Hogyan „tanulhat tanulni” a természetes intelligenciától a mesterséges intelligencia?
Sok hétköznapi és kevésbé hétköznapi problémánkat a gépekre bízzuk. Sőt, ma már azt is, hogy kiderítsék, egyáltalán mi a probléma. A gépek a tanulási stratégiáikat részben tőlünk, a természetes intelligencia hordozóitól kapták. A fejlesztést ugyanis gyakran az inspirálja, hogy megfigyeljük, hogy az emberek hogyan oldanak meg egy problémát vagy hogyan tanulnak. Ha a stratégia számukra beválik, akkor bizonyára a gépek számára is használható. Így tulajdonképpen átadjuk saját elménk tervrajzát a gépeknek. Nem veszélyes ez? Hol vannak a határok? Rengeteg beszélgetés és sci-fi témája a technológiai szingularitás: túlhaladhatják-e az emberiséget fejlettségben az általunk létrehozott gépek?
Európa legnagyobb tudományos fórumán, a kétévente megrendezett Euroscience Open Forumon (ESOF) a világ vezető tudósai, politikusai, döntéshozói tárgyalják meg az ilyen jellegű kérdéseket. Ugyanakkor fiatal kutatók is eljuthatnak az ESOF-ra. Jómagam az ELTE Tehetséggondozási Tanácsa és a Euroscience jóvoltából létrejött Science Plane program keretében vehettem részt. Az ESOF-on olyan izgalmas témák kerülnek terítékre, mint a robotok és emberek együttműködése, a mesterséges intelligencia (AI) kreativitása, és az, hogy vajon tudatára ébredhet-e egy AI. Vajon mégis hogyan tanulnak a gépek? Miben hasonlítanak ránk és miben nem?
A mesterséges intelligencia nem más, mint a gépek intelligens viselkedése. Akkor beszélünk mesterséges intelligenciáról, amikor egy gép az ember (vagy fejlett emlős) mentális működését tudja utánozni vagyis „problémát old meg”, „tanul” és hasonlók. Néhány fontos szempontból nagy hátrányban vagyunk mi, a természetes intelligencia tulajdonosai a mesterséges intelligenciával működő rendszerekkel szemben. Ugyanis a mesterséges intelligenciát tudatosan tervezik, és a tervek – legyenek azok akár nagyon újszerűek – azonnal gyakorlatba ültethetőek, ha az anyagi feltételek megvannak hozzá. A természetes evolúció során nem történhetnek ilyen gyors, ugrásszerű innovációk.
A mesterséges intelligencia az ember mentális működését tudja utánozni
Az IBM első személyi számítógépét 1981-ben dobták piacra. Ebben a gépben 5-10 MHz-es processzor működött, vagyis 5-10 millió alapműveletet volt képes elvégezni másodpercenként. Lenyűgöző. Ehhez képest azonban a laptop, amelyről ezt a szöveget írom, 2,6 GHz-es processzorral működik, tehát 2,6 milliárd (!) műveletet képes elvégezni egyetlen másodperc alatt. Körülbelül ezerszeres teljesítménynövekedés 35 év alatt! Mi a helyzet az idegrendszerünk sebességével? Az idegsejtjeim tipikus frekvenciája mindössze 1-5 Hz, hiszen minden kisülés után „meg kell pihenniük”, míg a kémiai egyensúlyuk visszaáll. A keletkezett elektromos potenciál vezetése is sokkal lassabb az agyban, mint például egy fémvezetékben: a tipikus vezetési sebesség 1-10 méter másodpercenként. Noha sok milliárd idegsejtünk van, az idegsejtek működésmódja által vetett gátakon túl az agyunk nem gyorsítható.
Az, ahogyan az információ áramlik még a sebességnél is fontosabb, a számítógépek és az agyunk szempontjából egyaránt. Az információáramlás módját az határozza meg, hogy vagyunk „bedrótozva”, milyen szerkezetű a processzorunk. A számítógépekhez sikerül egyre optimálisabb szerkezetű processzorokat tervezni, idegrendszerünk struktúráját azonban nem tudjuk átépíteni. Ezért a mesterséges intelligencia feldolgozási hatékonysága sokkal magasabb lehet, mint a természetesé. A számítógépek memóriája pedig szinte igény szerint bővíthető, így nagyságrendekkel nagyobb tárhelyet használhat, mint az ember. Arról nem is beszélve, hogy az emberi emléknyomok minél nagyobb igénybevételnek vannak kitéve, annál törékenyebbek – vagyis egy emléket minél többször hívunk elő, annál nagyobb mértékben fogjuk torzítani azt.
A szuperszámítógépek már régen megelőzték az emberi agyat sebességben és memóriában is
Mérnöknek sem kell hozzá lenni, hogy a fentiek alapján belássuk: lényeges hátránnyal indul az ember – vagy más élőlények – a mesterséges intelligenciához képest. Vannak versenyek, ahol vereséget szenvedünk: nem érdemes győzelemben reménykedni, ha a sakk vagy go-partin az ellenfeled mesterséges intelligenciát vet be. Olyan pályák is vannak, ahol többnyire döntetlenre állunk – ilyen a kézírás-olvasás.
