Sztuczna inteligencja to dziedzina, kt\u00f3ra zd\u0105\u017cy\u0142a obrosn\u0105\u0107 w szereg mit\u00f3w. R\u00f3wnie mocno inspiruje naukowc\u00f3w, co tw\u00f3rc\u00f3w popkultury. W dzisiejszym odcinku \u201eDla Niewtajemniczonych\u201d o istocie Sztucznej Inteligencja (ang. Artificial Intelligence \u2013 AI) oraz obecnym poziomie percepcji maszyn opowie Grzegorz Gwardys –\u00a0 ekspert Promity, zajmuj\u0105cy si\u0119 na co dzie\u0144 uczeniem maszynowym.<\/strong><\/p>\n Os\u0142awiona sztuczna inteligencja\u2026 Temat no\u015bny, od lat inspiruj\u0105cy tw\u00f3rc\u00f3w science fiction, wci\u0105\u017c budz\u0105cy emocje. U niekt\u00f3rych skrajne i mroczne, zwi\u0105zane z wizj\u0105 inteligentnych maszyn przejmuj\u0105cych kontrol\u0119 nad lud\u017ami\u2026 Czym w\u0142a\u015bciwie jest Sztuczna Inteligencja i czy troch\u0119 tego terminu nie zacz\u0119li\u015bmy nadu\u017cywa\u0107?<\/strong><\/p>\n Grzegorz Gwardys<\/strong>: Jak tylko s\u0142ysz\u0119 o tych inteligentnych maszynach to od razu przypomina mi si\u0119 film \u201eTerminator\u201d. Podobizna tytu\u0142owego bohatera okrasza co drugi artyku\u0142 dotycz\u0105cy Sztucznej Inteligencji\u2026 Podobnie jak te zdj\u0119cia dymi\u0105cych komin\u00f3w, kt\u00f3re zawsze \u201eozdabiaj\u0105\u201d teksty po\u015bwi\u0119cone emisji zanieczyszcze\u0144 z elektrowni w\u0119glowych. Jest jednak pewna r\u00f3\u017cnica: o ile z takiego komina mo\u017ce wydobywa\u0107 si\u0119 jedynie para wodna, tak obecnym rozwi\u0105zaniom AI daleko do krwio\u017cerczych maszyn z hollywoodzkiej superprodukcji.<\/em><\/p>\n Niestety sam termin AI nasuwa ca\u0142\u0105 mas\u0119 problem\u00f3w i pu\u0142apek. O ile definiowanie Sztucznej Inteligencji jako pewnego zbioru r\u00f3\u017cnych nauk i dziedzin wiedzy (Wiki wymienia tu ca\u0142\u0105 list\u0119: logika rozmyta, obliczenia ewolucyjne, sieci neuronowe, sztuczne \u017cycie, robotyka) jest poprawne na pewnym poziomie og\u00f3lno\u015bci, to nie pozwala ono na zrozumienie istoty zagadnienia. A ta sprowadza si\u0119 do okre\u015blenia, w kt\u00f3rym miejscu zaczyna si\u0119 Sztuczna Inteligencja.<\/em><\/p>\n Obecnie triumfy \u015bwi\u0119c\u0105 wszelkie urz\u0105dzenia oparte na AI, kt\u00f3re pozwalaj\u0105 robi\u0107 lepsze zdj\u0119cia, rozpoznawa\u0107 mow\u0119 czy dokonywa\u0107 personalizacji. Tu warto przywo\u0142a\u0107 poj\u0119cie Efektu Sztucznej Inteligencji (AI Effect), sformu\u0142owane przez Pamel\u0119 McCorduck \u2013 autork\u0119 kilku ksi\u0105\u017cek po\u015bwi\u0119conych tej tematyce. Wed\u0142ug McCorduck je\u015bli problem jest rozwi\u0105zany, to nie jest on ju\u017c cz\u0119\u015bci\u0105 zagadnie\u0144 AI. No bo przecie\u017c zwyci\u0119stwo komputera nad Garym Kasparovem w 1997 roku to nie by\u0142a Sztuczna Inteligencja, tylko program wyszukuj\u0105cy najlepsze rozwi\u0105zanie! Czym w takim razie jest AI, kt\u00f3ra zdaniem pionier\u00f3w tej dyscypliny z lat 60-tych mia\u0142a przewy\u017cszy\u0107 ludzk\u0105 inteligencj\u0119 do ko\u0144ca XX w., a tylko zwyci\u0119stwo szachowe okaza\u0142o si\u0119 spe\u0142nion\u0105 prognoz\u0105?<\/em><\/p>\n fot 1. Pomnik Alana Turinga w Manchesterze.