Programavimo intelektas

Sveiki, mokinuosi programavimo tiek savarankiškai, tiek mokykloje ir turiu jums klausimą. Šiuo metu labai populiarios tokios savokos kaip "AI", "machine learning".. Savaime tai krito į akis, nes akivaizdaus skirtumo programavimo nematau. Mokytojas sakė, kad visa tai toks pat programavimas, tik kitokiais keliais.

Pasiėmiau tokį "smart" koduką iš "machine learning" bibliotekos:

$samples = [[1, 3], [1, 4], [2, 4], [3, 1], [4, 1], [4, 2]];
$labels = ['a', 'a', 'a', 'b', 'b', 'b'];

$classifier = new KNearestNeighbors();
$classifier->train($samples, $labels);

$classifier->predict([3, 2]);

Nelabai suprantu kur čia yra tas kitoks programavimas nuo to, kokį mes mokomėsx mokykloje skaičiuojant kiek daržovių vaikai suvalgo? ^_^

Sveiki, mokinuosi programavimo tiek savarankiškai, tiek mokykloje ir turiu jums klausimą. Šiuo metu labai populiarios tokios savokos kaip "AI", "machine learning".. Savaime tai krito į akis, nes akivaizdaus skirtumo programavimo nematau. Mokytojas sakė, kad visa tai toks pat programavimas, tik kitokiais keliais.

 

Pasiėmiau tokį "smart" koduką iš "machine learning" bibliotekos:

$samples = [[1, 3], [1, 4], [2, 4], [3, 1], [4, 1], [4, 2]];
$labels = ['a', 'a', 'a', 'b', 'b', 'b'];

$classifier = new KNearestNeighbors();
$classifier->train($samples, $labels);

$classifier->predict([3, 2]);

 

Nelabai suprantu kur čia yra tas kitoks programavimas nuo to, kokį mes mokomėsx mokykloje skaičiuojant kiek daržovių vaikai suvalgo? ^_^

Tie visi AI, machine learning, data science, blockchain, crypto, big data, deep learning, neural networks yra tiesiog buzzwords sugalvoti marketingo atstovu kadangi reikia parduoti savo produktus. Saltinis: https://en.wikipedia.org/wiki/List_of_buzzwords (science and technology skiltis)

O cia siek tiek paaiskina ka istikro tie buzzwords reiskia

Kiek daržovių suvalgo vaikai tokį uždavinį gali išspręsti su tiesiniu programavimu kurio jus moko. Tačiau įsivaizduok jeigu lieptų parašyti programą, kuri iš duotos nuotraukos pasakytų ar joje yra katinas ar ne. Na tai su tiesiniu programavimu neįmanoma tokios programos parašyti, nes reiktų begalybės if sąlygų pvz. kurios tikrintų pixelių spalvas ar dar kažką. Todėl reikia machine learning tokiam uždaviniui. Tai realiai tokiam uždavinui išspręsti tau reikia parašyti programą - kuri surastų tinkamą matematinę funkciją, į kurią padavęs argumentus gausi atsakymą, kuris reikš tavo ieškomą sprendimą. Tokia funkcija yra surandama kartojant ciklą (apmokymą) ir kiekvieno ciklo metu redaguojant pačią funkciją, tol kol funkcijos sprendimo atsakymas yra toks kokio tu ieškai.

Labai naudingas dalykas, nes realiai nieko gero nesupgraminsi šiais laikais be tokio dalyko.

Kiek daržovių suvalgo vaikai tokį uždavinį gali išspręsti su tiesiniu programavimu kurio jus moko. Tačiau įsivaizduok jeigu lieptų parašyti programą, kuri iš duotos nuotraukos pasakytų ar joje yra katinas ar ne. Na tai su tiesiniu programavimu neįmanoma tokios programos parašyti, nes reiktų begalybės if sąlygų pvz. kurios tikrintų pixelių spalvas ar dar kažką. Todėl reikia machine learning tokiam uždaviniui. Tai realiai tokiam uždavinui išspręsti tau reikia parašyti programą - kuri surastų tinkamą matematinę funkciją, į kurią padavęs argumentus gausi atsakymą, kuris reikš tavo ieškomą sprendimą. Tokia funkcija yra surandama kartojant ciklą (apmokymą) ir kiekvieno ciklo metu redaguojant pačią funkciją, tol kol funkcijos sprendimo atsakymas yra toks kokio tu ieškai.

 

Labai naudingas dalykas, nes realiai nieko gero nesupgraminsi šiais laikais be tokio dalyko.

Pabandysiu siektiek patikslinti nes negali sukrauti visko i machine learning, bet jei kas zino tiksliau tai pataisykite mane.

Jeigu nori pvz. atpazinti katina tai pirma reikia machine vision - kad atpazintu objekta. Po to reikia neural network, kuris butu istreniruotas (jame butu suvesta bent jau pradine basic informacija kaip katinas turi atrodyti + simtai ar tukstanciai kitu katinu nuotrauku). Is to isplaukia apibrezimas classifier, kuris yra tiesiog machine vision+neural network kombinacija.

