Krjuesit Gjenialë (GeniusMakers)-Cade Metz

Krijuesit Gjenialë

Përmbledhje Libri

Hyrje

Çfarë ka në këtë libër për mua? Një histori e shkurtër e inteligjencës artificiale.

Shumë kohë më parë, në vitin 1968, fillmi 2001: Një Odise Hapesire ia prezantoi botës HAL-in një superkompjuter keqdashës me mendje dhe agjendë të veten. Natyrisht, një teknologji aq e avansuar është fantashkencë-apo jo?

Sot, hulumtuesit qeveritarë, profesorët e kolegjeve, dhe ndërmarrësit më të mirë në botë janë në një garë të ngushtë për të zhvilluar me të vërtetë inteligjencën artificiale. Dhe shumë teknologji në kufi me IA janë tashmë pjesë të jetëve tona. Këto pulsime eksplorojnë se si erdhëm deri në këtë pike, dhe ku mund të na shpiejnë trendet bashkëkohore në të ardhmen. Duke u mbështetur në raportimin e thelluar dhe qindra intervista me specialistë në kompanitë më të avancuara si Google, Microsoft dhe OpenAI, ky studim i peizazhit të AI tregon se fantashkencë mund të jetë më afër realitetit sesa ne e kuptojmë.

Në këto pulsime do të mësoni:

• Pse nuk mund ti besoni çdo videoje që shihni;
• Çfarë e bën trurin tuaj më të mirë sesa një kompjuter; dhe
• si një libër nisi një “dimër të AI”.

Ideja kyçe 1

Hulumtimi i hershëm në inteligjencë artificiale ishte pritur me skepticizëm.

7 korrik 1958. Burrat grumbullohen rreth një kompjuteri masiv të madhësisë së një frigoriferi thellë brenda zyrave të Byrosë së Motit të Shteteve të Bashkuara në Uashington, DC. Ata shikojnë me vëmendje ndërsa Frank Rosenblatt, një profesor i ri nga Universiteti Cornell, i tregon kompjuterit një seri kartash.

Çdo kartë ka një katror të zi të printuar në njërën anë. Makina supozohet të identifikojë se cilët e kanë shenjën në anën e majtë dhe cilët e kanë atë në të djathtë. Në fillim, nuk mund të bëjë dallimin. Por ndërsa Rosenblatt vazhdon kartat flash, saktësia përmirësohet. Pas 50 përpjekjesh, ai identifikon pothuajse në mënyrë të përsosur orientimin e kartave.

Rosenblatt e quan makinën Perceptron. Ndërsa këto ditë duket e parëndësishme, në fakt është një pararendës i hershëm i asaj që ne tani e quajmë inteligjencë artificiale, ose AI. Megjithëse, në atë kohë, ajo u hodh poshtë si një risi.

Mesazhi kryesor këtu është: Hulumtimi i hershëm në inteligjencën artificiale u prit me skepticizëm.

Sot e njohim Përceptronin e Rosenbaltit dhe pasardhësin e tij Marku I, si verzione të hershme të rrjetit neutral. Rrjetet neutral, kompjuterët që përdorin ndonjëherë makinën e mësimit nënvizojnë shumë prej asaj që momentalisht e quajmë inteligjencë artificiale. Në nivel bazik, ato punojnë duke analizuar sasi të mëdha të të dhënave dhe modele të kërkimit. Derisa një rrjet identifikon më shumë modele, ai e përsos algoritmin e tij analitik për të prodhuar edhe më shumë informata të sakta.

Në vitet 1960 ky process ishte i ngadalshëm dhe përfshinte shumë sfida dhe gabime. Për ta trajnuar Markun I, shkenctarët e ushqyen kompjuterin me copa letre, sikurse A,B, apo C të printuara në secilin prej tyre. Duke përdorur një varg kalkulimesh, kompjuteri do t’ia qëllonte cila shkronjë ishte. Pasaj një njeri do ta caktonte hamendësimin të saktë apo të pasaktë. Marku I pastaj do ti rifreskonte kalkulimet e tij ashtuqë të mund t’ia qëllonte më saktë herën tjetër.

