A MI egyik alapkérdése, szinte feltétele az óriási adatbázis létrehozása. Két oldala is van a kérdésnek: egyrészt big data nélkül az MI alkalmazások létrehozása vagy lehetetlen, vagy rendkívül nehéz (esetleg silány eredményt hoz), másrészt komoly tudomány az adatbázisok létrehozása, az adatbányászat. Nézzünk meg egy tanulmányt, amelyik bemutat négy adat-központot, amelyek terjesztik (uralják?) a trendeket: Enterprise Data Center (CISCO?), EQUINIX, AWS és felhő szolgáltatók.1
Fentebb megdicsértem a guru99.com oktatási weblapot a gépi tanulással kapcsolatban. Jónak találom a big data értelmezéséhez is.2 Mert egyszerűen fogalmaz: A Big Data is csak adat, de hatalmas méretű. Kifejezés, amely olyan adathalmazt ír le, amelynek mennyisége hatalmas, és mégis idő függvényében exponenciálisan növekszik. Röviden: az ilyen adathalmazok olyan nagyok és összetettek, hogy a hagyományos adatkezelési eszközök egyike sem képes tárolni vagy hatékonyan feldolgozni. Két példát mutat be: 1. a Facebook naponta 500+terabyte adatot nyel le az adattárába; 2. egyetlen repülőgép hajtómű 30 perc alatt 10+terabyte adattal szolgál, ha összegezzük a napi több ezer légijárat adatait, petabyte-okkal gazdagodunk. A Big Data osztályai: strukturált, strukturálatlan, szemistrukturált. Ha szükségünk lesz rájuk, vissza-térünk.
Jegyzetek
1. https://www.zdnet.com/article/four-data-center-spending-trends-you-need-to-know/?ftag=TRE-03-10aaa6b&bhid=29110390154872535615337554848880
2. https://www.guru99.com/what-is-big-data.html
6. Szuperintelligencia
Az Új korszakváltásban sikerült a végére járni: ez az, ami nincs. Álomvilág. A mesterséges intelligenciával foglalkozó tudósok többsége számára elérendő cél ugyan, de egyetlen akadt az általam elért információs lapokban, könyvekben megkérdezettek között, aki komolyan, dátumot is megjelölve állítani merte, hogy az emberileg megfogható jövőben meg fog valósulni.
Mint a legtöbb izgalmat, érdeklődést kiváltó kérdést, járjuk körül új forrásokból merítve a tudást.
Ramón López de Mántaras „The Future of AI: Toward truly Intelligent Artificial Intelligences” című tanulmányában1 ígér megoldást az általam megoldhatatlannak talált kérdésre: mi az egyszerű gépi intelligencia (gyenge) és mi az emberi értelmet elérő/túlhaladó gépi intelligencia (erős) közötti különbség. Szorgalmasan elolvastam. Rá kellett jönnöm, hogy neki sem sikerül megválaszolnia a kérdést. [A sem utalás a BBVAOpenMind másik tanulmányára.] Azzal zárja, hogy hosszú, bonyolult út vezet az általános intelligenciához.
Három megállapítása figyelemreméltó: (1) test nélkül nem megy a dolog, mert a mesterséges emberen túli intelligenciának is a környezetből kell megtanulnia sok mindent, különösen, ami a felfogó- és motorikus képességeket illeti; (2) fekete doboz egyelőre minden, ami oda vezető megoldás és (3) nem tanulnak meg semmit a gyenge MI-k, ha átprogramozzák őket más képességre, az eredetit törlik magukból, ez súlyos akadály lesz várhatóan az általános intelligencia megvalósítása során is.
Újabb könyvre adtam a fejem, és mivel e-könyv, besoroltam a linkek közé (lehet, hogy kapok szerkesztő jóbarátomtól). Gary Marcus és Ernest Davis: Rebooting AI: Building Artificial Intelligence We Can Trust (Kindle Edition, 2019)2 A mondanivaló lényege:
Minden, amit eddig az MI tudományháló produkált, narrow (keskeny, szűk, gyenge). Zárt rendszerekben valósít meg elképesztő eredményeket, amihez a big data, a számítástechnika forradalma és a szuper-atléták szintjén megfizetett tudósok (algoritmusai) segítik. Nyílt rend-szerekben még sehol sem tart.
A hírverés okozza, hogy mind a tudományos körök, mind – és főként – a hétköznapi publikum sokkal többet képzel, hisz, mint ami a valóság. Maguk az alkotók (a cégeik) nagyot mondanak, amit aztán a hírközvetítők, a publikumot a vonzáskörükbe terelés vágyával, nagyságrenddel nagyobb értékűre pumpálnak. Innen ered az ember feletti uralomtól való félelem. Az is előfordul, hogy az alkotó magyarázata ellenére, miszerint az adott eszköz nem képvisel emberi értelmet, egyes érdeklődők leülnek a géphez, adott esetben az Eliza nevű
„bot”-hoz, írnak neki, kapnak üzenetet, és azzal állnak fel, hogy értelmes lénnyel beszél-gettek.
