Zrozumieć sztuczną inteligencję. Co warto wiedzieć o jej aktualnych możliwościach i gdzie się o niej uczyć?

Zdajesz się czasem na decyzję aplikacji, którą drogą lepiej dziś jechać? Może szukasz lepszego sposobu na to, by dotrzeć do swoich klientów z ofertą? W ciągu ostatnich kilku lat możliwości technologiczne w tym zakresie przyspieszyły nie z powodu samej mocy obliczeniowej komputerów, ale skuteczności algorytmów, które coraz sprawniej uczą się i doskonalą w zadaniach takich jak optymalizacja, rozpoznawanie obrazów, wykrywanie wzorców, tłumaczenia. Z rozwojem technologii uczenia maszynowego (lub czasem nazywaną ogólnym i mniej precyzyjnym określeniem sztuczną inteligencją) wiąże się dziś ogromne nadzieje. Czy to z perspektywy osoby zainteresowanej tworzeniem takich technologii, wykorzystywaniem ich w swojej firmie lub organizacji czy po prostu lepszym rozumieniem jak wpłyną one na nasze codzienne życie, warto dobrze zrozumieć jej podstawy.

Zacznijmy od doświadczenia

By zrozumieć, jakie możliwości ma aktualnie tzw. sztuczna inteligencja, nie trzeba oglądać filmów science fiction. Wystarczy zrobić kilka prostych eksperymentów w sieci. Zapewne kojarzysz tzw. captcha, czyli obrazki, których poprawne rozpoznanie pozwala odblokować wejście na stronę. To „zabezpieczenie”, które ma sprawdzać, czy nie jesteśmy botem, tak naprawdę pomaga algorytmom sprawdzić trudne przypadki zdjęć, których same nie rozpoznają poprawnie. To część większego zestawu narzędzi firmy Google, która od lat zajmuje się rozpoznawaniem napisów, zdjęć i obrazów. Dzięki doskonaleniu uczenia maszynowego, klawiatura w naszym smartfonie sugeruje nam odpowiednie słowa w zdaniu, a aplikacja Tłumacz radzi sobie coraz lepiej z tłumaczeniem ze zdjęć, a nawet ze słuchu. Aby się nauczyć tych trików potrzebuje wielu przykładów, na których będzie rozpoznawać subtelne różnice między nimi.

Czytaj także: Trendy w technologiach 2020 – rozmowa z Janem Zającem, CEO Sotrendera

Teachable Machine od Google pozwala nam stworzyć taką małą maszynę uczącą np. w rozpoznawaniu obrazów bez umiejętności programowania. Tworząc za pomocą naszej kamery przykłady, prześledzimy jak działa nabieranie pewności przez algorytm – im więcej przykładów w danej klasie, tym większa pewność, że coś podobnego do nich zostanie poprawnie sklasyfikowane. Jeśli algorytm nie radzi sobie z trudnymi przypadkami, to czasem potrzebuje ludzkiej pomocy lub tzw. wzmocnienia, czyli punktów za poprawne odpowiedzi.

Jeśli chcesz wejść w buty takiej osoby, możesz zagrać z innym algorytmem (QuickDraw) w to, jak szybko zgadnie on z Twojego rysunku co na nim jest. W trzecim kroku odwiedź narzędzie AutoDraw, które nie tylko rozpoznaje z kilku linii przedmiot, który chcemy narysować, ale również rysuje go za nas. Te proste eksperymenty, które służą do zabawy i nauki pokazują jednak całkiem sprawnie to, jak praktyczne i szybkie są dziś rozwiązania z zakresu uczenia maszynowego. Wyobraź sobie podobne pomysły dla generowanie obrazów wideo z kilku podstawowych informacji lub zdjęć.

Technologie i wiedza

Ok. Zmierzyliśmy się już zabawnymi przykładami działania uczenia maszynowego (ang. machine learning) oraz uczenia głębokiego (deep learning), ale co tak naprawdę znaczy? Jeśli masz tylko kilka minut, to zacznij od wideo. Festiwal Przemiany z Centrum Nauki Kopernik przy okazji edycji 2018 na temat algorytmów przygotował serię krótkich wideo z ekspertami i ekspertkami tłumaczącymi podstawowe pojęcia związane z AI. Jeśli masz trochę więcej czasu i chętnie posłuchasz ekspertów i ekspertek mówiących po angielsku to dłuższą serię wideo na swoich kanałach ma firma Google. Jej pracownicy oraz naukowcy zajmujący się technologiami sztucznej inteligencji wyjaśniają, co praktycznie oznaczają technologiczne terminy oraz jaki jest faktyczny poziom rozwoju i badań nad nimi (jak łatwo się domyślać, naukowcy są bardziej powściągliwi niż wiadomości, które docierają do nas w mediach). Trzecim, najwyższym poziomem edukacji za pomocą wideo są filmy Akademii Khana poświęcone działaniom algorytmów. Jeśli chcesz lepiej zrozumieć jak działają i czym się od siebie różnią sposoby programowania sztucznej inteligencji za pomocą matematyki, to zajrzyj do wideo lub kursów Khana (dostępnych z polskimi napisami, a czasem również lektorem).

