Sztuczna inteligencja – definicja

W latach 50. Alan Turing zapytany o to, czy maszyny potrafią myśleć, odpowiedział, że pytanie jest
pozbawione sensu, bo, tak naprawdę, nie wiemy na czym polega sam proces myślenia.
Jednak obecnie coraz częściej przyglądamy się Sztucznej Inteligencji (SI) i zastanawiamy się: czy oraz jak
bardzo nas przerosła. Tym bardziej, że algorytmów, które podpowiadają nam jak żyć jest dookoła z dnia na
dzień więcej. Analizują i sugerują potencjalne zakupy, streamingi znają nasze gusta muzyczne oraz filmowe
i proponują odpowiednie programy, a Google podpowiada o co chcemy zapytać. Czy te wszystkie algorytmy myślą? Czy sami je personifikujemy? Dlatego, aby zrozumieć sztuczną inteligencję, obalić mity i móc zerknąć w przyszłość, kluczowe jest rozróżnienie pomiędzy różnymi typami SI i obecnym stanem technologii: słabą (lub wąską) SI (ANI), silną (lub ogólną) SI (AGI) oraz sztuczną superinteligencją (ASI).

Słaba lub wąska SI

Słaba lub wąska SI jest algorytmem stworzonym z myślą o rozwiązaniu konkretnego problemu i potrafi
przewyższyć człowieka wyłącznie w realizowaniu wąsko zdefiniowanego i ustrukturyzowanego zadania, np.
w rozpoznawaniu obrazów lub grze w szachy. Pamiętajmy jednak, że zadaniem ANI jest wykonywanie
wyłącznie jednej, określonej funkcji. Aplikacje ANI oczywiście nie myślą, ale symulują ludzkie zachowanie w oparciu o zestaw reguł, parametrów i kontekstów. Potrafią np. zinterpretować zapytanie i „zrozumieć” intencje użytkownika w celu zwrócenia dokładnych wyników wyszukiwania, jak algorytmy Google RankBrain. Albo przetworzyć w ciągu kilku sekund ogromne ilości danych pochodzących z badań klinicznych oraz laboratoryjnych i zdiagnozować chorobę pozwalając lekarzom skupić się na leczeniu zamiast na analizie danych.
Niektóre z technik najczęściej stosowanych obecnie w przypadku słabej SI to: uczenie maszynowe,
przetwarzanie języka naturalnego i rozpoznawanie obrazów (np. twarzy).

Silna lub ogólna SI

Silna lub ogólna SI ma wspierać człowieka w każdej dziedzinie i sytuacji. Podczas gdy aplikacje ANI
pozwalają realizować pojedyncze, zautomatyzowane i powtarzające się zadania, celem AGI jest stworzenie
systemów, które będą rozumować i wyciągać wnioski tak, jak potrafią to robić ludzie.
Pamiętajmy jednak, że nasz mózg jest niesamowicie złożonym organem i ciągle nie jest możliwe stworzenie
modelu, który dokładnie odzwierciedlałby sieć neuronów i jej działanie. Dlatego, o ile, doskonale radzimy
sobie z tworzeniem algorytmów słabej SI, to do silnej SI dopiero się przymierzamy. A jednocześnie trochę
się jej boimy, ponieważ ma umożliwiać maszynom samodzielne korzystanie z wiedzy i umiejętności podczas
realizowania różnych zadań w różnych sytuacjach.
Jednak pojawienie się bardziej zaawansowanych technologii, takich jak przetwarzanie języka naturalnego
(NLP) i widzenia komputerowego przybliżają powstanie silnej SI. Czekają na nią wszyscy, ponieważ ogólna
SI ma pomóc nam rozwiązać wiele palących problemów samodzielnie dostosowując procesy do potrzeb i
kontekstu.

Sztuczna superinteligencja

Dopiero sztuczna superinteligencja byłaby w stanie przewyższyć ludzi i dlatego budzi zachwyt entuzjastów,
którzy koncentrują się na możliwościach tej technologii, jak i strach u tych, którzy obawiają się, że może
doprowadzić do katastrofy i końca cywilizacji, jaką znamy. Jednak sztuczna superinteligencja to dopiero
mgliste marzenie, a nie realny algorytm.
Bo chociaż naukowcy i inżynierowie dążą do stworzenia silnej SI oraz sztucznej superinteligencji, prawda
jest taka, że ​​wciąż nam do nich bardzo daleko. Słaba SI to jedyny rodzaj SI, do jakiego mamy obecnie
dostęp, i doskonale sprawdza się wspierając człowieka w realizacji wielu codziennych zadań. Tak naprawdę
algorytmy słabej SI nie są inteligentne. Jednak musimy zdawać sobie sprawę, że każda nowa technologia
stanowi krok w kierunku powstania silnej sztucznej inteligencji.

Pamiętajmy też, że w ciągu ostatnich dwóch dekad nastąpił znaczny postęp w rozwoju słabej SI i nie ma
powodu, aby nie oczekiwać tego samego w nadchodzących latach. Tym bardziej, że sztuczną inteligencją
zajmuje się coraz większa liczba naukowców, inżynierów i firm.