Kompiuteriai sprendžia problemas, kurių joks žmogus niekada negalėtų išspręsti, ir tokiais būdais, kurie mums atrodo visiškai nežmogiški. Ar turėtume priimti ar permąstyti keistą šių įrenginių intelektą?
Ši publikacija yra LRT.lt portalo partnerio „Deutsche Welle“ originalus kūrinys.
2019 m. penki geriausi pasaulio pokerio žaidėjai susėdo kazino žaisti pokerio prieš kompiuterį. Žaidimo metu jie pralošė daug – apie 1,77 mln. eurų – pokerio botui Pluribus.
Tai buvo pirmas kartas, kai dirbtinio intelekto (DI) programa įveikė elitinius savo srities atstovus, žaidžiant daugiau nei prieš du žaidėjus.
Interviu po varžybų pokerio žaidėjų buvo paklausta, kaip jie jaučiasi pralaimėję kompiuteriui. Pluribus, pasak jų, „puikiai blefavo. Jokiam žmogui niekada taip nepavyktų“.
Vienas žaidėjas sakė, kad botas žaidė kaip „ateivis“, statydamas šimtus kartų daugiau nei žaidėjai, net kai blefavo.
Kaip botas išmoko žaisti pokerį
„Kodėl viskas atrodė taip nežemiška? Todėl, kad Pluribus išmoko žaisti pokerį visiškai kitaip nei žmonės“, – DW sakė „Hewlett Packard Enterprise“ vyriausiasis technologijų direktorius Engas Limas Guo.
Kai žmogus išmoksta žaisti pokerį, aiškino Engas Limas Guo, jis išmoksta dviejų pagrindinių įgūdžių: kaip priimti geresnius matematinius sprendimus ir kaip nuskaityti savo priešininkus.
Tačiau Pluribus mokėsi kitaip. Trilijonus kartų bandydamas ir klysdamas ji nepaprastai gerai įvaldė vieną pokerio aspektą – blefavimą.
„Jie išmokė įrenginį blefuoti, sujungdami du įrenginius trilijonus kartų žaisti vieną prieš kitą, – sakė Engas Limas Guo. – Pasibaigus treniruotėms, jau turėjome botą, kuris buvo tikras blefavimo ekspertas.“
Šis mokymosi metodas vadinamas įtvirtinamuoju mokymusi. Tai unikalus būdas išmokti vieną užduotį kartojant ją vėl ir vėl, kol randamas geriausias metodas.
„Jis išanalizavo daugiau tikimybių nei žmonės nuo tada, kai buvo išrastas šis žaidimas. Jis atrado įvairių žaidimo būdų“, – sakė Engas Limas Guo.
DI „mąsto“ kitaip nei mes
Įtvirtinamasis Pluribuso mokymasis reikalauja informacijos saugojimo būdų, kuriems žmonės tiesiog neturi galimybių.
„Mes auginame dirbtinio intelekto sistemas, – aiškino Engas Limas Guo. – Įrenginys kaupia ir kaupia informaciją laikui bėgant.“
O smegenys to nedaro. Neturime laiko Žemėje trilijonams pokerio treniruočių, todėl prognozuojame remdamiesi panašia ankstesne patirtimi ir atitinkamai pasirenkame geriausią sprendimą.
Toks mokymasis reikalauja, kad smegenyse būtų kuriamos vis naujos nervinės jungtys. Tačiau mes taip pat pašaliname informaciją, „apkarpydami“ jungtis, kurių nebenaudojame.
„Mes kaupiame naujus prisiminimus ir nuolat pamirštame dalykus. Kažkaip mes įvertiname, ką verta saugoti, o ką galima pamiršti“, – sakė Indijos Nacionalinio biologijos mokslų centro kompiuterinės neurologijos profesorius Upinderis Bhalla.
U. Bhalla paaiškino, kad žmogaus skaičiavimo efektyvumas priklauso nuo šios smegenų savybės, kuri leidžia mums sutelkti dėmesį į turimą reikšmingą informaciją ir pasirūpinti dalykais, kurie yra svarbiausi mūsų išlikimui.