Machine learning prasideda tik tada kai kai tavo aplikacija (per savo machine vision) geba pati aptikti naujas niekur nematytas katinu nuotraukas(naudojantis kazkokiu patternu kolekcija+neural networku). Ir su kiekvienu aptiktu katinu geba vis tiksliau aptikti kitus katinus.

Pataisysiu siektiek nes negali sukrauti visko i machine learning.

 

Jeigu nori pvz. atpazinti katina tai pirma reikia machine vision - kad atpazintu objekta. Po to reikia neural network, kuris butu istreniruotas (jame butu suvesta bent jau pradine basic informacija kaip katinas turi atrodyti + simtai ar tukstanciai kitu katinu nuotrauku). Is to isplaukia apibrezimas classifier, kuris yra machine vision+neural network. Machine learning prasideda tik tada kai kai tavo aplikacija geba pati aptikti naujas niekur nematytas katinu nuotraukas(naudojantis kazkokiu patternu kolekcija+neural networku) .

Nelabai suprantu, ką tu bandai paaiškinti jog pirmą reikia machine vision ( kas išvis yra labai bendras technologijos apibrėžimas, o ne konkretus dalykas ) ir tik po to neuroninio tinklo :D. Ima nuotrauką tiesiog, leidžia per konvoliucinį neuroninį tinklą ir gauną rezultatą. Tinklas aišku būna apmokytas ant daug įvairių jau suklasifikuotų duomenų.

Machine learning nuo paprasto programavimo skiriasi tuo, jog tu nesuprogramuoji viso atpažinimo proceso ir tiesiog paimi kažkokį algoritmą, kuris turi svorius ( kintamuosius, kurie su kiekviena iteracija keičiami ) bei bandai tuos svorius apmokyti. t.y. leidi savo klasifikatorių per duomenis, ir bandai rasti optimaliausią svorių variantą, kuris turėtų didžiausią tikslumą. Pabandyk praeiti pro tutorialus, kur mokina atpažinti skaičius iš MNIST duomenų bazės. Gal geriau suprasi tada esmę :)

Realiai patys darbuotojai net nesupranta iki galo ką jie ten daro, rodos yra ir straipsnis lietuvių kalba apie tai. Esmė tame, kad per daug nereikalingų sakinių ten naudojama ir taip sunkina tobulėjimą.

Yra krūvos ML algoritmų. Iš parašyto kodo pavyzdžio, manau, tai yra tiesiog paprasčiausias klasifikatorius. Bet yra ir pažangesnių, pavyzdžiui, galimų pritaikyti netgi ir biržose. Vienas iš jų galėtų būti sprendimų medžiai (angl. Decision Trees). Tačiau galiausiai viskas paremta ant matematinės statistikos, manau.

O dėl dirbtinio intelekto. Bent jau, kaip aš suprantu* dirbtinį intelektą, tokių programų mes tikrai dar neturime ir greičiausiai neturėsime artimiausius kelis tūkstantmečius. Ką mes turime, tai programas, gebančias atlikti apibrėžtas programuotojo užduotis naudojantis ML algoritmais. Jos yra itin naudingos. Juk daug geriau rašyti programą, kuri naudoja kokį nors statistinį algoritmą, vietoje begalės if'ų, vos tik pasikeistų kažkas duomenų imtyje. Tiesiog yra tokių užduočių, kurių mes negalime suformuluoti taip paprastai kaip, pavyzdžiui, "rasti N skaičių aritmetinį vidurkį". Tas pats pavyzdys su katino atpažinimu nuotraukoje. Teoriškai gal ir galėtume parašyti deterministinį algoritmą be ML (ir tai galėtų būti labai įdomi tyrimų sfera, manau, nes padėtų geriau suprasti ML veikimą iš praktinės pusės) ir ne su begalybe if'ų, o kokį nors optimizuotą, kuris sugebėtų jį atpažinti. Bet čia yra esminė problema tokia, jog nuotrauka tėra dvimatis pikselių su apibrėžtomis spalvomis masyvas. Kaip tu tokį paversi protinga matematine funkcija be ML, kategorizuojančia tą masyvą į true/false, kur true - pastebėtas katinas, o false - katinas nepastebėtas? Todėl ir imi tada statistiką, paduodi milijonus katinų nuotraukų, kur nurodai aiškiai, kad ten tikrai katinas. Paleidi kokį nors klasifikatorių, jis apsimoko, kitaip sakant, atpažinti iš esamų nuotraukų katiną. O jau po to pradedi fotkinti dar milijoną katinų (arba susigooglini dar milijoną jų foto, jeigu tingi fotkinti), jas paduodi algoritmui ir žiūri, ar jis atpažįsta katinus, ar ne.

Toliau ką noriu pasakyti, tai ML algoritmų programavimas yra tikrai perspektyvi sritis. Ir, jeigu tai tik domina, drąsiai mokykis, tobulėk. Tikrai nereikės tupėti prie konteinerio ar graužti duoną, jeigu dirbsi tokį darbą ir jį dirbsi gerai.

