Jak majętni bylibyśmy, gdyby za każdą wzmiankę o sztucznej inteligencji, z jaką stykamy się podczas porannych prasówek, dostawalibyśmy złotówkę! Termin, występujący także jako chwytliwa abrewiatura „SI” jest upychany w zasadzie wszędzie, gdzie się da, w każdym możliwym segmencie IT. Od działających na przemysłową skalę superkomputerów po smartfony za 500 złotych. W rezultacie technologiczna osobliwość, którą często łączy się ze sztuczną inteligencją, całkowicie nam już spowszedniała, spauperyzowała się i wyblakła. Mimo że na co dzień najczęściej w ogóle nie mamy z nią do czynienia.
SI – słowo brzęczące
Dla uporządkowania terminologicznego bałaganu, jaki narósł wokół sztucznej inteligencji w ciągu ostatnich kilku lat , można dopuścić hipotezę, że problem z nazewnictwem jest w tym przypadku dwojaki z podziałem pionowym i poziomym. W pierwszym podziale można mówić o nieświadomym stawianiu znaku równości między sztuczną inteligencją i uczeniem maszynowym, często wynikającym z niefrasobliwości lub korzystania z nierzetelnych źródeł. W opozycji jest świadome przypisanie terminu sztuczna inteligencja do maszynowego uczenia, co z reguły wykorzystywane jest w działaniach sprzedażowych. Słowem, przypisanie sztuczna inteligencja = maszynowe uczenie zarezerwowane jest najczęściej dla manipulujących, zaś równanie sztuczna inteligencja == maszynowe uczenie dla zmanipulowanych.
Doskonale potwierdzają to wyciągi z bazy Google Trends. Pierwszy, powyższy, z nich ilustruje liczbę zapytań o sztuczną inteligencję i maszynowe uczenie w wyszukiwarce Google, a zatem przez zwykłych internautów prezentujących zróżnicowany stopień kompetencji technicznych. Widać na nim, że 14 lat temu, gdy rozpoczęto analizy, sztuczna inteligencja wzbudzała niemal tyle samo zainteresowania co dziś. Z czasem jednak zainteresowanie tym zagadnieniem spadało, by w końcu ponownie wybuchnąć w ciągu ostatnich dwóch lat. Równolegle rośnie zainteresowanie uczeniem maszynowym, ale gdzież mu tam do SI.
Drugi z wykresów również odnotowuje częstotliwość występowania obu fraz, jednak już nie w wyszukiwarce, lecz w indeksowanych przez Google doniesieniach prasowych. Jak widać, zainteresowania internautów i mediów są rozbieżne. Nagminne stosowanie terminu sztuczna inteligencja w publicystyce rozpoczęło się pod koniec roku 2014, zaś w zapytaniach do wyszukiwarki znalazło umiarkowane odzwierciedlenie! Jakie z tego wnioski? Jesteśmy bombardowani doniesieniami na temat sztucznej inteligencji nieproporcjonalnie do naszego zainteresowania. A z całą pewnością byłoby ono bardziej dynamiczne, gdyby w kwestii SI rzeczywiście działo się tyle, ile się o tym pisze.
Podsumowując, sztuczna inteligencja to sprzedażowy buzzword – chwytliwe, nadużywane słowo-kontener, które dla wielu oznacza wszystko i nic, bo też wszystko można do takiego kontenera wrzucić. W ostatnim czasie sporą popularność na łamach Medium zdobył ciekawy artykuł Darko Maksimovića – „Jak rozpoznać fałszywego dewelopera?” – pada w nim teza, że ten, który jedynie udaje swoje kompetencje w celach zarobkowych znacznie chętniej rozmawia na temat ogólnych nowinek branżowych niż na temat własnej pracy i kodu. Tym, co według Maksimovića zdradza fałszywego dewelopera jest jednak przede wszystkim nagminne nadużywanie wspomnianych buzzwordów, dobrze brzmiących słów, które ustach wielu znaczą bardzo niewiele.
IBM Watson gra w Jeopardy!, fot. Raysonho na licencji CC BY 3.0 Garść definicji
Tymczasem wszystkie terminy, o których mówimy maja całkiem klarowne definicje, a nawet kilka, które rywalizują o miano najbardziej rzetelnie i precyzyjnie ujmujących sprawę. Definicje buduje się dziś w sposób na ogół niezmieniony od czasów co najmniej d’Alemberta, a może i Arystotelesa – wynika to z założenia, że wszystko, co można wskazać palcem posiada cechy stanowiące i wariantywne. Przykład – krzesło jest krzesłem, gdyż można na nim usiąść (cecha stanowiąca), a nie dlatego, że jest drewniane (cecha wariantywna). Wspominamy o tym dlatego, że już na tak elementarnym etapie porównania między sztuczną inteligencją a maszynowym uczeniem występują gargantuiczne różnice, których (wydawałoby się) nie sposób pominąć. A jednak.