A versenyek túlnyomó többségén azonban játszi könnyedséggel megverjük a gépeket – már ahol egyáltalán sikerült az adott feladatra mesterséges intelligenciát fejleszteni. Olyan hétköznapi feladatokra kell itt gondolni, amelyeket senki nem érez nagy erőfeszítésnek: felismerni a tárgyakat a minket körülvevő környezetben vagy megérteni a vicceket. Ezeket a feladatokat – noha rettentő bonyolultak – azért érezzük könnyűnek, mert az idegrendszerünk ezekre lett optimalizálva: nem mérnökök, hanem az evolúció által.
Siri, az Apple virtuális asszisztensének a jó humora egy „beépített” humor, ha visszaviccelünk, nem fogja „érteni”
A tudósok arra gondoltak, hogy egyes esetekben az evolúció segíthet a mérnöki problémák megoldásában. Ha belegondolunk, a természetes evolúciót nem nehéz „lekoppintani”, hiszen a legfőbb összetevői mesterséges formában is létrehozhatóak. Szükség van egyedekre, amelyek képesek szaporodni, és saját „genetikai kódjukról” egy másolatot átadni az utód(ok)nak. Szükség van mutációra, azaz arra, hogy az új egyedek információ állományában véletlenszerű változások következzenek be. Végül szükség van a kiválasztódásra, ami eldönti, mely egyedek tudják majd a legtöbb versenyképes utódot maguk után hagyni. Az evolúció lényege ilyen „egyszerű”, a benne résztvevő egyedek pedig lehetnek egysejtűek, emberek, de akár számítógépes programok is: miért is ne hozhatnánk tehát létre a „mesterséges evolúciót”?
A mesterséges evolúció azonban egy fontos szempontból eltér a természetes evolúciótól: ezt a folyamatot ugyanis az ember tervezi meg. Mégpedig úgy, hogy a jobb problémamegoldó programok kiválasztását preferálja. A természetes evolúcióban ezzel szemben nincs egy tudatos tervező, és egy egyed sikerességét nem csupán egy-két jól meghatározott külső feltétel dönti el. A mesterséges evolúció forradalmasította a mérnöki munkát, hiszen ma már olyan bonyolult rendszerek tervezését mint az áramkörök és csőrendszerek, ilyen mesterséges evolúciós algoritmusokra bízzák.
A mesterséges evolúció során a legjobb programok (számítógépes kódok) „átadják” információjukat „gyerekeiknek”
Egyfajta evolúció a tanulás is, amikor a viselkedésünket a környezeti visszajelzések alapján módosítjuk. Ezt hívjuk megerősítéses tanulásnak: ha valamire jutalmat kapunk, akkor azt a viselkedést nagyobb eséllyel fogjuk megismételni a jövőben – vagyis az adott viselkedés „túlélési esélyei” nőnek. Miért történik ez? Azok az idegpályák, amelyek egy viselkedés során aktiválódnak, például amikor beleharapunk egy szendvicsbe, erősebb összeköttetésbe kerülnek az agy jutalmazó központjával, ha a viselkedés kellemes érzéssel jár. Ha ez gyakran megismétlődik, akkor egy idő után már nincs is szükség jutalomra, ugyanis az agy „előrevetíti” a jutalmazást, így a viselkedést vezérlő idegpálya automatikusan aktiválódik – azaz szinte automatikusan nyúlunk a szendvicsért és harapunk bele. Ám ugyanígy a rendszeres testedzésre vagy a fókuszált munkára is „rá tudjuk nevelni” az agyat, ezért olyan sikeres pedagógiai módszer. A megerősítéses tanulás nem csak a jó gyereknevelés titka: ezt szintén használhatjuk a „gépek tanítására”, a mesterséges intelligencia fejlesztésére is.
A megerősítéses tanulás nagyon hatékony. A második világháborúban rakétabombák irányítására tanítottak galambokat – noha sosem kerültek bevetésre
Hogyan lehet a természetes minta alapján gondolkodásra tanítani egy gépet? Szükség van hozzá egy mesterséges ideghálózatra, ahol az egymással erősebben vagy lazábban összekötött „idegsejtek” az alapegységek. Ezek egy dolgot tudnak: aktiválódnak vagy nem. Mit kell tenni, ha például egy ilyen szintről induló mesterséges intelligenciának szeretnénk megtanítani, hogy egy adott virágfajtát felismerjen? Először viszonyításként adni kell neki egy ingert (meg kell „mutatni” neki a virág képét) és kezdődhet a tanulás! Kezdetben a rendszer találgatni fog, ezért valószínűleg sokat téved. Minden tévedésért „büntetést” kap, ilyenkor csökkentjük azoknak az összeköttetéseknek az erejét, amelyek mentén a hibás válasz érkezett. A jó találatot viszont jutalmazzuk, az összekötetések erősítésével. Így a mesterséges „ideghálózat” elkezd tanulni, és a végén valószínűleg „föl tudja ismerni” az egyes virágfajtákat. Ez az úgynevezett gépi tanulás egyik típusa. Ezzel a természettől „lopott” mechanizmussal a mesterséges intelligencia megtanítható a kézírás olvasására, beszédfelismerésre, tetrisezésre, pókerezésre, robotok esetében a fizikai akadályok kikerülésére. Sőt, ma már arra is tanítanak mesterséges intelligenciát, hogy röntgenkép alapján megállapítsa egy rákos daganat kialakulásának valószínűségét, vagy egy már kialakult daganat veszélyességét.
A mesterséges intelligencia a művészi stílusokra is „megtanítható”. Méghozzá úgy, hogy képes legyen az Eiffel-tornyot van Gogh „módjára megfesteni”.
Éltető Noémi