* Mano AI supratimas labai paprastas. Yra kažkokia progama, jai balsu pasakau, kad noriu sumuštinio. Ir ta programa, neužprogramuota tokiai užduočiai iš anksto, ne tik pagamina sumuštinį, bet pagamina tokį, kuris, mano manymu, būtų pats skaniausias sumuštinis, kokį tik atsimenu esąs valgęs, nepasakius mano šio išankstinio nusistatymo tai programai. To net žmogus iš esmės nesugebėtų padaryti, bet žmogus nėra AI. Žmogus yra tiesiog I savybę turinti būtybė dažniausiai.

Yra krūvos ML algoritmų. Iš parašyto kodo pavyzdžio, manau, tai yra tiesiog paprasčiausias klasifikatorius. Bet yra ir pažangesnių, pavyzdžiui, galimų pritaikyti netgi ir biržose. Vienas iš jų galėtų būti sprendimų medžiai (angl. Decision Trees). Tačiau galiausiai viskas paremta ant matematinės statistikos, manau.

 

O dėl dirbtinio intelekto. Bent jau, kaip aš suprantu* dirbtinį intelektą, tokių programų mes tikrai dar neturime ir greičiausiai neturėsime artimiausius kelis tūkstantmečius. Ką mes turime, tai programas, gebančias atlikti apibrėžtas programuotojo užduotis naudojantis ML algoritmais. Jos yra itin naudingos. Juk daug geriau rašyti programą, kuri naudoja kokį nors statistinį algoritmą, vietoje begalės if'ų, vos tik pasikeistų kažkas duomenų imtyje. Tiesiog yra tokių užduočių, kurių mes negalime suformuluoti taip paprastai kaip, pavyzdžiui, "rasti N skaičių aritmetinį vidurkį". Tas pats pavyzdys su katino atpažinimu nuotraukoje. Teoriškai gal ir galėtume parašyti deterministinį algoritmą be ML (ir tai galėtų būti labai įdomi tyrimų sfera, manau, nes padėtų geriau suprasti ML veikimą iš praktinės pusės) ir ne su begalybe if'ų, o kokį nors optimizuotą, kuris sugebėtų jį atpažinti. Bet čia yra esminė problema tokia, jog nuotrauka tėra dvimatis pikselių su apibrėžtomis spalvomis masyvas. Kaip tu tokį paversi protinga matematine funkcija be ML, kategorizuojančia tą masyvą į true/false, kur true - pastebėtas katinas, o false - katinas nepastebėtas? Todėl ir imi tada statistiką, paduodi milijonus katinų nuotraukų, kur nurodai aiškiai, kad ten tikrai katinas. Paleidi kokį nors klasifikatorių, jis apsimoko, kitaip sakant, atpažinti iš esamų nuotraukų katiną. O jau po to pradedi fotkinti dar milijoną katinų (arba susigooglini dar milijoną jų foto, jeigu tingi fotkinti), jas paduodi algoritmui ir žiūri, ar jis atpažįsta katinus, ar ne.

 

Toliau ką noriu pasakyti, tai ML algoritmų programavimas yra tikrai perspektyvi sritis. Ir, jeigu tai tik domina, drąsiai mokykis, tobulėk. Tikrai nereikės tupėti prie konteinerio ar graužti duoną, jeigu dirbsi tokį darbą ir jį dirbsi gerai.

 

* Mano AI supratimas labai paprastas. Yra kažkokia progama, jai balsu pasakau, kad noriu sumuštinio. Ir ta programa, neužprogramuota tokiai užduočiai iš anksto, ne tik pagamina sumuštinį, bet pagamina tokį, kuris, mano manymu, būtų pats skaniausias sumuštinis, kokį tik atsimenu esąs valgęs, nepasakius mano šio išankstinio nusistatymo tai programai. To net žmogus iš esmės nesugebėtų padaryti, bet žmogus nėra AI. Žmogus yra tiesiog I savybę turinti būtybė dažniausiai.

Gan neblogai paaiškinai, tačiau užkliuvo teiginys, kai sakai, kad kelis kelis tūkstantmečius neturėsim tikro dirbtinio intelekto :) Apklausus visus top AI mokslininkus, lyg kažkur 2050-2070 yra prognozuojamas vidurkis, kada galėtumėm turėti tikrą AI, kuris ne tik kad sugebėtų racionaliai mąstyti kaip žmogus, tačiau būtų ir milijoną kartų greitesnis. Užteks geriau perprasti žmogus smegenis, kad galėtumėm sukurti AI. Juk veikianti modelį ( save ) turime, užtenka išsiaiškinti ir nukopijuoti principą. O kada tai įvyks, niekas nežino, bet pagal dabartinius greičius, tai tam neturėtų prireikti net 100 metų:) Neseniai visi prognozavo, jog iki žmogaus įveikimo GO žaidime dar likę apie 20 metų, o Deepmind tai padarė per kelis metus. :)

