Nova umjetna iteligencija radi nešto zaista izuzetno – pamti

Ovaj rad je još uvijek u ranoj fazi. Ovi algoritmi, kao i mnogi drugi AI alati za prepoznavanje objekata, izvrsni su za zadatke s ograničenim skupom pravila, kao što je gledanje fotografije i odabir lica među mnogim stvarima koja nisu lica. Ali, ovaj novi AI sistem izvršava ove zadatke na takav način koji više sliči kraeativnosti i nekoj digitalnoj simulaciji mašte.

AUTOR: Futurism
OBJAVLJENO: 03.12.18 u 08:21
http://bit.ly/2FWzvKd
Kada se vratite u školu nakon ljetnog raspusta, vjerovatno se osjećate kao da ste zaboravili sve što ste naučili prije godinu dana. Ali, ako učite poput AI sistema, zapravo bi i zaboravili - dok ponovo sjedate u školske klupe, vaš mozak to shvata kao znak za brisanje i ponovni početak.
 
Sklonost AI sistema da zaboravlja stvari koje je prethodno naučio kako bi pohranio nove informacije zove se katastrofalno zaboravljanje.
 
To je veliki problem. Najsavremeniji algoritmi uče, tako govoreći, nakon analize bezbroj primjera onoga što se od njih očekuje da nauče. Na primjer, AI sistem za prepoznavanje lica analizirat će hiljade fotografija lica, tako da bi mogao prepoznati lice kada se pojavi na video ekranu. Ali, budući da ti AI sistemi zapravo ne shvaćaju temeljnu logiku onoga što rade, podučavati ih da urade bilo šta drugo, čak i ako je to sasvim slično - poput, recimo, prepoznavanja određenih emocija - znači obučavati ih sve iznova od nule. Nakon što se algoritam obuči, to je gotovo, više ga ne možemo ažurirati.
 
Godinama naučnici pokušavaju otkriti kako riješiti ovaj problem. Ako uspiju, AI sistemi bi mogli učiti iz novog seta podataka o obuci bez zaboravljanja većine onoga što su već znali u tom procesu. U osnovi, ako bi roboti jednog dana oživjeli, naši novi zapovjednici mogli bi osvojiti sav život na Zemlji i istovremeno žvakati žvaku.
 
Ipak, katastrofalno zaboravljanje je jedna od glavnih prepreka koja sprečava naučnike da izgrade opću umjetnu inteligenciju (AGI) - AI koja je sveobuhvatna, empatična i maštovita, poput onih koje vidimo na televiziji i filmovima.
 
Ustvari, AI stručnjaci koji su prošle sedmice prisustvovali Zajedničkoj višenamjenskoj konferenciji o umjetnoj inteligenciji na ljudskoj razini u Pragu, rekli su u privatnim razgovorima za Futurism ili tokom panela i prezentacija, kako je problem katastrofalnog zaboravljanja jedan od glavnih razloga zbog kojeg oni ne očekuju da će vidjeti AGI ili ljudske razine AI bilo kada uskoro.
 
No, Irina Higgins, viša naučnica na Google DeepMindu, iskoristila je svoju prezentaciju tokom konferencije kako bi objavila da je njezin tim počeo s dešifriranjem tog koda.
 
Razvila je AI agenta, poput lika iz videoigara kojim upravlja AI-algoritam - koji bi mogao misliti kreativnije nego tipični algoritam. Može "zamisliti" kako stvari koje je susreo u jednom virtualnom okruženju mogu izgledati negdje drugdje. Drugim riječima, neuronska mreža je bila u stanju odvojiti određene predmete koje je susrela u simuliranom okruženju od samog okruženja.
 
To nije isto što i čovjekova mašta, gdje možemo stvarati mentalne slike (mislite na pticu - vjerojatno možete zamisliti sliku o tome kako bi izmišljena sferična, crvena ptica mogla izgledati u vašem umu). AI sistem nije tako sofisticiran, ali može zamisliti objekte koje je već vidio u novim konfiguracijama ili mjestima.
 
Želimo da stroj nauči siguran zdrav razum u svom istraživanju tako da se ne uništava", rekla je Higgins u svom govoru na konferenciji koju je organizirao GoodAI. Objavila je svoj rad na airXiv te sedmice, opisujući posao koji dopušta prethodno razvijenim AI agentima da kontinuirano uče, bez da zaboravljaju na prethodnu obuku.
 
Recimo da prolazite kroz pustinju i naiđete na kaktus. Jedan od onih velikih, bodljikavih kaktusa koje vidite u svim crtanim filmovima. Možete prepoznati da je to kaktus jer ste ga vjerovatno vidjeli prije. Možda se u vašem uredu nalaze sukulenti kako bi unijeli malo boje u prostor. Ali čak i ako se u vašem uredu ne nalazi kaktus, vjerovatno biste mogli zamisliti kako bi ovaj pustinjski kaktus izgledao u velikoj saksiji, možda pored Brende iz odjela računovodstva.
 