Shkencëtarët si Rosenblatt e krahasuan këtë proces me ato të trurit të njeriut, duke argumentuar se çdo llogaritje ishte si një neuron. Duke lidhur shumë llogaritje që përditësohen dhe përshtaten me kalimin e kohës, një kompjuter mund të mësojë siç bëjnë njerëzit. Rosenblatt e quajti këtë lidhjeizëm. Megjithatë, kishte kundërshtarë, si shkencëtari kompjuterik i MIT, Marvin Minsky. Në një libër të vitit 1969, Minsky kritikoi konceptin e lidhjes. Ai argumentoi se mësimi i makinerive nuk mund të rritet kurrë për të zgjidhur probleme më komplekse.

Libri i Minsky rezultoi shumë me ndikim. Gjatë gjithë viteve 1970 dhe fillim të viteve 80, interesi për kërkimin e rrjeteve nervore ra. Gjatë këtij “dimri të AI” pak institucione financuan kërkimin e rrjeteve nervore dhe përparimi në mësimin e makinerive ngeci. Por nuk u ndal plotësisht. Disa shkencëtarë vazhduan të luanin me lidhjen, siç do ta shohim në hapjen tjetër.

Ideja kyçe 2

Të mësuarit e thellë bëri rrjetet neutrale lodrën e re më të prefekuar të teknologjisë.

Që nga fillimi, Geoff Hinton ishte pak a shumë si i huaj. Në fillim të viteve 1970, ai e kreu PHD-në në Universitetin e Edingurgut. Kjo ishte maja e dimrit të IA-së, por Hintoni përsëri i dha përparësi një qasje lidhëse IA-së. Quditërisht, ai pati vështirësi për të gjetur punë pas diplomimit.

Për dekadën e ardhshme apo më shumë, Hinton kaloi nëpër akademi. Ai mori punë në Universitetin e Kalifornisë në San Diego, Universitetin Carnegie Mellon dhe, më në fund, në Universitetin e Torontos. Gjatë gjithë kohës, ai vazhdoi të përsosë teoritë e tij të mësimit të makinerive. Ai besonte se shtimi i shtresave shtesë të llogaritjes, një proces që ai e quajti “të mësuarit e thellë”, mund të zhbllokonte potencialin e rrjeteve nervore.

Gjatë viteve, ai fitoi kundrejt disa dyshuesve dhe bëri pak progres, edhepse ngadalë. Pastaj në vitin 2008, ai e takoi shkenctarin e Kompjuterit Microsoft, LI Deng.

Mesazhi kyç këtu është: Të mësuarit e thellë i bëri rrjetet nervore lodrat më të preferuara të teknologjisë.

Li Deng dhe Geoff Hinton fillimisht filluan të bisedojnë në NIPS, një konferencë e AI në Whistler, British Columbia. Në atë kohë, Deng po zhvillonte softuer për njohjen e të folurit për Microsoft. Hinton, duke njohur një mundësi, sugjeroi që rrjetet nervore të të mësuarit të thellë mund të tejkalojnë çdo qasje konvencionale. Deng ishte skeptik, por i intriguar dhe të dy vendosën të punonin së bashku.

Deg dhe hinton kaluan shumicën e vitit 2009 duke punuar në laboratorin e hulumtimeve të microsoftit në Redmond, Washington. Së bashku, ata shkruan një program që përdorte modelet e të mësuarit makinë për të analizuar qindra orë të fjalimeve të incizuara. Programi funksiononte në çipa të veçantë të përpunimit GPU që zakonisht përdoren për lojëra kompjuterike. Pas javësh përpunimi, rezultatet ishin befasuese. Programi mund të analizojë skedarët audio dhe të zgjedhë fjalë individuale me saktësi mahnitëse.