Gan neblogai paaiškinai, tačiau užkliuvo teiginys, kai sakai, kad kelis kelis tūkstantmečius neturėsim tikro dirbtinio intelekto :) Apklausus visus top AI mokslininkus, lyg kažkur 2050-2070 yra prognozuojamas vidurkis, kada galėtumėm turėti tikrą AI, kuris ne tik kad sugebėtų racionaliai mąstyti kaip žmogus, tačiau būtų ir milijoną kartų greitesnis. Užteks geriau perprasti žmogus smegenis, kad galėtumėm sukurti AI. Juk veikianti modelį ( save ) turime, užtenka išsiaiškinti ir nukopijuoti principą. O kada tai įvyks, niekas nežino, bet pagal dabartinius greičius, tai tam neturėtų prireikti net 100 metų:) Neseniai visi prognozavo, jog iki žmogaus įveikimo GO žaidime dar likę apie 20 metų, o Deepmind tai padarė per kelis metus. :)

Tiesiog nepaaiškinau, kodėl taip sakau. Dėl tūkstantmečių gal ir kliedesys, nes tikrai nežinome, kas bus per tiek laiko. Gali ir meteoritas tėkštis į Žemę, galime civilizaciją sunaikinti branduolinio karo metu. Bet iš esmės turėti tokį intelektą 2050-2070 yra itin mažai realu. Na bet jeigu sukursime tokį intelektą, milijonus kartų pranokstantį žmogų, turbūt jam nebus problemos pasinaudoti Saulės energija 100%, pastatyti Daisono sferą ar tiesiog sunaikinti/nukreipti meteoritus, keliančius grėsmę Žemės ir jų egzistencijai. :)

Esminis argumentas tai yra būtent pati gamta - fizika šiuo atveju. Taip, mes galbūt ir galime modeliuoti žmogaus smegenų veiklą, tačiau kiek mes energijos sunaudojame tam? O kiek žmogus sunaudoja energijos savo smegenų veiklai? Kažkur iki 11 kJ turbūt per parą. O superkompiuteris, kuris pajėgtų modeliuoti žmogaus smegenų veiklą bent sekundės dalį? Per parą tai gali būti ir 15,3 TJ. Kitaip sakant, mūsų kompiuteriai naudoja šimtus milijonus kartų daugiau energijos kažkokiai žmogaus mąstymo daliai sumodeliuoti nei žmogus visam mąstymo procesui atlikti. Plius pas žmogų ne tik mąstymas yra. Reikia ir gyvybines funkcijas palaikyti. :)

O kitas dalykas yra dar ir tas, kad šiais laikais gaminamų kompiuterių procesorių tranzistorių mažėjimas jau beveik baigėsi, todėl Moore'o dėsnis nelabai galioja dabar ir greičiausiai ims nebegalioti po kelerių metų (o gal jau ir dabar baigė galioti). Kuo jie mažesni, tuo brangiau ir sunkiau pagaminami, o su dar mažesniu variantu prasideda kvantinio tuneliavimo sukeliami efektai, dėl ko tampa nebeįmanoma išsaugoti būsenos ar pagaminti patikimai veikiantį procesorių. Tad kas lieka, tai galbūt kvantiniai kompiuteriai. Bet vėlgi su jais kita problema. Jie gerai sprendžia tik kai kurias problemas (pavyzdžiui, skaičių faktorizacijos), o kai kurias problemas už kvantinius sprendžia šiuolaikiniai kompiuteriai daug geriau. Todėl ką ateityje turėsime, tai nebent kažkokį hibridinį variantą, galintį paskirstyti užduotis skirtingiems procesoriams (kvantiniam ar klasikiniam). Ir dar kita problema su jais - jie veikia labai ekstremaliomis sąlygomis (šimtai Celsijaus minuso, kurio mes tikrai nesudarysime namų sąlygomis). Nepaisant viso to, kompiuteriams turės būti parašyti visi baziniai algoritmai, kai kuriais atvejais ir perrašyti, kas irgi užtruks kažkiek laiko.

Kitaip sakant, iki tikro AI mes dar labai toli esame. Tad mano prognozė būtų kiek kitokia - greičiausiai iki 2050-2070ų metų turėsime labai išvystytas ML sistemas, kai kurie darbai, lengvai automatizuojami, bus pakeisti tų sistemų dėl ekonominės naudos. Pavyzdžiui, bus galima įsigyti automobilius, važiuojančius autonomiškai be jokių klaidų, taigi, nebereikės vairavimo pažymėjimo įgyti niekam. Galbūt turėsime robotus, galinčius valyti namus mums be jokio vargo. Valstybės, kurios norės būti pažangios, pasiekti didesnį progresą, greičiausiai irgi tokias sistemas ims naudoti biudžetui planuoti, švietimo politikai, kitaip sakant, atsiras tam tikrų elementų mūsų gyvenime, kuriuos pakeis technokratija. Bet tai tiek. O tokio intelekto, kuris pajėgtų mąstyti kaip žmogus ar jį pranokti, dar ilgokai teks palaukti. Gali netgi taip būti, jog mes patys su tuo intelektu susitapatinsime, t.y. padidinsime savo atminties pajėgumus, bet mąstysime, galvosime tai tik mes patys, o kompiuterius naudosime kaip įrankį savo atminties galimybėms išsaugoti ir pan. Bet tai tiek. Tai yra, tikrai mes sąmonės ten neperkelsime, nes net nežinome, koks yra "sąmonės bitas", kokias jis reikšmes gali įgyti.

