- Hirdetés -

- Hirdetés -

Gary Marcus: „A mesterséges intelligencia csak egy lufi”

Az átlagemberek számára úgy tűnhet, hogy a mesterséges intelligencia területe óriási fejlődésen ment keresztül az utóbbi időben. Számos közlemény mutatja be a látszólag jól működő rendszerét. A DeepMind által kiadott Gato minden elé kerülő problémát megoldott, sőt, a gyártó odáig is eljutott, hogy a megoldásuk rendelkezik mesterséges általános intelligenciával, azaz az embert is meghaladó képességekkel. Ám az állítás távol áll a valóságtól, hiszen valójában még rengeteg munka áll a szakemberek előtt, hogy egy ilyen rendszert hozzanak létre – írja Gary Marcus a Scientific American hasábjain.

Egyes területeken már szemmel látható a mesterséges intelligencia fejlődése, a beszédfelismerés pontosabb, a képalkotás pedig egyre valósághűbb. Ám még távoli vízió, hogy megértse cikkek és videók valódi jelentését, vagy kezelje a kiszámíthatatlan helyzeteket. Még mindig ugyanazzal a kihívással küzdenek a tudósok, azaz a szokatlan körülményekkel való megbirkózással.

Kirívó példa a rendszer problémáira, hogy a DALL-E 2 nem tudott különbséget tenni egy kék kocka tetején lévő piros kocka és egy piros kocka tetején lévő kék kocka között. Továbbá az újabb verzió esetében is fennállt ez a jelenség, ugyanis nem volt képes megkülönböztetni a lovon lovagló űrhajóst és az űrhajóst lovagló lovat. De a mesterséges intelligencia komolyabb hibákat is rejteget, a Tesla robotpilótájának a szokásostól eltérő stoptáblával gyűlt meg a baja – egy útépítő munkás a kezében tartotta –, és csak az emberi beavatkozás előzte meg a balesetet.

- Hirdetés -

A cikk szerzője szerint a probléma egyik forrása az, hogy a mesterséges intelligencia legnagyobb kutatócsoportjai már nem az akadémián találhatók, ahol a szakértők önálló kutatást folytattak, hanem a magánvállalatoknál. Ezért ahelyett, hogy a nagyszabású tanulmányokat akadémiai vizsgálatnak vetnék alá, inkább sajtóközleményt adnak ki, amellyel megkerülik a szakmai vélemények megalkotását. A szoftveriparban a „demoware” kifejezést használják az ilyen jelenségekre, amelyeket arra terveztek, hogy a bemutatón kiválóan működjön, viszont a valóságban távol áll ettől.

A deeplearning előmozdította a gépek képességét, hogy felismerjék az adatokban rejlő mintázatokat, viszont három nagy hibával rendelkeznek. A betanult minták csupán felszínesek, az eredményeket nehéz értelmezni, illetve más folyamatokkal összefüggésbe hozni. Azaz nem birkózik meg a rendszer egy stoptáblát tartó személlyel, ha nem érti, mi az a stoptábla.

Gary Marcus szerint a jelenlegi helyzet olyan, mintha egy földönkívüli tanulmányozná a földi életet azáltal, hogy az emberek és tárgyak által vetett árnyékot nézi. Észrevenné, hogy egyes esetekben nagyobb, illetve éjszaka eltűnik, talán még azt is realizálná, hogy rendszeresség van bizonyos időközönként. Viszont nem nézne fel, és nem látná az e mögött álló háromdimenziós világot. Éppen ezért szükséges a mesterségesintelligencia-kutatóknak felnézniük, ugyanis nem tudják a problémát csupán a PR segítségével megoldani.

Némethi Botond, Okosipar.hu

Akár ez is tetszhet