Jakiś czas temu w oparciu o nieźle wyselekcjonowane definicje swoimi uwagami na ten temat podzielił się Roberto Iriondo, jeden z najaktywniejszych na łamach Medium autorów tekstów na temat uczenia maszynowego, zatrudniony w tej chwili na Carnegie Mellon University. Przygotowana przez niego kompilacja całkiem trafnie obrazuje problem. W pierwszej kolejności przytoczył on definicję maszynowego uczenia sformułowaną już w 1991 roku przez Toma Mitchela:
Maszynowe uczenie jest badaniem algorytmów komputerowych, które automatycznie doskonali się przez doświadczenie.
Dalej Iriondo zestawia ją z definicją SI obowiązującą na uniwersytecie w Pittsburghu:
Sztuczna inteligencja to nauka i projektowanie komputerów zachowujących się w sposób, o którym do niedawna myśleliśmy, że wymaga ludzkiej inteligencji
Druga definicja jest dość luźna i ograniczona do inżynierii (a przecież tworzenie bytu ex nihilo może być zagadnieniem rozpatrywanym znacznie szerzej), ale ma swoje zalety. Przede wszystkim, nie zakłada, że sztuczna inteligencja musi jakkolwiek przypominać ludzką, np. poprzez sprzężenie jej ze świadomością. Można jednak wysunąć zarzut, że sztuczna inteligencja może rozwiązywać problemy w sposób niezrozumiały dla człowieka lub dotąd mu nieznany. Mowa jednak z całą pewnością o zjawisku szerszym, które przez brak lepszej znanej człowiekowi analogii porównujemy (nawet strukturalnie, vide sieci neuronowe) do własnego mózgu. Zrozumiałe jednak, że dla wielu bardziej trafna będzie definicja wymieniana wśród innych przez Franciszka Dula z Politechniki Warszawskiej:
Sztuczna inteligencja to dziedzina zajmująca się analizą możliwości kreacji sztucznych bytów posiadających cechy inteligentne.
W tym przypadku jesteśmy już pozornie bliżej maszynowego uczenia – tam mieliśmy do czynienia z badaniem, tu z dziedziną [badań]. Wszystko co występuje po rzeczowniku, a zatem wspomniane cechy stanowiące są jednak odmienne i próby stawiania znaku równości skazane są z góry na porażkę. Bo przecież nie sposób zestawić perspektywy tworzenia bytów z samodoskonalącym się algorytmem. Nawet jeśli będzie on działał w sposób niezrozumiały dla jego projektantów, a podobne przypadki miały już miejsce. Na Uniwersytecie Wyoming przeprowadzono eksperyment, podczas którego jedna z instancji sieci neuronowej miała wyprodukować obrazek przedstawiający gitarę. Mogła się posługiwać tylko metodą prób i błędów w oparciu o zapytania do drugiej sieci, która maszynowo została nauczona, jak wygląda gitara. Rodzaj futurystycznej odwróconej gry w kalambury. W końcu, po ogromnej liczbie prób, obie sieci osiągnęły zgodność. Rzecz w tym, że finalny obrazek nijak nie przypominał gitary.
Sztuczna inteligencja ≠ maszynowe uczenie
Sztuczna inteligencja to badanie, czy też dziedzina o wiele bardziej komplementarna, choć oczywiście może być ściśle wyspecjalizowana, na przykład do gry w szachy. Nawet jeśli odsuniemy na moment kwestię świadomości, z którą zapewne prędzej czy później trzeba będzie się uporać. Jeżeli jednak jesteśmy w obrębie porównań, to maszynowe uczenie znacznie bliżej jest sztucznego procesu poznawczego, niż sztucznej inteligencji. Można to wytłumaczyć na przykładzie algorytmów rozpoznawania obrazu, stosowanych w smartfonie Huawei P20 Pro. Algorytmów reklamowanych oczywiście jako zaawansowana sztuczna inteligencja.
W praktyce jednak cały mechanizm ogranicza się do rozpoznawania elementów widocznych przez kamery i na podstawie analizy geometrycznej nakładania odpowiedniego filtra. W Huawei przygotowano wcześniej ustawienia kamery, które wyciskają najwięcej na przykład ze zdjęcia plaży, jedzenia albo kota. Wystarczyło maszynowo nauczyć oprogramowanie, aby rozpoznawało te obiekty i uruchomić filtr, który wyjaskrawi ich najlepsze cechy. Czy rozpoznawanie obiektów można nazwać inteligencją? Bliżej tu raczej do widzenia i pamięci, nie bacząc na to, w jakim tempie będzie rosła liczba publikacji prasowych o tym, że ze sztuczną inteligencją mamy do czynienia na co dzień tu i teraz.