Së shpejti, kompanitë tjera teknologjike po eksperimentonin me të njëjtat programe. Navdeep Jaitly, një shkencëtar në Google, përdori makinën e tij të të mësuarit të thellë për të arritur rezultate edhe më të mira – programi i tij kishte një shkallë gabimi prej vetëm 18 përqind. Këto suksese të hershme bënë një argument të fortë për fuqinë e mundshme të rrjeteve nervore. Për më tepër, studiuesit kuptuan se të njëjtat koncepte bazë mund të zbatohen për të analizuar shumë probleme të ndryshme, nga kërkimi i imazheve deri te navigimi i makinave vetë-drejtuese.

Brenda pak vitesh, mësimi i thellë ishte teknologjia më e nxehtë në Silicon Valley. Google, gjithmonë një kompani ambicioze, drejtoi akuzën duke blerë firmën kërkimore të Hinton DNNresearch, si dhe biznese të tjera fillestare të AI, si DeepMind me bazë në Londër. Megjithatë ky ishte vetëm fillimi. Në vitet e ardhshme, konkurrenca do të bëhej më e ashpër.

Ideja kyçe 3

Kompanitë më të mëdha të Silicon Valley derdhën para në kërkimin e AI.

Kompanitë më të mëdha të Silicon Valley derdhën para në kërkimin e AI.

Në Nëntor të vitit 2013 Clement Farabet po kalonte një natë të qetë në shtëpi kur papritur, telefoni i tij cingërroi. Ai u përgjigj, duke pritur të dëgjojë një shok apo koleg. Në vend të tyre, ai e dëgjoi Mark Zuckerbergun.

Thirrja ishte befasi, por jo plotësisht e papritur. Farabeti ishte hulumtues tek laboratori i mësimit të thellë NYU. Me javë të tëra, punetorë të ndryshëm të Facebookut, kishin provuar ta rekrutonin atë për t’ju bashkangjitur kompanisë së mediave sociale. Farabeti kishte qenë hezitues, por një joshje personale nga vetë CEO e zgjoi interesin e tij.

Natyrisht, Farabeti nuk ishte vetëm. Shumë nga kolegët e tij kishin pranuar oferta të ngjashme. Gjigantët teknologjikë të Silicon Valley ishin mbyllur në një garë rekrutimi armësh, secila kompani e përcaktuar të bëhet lidere industrie në fushën e IA-së.

Mesazhi kyç këtu është: kompanitë më të mëdha të Silicon Valley derdhën para në hulumtimin e IA-së.

Në fillim të viteve 2010, mësimi i thellë dhe rrjetet nervore ishin ende teknologji relativisht të reja. Sidoqoftë, ndërmarrësit ambiciozë të teknologjisë në vendet si Facebooku, Apple dhe Google ishin të gjithë të bindur se inteligjenca artificiale ishte e ardhmja. Ndonëse askush nuk e dinte saktësisht se IA do të përdorej për të gjeneruar fitime, secila kompani dëshironte të ishte e para që do ta merrte vesh këtë.
Google mori një fillim duke blerë DeepMind, por Facebook dhe Microsoft ishin shumë prapa, secili duke shpenzuar miliona duke punësuar studiues të AI.

Çfarë shihte një kompani e mediave sociale si Fejsbook në IA? Epo një rrjet nervor i përparuar do të mund të rriste bizneset duke kuptuar sasitë e mëdha të të dhënave në serverët e tij. Do të mund të mësonte ti identifikonte fytyrat, të përkthente gjuhët, ose të parashikojë zakonet e blerjes për të shërbyer reklama të synuara. Në fund të linjës, ai mund të operojë edhe robotë të sofistikuar që mund të kryejnë detyra si mesazhet e miqve ose vendosja e porosive. Me pak fjalë, mund ta bëjë faqen të gjallërohet.

Google poashtu kishte plane të mëdha për hulumtimin e saj. Specialistët e saj të IA-së, njerëz si Anelia Angelova dhe Alex Krizhevsky, parashikoi duke përdorur të dhënat e Google Street View për të trajnuar makinat vetë-drejtuese për të lundruar me shkathtësi në kompleksitetin e qyteteve të botës reale.

Një tjetër hulumtues, Demis Hassabis, po dizajnonte një rrjet nervor për të përmirësuar efikasitetin e energjisë së miliona serverëve në të cilet kompania mbështetej për operimin e saj.