Ez a szint sokra nem viheti, magasabb szintet, szélesebb, nyílt térben működő megoldásokat kell kitalálni. Ez előtt a szerzők három akadályt látnak.
- alapvető túlértékelés (túlzott értékelés);
- illuzórikus haladás szakadéka;
- robusztussági rés (gap = inkább szakadék);
Két szó is félrevezető: a „gap”-re a Google mondja a rést, több szótár szakadékot és egye-beket ad meg, egyelőre hagyom, de valószínűleg inkább egyszerűen tévedést kellene mond-ani; a robusztus is rossz, nem méretről van szó, hanem az alkalmazás teréről és időtartamáról.
Öt dolog van, amiben az ember magasan a gépek felett áll:
- megértjük a beszédet (nyelvet);
- megértjük a világot;
- rugalmasan tudunk alkalmazkodni a környezetünkhöz;
- gyorsan megtanuljuk az új dolgokat;
- gondolkodni, érvelni tudunk nem teljes, sőt ellentmondásos információk birtokában.
A jelenlegi MI-k mind az öt előtt bénák!
És hibás minden olyan alkalmazás, ami „fehér lappal” indul, csak adatok birtokában, tudás nélkül. [Az eddigi legnagyobbnak tűnő csodát, az AlphaGO Zero-t dönti romba? – tűnődöm.]
A szerzők egyértelműen kijelentik, hogy az MI-k mostani helyzete zsákutca. Idéznek olyan véleményt, hogy a big data-ba helyezett vak hit súlyos tévedés. Példaként említik azt a szerencsétlen „bot”-ot, a Kínában nagy sikert aratott Xiaoice-t, ami a Microsofttal együtt készült, majd angol változatát Tay néven dobták a piacra Amerikában, ahol könnyedén meghackelték és rasszista meg egyéb disznó szövegeket válaszolt a rosszindulatú kérdésekre.
Számtalan egyéb hibát sorol fel, könnyedebbeket, súlyosakat. Minél nagyobb a beléjük vetett bizalom, minél nagyobb autonómiát kapnak, annál súlyosabb ügy, ha hibáznak.
Semmi sem mutat arra, hogy az MI-k – akár a létezők, akár a megcélzott emberi értelmet meghaladók – az emberiség ellen fordulnának, hiszen az alkotók programja hozza létre őket, akik ellenséges tulajdonságokkal nem ruházzák fel őket. – olvasható. Ezt sajnos súlyos téve-désként kell elkönyvelnem: az ember határtalanul aljas, pénzért, hatalomért, női kegyekért, meg akár sok minden egyébért is képes gyilkos MI-alapú eszközöket is, akár szuperintelligen-seket is létrehozni. Nem ez a gát, csupán a megvalósíthatatlanság, ha valóban létrehozha-tatlanok.
Felsorolják a megoldandó problémákat, szám szerint kilencbe sűrítve azokat. Kettő közülük már ismert (l. fentebb): az alapvető túlértékelés (túlzott értékelés) és a robusztussági rés (szakadék). További gondokat jelent, hogy
- a rendszerek nagy tanítási készletek precíz részleteitől függnek, amik könnyen mondanak csődöt, ha olyan új probléma megoldására állítják át, amelyik nem ponto-san a betanításra használt adatokon alapszik;
- régi etnikai diszkrimináció is hatással tud lenni egyes alkalmazásokra, pl. arcfelismerő rendszerekre, amelyeknél előfordult, hogy az „anya” hívószóra csak fehér arcok jelentek meg; hasonló előfordult bőrrák-felismerésekor, sőt önjáró autók is rosszul értékelnek fekete embereket;
- ötödik: mivel a betanító rendszerek sokszor használnak t, előfordul, hogy MI-adatokat használnak fel újra, frissek helyett;
- a publikum által is kezelt programoknál előfordulhat manipuláció, amire jó példa a Tay;
- a szociális ellentmondásokat felerősíthetik echo-effektusok (rasszista módszereket korábban is alkalmazó városoknál, pl.);
- az MI programok részben könnyen áttérnek nem célul kitűzött módszer alkalmazására;
- még a mai, primitívnek tekinthető MI-k is sok tekintetben felhasználhatók tudatos károkozásra.
A gyenge, korlátozott területen alkalmazható MI-k helyett fair és biztonságos világot teremtő MI-kre van szükség.
Leszögezik: az MI-alkotók jórészt a deep learning-et tartják a jövő megoldásának, pedig nagyon tévednek.
És fejezeteken keresztül hámozza, szedi le a bőrt az eddigi programokról, alkalmazásokról.
Egy se jut a közelébe sem az emberi gondolkodás képességének.
