„Schopnosť predpovedať budúce udalosti je základom inteligencie ". Yann LeCun
Takmer každý deň prinášajú médiá informácie o úspechoch umelej inteligencie v oblastiach vizuálneho rozoznávania, rozoznávania reči, jazykových prekladačov, v triumfe nad ľudskými hráčmi v šachu , v hre go, atď.
Napriek súčasnému výraznému progresu vývojári umelej inteligencie stále zápasia so samotným pojmom inteligencia. Už v jej začiatkoch prví inžinieri čelili problému definovania, čo vlastne inteligencia je. Alan Turing, jeden z významných osobností umelej inteligencie, sa v 50. rokoch minulého storočia ani nepokúsil definovať pojem inteligencia. Nejasnosť pojmu inteligencia dômyselne obišiel svojim „Turingovým testom“, ktorým sa snažil nepriamym spôsobom preukázať „inteligenciu stroja“.
Na rozdiel od čias Alana Turinga my máme však ďaleko viac informácií o mozgu a procesoch v ňom prebiehajúcich. Preto niet dôvodu tieto informácie ignorovať, ale naopak pokúsiť sa ich v tejto oblasti naplno využiť.
Čo je inteligencia?
Čo je inteligencia? Toto slovo používame v každodennom živote a na prvý pohľad sa zdá,
že majú pomerne konkrétny význam. O známom človeku hovoríme, že je veľmi inteligentný a chválime sa svojim kolegom o svojom inteligentnom domácom maznáčikovi, ktorý porozumel nášmu želaniu či povelu.
Ak by sme sa však na slovo inteligencia pozreli pozornejšie, zistili by sme, že nájsť univerzálnu definíciu „inteligencie“ je takmer nemožné. Napríklad vedci Shane Legg a Marcus Hutter zhromaždili vyše 70 definícií inteligencie z rôznych oblastí vedy ako napríklad:
Inteligencia je:
- schopnosť učiť sa, pochopiť a premýšľať o veciach
- schopnosť prispôsobiť sa okolitému prostrediu
- termín, ktorý používame na označenie schopnosti organizmu
vyriešiť nové problémy - schopnosť získavať a aplikovať vedomosti
- všeobecná mentálna schopnosť, ktorá zahŕňa schopnosť uvažovať, plánovať, riešiť problémy, abstraktne myslieť, spracovávať myšlienky a jazyk
- schopnosť dosahovať svoje ciele
Mozog ako blackbox
Nie je ťažké vysvetliť, prečo veda neponúka jednoznačnú definíciu slova inteligencia. Psychológovia, biológovia, jazykovedci, filozofi či vývojári z oblasti umelej inteligencie, vyššie spomenuté definície vytvorili na základe viditeľného správania ľudí a iných živočíchov vo svojom prostredí. Slony považujeme za inteligentnejšie než plazy, pretože dokážu medzi sebou komunikovať, navzájom si pomáhať, prejavujú žiaľ, sebauvedomovanie, atď. O šimpanzoch hovoríme, že sú inteligentnejšie, než iné živočíchy, pretože dokážu používať nástroje a poznatky o ich používaní predávajú ďalším generáciám. My ľudia sa pýšime našou schopnosťou vytvárať a používať jazyk, adaptabilitou na odlišné typy prostredia či schopnosťou riešiť rôznorodé problémy.
K výslednej skladačke, ktorá by ozrejmila, čo spôsobuje viditeľné prejavy inteligentného správania nám chýba ta najdôležitejšia časť a to, akým spôsobom inteligencia vzniká, resp. čo sa deje v hlavách ľudí a iných živočíchov.
Mozog je simulátor budúcnosti
Neurovedec Davida Eagleman v knihe Mozog vysvetľuje, že neurovedci v minulosti prirovnávali spracovanie vstupných signálov v mozgu fungovaniu klasickej továrenskej montážnej linke. Mozog pripodobňovali zariadeniu zo vstupom a výstupom, ktoré posúvalo zmyslové informácie skrz rôzne procesné fázy až do neznámeho konečného bodu, kdesi hlboko v našej lebke.
Aj keď tento model možno pôsobí jednoducho a priamočiaro, je nesprávny.
Zoberme si problém letiacej loptičky, ktorú chceme chytiť. Ak by mozog fungoval ako montážna linka, naša ruka by ju nedokázala nikdy chytiť, pretože medzi tým, než svetlo dopadne na našu sietnicu a príkazom na pohyb by prebehlo niekoľko stoviek milisekúnd. Ruka by vždy siahla na miesto, kde loptička bola.
V skutočnosti si mozog vytvára vlastnú realitu okolitého sveta ešte pred obdržaním informácii z očí a iných zmyslov. Základom pre tento interný model je thalamus, ktorý sa nachádza medzi očami v prednej časti hlavy a zrakovým kortexom ležiacim v zadnej časti hlavy. Na svojej ceste do príslušných oblastí kortexu prechádza ním väčšina zmyslových vnemov. Zaujímavé je však to, že vlákien vracajúcich sa zo zrakového kortexu do thalamusu je desaťnásobne viac.
Ilustračné foto: Mozog
Problém s tým, ako chytiť loptičku, totiž náš mozog rieši tak, že sa snaží predpovedať, kde sa bude loptička v určitom okamihu nachádzať. A ako?
Kortex (mozgová kôra) posiela svoju predpoveď o tom, kde sa bude loptička nachádzať do thalamusu, ktorý porovná informáciu z očí s tým, čo mozgová kôra očakávala. Thalamus následne posiela späť do mozgovej kôry už len rozdiel, resp. odchýlku. Mozgová kôra na základe tejto chyby upraví svoj vnútorný model. Trénovaním a učením tak postupne dospejeme k lepším predpovediam, menším odchýlkam a zvyšuje sa šanca, že loptičku chytíme.
Daniel Wolpert: The real reason for brains
Inteligencia = vidieť do budúcnosti
Neurovedec Robert Llinas v knihe I of the Vortex tvrdí, že tento spôsob vytvárania predpovedí nevyužíva mozog len pri riešení pohybu, ale na tomto princípe pracuje celý nervový systém. Podľa Llinasa je schopnosť robiť predpovede o budúcnosti, univerzálnou a hlavnou funkciou mozgu.
Ale ako vlastne vidíme do budúcnosti ?
Napríklad taká myš, ktorá na svojich potulkách svetom nájde syr. Je celá nesvoja nikdy nič také predtým nevidela. Pomaly sa k nemu prikradne, ovoniava ho, pozoruje ho, nervózne sa ho dotýka, a po chvíli neodolá a ochutná ho. Celá natešená z nálezu a fantastickej chuti si ho odnesie domov.
Všetky informácie o vôni, chuti, mieste, tvare a vlastnom správamí si myš uloží do pamäti. Neskôr v budúcnosti opäť nájde kúsok syra. Namiesto toho, aby absolvovala celú procesiu učenia sa odznova, stačí jej vytiahnuť zo svojej pamäti nedávnu udalosť. Predchádzajúca zapamätaná podobná skúsenosť jej umožní vidieť do budúcnosti.
Schopnosť “vidieť do budúcnosti” umožnila ranným organizmom vylepšovať a riadiť svoj pohyb, získavať potravu alebo nestať sa potravou pre iný organizmus. Vznikal tak prirodzený evolučný tlak na vytváranie lepších a komplexnejších predpovedí.
Evolúcia inteligencie
Pamäťou prvých jednoduchých organizmov bola ich vlastná DNA. Tieto organizmy však nedokázali modifikovať svoje správanie počas ich života. Učenie prebiehalo zdĺhavým spôsobom naprieč mnohými generáciami modifikáciou svojej DNA. Podľa vedca a vývojára umelej inteligencie Jeffa Hawkinsa sa v priebehu miliónov rokov stalo niečo naozaj vzrušujuce. Prepojenia medzi neurónmi začali byť modifikovateľné. Neurón mohol poslať alebo neposlať signál v závislosti od nedávnej udalosti, čo umožňovalo organizmu učiť sa už počas svojho života a tak meniť svoje správanie.