Në shtyp, këto projekte u përfolën si të menduara përpara dhe potencialisht në ndryshim të botës. Por jo të gjithë ishin aq optimistë. Nick Bostrom, një filozof në Universitetin e Oksfordit, paralajmëroi se përparimet në AI lehtë mund të shkojnë keq. Ai parashtroi se makinat superinteligjente mund të jenë të paparashikueshme dhe të marrin vendime që e vënë njerëzimin në rrezik. Megjithatë, paralajmërime të tilla nuk e ngadalësuan rritjen e egër të investimeve.

Ideja kyçe 4

Rrjetet nervore kanë potencialin ti tejkalojnë njerëzit në shumë fusha.

A keni luajtur ndonjëherë Go? Në pamje të parë, është një lojë e thjeshtë: dy lojtarë vendosin me radhë gurë bardh e zi në një rrjet, secili duke u përpjekur të rrethojë tjetrin. Megjithatë në realitet, Go është tepër komplekse. Konkursi përmban një numër të madh shtigjesh të mundshme dhe është aq i paparashikueshëm sa që asnjë kompjuter nuk mund ta mposht lojtarin më të mirë njerëzor – jo deri në vitin 2015, domethënë.

Në tetor të atij viti, programi i AI i Google, AlphaGo, u përball me Fan Hui, një lojtar i rangut të lartë. AlphaGo, një sistem rrjeti nervor i trajnuar duke analizuar miliona lojëra, ishte i pandalshëm. Ka fituar pesë ndeshje radhazi. Disa muaj më vonë, ajo mundi Lee Sedol, kampionin në fuqi të njeriut.

Është e qartë se AI kishte kthyer një qoshe. Dhe sa më shumë shkencëtarë studionin rrjetet nervore, aq më të fuqishme bëheshin ato rrjete.

Mesazhi kryesor këtu është: Rrjetet nervore kanë potencialin të tejkalojnë njerëzit në shumë fusha.

Në dekadat pasi Rosenblatt filloi të eksperimentonte për herë të parë me Perceptron, aftësitë e rrjeteve nervore u rritën me hapa të mëdhenj. Kjo rritje e jashtëzakonshme u nxit nga dy tendenca. Së pari, procesorët e kompjuterave vazhduan të bëheshin më të shpejtë dhe më të lirë – çdo çip modern mund të llogaritte shumë më shumë llogaritje se modelet e mëparshme. Dhe së dyti, të dhënat ishin bërë një burim i bollshëm, kështu që rrjetet mund të trajnoheshin për një larmi të madhe informacioni.

Si rezultat i këtyre zhvillimeve, hulumtuesit mundnin që në mënyrë kreative ti aplikonin parimet e të mësuarit makinë në çdo qështje. Merreni për shembull, problemin e diagnostifikimit të retinopatisë diabetike. Kjo gjendje e zakonshme shkakon verbërim nëse nuk trajtohet. Por zbulimi i saj i hershëm kërkon një doctor të aftë që ta egzaminoj syrin e pacientit nesë ka lezione të vogla, gjakderdhje dhe c’ngjyrosje delikate. Në vendet si India, ku mjekët janë të rrallë, nuk ka mjaftueshëm fuqi njerëzore për ti egzaminuar të gjithë.

Kërkojeni në Google ingjinjerin Varun Gulshan dhe fizikantin Lily Peng. Duke punuar së bashku, këta dy shkenctarë hartuan një plan për ta diagnostifikuar retinopatinë diabetike në mënyrë efikase. Duke përdorur një grup prej 130,000 skanimesh dixhitale të syve nga Spitali i Syve Aravind të Indisë, dyshja trajnuan një rrjet nervor për të dalluar shenjat delikate paralajmëruese të sëmundjes. Pas shtypjes së të dhënave, programi i tyre mund të analizojë automatikisht sytë e çdo pacienti në sekonda. Për më tepër, ishte i saktë në 90 për qind të rasteve – po aq i mirë sa një mjek i trajnuar.

