Szakbarbár gépelmék

MI 2017

Mainstreammé vált a finomodó tanulási stratégiákon, legújabban mély megerősítéses tanuláson (deep reinforcement learning) alapuló mesterséges intelligencia, korlátlan mennyiségű alkalmazási lehetőséggel.

A Futurism ezévi prognózisa szerint 2017-ben még több szélesebb körű szolgáltatásban és személyre szabott appban bukkannak fel, szaporodnak a beszélgető interfészek, lassan már nem az ember beszél a számítógépnek, hanem fordítva. Chatbotok, digitális asszisztensek és üzenetküldő appok burjánzó ökoszisztémája mellett keresőmotoroknak szintén elmondhatjuk, mi után kutakodunk, és a Facebook Deep Textje is párbeszéd-mintázatokkal dolgozik. Tanulnak az emberi kommunikációból, odafigyelnek tónusra, érzelmekre, időzítésre, vizuális jegyekre, szóválasztásra. A fejlesztők közben egyetemes szabványokat kezdenek kidolgozni az MI-k egymás közti interakcióira.

Mindez szépen hangzik, tényleg bámulatra méltók a mai mesterséges intelligenciák, hiszen ki ne csodálná, hogy go- és pókerfenoméneket győznek le, vezető nélküli autókat vezérelnek, adatokat értelmeznek, netes kereséseket követnek le, hangutasításokat hajtanak végre. A technológiai fejlődéssel szaporodnak a gépek álláslehetőségei, egyre több munkakörben helyettesíthetik az embert.

Szakbarbárok kora

Akad azonban egy komoly probléma a fanfáros jövendőmondással: ezeket az MI-ket nagyon egyedi problémák megoldására találták ki. Nem attól kell tartanunk, hogy az adott gépi értelem okosabb nálunk, hanem jól meghatározott és körülírható, minél szűkebb, annál jobb területen, például ingatlanok adásvételi szerződésének kivitelezésében hatékonyabbak. Vagy programajánlásban. Vagy vezetési szokásaink biztonsági szempontok szerinti elemzésében. A személyeket másoló általános mesterséges intelligenciától, a szakterület korai éveinek álmától, sok különféle problémát egymagában megoldó rendszerektől viszont még nagyon távol vagyunk. Szórványos átfogóbb kezdeményezésektől eltekintve, az utóbbi fél évszázad, de különösen az elmúlt 20-30 év az általánosról a speciálisra való áttérés, racionálisabb célok, specializáció, specializáció és még tendenciózusabb specializáció jegyében telt el. (Hivatalosan 1956 óta beszélünk MI-ről, a kifejezést is akkor találták ki.)

A természetesnyelv-feldolgozás, eredményeinek változó feltételekre alkalmazása persze komplex feladat, de a konkrét hasznosulás ezen a területen is jól meghatározott részeken mutatható ki.

Kép- vagy beszédfelismerésben stb. szintén komoly a fejlődés. De hogyan illeszthetők hibamentesen össze, integrálhatók egy rendszerben az MI különféle aspektusai? Nagy általánosságban, „hogyan hozunk létre a normális esetben az emberhez társított képességekkel rendelkező rendszert?” – teszi fel a kérdést John Laird, a Michigan Egyetem számítástudományi szakembere.

Egyelőre sehogy.

A Watson-paradoxon

A Homo sapiens pontosan ezzel az általános intelligenciával, felhalmozott tudás és ismeretek széleskörű problémákra való alkalmazási képességével rendelkezik, számítógépek viszont nem. Nemhogy hat-, de hároméves gyerek szintjét sem érik el. Még a számos területen bevetett Watson sem, viselkedése nem úgy adaptív, mint a mienk.

Watson egyébként remekül szemlélteti a kortárs MI paradoxonját: kiválóak az ember számára nehéz feladatokban, például versenyszintű pókerezésben, könnyű dolgokkal, történetesen a szemük előtt lejátszódó történések értelmezésével viszont komoly gondjaik adódnak. Ha kilépnek a szigorú szabályokkal rögzített játékvilágból, máris tehetetlenek. Vajon mit kezdene magával AlphaGo, ha amőbáznia kellene?

A virtuális asszisztensek, Siri, Alexa és társaik is csak nagyon lassan kezdik kapisgálni a specifikumok mögött megbúvó általánosságokat, amelyekre, megértésükre alapozva széleskörű, árnyalt beszélgetésekbe bonyolódhatnának gazdájukkal. Gyakran annyira félreértenek egyszerű állításokat, hogy a felhasználó a hasát fogja a nevetéstől. Szavak, mondatok informális jelentésével végképp nem tudnak mit kezdeni. Ezért is szoktak elbukni a nem Turing-teszt féle, hanem összetettebb vizsgákon.

Oren Etzioni, a seattle-i Allen Institute for Artificial Intelligence ügyvezető igazgatója vizsgapéldával szemléltet: mi történik, ha sötét szobába teszünk egy növényt? A nyelv alapos ismerete kell a helyes válaszhoz – a kérdés megértése, tudni, mi a fotoszintézis és egy kis józanész-bölcselet: fény nélkül nincs fotoszintézis, a növény elpusztulna a sötét szobában. Nem elég a fotoszintézis formális ismerete, mert ezt az ismeretet valódi élethelyzetre is kell tudni alkalmazni.

Nagyjából itt tart most az általános MI. Alig több mint a semmi. Szakterületeken viszont bámulatos eredmények születnek, szaporodnak a szakbarbárok.

Stephen Hawkingnak és Hollywoodnak viszont teljesen felesleges gépuralommal riogatniuk.