Czym tak naprawdę jest sztuczna inteligencja?

Dzisiaj tyle mówi się o sztucznej inteligencji i związanym z nim uczeni maszynowym oraz deep learning. Ale co tak naprawdę oznacza? Co smartwatche mają wspólnego ze sztuczną inteligencją?

Mianem sztucznej inteligencji (AI) określamy „inteligencję” maszyn, w przeciwieństwie do naturalnej inteligencji występującej u ludzi. Należy pamiętać, że pewne formy inteligencji występują także u zwierząt, np. szympansów lub delfinów, ale to człowiek jest punktem odniesienia dla wszystkich neuronaukowców i programistów zajmujących się rozwojem AI.

Sztuczna inteligencja zyskała swoją nazwę i stała się formalną dziedziną badań w 1956 r., a pierwsze prace doprowadziły do powstania nowych narzędzi do rozwiązywania problemów matematycznych. Szybko okazało się, że stworzenie AI jest niezwykle trudne, a w latach 70. ubiegłego wieku postęp został zahamowany. Dopiero w ostatniej dekadzie przyspieszył, a to z powodu wzrostu mocy obliczeniowej i dostępności ogromnych zbiorów danych.

Uczenie maszynowe i deep learning

Ostatnie lata to prawdziwy boom w uczeniu maszynowym, czyli jednej z gałęzi AI. Obejmuje ono systemy, które automatycznie uczą się na podstawie analizowanych danych i dostępnych wyników, aby poprawić ich pracę w przyszłości. Można tu przytoczyć proste przykłady, np. zaopatrzone w specjalne algorytmy aplikacje, które szacują, ile czasu zajmie podróż z punktu A do punktu B, a następnie udzielają wskazówek dotyczących trasy. Bez takich rozwiązań usługi Google Maps czy analogiczne Apple byłyby niefunkcjonalne.

Uczenie maszynowe ma także dużą wartość diagnostyczno-analityczną. Im lepszy algorytm i im więcej zdjęć przedstawiających tkanki zmienione nowotworowo pokażemy komputerowi, tym lepiej będzie je rozpoznawał. Analogicznie, uczenie maszynowe jest używane na całym świecie np. do monitorowania stanu mostów (którym zdjęcia robią drony), do natychmiastowego wykrywania wszelkich pęknięć i uszkodzeń. Właśnie w przypadku takich, konkretnych i dobrze zdefiniowanych zadań, które można podzielić na poszczególne kroki logiczne, uczenie maszynowe sprawdza się najlepiej. Uczenie maszynowe nie wymaga dużych zbiorów danych (chociaż im więcej, tym lepiej) i pozwala na szybkie dokonywanie obliczeń.

Dzisiaj najtrudniejsze zadania rozwiązują superkomputery – ale czy są one „inteligentne”?

Specjalną podkategorią uczenia maszynowego jest tzw. deep learning. Polega ono na tworzeniu sieci neuronowych, których zadaniem jest udoskonalanie technik rozpoznawania głosu i przetwarzanie języka naturalnego. Deep learning wymaga czasu i dużych zbiorów danych, ale jest przydatne w bioinformatyce, np. wykrywaniu nieprawidłowości w genomach czy projektowaniu leków.

Deep learning wymaga dużej mocy obliczeniowej – zarówno aby wytrenować model na podstawie ogromnej ilości danych, jak i wykorzystać go do podejmowania konkretnych decyzji. W oparciu o deep learning działają cyfrowi asystenci głosowi, typu Aleksy Amazona, Siri Apple czy Asystenta Google. Deep learning pozwala asystentom słuchać użytkownika i dowiadywać się, jakich informacji potrzebuje.