<\/p>\n Guru informatyki, Alan Turing, przychodzi z pomoc\u0105 twierdz\u0105c, \u017ce je\u015bli cz\u0142owiek nie jest w stanie odr\u00f3\u017cni\u0107 odpowiedzi maszyny, od odpowiedzi ludzkiej, to taka maszyna powinna by\u0107 uznana za inteligentn\u0105. Tak zwany Test Turinga tak\u017ce mo\u017ce by\u0107 kwestionowany, niemniej, \u017ceby nie brn\u0105\u0107 w dalsze dywagacje, przyjmijmy,\u00a0 \u017ce Sztuczna Inteligencja to zbi\u00f3r technik umo\u017cliwiaj\u0105cych maszynie imitowanie ludzkiej inteligencji, bez wzgl\u0119du na to, czy mowa o s\u0142owniku regu\u0142, czy o sieciach neuronowych. Czyli taka mimikra w wykonaniu maszyn.<\/em><\/p>\n Skoro atak krwio\u017cerczych supermaszyn \u015bwiatu nie zagra\u017ca (przynajmniej na razie),\u00a0 a prognozy pionier\u00f3w Sztucznej Inteligencji bole\u015bnie zweryfikowa\u0142a rzeczywisto\u015b\u0107, to jak to jest z t\u0105 percepcj\u0105 maszyn? S\u0105 inteligentne, czy nie?<\/strong><\/p>\n Grzegorz Gwardys:<\/strong> Obecnie \u017cyjemy w erze S\u0142abej Sztucznej Inteligencji (ang. Narrow AI), kt\u00f3ra nie jest \u015bwiadoma, czuj\u0105ca, czy nap\u0119dzana emocjami. Czyli imitacja ludzkiej inteligencji ogranicza si\u0119 tu do dzia\u0142ania we wcze\u015bniej zdefiniowanym zakresie. Na tzw. Siln\u0105 Sztuczn\u0105 Inteligencj\u0119 (ang. General AI), przewy\u017cszaj\u0105c\u0105 mo\u017cliwo\u015bci ludzkiego umys\u0142u, czyli t\u0119 znan\u0105 z film\u00f3w, musimy jeszcze poczeka\u0107.<\/em><\/p>\n Skoro m\u00f3wimy o tak zaw\u0119\u017conym zakresie, to czy nie wystarczy\u0142yby wspomniane wcze\u015bniej regu\u0142y?<\/strong><\/p>\n Grzegorz Gwardys:<\/strong> Na przestrzeni lat okaza\u0142o si\u0119, \u017ce regu\u0142y to jednak za ma\u0142o. Wr\u00f3\u0107my na chwil\u0119 do Testu Turinga i nieco go rozszerzmy. Za\u0142\u00f3\u017cmy, \u017ce zadawane pytanie dotyczy wy\u015bwietlanego zdj\u0119cia. To co dla nas jest oczywiste, czyli nasza zdolno\u015b\u0107 identyfikacji i kojarzenia przedmiot\u00f3w, s\u0142\u00f3w oraz innych poj\u0119\u0107 i byt\u00f3w, dla maszyn oczywiste ju\u017c nie jest. Dlatego maszyn\u0119 trzeba nauczy\u0107 ich rozpoznawania. M\u00f3wimy tutaj o nauczeniu, poniewa\u017c jak\u0105 regu\u0142\u0119 nale\u017ca\u0142oby stworzy\u0107 by maszyna mog\u0142a stwierdzi\u0107, \u017ce na zdj\u0119ciu widnieje np. kot, albo pies, albo rower? Jest to bardzo trudne, dlatego zacz\u0119to miesza\u0107 techniki przetwarzania obrazu i pod-dziedziny AI, jakim jest Uczenie Maszynowe (ang. Machine Learning, ML). Uczenie Maszynowe to nic innego jak uczenie maszyn percepcji. Techniki ML wykorzystuj\u0105 tzw. oetykietowane dane, by wytworzy\u0107 modele statystyczne prognozuj\u0105ce prawdopodobie\u0144stwo tego, co widoczne jest np. na zdj\u0119ciu. Danymi s\u0105 tu wi\u0119c zdj\u0119cia, a etykiety, zawarte w dodatkowym pliku tekstowym, to informacje o obiektach przedstawianych na tych fotografiach. M\u00f3wi si\u0119 te\u017c o adnotowaniu lub adnotacji danych.<\/em><\/p>\n Istot\u0119 uczenia maszynowego oddaje w zasadzie sama jego nazwa. A czym w takim razie jest tzw. G\u0142\u0119bokie Uczenie \u2013 Deep Learning (DL)?