Projekte të ngjashme si kjo do të mund ta revolucionarizonin të ardhmen e kujdesit shëndetësor. Rrjetet nervore do të mund të trajnoheshin për ti analizuar rrezet X, skanimet CAT, MRI-te, dhe çdo lloj të të dhënave mjekësore për ti dalluar sëmundjet dhe anomalitë në mënyrë sa më efikase.Me kohë, ata do të mundin poashtu ti identifikonin modelet që janë shumë delikate për ti parë syri.

Ideja kyçe 5

IA më e sofistikuar ka potencialin që ta shpërfytyrojë pamjen tonë të realitetit.

Imagjinoni sikur jeni duke klikuar nëpër faqen tuaj të Twiterit.I shihni gjërat e zakonshme-një shaka të shkurtër, një reklamë të targetuar, një argument të nxehtë rreth kulturës pop. Pastaj kaloni pran diqkaje që ju kapë syrin: një video e Donald Trump. Por nuk është Donald Trumpi që e njihni.

Ky Trump flet rrjedhshëm Mandarin. Dhe kjo nuk është as një mbipopullim i keq – lëvizjet e gojës së tij janë krejtësisht në sinkron me rrokjet që dëgjoni; gjuha e trupit të tij përputhet me ritmin e të folurit të tij. Megjithatë, ndërsa luani klipin përsëri dhe përsëri, kapni defekte dhe mospërputhje të vogla. Videoja është false por gjithsesi shumë bindëse.

Ju nuk u mashtruat këtë herë, por ndërsa teknologjia AI përparon, mund të mos jeni aq të sigurt në të ardhmen.

Mesazhi kyç këtu është: IA më e sofistikuar ka potencialin që ta shpërfytyrojë pamjen tonë të realitetit.

Në fillim të viteve 2010, hulumtimi i të mësuarit makinë fokusohej në mësimin e kompjuterëve që ti dallojnë modelet e informacioneve. Programet e IA të trajnuara në imazhe të mëdha ishin të prirura ti identifikojnë dhe zgjedhin fotografitë bazuar në përmbajtjen e tyre. Por në vitin 2014, Ian Goodfellow, një hulumtues në Google, propozoi një ide ndryshe. A do të mundej IA të gjeneronte krejtësisht imazhe të reja?

Për ta bërë këtë, Goodfellow krijoi rrjetin e parë kundërshtar gjenerues, ose GAN. Këto funksionojnë duke pasur dy rrjeta nervore që trajnojnë njëra-tjetrën. Rrjeti i parë gjeneron imazhe, pastaj tjetri përdor algoritme komplekse për të gjykuar saktësinë e tyre. Ndërsa të dy rrjetet shkëmbejnë informacione vazhdimisht, imazhet e reja bëhen gjithnjë e më të vërteta për jetën.

Ndonëse fotografitë e rrejshme kanë egzistuar gjithnjë, GAN-et e bënë më të lehtë se kurrë gjenerimin e interpretimeve realiste të çdo personi ose gjëje. Shumë shpejtë, adoptuesit e hershëm e përdornin teknologjinë për të krijuar video bindëse të politikanëve, të pop yjeve dhe të figurave tjera publike. Ndonëse disa nga këto ‘’falsifikme të thella’’ janë të padëmshme, të tjerat i vendosin njerëzit nëpër foto pornografike, duke rritur dukshëm shenjat paralajmëruese.

Falsifikimet e thella nuk janë problem i vetëm me të cilin po përballet hulumtimi I IA. Kritikët kanë vërejtur problemet e kësaj fushe në paragjykimin gjinor dhe racor. Në vitin 2018, shkenctari i kompjuterit Joy Buolamwini tregoi që programet e njohjes së fytyrës të dizajnuara nga Google dhe Facebook dështuan kur identifikonin fytyrat jo të bardha, jo meshkuj. Rrjetet ishin trajnuar në të dhëna që anonin plotësisht drejt meshkujve të bardhë, duke shpërfytyruar saktësinë e tyre. Këto të gjetura i kanë bërë njerëzit me të drejtë të brengosur për potencialin e IA-së për të qenë shtypëse-një temë që do ta hulumtojmë në pulsimin e ardhshëm.