Ewolucja sztucznej inteligencji

Pewnym wyznacznikiem stopnia zaawansowania sztucznej inteligencji jet to, jak dobrze radzi sobie w grach. W 2011 r. stworzony przez IBM superkomputer Watson wygrał amerykański teleturniej Jeopardy! Z kolei w 2016 r. sztuczna inteligencja Google DeepMind AlpaGo pokonała ludzkiego arcymistrza w skomplikowanej chińskiej grze Go. Trzeba jednak zaznaczyć, że sztuczna inteligencja na obecnym etapie rozwoju, dość słabo radzi sobie z grami wymagającymi pracy zespołowej. Dlatego raczej nigdy nie zobaczymy meczów piłkarskich w wykonaniu robotów.

Bunt inteligentnych maszyn rodem z „Terminatora”? Nie tak szybko

Spośród 9100 patentów otrzymanych przez IBM w 2018 r., 1600 (czyli 18%) było związanych z AI. Ciekawe słowa padły w 2017 r. z ust prezydenta Rosji, Władimira Putina, który powiedział, że „ktokolwiek stanie się liderem w sferze AI, będzie władcą świata”.

Czy tego chcemy, czy nie, sztuczna inteligencja jest kluczowa dla naszej przyszłości. AI stanowi podstawę uczenia się komputerów – bez jej rozwoju, nie będzie lepszych komputerów, a bez lepszych komputerów nie będzie przełomowych odkryć w medycynie, fizyce czy zmianach klimatu.

W kolejnych dekadach sztuczna inteligencja będzie zyskiwać na znaczeniu. Przez ostatnie 20 lat, liczba firm zajmujących się sztuczną inteligencją wzrosła aż 14 razy, a inwestycje z nią związane zwiększyły się 6 razy. Szacuje się, że aż 77% urządzeń elektronicznych, które używamy, wykorzystuje przynajmniej jedną formę sztucznej inteligencji.

Logiczne jest więc postawienie takiego pytania: czy kiedyś w końcu uda nam się stworzyć w pełni „myślące” maszyny? Szanse na to są wątpliwe, bo wcześniej musielibyśmy poznać mechanizm działania naszych mózgów, a do tego wciąż daleko. Jest jeszcze kwestia świadomości, której tak naprawdę nie potrafimy nawet właściwie zdefiniować.

Podziel się postem :)

Najnowsze:

Bezpieczeństwo

Czy unijne regulacje DORA i NIS2 zwiększą bezpieczeństwo sieci?

Średnio już 4,45 milionów dolarów wynoszą koszty neutralizacji skutków incydentu naruszenia bezpieczeństwa danych w firmach1. W ostatnich latach cyberprzestępcy coraz częściej prowadzą tzw. ataki na łańcuch dostaw, w których wprowadzenie złośliwego kodu do produktu jednej firmy lub włamanie do jej cyfrowych systemów może dotknąć setki, a nawet tysiące jej partnerów i podwykonawców. O tym, że problem jest poważny, świadczą najnowsze regulacje wprowadzane na całym świecie: w Wielkiej Brytanii, USA, Chinach czy Unii Europejskiej (NIS2 i DORA), które mają zwiększać bezpieczeństwo klientów i dostawców.

Bezpieczeństwo

Luka w chipach Apple. Eksperci opracowali atak typu GoFetch

Eksperci z kilku uniwersytetów w Stanach Zjednoczonych połączyli siły podczas pracy nad wyodrębnianiem sekretów kryptograficznych z komputerów Apple z procesorami ARM M1 i M2. Atak nazwano “GoFetch Attack”.

Sprzęt

Ukończono montaż nowego superkomputera ,,Helios”. To numer 1 w Polsce

Superkomputer Helios to system zainstalowany w ACK Cyfronet AGH, a powstały w wyniku prac realizowanych w koordynowanym przez Cyfronet projekcie Narodowa Infrastruktura Superkomputerowa dla EuroHPC – EuroHPC PL. Superkomputer został zbudowany według projektu Cyfronetu przez Hewlett-Packard Enterprise w oparciu o platformę HPE Cray EX4000 i składa się z trzech partycji obliczeniowych

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *