Читать книгу Jak myślą inteligentne maszyny - Sean Gerrish - Страница 13

Głównym zagadnieniem poruszanym w niniejszej książce będzie ruch wspomnianych elektronów, a także inteligentne zachowania, które z niego wynikają. Ani razu nie zajmiemy się instrukcjami napisanymi językiem niskiego poziomu – to jest nazwami zmiennych i funkcji sporządzonych przez programistów w celu stworzenia programu – czy też kodem maszynowym generowanym przez owe programy. Przyjrzymy się za to cegiełkom składającym się na automaty – mówiąc ogólnie, „statystycznym zębatkom i miechom” o jeden poziom wyższym. Mam nadzieję, że zrozumiawszy kwestię cegiełek tworzących owe automaty, czytelnicy książki będą w stanie lepiej pojąć, jak działają inne współczesne maszyny. Na przykład, wiedząc już, jak działa Flecista Vaucansona, jesteśmy być może zdolni poczynić pewne przypuszczenia co do niektórych mechanizmów zawiadujących Jedzącą Kaczką. Automat ten potrafił trzepotać skrzydłami, kwakać, jeść, trawić i (prawdopodobnie) się wypróżniać⁸.

Automaty autorstwa Vaucansona nie wchodziły w interakcje ze światem. Powstałe wówczas urządzenia wykonywały proste, uprzednio określone sekwencje kroków. Współczesne automaty potrafią reagować na zmieniające się uwarunkowania środowiskowe, ponieważ cechuje je zdolność postrzegania. Reagują nie tylko na naciśnięcie klawisza na klawiaturze, ale również na widok samochodów i pieszych przechodzących przez zatłoczone skrzyżowanie, a także na subtelne wskazówki w pytaniach stawianych w teleturnieju Jeopardy!. Dzisiejsze automaty czynią to wszystko w taki sposób, że Vaucanson i jemu współcześni poczuliby wobec nich podziw.

Napisałem tę książkę z myślą o wszystkich tych, których ciekawi, jak działają te urządzenia. Nie trzeba mieć stopnia naukowego w dziedzinie informatyki, by ją zrozumieć, choć założyłem, że czytelnikom znane są ogólne informacje na temat komputera, na przykład wiedzą, że wykonuje on wyraźne instrukcje zakodowane przez człowieka czy też że wyświetlanie obrazów w komputerze opiera się na ilości kolorów czerwonego, zielonego i niebieskiego w każdym pikselu itd. Poza tym nawet jeśli czytelnik zna się na sztucznej inteligencji czy robotyce, niektóre fragmenty książki i tak mogą być dla niego nowością. Mimo że być może uczyliście się o cegiełkach składających się na te urządzenia podczas zajęć na temat uczenia maszynowego czy sztucznej inteligencji, istnieje prawdopodobieństwo, że nie wiecie, w jaki sposób cegiełki te zostały złożone w całość, by dać początek nowym dokonaniom w nauce; kwestia nie jest bowiem wykładana w żadnym konkretnym miejscu. Wreszcie, napisałem tę książkę w taki sposób, by czytelnik mógł przejść prosto do tematu, który go interesuje, o ile nie chce przeczytać jej od początku do końca. Cofnięcie się o nie więcej niż kilka rozdziałów zazwyczaj wystarczy, by zyskać potrzebną w lekturze wiedzę na temat określonych aspektów uczenia maszynowego i sztucznej inteligencji.

Skądinąd co to jest właściwie uczenie maszynowe i sztuczna inteligencja? Sztuczna inteligencja to szeroka dziedzina badań, której celem jest wyposażanie komputerów w zdolności do wykonywania inteligentnych czynności. Sztuczna inteligencja nie obiecuje, że komputery będą w stanie wykonywać te czynności w taki sposób, jak robią to ludzie, i jak zobaczymy, w istocie robią to często w sposób zupełnie odmienny. Sztuczna inteligencja stara się po prostu odpowiedzieć na pytanie, w jaki sposób komputery mogą wykonywać inteligentne czynności, i odnosi je do bardzo konkretnych zagadnień, na przykład jak odszukać drogę we mgle. Uczenie maszynowe to dziedzina ściśle powiązana ze sztuczną inteligencją, a poświęcona wyposażaniu maszyn w umiejętności wykonywania inteligentnych czynności przez naukę danych.