Mit kell tenni, elérni ahhoz, hogy gondolkodó MI-k jöjjenek lére, megvalósuljon az MÁI? – teszi fel a kérdést. És elég felsorolni a megoldandó feladatokat, hogy leszögezze (ha nem ő tette, megteszem most én), évtizedekig nyugodtak lehetnek, akik félnek az emberként élő mesterséges intelligenciától. Itt a felsorolás, amit a könyv 7. fejezetéből bányásztam ki: olyan rendszereket kell létrehozni, amelyek az emberi tudás alapjait képviselik: idő, tér, kauzalitás (ok viszony), fizikai testek és kölcsönhatásaik alapjainak ismerete, az emberek és kölcsön-hatásaik ismerete. Mindezt olyan architektúrába kell beültetni, amely képes a tudás minden területére kiterjeszteni a működését, mindig tudatában léve az absztrakció, kompozicionalitás és egyedek nyomkövetése központi elveinek. Ki kell fejleszteni erőteljes érvelési technikákat, amelyek komplexek, bizonytalanok és nem teljesek, és amelyek szabadon képesek felülről lefelé és lentről felfelé építkezni. Össze kell kötni mindezt a felfogóképességgel, manipulá-cióval és nyelvvel. És fel kell használni mindezt a világ gazdag kognitív modelljeinek építésére. Végül a kulcskérdés: fel kell építeni olyan ember-ihlette (inspired) tanulási rend-szert, amely használni képes mindazt a tudást és kognitív képességet, amivel az MI rendel-kezik; amelyik beépíti a kezdeti tudásába mindazt, amit tanul; majd, mint a gyermekek, tanul minden elérhető információból, kölcsönhatásba lépve a világgal, az emberekkel, olvasva, videókat nézve, oktatásban részesülve. Mindezt összegyúrva érhetjük el a deep értelmi képes-séget.
Hajrá tudósok: ilyen egyszerű az egész!
Végül a záró, 8. fejezetet annak az ugyancsak egyszerű feladatnak szenteli, hogy – mint min-den ember alkotta gépezetnek, eszköznek – biztosítani kell az MI-alkalmazások hibamentes működését az alkotás közbeni és befejezésekor végrehajtott tesztelésekkel, hibajelző rend-szerekkel, szervízeléssel, fejlesztéssel, javítással.
Úgy gondoltam, végleg lezárom a kérdést a 2006-ban alapított holland The Next Web (thenextweb.com) társaság tavaly megjelent cikkével: Miért nem lesz öntudattal rendelkező gép?3 Talán a határozott tagadás fogott meg. Olvasgatom, és a nagy határozottság ellenére se tudom lezárni a kérdést. Lassan bontakozik csak ki bennem, miért is. Mert ők is, mint általában minden tagadó a mai, legfeljebb közeljövőben elképzelhető helyzetből indul ki. A rendkívül bonyolult, folyamatosan fejlődő agyvelő és a merev, korlátozott képességű számító-gépek és az alkalmazott matematikai vezérlő-megoldások (szoftverek, algoritmusok) lassú fejlődése (remélem, jól értem) ellentéte a fő gond. Meg a váratlan felfedezés, hogy az emberi kognitív képességek nem az agy egyetlen központjában születnek, hanem témafüggő alköz-pontokban. Felvetődnek bennem még megalapozatlan gondolatok, ellenvetések. Az agy év-tízmilliók alatt fejlődött olyanná, amilyen, a számítógép alig idősebb nálam. Miért nem
merjük feltételezni, hogy a számítógép a kvantum-, biológiai- és részecske-alapú kezdemé-nyezésekből építkezve elérkezik az agy felépítésének és működésének jó megközelítéséig.
Évszázadok kellenek hozzá? Lehet, de ne vessük el ilyen mereven az elvi lehetőséget is. Mert elvi indokokkal nem sikerült találkoznom az elmúlt másfél év alatt, mióta a téma a bűvkörébe vont!
A hagyományos számítástechnikai eszközökön alkotott program sohasem jut el a tudatig.4 (futurism.com) – mondja a neurológus Christof Koch, az Allen Institute for Brain Science elnöke és vezető tudósa. Az ACM News-nak adott nyilatkozatában kifejtette, hogy a mérnököknek először teljesen új számítógép-hardvert kell létrehozniuk – talán akár kvantum-technológiára támaszkodva.
Jegyzetek
1. https://www.bbvaopenmind.com/wp-content/uploads/2019/02/BBVA-OpenMind-book-2019-Towards-a-New-Enlightenment-A-Trascendent-Decade-3.pdf
2. Gary Marcus és Ernest Davis: Rebooting AI: Building Artificial Intelligence We Can Trust 3.
https://thenextweb.com/syndication/2019/10/24/scientists-are-trying-to-build-a-conscious-machine-heres-why-it-will-never-work/
4. https://futurism.com/the-byte/neuroscientist-conventional-computers-never-conscious?
mc_eid=899b975c76&mc_cid=8f316bbcb1