<\/strong><\/p>\n Grzegorz Gwardys:<\/strong> Tak jak Uczenie Maszynowe (ML) jest pod-dziedzin\u0105 AI, tak Deep Learning jest pod-dziedzin\u0105 ML. Wcze\u015bniej wspomnia\u0142em o \u0142\u0105czeniu technik Przetwarzania Obrazu z Uczeniem Maszynowym. Dla klasycznych algorytm\u00f3w ML przetworzenie ca\u0142ego zdj\u0119cia by\u0142oby bardzo trudne. Dlatego w\u0142a\u015bnie zacz\u0119to stosowa\u0107 ca\u0142e bogactwo technik z zakresu Przetwarzania Obrazu, tak aby to poszczeg\u00f3lne cechy obrazu (od kraw\u0119dzi i kolor\u00f3w, po wyszukane deskryptory obrazu), a nie ca\u0142e zdj\u0119cie, stanowi\u0142y wej\u015bcie dla algorytm\u00f3w ML. W przypadku Deep Learningu mowa jest o sieciach neuronowych. To takie struktury matematyczne, kt\u00f3re swoj\u0105 budow\u0105 rzeczywi\u015bcie przywodz\u0105 na my\u015bl synaps\u0119. St\u0105d ta nazwa. Sie\u0107 neuronowa to nic innego jak program wytrenowany (czyli wyuczony) do okre\u015blonych cel\u00f3w i zada\u0144: np. do rozpoznawania punkt\u00f3w charakterystycznych twarzy, czy odr\u00f3\u017cniania kota od psa na zdj\u0119ciu. Wad\u0105 Deep Learning jest konieczno\u015b\u0107 posiadania olbrzymiej ilo\u015bci oetykietowanych danych. Natomiast niekwestionowan\u0105 zalet\u0105: mo\u017cliwo\u015b\u0107 wzi\u0119cia tych danych, takimi jakimi s\u0105 tj. bez obmy\u015blania cech. Podczas trenowania sieci neuronowej, cechy kt\u00f3re wcze\u015bniej musieli\u015bmy obmy\u015bla\u0107, teraz wytwarzane s\u0105 przez sam\u0105 sie\u0107. Jest to rzeczywi\u015bcie rewolucja, poniewa\u017c przeskoczyli\u015bmy konieczno\u015b\u0107 domenowej wiedzy i mozolnego wytwarzania potrzebnych cech, wykorzystuj\u0105c pok\u0142ady nagromadzonych danych. S\u0105dz\u0119, \u017ce w\u0142a\u015bnie z tego powodu biznes jest tak mocno zainteresowany Deep Learningiem, czyli tym co cz\u0119sto okre\u015bla si\u0119 marketingowo mianem AI.<\/em><\/p>\n Czyli \u015bwietlana przysz\u0142o\u015b\u0107 dla AI\/DL?<\/strong><\/p>\n Grzegorz Gwardys:<\/strong> Jestem bardziej realist\u0105 ni\u017c optymist\u0105. Nagromadzenie danych to jedno, a zapewnienie ich jako\u015bci to zupe\u0142nie inny temat. Je\u015bli kto\u015b posiada 10 milion\u00f3w plik\u00f3w z rozszerzeniem jpg i nie wie co na tych zdj\u0119ciach si\u0119 znajduje (bo brakuje etykiet), to najpierw trzeba przeprowadzi\u0107 \u017cmudny proces przygotowania danych, aby mo\u017cna je by\u0142o zastosowa\u0107 do uczenia sieci neuronowych. Apetyt biznesu na tego typu rozwi\u0105zania jest olbrzymi, ale jednocze\u015bnie oczekiwania bywaj\u0105 wyg\u00f3rowane i nierealistyczne. Przyk\u0142adowo: obecne rozwi\u0105zania klasyfikacji obrazu dobrze dzia\u0142aj\u0105 dla tysi\u0105ca r\u00f3\u017cnych typ\u00f3w obiekt\u00f3w. Natomiast biznes potrafi oczekiwa\u0107 10 tysi\u0119cy klas i 100-procentowej poprawno\u015bci dzia\u0142ania. Z drugiej strony to nawet dobrze, bo zacie\u015bnia si\u0119 wsp\u00f3\u0142praca pomi\u0119dzy \u015brodowiskiem naukowym a przemys\u0142em, niemniej musimy pami\u0119ta\u0107, \u017ce AI (a raczej Machine Learning i Deep Learning) nie jest panaceum na wszystko. P\u00f3ki co \u017cyjemy w erze S\u0142abej Sztucznej Inteligencji, gdzie zakres dzia\u0142ania jest zaw\u0119\u017cony. Dlatego konieczne jest wzajemne zrozumienie: potrzeb biznesowych przez specjalist\u00f3w technicznych oraz obecnych mo\u017cliwo\u015bci AI przez biznes.