V priebehu miliónov rokov sa z tvorov disponujúcich jednoduchými neurónovými systémami vyvinuli živočíchy vlastniace komplexnejšie mozgy, čo im umožnilo rýchlejšie sa učiť a riešiť komplexnejšie problémy.
Živočíchy s menej komplexnými mozgami napríklad zaujíma predovšetkým, to či je potencionálny partner/ka zdravý. Nás ľudí však zaujíma aj prostredie z ktorého pochádza, status rodiny, či ako sa správa k iným ľuďom. Z týchto aspektov sa snažíme predpovedať, ako sa potenciálny partner bude správať v budúcnosti. Vidieť ďalej do budúcnosti nám umožňuje vytvárať hlbšie analógie, rozoznávať abstraktnejšie štruktúry a vidieť opakujúce sa vzorce lepšie, než iné živočíchy.
Ako teda pomáhajú vývojárom poznatky získané z výskumu ľudského mozgu pri ich snahách vytvárať inteligentné stroje?
Robot Vestri „vidí do budúcnosti“
Zoberme si prístup, ktorý zvolil tím vedcov z univerzity Berkeley pri vývoji robota Vestri. Namiesto tradičného spôsobu riešenia tohoto problému, teda naprogramovaním robota na konkrétny výsledok, navrhli postup podobný akým sa učia deti. Klasický prístup znamená, že zadáte robotovi rozsiahle množstvo informácií o fyzikálnych vlastnostiach objektov, o vlastnostiach prostredia v ktorom pracuje, spolu s presným postupom, ako má robot postupovať pri riešení jednotlivých úloh.
Vestri the robot imagines how to perform tasks
Vedci tak najskôr „umožnili“ robotovi „hrať sa“, teda dotýkať sa a hýbať s predmetmi podobným spôsobom, ako to robia dvojročné deti. Zdanlivo neužitočná manipulácia s rôznymi objektami, ktorá trvala týždeň umožnila robotovi vytvoriť si svoj vlastný vnútorný model pohybu jednotlivých objektov, podobne ako to robia deti (metódou pokus-omyl). Týmto postupom sa naučil Vestri predikovať niekoľko sekúnd do budúcnosti rôzne dôsledky svojho pôsobenia na určitý objekt.
Po tejto „učiacej sa fáze“ robot dokázal premiestniť objekt na cieľovú pozíciu zadanú vývojárom úplne autonómne a dokonca dokázal premiestniť objekty, s ktorými ani neprišiel predtým do styku.
„Rovnakým spôsobom, ako si my predstavujeme ako naše konanie premiestňuje objekty v našom prostredí, môže táto metóda umožniť robotovi predstaviť si, ako rôzne správanie ovplyvní svet okolo neho“ povedal Sergey Levine, ktorého tím vyvinul túto technológiu. „To umožní inteligentné plánovanie vysoko flexibilných zručností v komplexných reálnych situáciách “.
Učiace sa stroje
Súčasný šéf výskumu umelej inteligencie firmy Facebook Yann LeCun je jeden z tvorcov algoritmu convolutional neural network, na ktorom je postavený robot Vestri. LeCun tvrdí, že na to, aby sme sa dostali bližšie k univerzálnej umelej inteligencii potrebujeme inteligentné stroje, ktoré sa budú učiť podobným spôsobom ako deti, teda budú schopné vytvárať si svoj vlastný vnútorný (prediktívny) model sveta.Možno raz v budúcnosti tím vývojárov alebo jednotlivec, ktorý príde s prelomovým riešením povie, že bol inšpirovaný robotom Vestri.
Uvidíme.