O dėl grėsmių, apie kurias E. Musk ir S. Hawking yra kalbėję, tai greičiausiai mūsų žiniasklaida jų mintis labai suprimityvino. Manau, jie mato grėsmę ML sistemų taikyme. Pavyzdžiui, visokie dronai, naikinantys taikinius be operatoriaus priežiūros. Gali juk laisvai nutikti taip, jog ML algoritmas kokį nors žmogų netyčia priskirs naikinamam taikiniui, nors jis tėra taikus civilis. Tai čia ir yra grėsmės, o ne tai, kad mus ten ML sistemos kaip civilizaciją sunaikins, pakeis mus. Kitaip sakant, "Terminatoriaus" scenarijus iki tų metų yra itin mažai tikėtinas, nebent žmonija kažkokiu būdu tobulai perpras žmogaus veikimą, pažengs itin stipriai fizikoje, biologijoje, chemijoje ir sugebės kažką iš to išspausti. Kitu atveju tai progresas bus, bet jis bus ganėtinai lėtas.

Tiesiog nepaaiškinau, kodėl taip sakau. Dėl tūkstantmečių gal ir kliedesys, nes tikrai nežinome, kas bus per tiek laiko. Gali ir meteoritas tėkštis į Žemę, galime civilizaciją sunaikinti branduolinio karo metu. Bet iš esmės turėti tokį intelektą 2050-2070 yra itin mažai realu. Na bet jeigu sukursime tokį intelektą, milijonus kartų pranokstantį žmogų, turbūt jam nebus problemos pasinaudoti Saulės energija 100%, pastatyti Daisono sferą ar tiesiog sunaikinti/nukreipti meteoritus, keliančius grėsmę Žemės ir jų egzistencijai. :)

 

Esminis argumentas tai yra būtent pati gamta - fizika šiuo atveju. Taip, mes galbūt ir galime modeliuoti žmogaus smegenų veiklą, tačiau kiek mes energijos sunaudojame tam? O kiek žmogus sunaudoja energijos savo smegenų veiklai? Kažkur iki 11 kJ turbūt per parą. O superkompiuteris, kuris pajėgtų modeliuoti žmogaus smegenų veiklą bent sekundės dalį? Per parą tai gali būti ir 15,3 TJ. Kitaip sakant, mūsų kompiuteriai naudoja šimtus milijonus kartų daugiau energijos kažkokiai žmogaus mąstymo daliai sumodeliuoti nei žmogus visam mąstymo procesui atlikti. Plius pas žmogų ne tik mąstymas yra. Reikia ir gyvybines funkcijas palaikyti. :)

 

O kitas dalykas yra dar ir tas, kad šiais laikais gaminamų kompiuterių procesorių tranzistorių mažėjimas jau beveik baigėsi, todėl Moore'o dėsnis nelabai galioja dabar ir greičiausiai ims nebegalioti po kelerių metų (o gal jau ir dabar baigė galioti). Kuo jie mažesni, tuo brangiau ir sunkiau pagaminami, o su dar mažesniu variantu prasideda kvantinio tuneliavimo sukeliami efektai, dėl ko tampa nebeįmanoma išsaugoti būsenos ar pagaminti patikimai veikiantį procesorių. Tad kas lieka, tai galbūt kvantiniai kompiuteriai. Bet vėlgi su jais kita problema. Jie gerai sprendžia tik kai kurias problemas (pavyzdžiui, skaičių faktorizacijos), o kai kurias problemas už kvantinius sprendžia šiuolaikiniai kompiuteriai daug geriau. Todėl ką ateityje turėsime, tai nebent kažkokį hibridinį variantą, galintį paskirstyti užduotis skirtingiems procesoriams (kvantiniam ar klasikiniam). Ir dar kita problema su jais - jie veikia labai ekstremaliomis sąlygomis (šimtai Celsijaus minuso, kurio mes tikrai nesudarysime namų sąlygomis). Nepaisant viso to, kompiuteriams turės būti parašyti visi baziniai algoritmai, kai kuriais atvejais ir perrašyti, kas irgi užtruks kažkiek laiko.

 

Kitaip sakant, iki tikro AI mes dar labai toli esame. Tad mano prognozė būtų kiek kitokia - greičiausiai iki 2050-2070ų metų turėsime labai išvystytas ML sistemas, kai kurie darbai, lengvai automatizuojami, bus pakeisti tų sistemų dėl ekonominės naudos. Pavyzdžiui, bus galima įsigyti automobilius, važiuojančius autonomiškai be jokių klaidų, taigi, nebereikės vairavimo pažymėjimo įgyti niekam. Galbūt turėsime robotus, galinčius valyti namus mums be jokio vargo. Valstybės, kurios norės būti pažangios, pasiekti didesnį progresą, greičiausiai irgi tokias sistemas ims naudoti biudžetui planuoti, švietimo politikai, kitaip sakant, atsiras tam tikrų elementų mūsų gyvenime, kuriuos pakeis technokratija. Bet tai tiek. O tokio intelekto, kuris pajėgtų mąstyti kaip žmogus ar jį pranokti, dar ilgokai teks palaukti. Gali netgi taip būti, jog mes patys su tuo intelektu susitapatinsime, t.y. padidinsime savo atminties pajėgumus, bet mąstysime, galvosime tai tik mes patys, o kompiuterius naudosime kaip įrankį savo atminties galimybėms išsaugoti ir pan. Bet tai tiek. Tai yra, tikrai mes sąmonės ten neperkelsime, nes net nežinome, koks yra "sąmonės bitas", kokias jis reikšmes gali įgyti.

