Dirbtinio intelekto rinkoje bręsta pokyčiai: „Nvidia“ vadovas įvardijo stiprų varžovą

Apie dirbtinį intelektą kalbama daug, bet dažnai – kraštutinumais. Vieniems jis atrodo kaip mistiška superintelektuali būtybė, kitiems – tik sudėtingas skaičiuotuvas. Nei vienas iš šių vaizdinių nėra tikslus. Šiuolaikinis dirbtinis intelektas nėra nei mąstantis kaip žmogus, nei visiškai primityvus.

Iš tiesų tai labai galingas įrankis, kuris remiasi paprastu, bet milžinišku mastu taikomu principu: mokymusi iš pavyzdžių ir tikimybių skaičiavimu.

Kaip buvo programuojama anksčiau?

Norint suprasti dabartinį dirbtinį intelektą, verta prisiminti tradicinį programavimą. Anksčiau kompiuteriams tekdavo aiškiai išvardyti taisykles: jei objektas turi trikampes ausis, ūsus ir kailį, laikyk jį kate.

Tokia logika greitai žlugdavo vos pasirodžius išimtims, pavyzdžiui, beplaukėms ar nulėpausiams katėms. Pasaulis per daug įvairus, kad žmogus galėtų ranka surašyti taisykles kiekvienai situacijai.

Mokymasis iš pavyzdžių

Čia prasideda mašininis mokymasis – šiuolaikinio dirbtinio intelekto šerdis. Vietoj to, kad kompiuteriui diktuotume taisykles, duodame jam daugybę pavyzdžių su teisingais atsakymais: čia katė, čia ne katė.

Panašiai mokosi ir vaikas. Jam niekas neaiškina tikslios geometrinės katės definicijos – jis mato šimtus gyvūnų ir pats ima atskirti, kur katė, o kur šuo. Kompiuteris daro tą patį, tik milijonus kartų greičiau ir su žymiai daugiau duomenų.

Neuroniniai tinklai ir „karšta–šalta“ žaidimas

Dirbtinio intelekto modeliai dažnai vadinami neuroniniais tinklais, nes labai supaprastintai primena smegenų neuronų sluoksnius. Pirmieji sluoksniai atpažįsta elementarius bruožus – linijas, kraštus, posūkius, o gilesni sujungia juos į sudėtingesnius struktūrinius vaizdus.

Mokymas vyksta žaidžiant „karšta–šalta“. Modelis iš pradžių smarkiai klysta, o sistema, matydama klaidas, nuolat koreguoja jo vidinius nustatymus, vadinamuosius svorius. Milijonai mažų pataisymų palaipsniui sureguliuoja tinklą taip, kad iš pikselių derinio jis labai tiksliai prognozuotų, kas pavaizduota.

Kaip veikia generatyvusis DI?

Atpažinti objektus – viena, bet kaip dirbtinis intelektas kuria tekstus ar vaizdus? Generatyvusis DI, pavyzdžiui, teksto modeliai, iš esmės žaidžia nuolatinį „užpildyk tuščią vietą“ žaidimą. Jis analizuoja ankstesnius žodžius ir spėja, kuris žodis tikėtiniausiai seks toliau.

Jei žmogus yra skaitęs daugybę knygų, frazę „rudasis lapinas peršoko per“ jis beveik automatiškai pratęs „tingų šunį“. Dirbtinis intelektas veikia labai panašiai – tik remiasi ne intuicija, o statistiniais skaičiavimais iš milžiniškų tekstų rinkinių.

Tai reiškia, kad generatyvusis dirbtinis intelektas ne „žino tiesą“, o prognozuoja, kokia žodžių seka atrodo labiausiai tikėtina ir įtikinama žmogaus ausiai.

Paprasčiausia idėja – milžinišku mastu

Nors dirbtinio intelekto rezultatai dažnai atrodo stebinantys, pats principas nėra mistiškas. Tai logikos, bandymų ir klaidų, atgalinio ryšio ir žmonių sukauptų duomenų derinys.

Dirbtinis intelektas neturi sąmonės ar išminties, jis veikia kaip veidrodis, atspindintis mūsų pačių kalbą, nuotraukas ir sprendimus. Sudėtingu jis tampa tik todėl, kad paprasti žingsniai kartojami milijardus kartų iš eilės.