Ideja kyçe 6

IA mundet lehtë të keqpërdoret për qëllime politike.

Në vjeshtë të vitit 2017, tetë ingjinjerëve tek Clarifai, një start-up i hulumtimit dhe zhvillimit të IA i vendosur në NYC ju ishte dhënë një detyrë e quditshme. Atyre ju kërkohej të ndërtonin një rrjet neutral i cili është i aftë për ti identifikuar njerëzit, makinat dhe ndërtesat-veqanarisht, programi duhej të arrinte sukses duke punuar në një mjedis shkretëtire.

Ingjinjerët filluan punën hezitueshëm, por fjalët filluan të dëgjohen shumë shpejt. Ekipi nuk po zhvillonte mjetet për ndonjë klient të rregullt-ata po punonin për Departamentin e mbrojtjes së SHBA-ve. Rrjeti I tyre nervor do ti lejonte dronët të navigojnë. Pa e ditur, ata ishin pjesë e një programi qeverisës të armëve.

Pasi dolën lajmet, ingjinjerët hoqën dorë nga projekti. Por ky ishte vetëm fillimi. Dukej se IA po rritej e përzierë me botën e politikës.

Mesazhi kyç këtu është: IA mundet shumë lehtë të përdoret për qëllime politike.

Kompanitë private nuk ishin organizatat e vetme të interesuara për ti hulumtuar aftësitë rritëse të IA-së. Qeveritë ishin poashtu jashtëzakonisht të vetëdijshme për potencialin transformues të teknologjive të të mësuarit makinë. Në Kinë, Këshilli i Shtetit dha para për një plan ambicioz për tu bërë lideri botëror në IA deri në vitin 2030. Njësoj, qeveria e Shteteve të Bashkuara po investonte sasi në rritje të parave në zhvillimin e sistemeve të IA, shpesh për ushtrinë.

Në vitin 2017, Departamenti i Mbrojtjes dhe Google hynë në diskutime rreth një partneriteti të ri multi-milionësh të quajtur Projekti Maven. Marrëveshja do ti bënte ekipet e Google të IA të zhvillojnë rrjete nervore për të optimizuar programin e dronit të Pentagonit. Çuditërisht, perspektiva për të ndihmuar ushtrinë i bëri shumë inxhinierë të mos ndiheshin rehat. Më shumë se 3,000 punonjës nënshkruan një peticion për të hequr dorë nga kontrata. Ndërsa kompania përfundimisht u zbut, bordi ekzekutiv i Google nuk ka përjashtuar më shumë partneritete në të ardhmen.

Ndërkohë, Facebook u përfshi në një polemikë të vetën politike. Gjatë ciklit zgjedhor të vitit 2016, një start-up britanik i quajtur Cambridge Analytica mblodhi të dhëna private nga 50 milionë profile në Facebook dhe i përdori ato për të krijuar reklama mashtruese të fushatës për Donald Trump. Skandali nxori në pah problemin e moderimit të platformës. Me kaq shumë përdorues, faqja ishte bërë një vatër për përmbajtje, duke përfshirë propagandën radikale dhe dezinformatat të quajtura shpesh “lajme të rreme”.

Në vitin 2019, Zuckerberg dëshmoi në Kongres se kompania e tij do të përdorte AI për të pastruar përmbajtjen e dëmshme. Megjithatë, zgjidhja nuk është perfekte. Edhe rrjetet nervore më të avancuara luftojnë për të analizuar nuancat e fjalës politike. Jo vetëm kaq, AI keqdashëse mund të prodhojë dezinformata të reja aq shpejt sa mund të moderohet. Në realitet, kushdo që përdor AI për mirë do të përfshihet gjithmonë në një garë armësh me aktorë të këqij.

Ideja kyçe 7
Rrjetet nervore ende nuk mendojnë as nuk mësojnë sikurse njerëzit.

Është një ditë e ndritshme pranvere në maj 2018 dhe Amfiteatri Shoreline në Mountain View, Kaliforni është i mbushur plot. Turma po bëhet e egër. Por njeriu në skenë nuk është ndonjë yll rock që mban një kitarë. Jo, është CEO i Google, Sundar Pichai, dhe ai mban një telefon.