 

O dėl grėsmių, apie kurias E. Musk ir S. Hawking yra kalbėję, tai greičiausiai mūsų žiniasklaida jų mintis labai suprimityvino. Manau, jie mato grėsmę ML sistemų taikyme. Pavyzdžiui, visokie dronai, naikinantys taikinius be operatoriaus priežiūros. Gali juk laisvai nutikti taip, jog ML algoritmas kokį nors žmogų netyčia priskirs naikinamam taikiniui, nors jis tėra taikus civilis. Tai čia ir yra grėsmės, o ne tai, kad mus ten ML sistemos kaip civilizaciją sunaikins, pakeis mus. Kitaip sakant, "Terminatoriaus" scenarijus iki tų metų yra itin mažai tikėtinas, nebent žmonija kažkokiu būdu tobulai perpras žmogaus veikimą, pažengs itin stipriai fizikoje, biologijoje, chemijoje ir sugebės kažką iš to išspausti. Kitu atveju tai progresas bus, bet jis bus ganėtinai lėtas.

Matau, kad tu tikrai domėjaisi šitą sritimi, tačiau nematau priežasties, kodėl turėčiau tikėti šiaip sau pamąstymais, nei AI mokslininkų spėjimais. Taip, Moore's law tikrai pasibaigęs šiuo metu, bet į computational power dabar investuojama daug pinigų. Kuriami specialūs chipai, kurie turėtų būt pritaikomi AI skaičiavimais. Tad tranzistorių dydžio limitas tikrai neturėtų būti problema. Tuolab, gali būti, jog AGI generavimui pakaktų žymiai mažiau computational power. Šiuo metu tai atrodo labiau algoritmo problema,nei skaičiavimų pajėgumo. Nors aišku, kad kuo daugiau skaičiavimų gali padaryti, tai tuo lengviau ir atrasti naujus veikiančius algoritmus. Šiaip jei neklystu, tiek JAV, tiek Kinija turėtų ankstyvais 2020-aisiais turėti pirmuosius Exascale ( kas yra lygu žmogaus smegenų daromiems skaičiavimams ) kompiuterius. Taip kad, kas čia žino, kuriu metu atsiras žmogus, kuriam pavyks išspręsti paskutinę žmonijos problemą. :)

Matau, kad tu tikrai domėjaisi šitą sritimi, tačiau nematau priežasties, kodėl turėčiau tikėti šiaip sau pamąstymais, nei AI mokslininkų spėjimais. Taip, Moore's law tikrai pasibaigęs šiuo metu, bet į computational power dabar investuojama daug pinigų. Kuriami specialūs chipai, kurie turėtų būt pritaikomi AI skaičiavimais. Tad tranzistorių dydžio limitas tikrai neturėtų būti problema. Tuolab, gali būti, jog AGI generavimui pakaktų žymiai mažiau computational power. Šiuo metu tai atrodo labiau algoritmo problema,nei skaičiavimų pajėgumo. Nors aišku, kad kuo daugiau skaičiavimų gali padaryti, tai tuo lengviau ir atrasti naujus veikiančius algoritmus. Šiaip jei neklystu, tiek JAV, tiek Kinija turėtų ankstyvais 2020-aisiais turėti pirmuosius Exascale ( kas yra lygu žmogaus smegenų daromiems skaičiavimams ) kompiuterius. Taip kad, kas čia žino, kuriu metu atsiras žmogus, kuriam pavyks išspręsti paskutinę žmonijos problemą. :)

O gal jie visgi spėja, kad tuo metu turėsime itin išvystytas ML sistemas, kurios skaičiavimo jėga prilygs žmogui ar jį pranoks? Jeigu kalbama apie skaičiavimo galimybes, tai kompiuteriai žmogų šioje srityje jau senokai pranoko. Pavyzdžiui, kompiuteriu dvejetą pakelti milijoniniu laipsniu tėra mažiau nei sekundės reikalas, o žmogui tas gali ilgokai užtrukti. Ką teigiu, tai tokių spėjimų pro šoną jau būta dar XX amžiaus 6-7 dešimtmečiuose, kai tie ML algoritmai pradėjo vystytis, pavyko šį bei tą praktiško jų taikyme padaryti. O galiausiai buvo imta suprasti, jog problemos mastas, gebėjimas ją suformuluoti kompiuteriui kaip programą lemia ne mažiau nei pats mąstymas. Pavyzdžiui, žmogui išsikepti sumuštinį tikrai paprasta, bet užprogramuoti, jog tą padarytų kompiuteris, yra gerokai sudėtingiau nei pačiam išsikepti tą sumuštinį. Juk reikia ne tik programą rašyti, bet ir sensorius, dar ir rankas duoti tokiam robotui ir t.t. O galiausiai tie mokslininkai nėra pranašai, o tiesiog savo sričių mokslininkai, puikūs specialistai. Buvimas tokiu iš tavęs nepadarys nei pranašo, nei žmogaus, kuris gali viską.

