Pat vismodernākie neironu tīkli pagaidām nav gudrāki par gadu vecu bērnu — un tas nav pārspīlējums

Neraugoties uz iespaidīgajiem mākslīgā intelekta panākumiem, mūsdienu neironu tīkli joprojām būtiski atpaliek no maziem bērniem vienā no fundamentālākajiem intelekta aspektiem — spējā ātri izprast apkārtējās pasaules uzbūvi un mācīties no minimāla pieredzes daudzuma. Tieši pie šāda secinājuma arvien biežāk nonāk kognitīvo zinātņu, neirobioloģijas un mašīnmācīšanās speciālisti.

Paradokss ir tāds, ka valodas modeļi spēj rakstīt programmatūras kodu, nokārtot sarežģītus eksāmenus, veidot jēgpilnus dialogus un analizēt milzīgus informācijas apjomus. Tomēr, ja MI ievieto jaunā, nepazīstamā vidē, kur nepieciešama fizikas likumu, cēloņsakarību un mijiedarbības ar objektiem izpratne, tā iespējas strauji samazinās. Tur, kur gadu vecs bērns sāk patstāvīgi orientēties burtiski dažu dienu vai nedēļu laikā, mākslīgajam intelektam nepieciešami miljoniem apmācības piemēru un kolosāla skaitļošanas jauda.

Kāpēc bērns mācās efektīvāk nekā MI

Galvenā atšķirība ir mācīšanās veidā.

Zīdainis informāciju saņem uzreiz caur daudziem kanāliem: redzi, dzirdi, tausti, kustībām, līdzsvaru, sociālo mijiedarbību un emocionālo atgriezenisko saiti. Katra darbība kļūst par eksperimentu. Ja bērns nomet rotaļlietu, viņš vēro, kā tā nokrīt. Ja pastumj priekšmetu, viņš saprot, ka tas kustas. Ja pasmaida pieaugušajam, viņš saņem atbildes reakciju. Tādējādi smadzenes nepārtraukti veido iekšēju apkārtējās pasaules modeli.

Turklāt šādu priekšstatu veidošanai bērnam nepieciešams pavisam maz datu.

Mūsdienu neironu tīkli darbojas pavisam citādi. Tie galvenokārt tiek apmācīti ar milzīgiem jau sagatavotas informācijas masīviem — tekstiem, attēliem, video vai audioierakstiem. Lai apgūtu kādu likumsakarību, modeļiem bieži vien nepieciešami miljoniem piemēru, kamēr bērnam dažkārt pietiek ar dažiem novērojumiem.

Tāpēc speciālisti norāda, ka mūsdienu MI lieliski atpazīst statistiskās likumsakarības, taču ievērojami sliktāk izprot notiekošā būtību.

Milzīgā atšķirība efektivitātē

Atšķirība kļūst īpaši pamanāma, salīdzinot izmantoto datu apjomu.

Pirmajā dzīves gadā bērns redz tikai nelielu daļu no apkārtējās pasaules, tomēr ar to pietiek, lai izveidotu sarežģītus priekšstatus par priekšmetiem, cilvēkiem, telpu un cēloņsakarībām.

Savukārt lielie valodas modeļi tiek apmācīti, izmantojot gandrīz visu pieejamo internetu, bibliotēkas, zinātniskās publikācijas un citus digitālos avotus. To izveidei tiek izmantoti tūkstošiem jaudīgu grafisko procesoru, kas patērē milzīgu elektroenerģijas daudzumu.

Neraugoties uz to, MI joprojām pieļauj kļūdas, kuras bērns parasti vairs nepieļauj pēc pirmajiem mēnešiem, iepazīstot apkārtējo vidi.

Kur slēpjas mūsdienu modeļu galvenā problēma

Par vienu no galvenajiem iemesliem tiek uzskatīts patiesas mijiedarbības trūkums ar fizisko pasauli.

Lielākā daļa esošo modeļu faktiski «sēž datorā». Tie analizē datus, taču paši nespēj pētīt apkārtējo vidi, eksperimentēt, kļūdīties un iegūt jaunu pieredzi tā, kā to dara cilvēks.

Tikmēr tieši aktīva mijiedarbība ar pasauli tiek uzskatīta par cilvēka intelekta pamatu.

Tāpēc arvien vairāk pētnieku grupu strādā pie virziena, kas apvieno robotiku, neirobioloģiju un mākslīgo intelektu. Viņu mērķis ir izveidot sistēmas, kas spētu mācīties ne tikai no gataviem datiem, bet arī no pašu pieredzes.

Ko piedāvā zinātnieki

Mūsdienās pētnieki arvien biežāk pievēršas cilvēka smadzeņu darbības principiem.

Starp perspektīvākajiem virzieniem ir:

mācīšanās, mijiedarbojoties ar apkārtējo vidi, nevis tikai izmantojot iepriekš sagatavotus datus;

tādu modeļu attīstīšana, kas spēj patstāvīgi pētīt jaunas situācijas;

redzes, dzirdes, taustes un kustību apvienošana vienotā uztveres sistēmā;

ilgtermiņa atmiņas un pieredzes uzkrāšanas mehānismu izveide;

tā dēvētā “pasaules modeļa” (world model) attīstīšana — iekšēja modeļa izveide par to, kā ir iekārtota realitāte.

Tieši šādas pieejas nākotnes MI sistēmas var padarīt ievērojami elastīgākas un ekonomiskākas apmācībā.

Nākamais mākslīgā intelekta attīstības posms

Eksperti arvien biežāk ir vienisprātis, ka turpmākais progress MI jomā būs atkarīgs ne tik daudz no datu apjoma vai videokaršu jaudas palielināšanas, cik no dziļākas izpratnes par to, kā mācās cilvēka smadzenes.

Ja inženieriem izdosies atveidot kaut daļu mehānismu, pateicoties kuriem zīdaiņi neticami ātri apgūst apkārtējo pasauli, tas var kļūt par nākamo lielo izrāvienu mākslīgā intelekta attīstībā.

Tieši tāpēc neirobioloģija un kognitīvā psiholoģija mūsdienās kļūst ne mazāk svarīgas MI nākotnei kā programmēšana un datortehnika. Iespējams, ceļš uz patiesi universāla mākslīgā intelekta izveidi ved nevis caur arvien jaudīgākiem datoriem, bet gan caur izpratni par to, kā vairāki miljardi neironu bērna smadzenēs ierobežotu dzīves pieredzi pārvērš pilnvērtīgās zināšanās par pasauli.