Kjo është I/O, konferenca vjetore e kompanisë së teknologjisë. Dhe Pichai sapo demonstroi inovacionin më të ri të Google, Google Assistant. Duke përdorur një teknologji të rrjetit nervor të quajtur WaveNet, asistenti mund të bëjë telefonata duke përdorur një zë njerëzor me tingull realist. Në klipin që sapo luajti Pichai, programi i AI bëri me sukses një rezervim në restorant – gruaja në kafene as nuk e kuptoi se po fliste me një kompjuter.

Aftësitë e reja të inteligjencës artificiale e mahnitin këtë turmë të veçantë, por jo të gjithëve janë kaq të impresionuar.

Mesazhi kryesor këtu është: Rrjetet nervore ende nuk mendojnë apo mësojnë si njerëzit.

Kur profesori i psikologjisë në Universitetin e Nju Jorkut, Gary Marcus pa demonstrimin e Pichait, ai thjesht rrotulloi sytë. Ashtu si Marvin Minsky para tij, ai është pesimist për potencialin e vërtetë të mësimit të makinerive. Ndërsa Google e prezantoi asistentin e tij të AI-së se kishte një kuptim pothuajse në nivel njerëzor të të folurit dhe bisedës, Marcus mendoi se, në fakt, programi dukej vetëm mbresëlënës sepse po kryente një detyrë shumë specifike dhe të parashikueshme.

Argumenti i Marcus bazohet në një shkollë mendimi të quajtur nativizëm. Nativistët besojnë se një pjesë e madhe e inteligjencës njerëzore është e lidhur fort në trurin tonë nga evolucioni. Kjo e bën të mësuarit njerëzor krejtësisht të ndryshëm nga të mësuarit e thellë të rrjetit nervor. Për shembull, truri i një foshnje është aq i shkathët, saqë mund të mësojë të identifikojë një kafshë pasi t’i tregohen një ose dy shembuj. Ndërkohë, për të kryer të njëjtën detyrë, një rrjet nervor duhet të trajnohet në miliona imazhe.

Për nativistët, ky ndryshim në aftësinë e lindur shpjegon pse AI neurale neto nuk është përmirësuar aq shpejt sa pritej, veçanërisht kur bëhet fjalë për detyra të nuancuara si të kuptuarit e gjuhës. Ndërsa AI i Google Assistant mund të shtyjë rrugën e saj përmes bisedës bazë përmendësh, ajo nuk është saktësisht e aftë të angazhohet me diskurset më komplekse që i vijnë lehtësisht një personi mesatar. Një AI mund të jetë në gjendje të bëjë një rezervim, por nuk do ta kuptojë një shaka.

Sigurisht, studiuesit po punojnë për të kapërcyer këtë pengesë. Ekipet në Google dhe OpenAI aktualisht po eksperimentojnë me një qasje të quajtur modelimi universal i gjuhës. Këto sisteme trajnojnë rrjetet nervore për të kuptuar gjuhën në një mënyrë më të nuancuar, specifike për kontekstin dhe kanë treguar disa përparime. Sidoqoftë, nëse ata do të bëhen partnerë të shkëlqyer bisedash, mbetet ende për t’u parë.

Ideja kyçe 8

Hulumtuesit vazhdojnë ta shtyejnë IA-në përtej limiteve të saja aktuale.

Google është nga kompanitë më të suksesshme në planet. Kjo organizatë e vetme është përgjegjëse për shpikjen dhe funksionimin e shumë shërbimeve që e bëjnë botën moderne të funksionojë. Ajo poashtu gjeneron një sai të jashtëzakonshme të pasurisë-dhjetë billion dollarëshe. Pra imagjinojeni sikur të ishin dy Google, apo tre, apo 50. A do të mundte IA ta bënte këtë të mundur?

Ndoshta. Të paktën sipas Ilya Sutskever, shkencëtar kryesor në OpenAI. Nëse shkencëtarët mund të ndërtonin inteligjencë artificiale aq të aftë dhe krijuese sa mendja e njeriut, do të ishte revolucionare. Një kompjuter super-inteligjent mund të ndërtojë një version tjetër më të mirë, e kështu me radhë e kështu me radhë. Përfundimisht, AI do ta çonte njerëzimin përtej asaj që ne mund të imagjinojmë.

Është një ëndërr e lartë – por a është realiste? Edhe mendjet më të ndritura të Silicon Valley nuk janë plotësisht të sigurta.

Mesazhi kryesor këtu është: Studiuesit vazhdojnë të shtyjnë AI përtej kufijve të saj aktualë.

Kur Frank Rosenblatt prezantoi për herë të parë Perceptron, kishte skeptikë. Por kishte edhe optimistë. Në të gjithë botën, shkencëtarët dhe futuristët bënë pretendime të guximshme për kompjuterët që së shpejti përputheshin ose madje ia kalonin njerëzimit në aftësitë teknike dhe aftësitë intelektuale. Herbert Simon, një profesor në Carnegie Mellon, hodhi bast se kjo do të ndodhte në vetëm dy dekada. Është e qartë se parashikime të tilla nuk u realizuan plotësisht.

Megjithatë, pavarësisht nga shpejtësia e pabarabartë e progresit, shumë ende besojnë se inteligjenca njerëzore apo edhe mbinjerëzore – nganjëherë e quajtur inteligjencë e përgjithshme artificiale, ose AGI – është e mundur. Në fakt, ata janë duke vënë bast për të. Në vitin 2018, OpenAI përditësoi statutin e saj për të përfshirë zhvillimin e AGI si një qëllim të qartë të kërkimit të kompanisë. Dhe menjëherë pas njoftimit, Microsoft ra dakord të investojë më shumë se një miliard dollarë drejt qëllimit ambicioz të ekipit hulumtues.

Se si mund të arrihet AGI- është ende e paqartë, por hulumtuesit po i qasen problemit nga disa kënde. Disa kompani, sikurse Google, Nvidia, dhe Inteli, po punojnë për zhvillimin e qipave të rinjë përpunues, të dizajnuar në mënyrë të veqantë për rrjetet neurale. Ideja është që ky është një hardver i super mbushur që do ti lejojë rrjetet të përpunojnë mjaftueshëm të dhëna për ti tejkaluar pengesat aktuale të hasura nga programet e të mësuarit makinë.

Ndërkohë, Geoff Hinton, një nga nxitësit më të hershëm të mësimit të makinerive, po merr një rrugë tjetër. Hulumtimi i tij aktual fokusohet në një teknologji të quajtur rrjetet e kapsulave. Ky model eksperimental thuhet se pasqyron më nga afër trurin e njeriut në strukturë dhe funksion. Megjithatë, do të kalojnë vite përpara se ndonjë gjë konkrete të realizohet. Deri atëherë, një teori krejtësisht e re mund të jetë në modë. Me AI, e ardhmja është gjithmonë e pasigurt.

Përmbledhja Përfundimtare

Mesazhi kryesor në këto pulsime:

Përparimet e fundit në teknologjinë artificiale kanë krijuar shumë zhurmë, ankth dhe polemika. Pjesa më e madhe e asaj që ne e quajmë aktualisht AI bazohet në modelet e rrjetit nervor, një proces që përdor vargje llogaritjesh për të analizuar sasi masive të dhënash dhe për të identifikuar modelet. Qeveritë dhe kompanitë private e kanë përmirësuar këtë teknologji për të bërë gjithçka, nga optimizimi i kërkimit të imazheve dhe shërbimi i reklamave në internet deri te diagnostikimi i sëmundjeve dhe pilotimi i avionëve autonome. Se ku do të çojë kërkimi i AI në të ardhmen është e paqartë, por disa po vënë bast se do të vazhdojë të ofrojë produkte revolucionare.

Keni komente?

Do të donim të dëgjonim se çfarë mendoni për përmbajtjen tonë! Thjesht dërgoni një email në [email protected] me Genius Makers si temë dhe ndani mendimet tuaja!