Dar daugiau, vertėtų prisiminti XX amžiaus prognozes apie kosmoso užkariavimą. Kai sovietai paleido pirmąjį palydovą, po to amerikiečiai išsilaipino Mėnulyje, jau buvo mąstoma, kad jau labai greitai ir Marsas bus pasiektas, netgi kolonizuotas. Po to Jupiterio, Saturno palydovai ir t.t. O kur dabar esame? Iš esmės kosminių technologijų taikyme ten pat, kur buvome ir XX amžiuje. Tik dabar E. Musk bando kažką pasiekti su Marsu. Bet visgi tai gali tebūti tiesiog marketingas siekiant pritraukti investuotojų, žiniasklaidos dėmesį, o bus susidurta su tokiomis problemomis, kurias išspręsti reikės ne vieno dešimtmečio. Asmeniškai labai norėčiau, jog žmonės pasiektų bent jau Marsą, jame pradėtų statyti miestus. Tai būtų tikrai nuostabus laikotarpis, kuriame būtų galima gyventi. Plius investicijų galimybės labai prasiplėstų. O ar taip bus, tai čia kitas klausimas. Kadangi nesu raketų mokslininkas, nieko negaliu prognozuoti šioje srityje. Tačiau, būdamas programuotojus, kuris rašė bakalauro darbą, susijusį su ML, galiu šį bei tą prognozuoti.

Visos sritys, kurios žada stebuklus, tą gal ir duos ateityje (arba neduos), bet tikrai ne čia ir dabar, nes yra krūvos problemų, kurių žmonija iki šiol dar nesugebėjo išspręsti. Pavyzdžiui, kalbant apie sąmonės suvokimą, AI, prilygstantį žmogui, kūrimą. Jeigu mes 2050-2070 metais tokį sukursime, tai išeitų, jog psichologų paslaugos mums bus nebereikalingos, ši profesija išnyks? Taip išeitų, bet, iš kitos pusės, psichologijos egzistavimas rodo, jog žmogaus sąmonė yra šis tas daugiau nei tiesiog skaičiavimų pajėgumai, mes patys nesuvokiame nei kaip mąstome, kodėl mąstome, kodėl jaučiamės kartais blogai, kartais pakylėti, galiausiai kodėl ieškome kažkokių tai dievybių, religijos paramos, nors realiai patys iš savo vidaus laisvai galime užsiprogramuoti norimą mąstymo būdą ir tiek ir negalvoti absoliučiai apie nieką, kas mums sukelia kliūtis ramiai ir kokybiškai gyventi. Tikrai taip, galime mes modeliuoti žmogaus sąmonę informacinių procesų kontekste, netgi galime pasakyti, kas tobulai simuliuotų ar pranoktų žmogų. Bet kas iš to, jeigu tai simuliacijai reikės statytis Daisono sferos dydžio kompiuterį? :D Taigi, atsiranda tokie paprasti dalykėliai - mentalinis ir realus pasauliai. Mentaliniame įmanoma viskas, bet realiame jau yra įmanoma irgi viskas, bet iki to reikia atlikti tam tikrą transformaciją iš mentalinio pasaulio į realų. Pats transformacijos procesas čia ir yra sudėtingiausias.

Ką noriu pasakyti, tai labai abejoju sąmonės sukūrimo perspektyva dešimtmečių laikotarpiu, nes pati gamta ją kūrė visgi milijonus metų. Galbūt tiek vargti mums nereikės, bet turėsime išspręsti dar labai daug problemų. Todėl ir manau, kad viskas bus greičiausiai tiesiog kryptingas mokslinis darbas visose srityse, tos sritys viena su kita vis labiau ir labiau persipins, mokslinių darbų rezultatai po truputį eis į masinį vartojimą.

Juo labiau, ir pats nesu jau toks kiauras kaip gali pasirodyti. Kažkaip darbe išsprendžiu tikrai sudėtingas problemas. Plius studijų metu parašiau tokio lygio bakalauro darbą, susijusį su ML, jog komisija nesuprato, ką tiksliai čia nuveikiau. Na gyniausi logiškai ir argumentuotai, o galiausiai gavosi taip, jog mano darbo vadovas ėmė mane užstoti ir aiškinti komisijai, kokie jie durniai, jog nesupranta, kas čia padaryta, ir ką jie čia veikia, jeigu nesugeba normaliai darbų gynime dalyvauti. Na iš dalies jį suprantu. Jeigu dariau darbą su Decision Trees taikymu susijusį, o dėstytojai ten apie grafus kažką svaigo, prie lentos kvietėsi (viską surašiau, viską paaiškinau, bet gal ne iš darželinukų perspektyvos tiesiog :D), tai kaip ir aiškus jų lygis - jie esmę kaip ir supranta, bet neturi pakankamo pagrindo nagrinėti patį darbą tiesiog. O būtų užtekę tiesiog perskaityti prieš gynimus visus darbus ir būtų viskas +/- kaip ir aišku ir tereikėtų vertinti, kaip studentas ginasi, ar pats rašė darbą, ar nemala š*do. :)

