Hlavní stránka Multimédia Hry a zábava HL-AI 2018: Jak daleko máme k opravdové AI?
HL-AI 2018: Jak daleko máme k opravdové AI?
autor: Michal Rybka , publikováno 1.9.2018
HL-AI 2018: Jak daleko máme k opravdové AI?

Minulý týden, 22.-25. srpna 2018, proběhla v Praze konference Human Level Artificial Intelligence Prague 2018. Na ní se sešla řada výzkumníků, vývojářů a dalších lidí, kteří se zabývají umělou inteligencí. Jaká jsou největší úskalí současné AI a co je potřeba zlepšit?


Současná AI je specializovaná a nepodobá se příliš biologické

Často se operuje s neuronovými sítěmi, ty jsou ale pouze abstrakcí biologických neuronových sítí. Většina modelů považuje neuron za nelineární výpočetní element s N vstupy a M výstupy, z nichž každý vstup bere výstup z předchozího prvku sítě a moduluje jeho význam váhou, kterou mu přiděluje. Je to jednoduchý, ale překvapivě výkonný model, který dovede dělat spoustu věcí. Nevíme ale, jestli je skutečně dostačující.

Při pohledu na biologii je zřejmé, že organismy nefungují jen jako abstrakce, ale že tam velkou roli má i fyzické uspořádání neuronů. Řada jednoduchých organismů je schopna lokomoce i bez neuronů, prostě na sebe reagují vedle sebe ležící buňky. Geometrické uspořádání neuronových sítí samo o sobě dokáže také zajistit jednoduché funkce organismu. Řada jednoduchých organismů dokáže fungovat i po dekapitaci, protože řídící neurony pro nohy jsou umístěny v gangliích přímo v nich. Rovněž tak zapojení neuronových sítí ve složeném oku hmyzu dokáže velice rychle reagovat na pohyb v okolí a přes jeho jednoduchost mu dává značnou evoluční výhodu.

Konstrukce nervového systému hmyzu a jiných jednoduchých organismů připomíná spíš roboty než naši představu umělé inteligence.

Zároveň se ukazuje, že spousta forem emergentního chování je závislá i na dalších věcech – například způsob, kterým mravenci hledají nejkratší cestu, je závislý na velkém počtu mravenců. Pokud máte jednoho, hledá cestu špatně a zmateně. Teprve v okamžiku, kdy cestu hledají tisíce mravenců, se díky feromonovým cestičkám začíná problém efektivně řešit. Samotný algoritmus hledání cesty je prostý – choď po cestě, kde je nejvíce feromonu. Protože nejkratší cesta je geometricky nejkratší, projdou jí mravenci vícekrát než ty delší, čímž lákají další mravence. Řešení hledání cesty není tedy otázkou algoritmu, který má každý jeden z nich v hlavě, ale také funkcí jejich počtu a geometrie prostoru jako takového.

Biologická inteligence tedy může vyžadovat existenci fyzického prostředí a jeho vlastností. My se v mnoha případech pokoušíme řešit ty samé problémy jinak – a nabíháme si do pastí, které biologická inteligence nemá. Například se snažíme najít „nejlepší“ řešení, zatímco příroda se spokojí s „dostatečně dobrým“. Jiným problémem je intuitivní řešení, které sice u lidí vede k chybám a různým nedostatkům v myšlení, je ale na druhou stranu extrémně rychlé a efektivní.



 
Komentáře naleznete na konci poslední kapitoly.
46 čtenářů navrhlo autorovi prémii: 22.2Kč Prémie tohoto článku jsou již uzavřené, děkujeme za váš zájem.
Tento web používá k poskytování služeb soubory cookie.