Es wird allgemein angenommen, dass mit den neuesten Fortschritten in der Forschung zur künstlichen Intelligenz bald lebende und intelligente Maschinen am Horizont stehen werden. Autos verstehen Sprachbefehle, unterscheiden Bilder, fahren Autos und spielen besser als wir. Wie lange bleibt es zu warten, bis sie unter uns gehen?
Ein kürzlich veröffentlichter Bericht des Weißen Hauses über künstliche Intelligenz nimmt eine skeptische Haltung ein. Es heißt, dass wir in den nächsten 20 Jahren wahrscheinlich keine Maschinen sehen werden, die "intellektuelle Fähigkeiten aufweisen, die mit Menschen vergleichbar oder überlegen sind", aber in den kommenden Jahren "werden Maschinen menschliche Fähigkeiten erreichen, um immer mehr Aufgaben auszuführen". In diesem Bericht fehlen jedoch einige wichtige Dinge.
Der Forscher für künstliche Intelligenz, Arend Hintze, argumentiert, dass sich der Bericht ausschließlich auf "langweilige Arten von KI" konzentriert. Es schneidet mitten im Satz einen riesigen Zweig der KI-Forschung ab, wie Evolution uns hilft, immer bessere KI-Systeme zu entwickeln, und wie Computermodelle uns helfen, die Evolution unserer eigenen menschlichen Intelligenz zu verstehen.
Der Bericht konzentriert sich, wie der Wissenschaftler sagt, auf die Hauptwerkzeuge der KI: maschinelles Lernen und tiefes Lernen. Diese Art von Technologie ermöglichte es Robotern, Quiz gut zu spielen und die Meister des Go-Spiels zu übertreffen. Diese Systeme können kolossale Datenmengen verarbeiten und komplexe Berechnungen sehr schnell durchführen. Ihnen fehlt jedoch ein Element, das für die Schaffung der intelligenten Maschinen, die wir in Zukunft gerne hätten, von entscheidender Bedeutung sein wird.
Wir brauchen mehr als nur Maschinen zu lehren, um zu lernen. Wir müssen die Grenzen überwinden, die vier verschiedene Arten künstlicher Intelligenz definieren. Die Barrieren, die Maschinen von uns trennen - und uns von ihnen.
AI Typ I: Düsenmaschinen
Die grundlegendsten Arten von KI-Systemen sind sehr reaktiv und können keine Erinnerungen bilden oder frühere Erfahrungen nutzen, um aktuelle Entscheidungen zu treffen. Deep Blue, der schachspielende Supercomputer IBM, der Ende der neunziger Jahre Großmeister Garry Kasparov besiegte, ist ein perfektes Beispiel für diesen Maschinentyp.
Werbevideo:
Deep Blue kann Figuren auf einem Schachbrett identifizieren und weiß, wie sie sich bewegen. Er kann sowohl seine eigenen als auch die seines Gegners vorhersagen. Und er wählt die bestmöglichen Bewegungen.
Er hat jedoch keine Ahnung von der Vergangenheit und der Erinnerung an das, was passiert ist. Abgesehen von der selten verwendeten schachspezifischen Regel, dass derselbe Zug nicht dreimal wiederholt wird, ignoriert Deep Blue bisher alles. Er schaut sich nur die Figuren auf dem Schachbrett an und wählt den nächsten Zug.
Diese Art von Intelligenz umfasst einen Computer, der die Welt direkt wahrnimmt und basierend auf dem, was er sieht, handelt. Er verlässt sich nicht auf ein inneres Weltbild. In seiner Arbeit argumentierte der KI-Forscher Rodney Brooks, dass wir nur solche Maschinen bauen sollten. Seiner Meinung nach sind Menschen nicht sehr gut darin, präzise simulierte Welten für Computer zu programmieren, wie sie sagen, eine "Repräsentation" zu schaffen, eine Repräsentation der Welt.
Die modernen intelligenten Maschinen, die wir bewundern, haben entweder kein solches Weltbild oder sie sind sehr begrenzt und befassen sich mit bestimmten Aufgaben. Bei der Innovation im Design von Deep Blue ging es nicht darum, die Anzahl der möglichen Bewegungen zu erhöhen, die ein Computer in Betracht zieht. Stattdessen haben die Entwickler einen Weg gefunden, seine Vision einzugrenzen und einige der möglichen Schritte in der Zukunft zu verwerfen, je nachdem, wie sie bewertet werden.
Ebenso hat AlphaGo Google, das den Weltmeister in Go besiegt hat, keine Möglichkeit, mögliche zukünftige Bewegungen einzuschätzen. Die Analysemethode ist ausgefeilter als die von Deep Blue: Sie verwendet ein neuronales Netzwerk, um die Entwicklung des Spiels zu bewerten.
Diese Techniken verbessern die Fähigkeiten von KI-Systemen, verbessern das Spielen bestimmter Spiele, sind jedoch nicht einfach zu ändern oder auf andere Situationen anzuwenden. Diese Computertypen von Imaginationen haben kein Konzept der Welt als Ganzes - was bedeutet, dass sie nicht über die Ausführung der spezifischen Aufgaben hinausgehen können, für die sie gemacht wurden, und sie lassen sich leicht täuschen.