P.S. Kai tik pradėjau programuoti, maniau, jog esu pajėgus atlikti Dievo vaidmenį. Tiek daug galimybių, tiek daug dalykų, kuriuos galima padaryti. Kita vertus, gal ir įmanoma tą lygį pasiekti, bet ne iškart, ne čia ir dabar tiesiog. :D

Matau čia žmonės įdomiai ir protingai diskutuoja tai privalau įsiterpt :D Noriu dadėt vieną elementą būtiną žmogaus sąmonei - pats žmogus. T.y. nuo gimimo - gyvenimo moters ystčiuose, pirmo oro gūsio ir t.t. Sąmonė manau jau turi ten pradėt formuotis. Robotui tai perduot, nžn, jau gryn kyborgai, biomechanika visiškai išvystyta turi būt. Šiai dienai, kaip jau čia rašot, AI tiesiog atmetimo būdu viską "supranta" (kaip suprantu).Gal ir žmogaus mąstymas tuom remtas, didžiąja dalimi, bet yra toji "mažoji", kurios patys nesuprantam. Būna juk priimam sprendimą, kuris atrodo teisingas, bet senatvėj suprantam, kad visgi neteisingas, o vėliau anūkai mūsų supranta, kad o bet tačiau buvo teisingas. Būna atmetimo metu atmetam visus variantus ir brainstorminam ką nors kūrybiško, sukuriam kokį peace of art ir tada žmonija šimtus metų tą peace of art skirtingai interpretuoja. Kaip įmanoma to šmokyti robotą? Nebent taip, kad daryk ką nori kaip galvoji geriau, t.y. būk Terminatorius.

Tad pritariu, kad sukurt kažką ko pats nesupranti yra neįmanoma. Sakyčiau didesnė tikimybė sukurt vištos "sąmonę", bet net ir tos normaliai nesuprantam.

Todėl taip išeina, kad tie mokslininkai kalba apie kitokią sąmonės formą, bet ar tada tinka ją vadinti sąmone jei nėra niekur ji dokumentuota? Gal dėl to ir kalba Muskas ir kt., kad čia nieks nežino ką realiai daro / siekia nes nėra tikslių kriterijų to kuriamo produkto.

Čia tokia teorija mano, kaip dar techniškai nesidomėjusio AI. Gal kada labiau pasigilinsiu tai būsiu techniškesnis diskusijoj

Dar dadėsiu, kad manau realiausia kas vyks tai Re-captcha principu veikiantys vadinamieji AI. T.y. teisingų atsakymų rinkiniai. Ne daugiau

Na aš tikrai nesakiau, kad tamsta kiauras. Tik tiek, jog nesutinku su jūsų nuomone ir verčiau pasikliauju mokslininkų, kurie kiekvieną dieną praleidžia prie to 8+ valandas. Sutinku, kad mes patys labai mažai žinom, kas pas mus vyksta viduje. Mintys realiai pačios atsiranda galvoje atrodytų iš niekur, o ne patys jas konstruojam. Paimkim vaizdo atpažinimą, irgi žmogus pats, nesuvokia, kaip atpažįsta daiktus - pačio skaičiavimo proceso nematome, tik rezultatą. Tačiau tai nesukliudė ištobulinti machine vision srities. Dabar tai viena iš pažangiausių AI sričių su realiais panaudojimo atvejais - objektų identifikacija, skaičių, teksto, veido atpažinimas, autonominės mašinos ( dar ne, bet jau greitai )...

Net jei ir reiktų tikram AGI ( artificial general inteligence, kas reiškia tokį dirbtinį intelektą, kuris mąstytų racionaliai kaip žmogus ) labai didelio kompiuterio, vargu ar tai problema. Pritaikius tokį intelektą, galėtumėm per mėnesį ( gal net per dieną ) padaryti daugiau išradimų, nei per visą žmonijos istoriją. Yra net specialus terminas tam - intelligence explosion. Esmė, kad sukompiuterizavus žmogaus smegenis jos būtų greitesnės milijoną kartų ( nes cheminės reakcijos kurios lemia mūsų mąstymą palyginus yra labai lėtos..). Ir išvis niekas nežino, koks yra limitas intelektui.

Gal net ir nereikės patiems to AGI inžineriškai išmąstyti. Teoriškai, turėtų užtekti simuliuoti evoliucijos principą. Nors mūsų protui išsivystyti ir prireikė milijonų metų, tačiau turint pakankamai skaičiavimo galios, šį procesą galėtumėm sutrumpinti žymiai. Dėl to ir man asmeniškai yra labai įdomu skaityti / domėtis kaip mums sekasi didinti kompiuterių galią..

Na čia labai daug variantų įvairiausių, ir tikrai negalima sakyti, jog AGI yra neįmanomas. Tuo labiau, kai turim veikiantį modelį kiekvienas. :)

**