Sada, Higgins-in AI sistem može raditi prilično istu stvar. Sa samo pet primjera kako određeni objekat izgleda iz različitih uglova, agent AI uči šta je to, kako se odnosi na okoliš, i kako može izgledati iz drugih uglova koje nije vidio ili u različitim svjetlima. Rad naglašava kako je algoritam obučavan za prepoznavanje bijelog kovčega ili naslonjača. Nakon treninga, algoritam može zamisliti kako bi taj objekt izgledao u posve novom virtualnom svijetu i može prepoznali objekat kada ga tu sretne.
 
"Pokrećemo potpuno istu konfiguraciju koju sam koristila kako bi motivisala ovaj model, a zatim predstavljamo sliku iz jednog okruženja i zatražimo od modela da zamisli kako bi izgledala u nekom drugom okruženju", rekla je Higgins. Njen novi algoritam je iznova i iznova nadmašivao u izvršavanju zadatku u poređenju s AI sistemima sa zamršenim prikazima, koji mogu predvidjeti manje osobina i karakteristika objekata.
 
Ukratko, algoritam može primijetiti razlike između onoga što susreće i onoga što je vidio u prošlosti. Kao i većina ljudi, ali za razliku od većine drugih algoritama, novi sistem kojeg je Higgins izgradila za Google može shvatiti da nije naišao na potpuno novi objekat samo zato što gleda nešto iz novog ugla. Zatim, može upotrijebiti rezervnu računalnu moć da preuzme tu novu informaciju; AI sistem ažurira ono što zna o svijetu bez potrebe za preobrazbom i ponovnim učenjen svega ispočetka. U osnovi, sistem je u mogućnosti prenijeti i primijeniti svoje postojeće znanje u novu okolinu. Krajnji rezultat je vrsta spektra ili kontinuuma koji pokazuje kako razumije različite osobine objekta.
 
Samo Higgins-in model neće nas odvesti do AGI, naravno. Ali označava važan prvi korak prema AI algoritmima koji se mogu kontinuirano ažurirati dok rade, učiti nove stvari o svijetu bez gubljenja informacija što su već imali.
 
"Mislim da je vrlo bitno postići bilo šta što je blizu opće umjetne inteligencije", rekla je Higgins.
 
Ovaj rad je još uvijek u ranoj fazi. Ovi algoritmi, kao i mnogi drugi AI alati za prepoznavanje objekata, izvrsni su za zadatke s ograničenim skupom pravila, kao što je gledanje fotografije i odabir lica među mnogim stvarima koja nisu lica. Ali, ovaj novi AI sistem izvršava ove zadatke na takav način koji više sliči kraeativnosti i nekoj digitalnoj simulaciji mašte.
 
I iako Higgins-ina istraživanja nisu odmah donijela doba opće umjetne inteligencije, njezin novi algoritam već ima sposobnost poboljšanja postojećih AI sistema koje koristimo cijelo vrijeme. Na primjer, Higgins je testirala svoj novi AI sistem na velikom skupu podataka koji se koriste za osposobljavanje softvera za prepoznavanje lica. Nakon analize na hiljade fotografija lica pronađenih u skupu podataka, algoritam bi mogao stvoriti spektar bilo koje osobine s kojim su te fotografije označene. Kao primjer, Higgins je predstavila spektar lica rangiranih prema tonovima kože.
 
Higgins je tada otkrila da njezin algoritam može učiniti isto za subjektivne osobine koje također postoje u tim skupovima podataka, u konačnici podučavajući AI sistem za prepoznavanje lica o ljudskim pristranostima. Higgins je pokazala kako su slike koje su ljudi označili "atraktivnim" stvorile spektar koji je ukazivao direktno prema fotografijama mladih, blijedih žena. To znači da bilo koji AI sistem koji je bio obučen za te fotografije - a postoji mnogo njih - sada ima ista rasistička gledišta kao i ljudi koji su prvobitno označili te fotografije: da su bijeli ljudi privlačniji.
 
Ovaj novi kreativni algoritam već je bolji od nas kada je u pitanju pronalaženje novih načina otkrivanja ljudskih pristranosti u drugim algoritmima tako da ih inženjeri mogu ukloniti.
 
Dakle, dok još uvijek  ne može zamijeniti umjetnike, rad Higgins-inog tima predstavlja prilično veliki korak u postizanju da AI misli više kao čovjek i manje kao algoritam, piše Dan Robitzski za Futurism.
 
Za Front Slobode prevela Esma Klico