Sie können nicht interaktiv an der Welt teilnehmen, und wir möchten eines Tages genau solche KI-Systeme sehen. Stattdessen verhalten sich die Maschinen in der gleichen Situation genauso wie immer. Wenn wir das KI-System zuverlässig und vertrauenswürdig machen wollen, ist das eine gute Sache: Sie möchten, dass Ihr autonomes Fahrzeug zuverlässig ist. Aber wenn wir wollen, dass Maschinen mit uns und der Welt interagieren, ist das schlecht. Die einfachsten KI-Systeme langweilen sich nie, sie können nicht interessiert oder verärgert sein.
AI Typ II: begrenzter Speicher
Typ II umfasst Maschinen, die in die Vergangenheit schauen können. Selbstfahrende Autos sind dazu schon ein wenig fähig. Zum Beispiel beobachten sie die Geschwindigkeit und Richtung anderer Fahrzeuge. Dies kann nicht auf einmal erfolgen. Dazu müssen Sie bestimmte Objekte identifizieren und im Laufe der Zeit beobachten.
Diese Beobachtungen werden zu den vorprogrammierten Weltdarstellungen der selbstfahrenden Autos hinzugefügt, zu denen Straßenmarkierungen, Ampeln und andere kritische Elemente gehören. Sie sind verbunden, wenn das Auto beschließt, die Spur zu wechseln und nicht mit einem anderen zu kollidieren.
Diese einfachen Informationen über die Vergangenheit sind jedoch nur vorübergehend. Sie werden nicht als Teil der Fahrzeugerfahrungsbibliothek gespeichert, in der sie wie menschliche Fahrer lernen können, im Laufe der Jahre während des Fahrens Erfahrungen zu sammeln.
Wie bauen wir KI-Systeme, die vollständige Darstellungen erstellen, uns an unsere Erfahrungen erinnern und lernen, mit neuen Situationen umzugehen? Brooke hatte Recht, dass dies sehr schwierig ist. Vielleicht lohnt es sich, nach Inspiration in der darwinistischen Evolution zu suchen?
AI Typ III: Theorie des Geistes
Hier müssen wir einen kurzen Stopp einlegen und diesen Moment als eine wichtige Lücke zwischen den Maschinen, die wir haben, und den Maschinen, die wir in Zukunft bauen möchten, bezeichnen. Der erste Schritt besteht jedoch darin, die Ansichten, die Maschinen erstellen müssen, genauer zu definieren.
Maschinen der nächsten, fortgeschritteneren Klasse bilden nicht nur Darstellungen der Welt, sondern auch anderer Agenten oder Entitäten der Welt. In der Psychologie wird dies "Theorie des Geistes" genannt - das Verständnis, dass Menschen, Wesen und Objekte auf der Welt Gedanken und Emotionen haben können, die ihr eigenes Verhalten beeinflussen.
Dies ist wichtig für die Art und Weise, wie wir Menschen die Gesellschaft gestalten, da sie uns soziale Interaktionen ermöglicht. Ohne die Motive und Absichten des anderen zu verstehen und nicht zu berücksichtigen, was jemand anderes über mich oder die Umwelt weiß, ist die Zusammenarbeit im besten Fall schwierig und im schlimmsten Fall unmöglich.
Wenn KI-Systeme wirklich jemals unter uns wandern, müssen sie verstehen, was wir denken und fühlen, zumindest auf der Ebene der Annahmen. Und passen Sie Ihr Verhalten entsprechend an.
IV Art der KI: Selbstbewusstsein
Das ultimative Ziel der Entwicklung künstlicher Intelligenz ist die Schaffung von Systemen, die Selbstbilder formen können. Letztendlich müssen KI-Forscher nicht nur das Bewusstsein verstehen, sondern auch Maschinen mit Bewusstsein schaffen.
Dies ist in gewissem Sinne eine Erweiterung der "Theorie des Geistes", die in der vorherigen Art von KI erwähnt wurde. Wenn wir über Bewusstsein sprechen, meinen wir auch Selbstbewusstsein. "Ich will dieses Ding" unterscheidet sich von "Ich weiß, ich will dieses Ding". Bewusste Wesen sind sich ihrer inneren Zustände bewusst und können das Verhalten oder die Gefühle anderer vorwegnehmen. Wir gehen davon aus, dass jemand, der uns im Verkehr signalisiert, wütend oder ungeduldig ist, denn so könnten wir uns an seiner Stelle fühlen. Ohne eine Theorie des Geistes könnten wir solche Schlussfolgerungen nicht ziehen.
Während wir wahrscheinlich weit davon entfernt sind, selbstbewusste Maschinen zu bauen, müssen wir unsere Bemühungen auf den Weg zum Verständnis des Gedächtnisses, des Lernens und der Fähigkeit konzentrieren, Entscheidungen über vergangene Erfahrungen zu treffen. Dies ist ein wichtiger Schritt zum Verständnis des menschlichen Geistes. Dies ist sehr wichtig, wenn wir Maschinen entwerfen oder entwickeln möchten, die nicht nur das klassifizieren können, was sie vor uns sehen, sondern auch vieles mehr.
ILYA KHEL
