Що заважає штучному інтелекту досягнути потужності людського мозку?

Одним із сценаріїв майбутнього у фантастичній літературі та кінематографі є повстання штучного інтелекту. Уявіть лишень, творіння людських рук стає розумнішим за свого творця, захоплює усі технологічні можливості й поневолює людство. Страшно, чи не так? От тільки нейробіолог Станіслас Деан у книжці «Як ми вчимося. Чому мозок навчається краще, ніж машина… Поки що» спростовує цю теорію і пояснює, чому штучному інтелекту ще дуже далеко до можливостей людського мозку.

Вивчення абстрактних понять

Найчастіше штучні нейронні мережі охоплюють лише перші етапи обробки інформації — аналіз зображення у зорових ділянках мозку, який займає від сили дві десятих секунди. Глибинні алгоритми, незважаючи на промовисту назву, насправді не такі вже й глибинні.

Замість формувати абстрактні поняття вищого рівня, ці алгоритми часто зациклюються на поверхневих статистичних закономірностях. Щоб розпізнати об’єкт, вони покладаються на примітивні деталі, як-от специфічний колір чи форма. Тому незначна зміна призводить до колапсу системи. Згорткові нейронні мережі не здатні осягнути суть об’єкта. Їм важко збагнути, що стілець залишається стільцем, байдуже, чотири в нього ніжки чи одна, металевий він чи пластиковий.

Схильність фокусуватися на поверхових ознаках часто підводить систему і спричиняє серйозні помилки. Інтернет рясніє порадами, як обдурити нейронну мережу: якщо на зображенні банана підправити кілька пікселів або вліпити стікер, машина вирішить, що перед нею тостер!

Так, з людьми теж іноді трапляються казуси. Якщо зображення на мить майне перед очима, можна прийняти собаку за кота. Але дайте людині трохи більше часу, і вона виправиться. На відміну від комп’ютерів, ми здатні ставити свої висновки під сумнів і переводити увагу на аспекти, що вибиваються із початкового припущення.

Навчання з ефективним використанням даних

Ніхто не заперечить, що сучасні нейронні мережі вчаться надто повільно. Щоб натренувати сякі-такі інтуїтивні знання в окремій сфері, їм потрібно тисячі, мільйони, а то й мільярди одиничних спостережень. Неповороткість машин доведено експериментально. Наприклад, нейронна мережа DeepMind досягає стерпного рівня гри на консолі Atari за дев’ятсот годин. Людині вистачає дві! Ще один приклад — вивчення мови. За оцінкою психолінгвіста Еммануеля Дюпу, за рік життя у французькій сім’ї дитина чує від п’ятисот до тисячі годин усного мовлення, і цього більш ніж достатньо, щоб опанувати говірку Декарта і підступні soixante-douze чи s’il vous plaît.

А от діти народності чімане, яка населяє Болівійську Амазонію, за рік чують лише шістдесят годин усного мовлення, проте це не заважає їм досконало оволодіти рідною мовою. В ефективності навчання людському мозку немає рівних. Машини пожирають інформацію, а люди — використовують. Наш вид бере максимум з мінімуму даних.

Компонування

Коли ми навчилися додавати два числа, це вміння міцно закріпилося у нашому репертуарі й перетворилося на інструмент досягнення інших цілей. Воно задіяне, коли ми сплачуємо рахунок у ресторані чи перевіряємо податкову декларацію. Більше того, додавання можна скомбінувати з іншими навичками — і ми без проблем будемо працювати з алгоритмом, який пропонує взяти число, додати до нього два і повідомити, сума більша за п’ять чи менша.

Дивно, що найновіші нейронні мережі досі не розвинули подібної гнучкості. Опановані ними знання замкнені у недосяжних з’єднаннях, а тому їх дуже важко використати для складніших завдань. Цим моделям не під силу компонувати засвоєні навички, створювати з них комбінації для розв’язання нових проблем. Сьогоднішній штучний інтелект розв’язує лише вузькоспеціалізовані задачі: програма AlphaGo поб’є будь-якого чемпіона з го, але не здатна узагальнити й перенести свій талант навіть на менше поле, не кажучи вже про іншу гру.

Натомість для людського мозку навчання переважно виливається в експліцитне формулювання знань, які він надалі застосовує, комбінує і пояснює іншим людям. Знову-таки, йдеться про унікальну рису нашого виду, що тісно пов’язана з мовою. Відтворити її у машин геть непросто.

Про інші відмінності у функціонуванні людського і штучного інтелекту можна прочитати у книжці Станісласа Деана «Як ми вчимося. Чому мозок навчається краще, ніж машина… Поки що».