnieje jednak jeszcze jeden problem z wykorzystaniem ludzkich zdolności jako miary dla sztucznej inteligencji. Maszyny są zdolne do wykonywania mnóstwa zadań, których ludzie w ogóle nie potrafią zrobić, a wiele takich dokonań z pewnością odczuwanych jest jako przejawy inteligencji. Program zabezpieczający może podejrzewać, że doszło do cyberataku, opierając się na nienormalnym wzorcu danych dotyczących żądań dostępu w okresie zaledwie pięciuset milisekund; system ostrzegania przed tsunami może wszcząć alarm na podstawie zaledwie dostrzegalnych zmian w poziomie oceanu, które odzwierciedlają skomplikowaną geografię dna morskiego; program poszukujący nowych leków może zaproponować nową mieszaninę dzięki odkryciu niedostrzeżonego wcześniej wzorca układu cząsteczek w związkach chemicznych stosowanych z powodzeniem w leczeniu raka. Zachowania takich systemów, które staną się jeszcze powszechniejsze w nieodległej przyszłości, nie poddają się porównaniu z ludzkimi zdolnościami. Pomimo to najprawdopodobniej uznamy takie systemy za sztuczną inteligencję.

Innym wyznacznikiem inteligencji jest to, jak z godnością popełniamy błędy. Wszyscy (również inteligentne maszyny) popełniają błędy, ale niektóre z nich są rozumniejsze od innych. Zrozumienie i poszanowanie swoich ograniczeń oraz popełnianie możliwych do przyjęcia pomyłek to znamiona wiedzy eksperckiej. Rozważmy trudne wyzwanie przekładu języka mówionego na język pisany. Kiedy stenotypistka w sądzie przypadkowo zapisze: „She made a mistake that led to his death” jako „She made him a steak, which led to his death”, ten lapsus wydaje się wybaczalny⁶. Kiedy jednak Google Voice proponuje „wreak a nice beach you sing calm incense” zamiast „recognize speech using common sense”, wywołuje to śmiech, po części dlatego, że spodziewamy się, że asystent głosowy będzie lepiej zaznajomiony ze swoją własną dziedziną⁷.Przypisy

1 John McCarthy, Marvin L. Minsky, Nathaniel Rochester, Claude E. Shannon, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 1955, http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html.

2 Howard Gardner, Frames of Mind: The Theory of Multiple Intelligences, New York, NY: Basic Books, 1983.

3 Liczba możliwych do rozegrania gier w kółko i krzyżyk wynosi silnia z 9 (9! = 362 880), jednak wiele z nich kończy się, zanim plansza zostanie zapełniona. Jeśli uwzględni się wszystkie symetrie i rotacje, to lista ta skraca się do zaledwie 138, z których 91 wygrywa gracz wykonujący pierwszy ruch, 44 drugi gracz, a 3 kończą się remisem. Zatem zrób pierwszy ruch.

4 Podejścia, które polegają na wyliczeniu zbioru przypadków albo rozwiązań, nazywa się ekstensjonalnymi; te, które opisują takie zbiory – intensjonalnymi.

5 Diego Rasskin Gutman, Chess Metaphors: Artificial Intelligence and the Human Mind, przeł. Deborah Klosky, Cambridge, MA: MIT Press, 2009.

6 Jacquie A. Wines, Mondegreens: A Book of Mishearings, London: Michael O’Mara Books, 2007.

7 Henry Lieberman, Alexander Faaborg, Waseem Daher, José Espinosa, How to Wreck a Nice Beach You Sing Calm Incense, MIT Media Laboratory, w: Proceedings of the 10th International Conference on Intelligent User Interfaces, New York, NY: ACM, 2005, s. 278–280. Jak na ironię, waham się, jak ten przykład zostanie wyrażony w tłumaczeniu książki na inny język. Jeśli czytacie to w dialekcie mandaryńskim języka chińskiego i ten akapit nie ma sensu, to pamiętajcie proszę, że tłumaczowi wyznaczono zadanie niemożliwe do wykonania.