Elements of AI to świetne miejsce, by zacząć swoją edukację w trochę bardziej systematyczny sposób. Fiński (ale dostępny po angielsku i otwarty również dla mieszkańców innych krajów) kurs, to świetne wprowadzenie obejmujące najważniejsze pojęcia, współczesne zastosowanie i konsekwencje używania AI, uczenia maszynowego i sieci neuronowych. Projekt, który ma na celu być przystępny dla każdego obywatela i obywatelki został opracowany przez zespół z Uniwersytety Helsińskiego, fińskie firmy oraz rządowe centrum ds. sztucznej inteligencji. Treść kursu dostępna jest na stronie, aby rozwiązywać zadania, które kończą każdy podrozdział, musimy stworzyć konto i wybrać czy chcemy uczyć się we własnym tempie lub zapisać na 6 tygodniowy (po ok 5 godzin tygodniowo) kurs, który stara się motywować do wykonania zadań w czasie. Zanim doczekamy się polskiej wersji językowej tej inicjatywy, możemy sięgnąć do zebranych materiałów i cyfrowych szkoleń z polskich uczelni na stronie sztucznainteligencja.org.pl.

Przewidywanie konsekwencji stosowania AI

Rozwój technologii związanych z tzw. sztuczną inteligencją to nie tylko kwestia biznesu i edukacji. To również ogromne wyzwanie prawne i etyczne i wcale nie chodzi tu wyłącznie o kwestie tego, czy maszyny mogą mieć uczucia. Codzienność jest znacznie bardziej prozaiczna i skomplikowana. Wiele decyzji, które wcześniej wymagały namysłu i ludzkiej oceny np. etycznej, oddajemy dziś algorytmom, które tworzone i konfigurowane są przez ludzi, co oznacza mniej lub bardziej świadome przenoszenie na nie ludzkich uprzedzeń czy charakteru. Tym samym możemy zostawić bardzo ważne i wymagające empatii sprawy statystyce i matematycznym funkcjom. Jednym z ciekawszych wyzwań z tej strefy nie jest nawet techniczne. To czekające nas wszystkich pytanie o to, czy rosnący udział algorytmów w służbie zdrowia, sądach, urzędach, bankowości itp. gdzie mają one wpływ na nasze życie, powinien być regulowany prawnie (jak np. ochrona danych osobowych) czy pozostawiony tzw. samoregulacji, czyli decyzjom firm i naukowców. Tymczasem błędy w algorytmach zdarzają się częściej niż byśmy chcieli się do tego przyznać (np. gorzej traktując kobiety podczas oceny rekrutacyjnej lub powielając historyczne uprzedzenia rasowe).

Firmy takie jak Google czy Microsoft oferują całe kursy poświęcone typowym błędom, które mogą popełnić twórcy i osoby decydujące o tym, jak zastosować AI np. do podejmowanie decyzji w firmie czy działania jakiejś funkcji rozpoznającej obrazy przez aplikacje mobilne. Google AI for Social Good czy People&AI (Designing human-centered AI products) to z jednej strony świetne materiały, które pomogą firmom, osobom, które wymyślają zastosowania dla uczenia maszynowego w swoich działaniach oraz programistom i programistkom, którzy je wdrażają, tworzyć bardziej odpowiedzialne rozwiązania techniczne. Z drugiej zaś wymagają one zawsze uzupełnienia o kwestie prawne i społeczne. W Polsce pisze o tym sporo fundacja Panoptykon, w której podcastach znajdziecie dyskusje na powyższe i jeszcze bardziej ambitne pytania dotyczące przyszłości technologii i sztucznej inteligencji.

Fot. Rosa Menkman, lic. CC BY

Artykuł jest częścią cyklu Kompetencje przyszłości, który publikujemy w tym sezonie. Przeczytaj także:

• Jak efektywnie uczyć się w sieci?
• Kiedy zaczniemy się uczyć i przestaniemy „wykonywać zawody”?
• Nieoczywiste źródła wiedzy w sieci