Tačiau DI sistema gali tik kaupti duomenis, nesąmoningai tyrinėdama visas konkretaus duomenų rinkinio galimybių sritis, kol randa geriausią atsakymą.
U. Bhalla nuomone, dirbtinio intelekto sistemos išgyvena savas evoliucijas, atskirai nuo visko, kas gyva.
„Dirbtinis intelektas labai skiriasi nuo žmogaus intelekto, nes kompiuterio architektūra visiškai kitokia nei smegenų“, – sakė jis.
DI nepatiria emocijų
Viena iš priežasčių, kodėl žmonėms sunku blefuoti, yra baimė patirti nuostolių. Iš esmės labiau baiminamasi galimų emocinių nuostolių nei piniginių. Statant pinigus, esant prastai kombinacijai, tenka įveikti šią baimę.
Pluribus tokios baimės nejaučia. Jis blefavo taip, kaip joks žmogus niekada neblefuotų, statydamas sumą, šimtus kartų didesnę už banko vertę, nes tiesiog nebijojo. Žaidžiant pokerį prieš emocijų nepatiriantį DI, negalioja jokios su žmogaus emocionalumu susijusios taisyklės.
Tiesą sakant, šiuo metu neegzistuoja DI sistema, kuri turėtų jausmų. Specialiai parengtoms DI sistemoms prastai sekasi atpažinti žmogaus emocijas, jau nekalbant apie gebėjimą jas imituoti. Praeis dar daug laiko, kol kompiuteriai iš tikrųjų gebės emocionaliai blefuoti, kaip tai daro žmonės.
„Nenuostabu, kad DI mums atrodo svetimas, – U. Bhalla sakė DW. – Būdas, padedantis jam pasiekti tokių nuostabių galimybių, yra labai nežmogiškas, labai nebiologiškas.“
Ar DI „nežemiškumas“ gali padėti mokslui
„Google“ patronuojamosios įmonės „DeepMind“ mokslininkė Irina Higgins perspėja, kad pernelyg nežemiško dirbtinio intelekto kūrimas gali tapti problema.
„Kuriant dirbtinio intelekto sistemas, kyla pavojus, kad išrasime smegenų versiją 2.0, kurios nebūsime pajėgūs suprasti. Turime pritaikyti DI žmonėms, kad jis nebūtų toks nežemiškas, kad galėtume jį suprasti ir valdyti“, – DW sakė I. Higgins.
Tačiau, anot jos, DI nežemiškumas gali turėti ir teigiamų aspektų.
„Moksle DI sistemos, pasižyminčios „nežemiškais“ duomenų analizės gebėjimais, gali padėti mums atrasti dalykus, apie kuriuos žmonės net nebuvo pagalvoję“, – sakė ji.
I. Higgins atkreipė dėmesį į „DeepMind“ DI sistemą „AlphaFold“, kuri iš aminorūgščių sekų numatė daugiau nei 100 000 baltymų 3D struktūrą.
„Baltymų struktūrų narpliojimas yra vienas iš svarbiausių biologijos klausimų. „AlphaFold“ padeda mums sužinoti, kaip sąveikauja baltymai ir vaistai, ir tokiu būdu skatina biologinius tyrimus“, – sakė I. Higgins.
Anot jos, tai yra geriausias pavyzdys, kaip DI „nežemiškumas“ gali būti panaudotas, siekiant atsakyti į svarbius klausimus, užuot bandžius juo visiškai pakeisti žmogaus intelektą.
DI vystymas vis dar yra pradinėje stadijoje. Kuriuo keliu pasuksime priklausys tik nuo to, kaip žiūrime į DI vystymą.
„DI ir kompiuteriai bus kitokie, bet ne pražūtingi. Mes privalome išmokyti DI sistemas tinkamai elgtis, panašiai kaip mokome savo vaikus“, – sakė U. Bhalla.