<\/em><\/p>\n Internet zasypuj\u0105 doniesienia o sztucznej inteligencji komponuj\u0105cej muzyk\u0119, czy maluj\u0105cej obrazy, \u00a0a Facebook p\u0119ka w szwach od \u201einteligentnych\u201d apek robi\u0105cych makija\u017c, oceniaj\u0105cych wiek i zmieniaj\u0105cych fryzur\u0119… Jak ekspert w dziedzinie uczenia maszynowego i realista podchodzi do praktycznych zastosowa\u0144 AI?<\/strong><\/p>\n Grzegorz Gwardys:<\/strong> Faktem jest, \u017ce zastosowanie technik AI coraz bardziej si\u0119 upowszechnia. Wspomniane komponowanie muzyki, czy malowanie obraz\u00f3w postrzegam bardziej jako chwyty marketingowe, ni\u017c faktyczny przejaw zdolno\u015bci tw\u00f3rczych maszyn. Ale obszar\u00f3w praktycznych zastosowa\u0144 AI jest naprawd\u0119 sporo. Od lat przy pomocy technik AI optymalizuje si\u0119 dzia\u0142anie wyszukiwarek internetowych oraz tworzy spersonalizowane rekomendacje dla poszczeg\u00f3lnych u\u017cytkownik\u00f3w na podstawie wynik\u00f3w ich wyszukiwa\u0144. Z technik Deep Learning korzystaj\u0105 powszechnie ju\u017c stosowane systemy rozpoznawania obrazu (w tym twarzy, czy sylwetki cz\u0142owieka), systemy rozpoznawania d\u017awi\u0119ku (gdzie najpopularniejsze s\u0105 systemy rozpoznawania mowy), a tak\u017ce systemy automatycznego t\u0142umaczenia. Do tej w\u0142a\u015bnie kategorii zaliczaj\u0105 si\u0119 r\u00f3wnie\u017c programy badaj\u0105ce zdj\u0119cia i dokumenty pod k\u0105tem niedozwolonych tre\u015bci. Generalnie, wsz\u0119dzie gdzie m\u00f3wimy o du\u017cej ilo\u015bci danych nieustrukturyzowanych (takich w\u0142a\u015bnie jak obraz lub sygna\u0142 mowy) mo\u017cna dostrzec potencja\u0142 Deep Learningu, kt\u00f3ry jak ju\u017c by\u0142o wcze\u015bniej powiedziane, sam wyucza si\u0119 cech. Osobi\u015bcie kibicuje wszelkim rozwi\u0105zaniom medycznym.\u00a0 Np. w pracy \u201eThoracic Disease Identification and Localization with Limited Supervision\u201d pokazano, \u017ce AI mo\u017ce pom\u00f3c w identyfikacji choroby w rzeczywistym \u015brodowisku klinicznym, gdzie dane s\u0105 rzadkie, a lekarze wymagaj\u0105 uzasadnienia choroby. Z drugiej strony, autorzy podkre\u015blaj\u0105, \u017ce tylko cz\u0119\u015b\u0107 pracy radiologa mo\u017ce by\u0107 zautomatyzowana poprzez Sztuczn\u0105 Inteligencj\u0119 i w najbli\u017cszym czasie m\u00f3wimy w\u0142a\u015bnie o wspomaganiu pracy lekarzy, a nie ich zast\u0105pieniu. My\u015bl\u0119, \u017ce ta obserwacja dotyczy tak\u017ce innych bran\u017c, bo obecne metody Sztucznej Inteligencji, S\u0142abej Sztucznej Inteligencji, operuj\u0105 tylko na pewnym wycinku rzeczywisto\u015bci.<\/em><\/p>\n Do tematu Sztucznej Inteligencji wr\u00f3cimy jeszcze nie raz. Dzisiejszy odcinek ko\u0144czymy optymistyczn\u0105 konkluzj\u0105 braku zagro\u017cenia ze strony inteligentnych supermaszyn, kt\u00f3re przynajmniej w najbli\u017cszej przysz\u0142o\u015bci nie przejm\u0105 kontroli nad \u015bwiatem i nie doprowadz\u0105 do unicestwienia gatunku ludzkiego. Wszystkich zainteresowanych poruszan\u0105 tematyk\u0105 zach\u0119camy do lektury pozosta\u0142ych wpis\u00f3w na blogu.<\/strong><\/p>\n<\/div>![\"Pomnik](\"https:\/\/promity.pl\/wp-content\/uploads\/2019\/06\/scientist-2288562-1024x683.jpg\")
<\/p>\n![](\"https:\/\/promity.com\/wp-content\/uploads\/2020\/07\/gg-01.jpg\" "\\"gg-01\\"")
<\/span><\/div>