W niniejszej książce zobaczymy, że ani sztuczna inteligencja, ani też uczenie maszynowe same w sobie nie są wszechmocne. Zdarzą się sytuacje, w których potrzebować będziemy algorytmu działającego na podstawie zwyczajnej metody siłowej i niewykorzystującego do tego żadnych danych; zdarzą się też takie sytuacje, kiedy będziemy zmuszeni zaprojektować algorytmy uczące się miliardów punktów danych, przy czym pozostaną one bezużyteczne, dopóki nie połączymy ich pracy ze zwykłą logiką siłową. Aby dojść do interesujących rozwiązań, będziemy musieli połączyć oba typy algorytmów.

Wspomniałem już o niektórych wspaniałych osiągnięciach w obszarze sztucznej inteligencji i uczenia maszynowego, o których będzie mowa w książce. W jej pierwszej połowie wskażę pewne kluczowe rozwiązania, za sprawą których inteligentne maszyny postrzegają świat i wchodzą z nim w interakcje. Dowiemy się, jak to możliwe, że samochody autonomiczne nie wypadają z drogi i poruszają się w zatłoczonym środowisku miejskim. Dowiemy się też, jak to się dzieje, że sieci neuronowe pozwalają samochodom autonomicznym oraz innym urządzeniom postrzegać otaczający świat, a także jakim sposobem rozpoznają one obiekty na zdjęciach czy też rozróżniają ludzką mowę. Skupię się także na działaniu najlepszych na świecie algorytmów rekomendacji filmów, zarówno dlatego, że skrywają one fascynującą historię, jak i dlatego, że wiele z wykorzystanych w nich pomysłów przeniknęło do projektów innych maszyn, którym będziemy przyglądać się w książce. Następnie opowiem, w jaki sposób możemy trenować komputery w wykonywaniu określonych czynności za sprawą karmienia ich smakołykami, a także wytłumaczę, w jaki sposób mogą one postrzegać rzeczywistość z wykorzystaniem sztucznych sieci neuronowych. W dalszej części książki przyjrzymy się bliżej temu, jak komputery grają w różnego rodzaju gry. Mówiąc konkretniej, zajmiemy się AlphaGo i Deep Blue, które pokonały mistrzów świata Lee Sedola i Garry’ego Kasparowa w – odpowiednio – grze go i szachach; rzucimy też okiem na Watsona autorstwa IBM, który przewyższa mistrzów Jeopardy!: Kena Jenningsa i Brada Ruttera.

W książce będzie podążać szlakiem opowieści o tym, jak doszło do tych przełomów. Spotkamy wielu badaczy, którzy się do nich przyczynili, i poznamy wykraczające poza technologię i metodologię czynniki, jakie uczyniły ten rozwój możliwym. Powracającym motywem jest na przykład fakt, że konkurencja w społeczności badaczy przyczynia się do intensyfikacji wysiłków i przyspiesza postęp. Właśnie to sprawiło, że pojazdy autonomiczne trafiły do świadomości zbiorowej i że przyjęły współcześnie taki, a nie inny kształt: setki zespołów badaczy przystąpiło do konkursu, którego uczestnicy mieli stworzyć pojazd autonomiczny potrafiący poruszać się po pustyni przez długi czas bez człowieka za kierownicą. To właśnie tu – pewnego chłodnego poranka na pustyni Mojave, w chwili gdy zespoły biorące udział w konkursie przygotowywały swoje pojazdy do wyścigu – zaczyna się nasza historia.