Czym jest sztuczna inteligencja?
Słyszymy, że być może zagraża naszej pracy, a być może ludzkości. Słyszymy także o chatbotach typu GPT, które są formą sztucznej inteligencji. Ale czym tak naprawdę ona jest i jak to rozumieć? W tym odcinku, a także w całej serii poświęconej tematowi sztucznej inteligencji, zanurzmy się w tym pojęciu.
Sztuczna inteligencja to temat fundamentalny dla każdej osoby kierującej się na studia informatyczne. Jest to jeden z przedmiotów, na który prawdopodobnie uczęszczał każdy informatyk. Podobnie jak programowanie w określonych językach programowania, architektura komputerów czy systemy operacyjne, tak samo sztuczna inteligencja jest ważnym elementem w kanonie wiedzy informatycznej. Pamiętam, kiedy mieliśmy wykłady ze sztucznej inteligencji. Prowadziła je osoba zaawansowana wiekiem, która opowiadała o początkach sztucznej inteligencji, sięgających lat 50. Przesuwaliśmy się w czasie o wiele dekad.
Kiedy powstała sztuczna inteligencja?
Termin „sztuczna inteligencja” pojawił się w 1956 roku, kiedy mojej mamy nie było jeszcze na świecie. John McCarthy ogłosił go na konferencji, używając właśnie tej frazy. Alan Turing także pracował nad sztuczną inteligencją. Jego postać być może kojarzysz z filmu „Gra tajemnic”, opowiadającego o jego życiu. Alan Turing zmarł tragicznie w 1954 roku, więc ciągle poruszamy się w kontekście lat 50. Inny przykład to Marvin Minsky, który również w latach 50. rozwijał sieci neuronowe w ramach sztucznej inteligencji. Nadal kręcimy się wokół tych lat 50. – zobacz, jak odległe czasy omawiamy.
Nastąpił gwałtowny wzrost zainteresowania i popularności sztucznej inteligencji, głównie dzięki czatbotom, takim jak GPT. To na niespotykaną dotąd skalę i w niezwykłej jakości ukazało, jak wygląda interakcja człowieka z komputerem, gdy możemy zadawać mu pytania w języku naturalnym i otrzymywać odpowiedzi, tak jak w przypadku GPT.
Ten wybuch zainteresowania wynika także z naszego rosnącego dostępu do zaawansowanych technologii i sprzętu oraz coraz bogatszej oferty oprogramowania. Wcześniejsze koncepcje, pomysły i propozycje rozwiązań problemów za pomocą sztucznej inteligencji były przedmiotem dyskusji i badań naukowych od lat 50., ale w tamtych czasach komputery nie posiadały takich możliwości, by w pełni realizować te zadania. Dziś, dzięki wzrostowi mocy obliczeniowej, coraz bardziej wydajnym procesorom, lepszemu sprzętowi i dostępnemu oprogramowaniu, możemy bardziej efektywnie wykorzystać sztuczną inteligencję w praktyce.
Test Turinga
Przyjrzyjmy się również Testowi Turinga. Alan Turing jest znany między innymi ze stworzenia tego testu, który ma za zadanie wykryć sztuczną inteligencję. W teście tym mamy do czynienia z człowiekiem i maszyną, które prowadzą ze sobą rozmowę i wymieniają komunikaty. Osoba z zewnątrz, będąca człowiekiem, musi ocenić, czy rozmawia z maszyną czy z innym człowiekiem, nie wiedząc dokładnie, kto jest kim. To był jeden z pierwszych testów zaproponowanych przez Alana Turinga, aby sprawdzić, jaki poziom osiągnęła sztuczna inteligencja. W historii mieliśmy przypadki, kiedy zewnętrzny obserwator faktycznie nie potrafił ocenić, czy ma do czynienia z maszyną czy człowiekiem. Istnieje wiele innych testów do wykrywania sztucznej inteligencji, które powstały.
AI i GAI
W mediach toczy się wiele dyskusji i emocji wokół tego, czy sztuczna inteligencja rzeczywiście stanowi zagrożenie dla ludzkości czy też może wpłynąć na nasz sposób funkcjonowania. Warto zrozumieć różnicę między dwoma terminami: „sztuczna inteligencja” (AI) a „ogólna sztuczna inteligencja” (GAI). AI zazwyczaj odnosi się do systemów wykonywania konkretnego zadania, takiego jak generowanie obrazu czy tekstu, lub klasyfikacja danych. To jest jedno zadanie, które ta sztuczna inteligencja wykonuje. Z kolei ogólna sztuczna inteligencja, czyli GAI, to autonomiczny system zdolny do nauki i wykonywania wszelkich zadań, które człowiek może wykonać. Osiągnięcie tego poziomu nadal stanowi wyzwanie.
Sztuczna inteligencja (AI), która wykonuje jedno konkretne zadanie, ma za zadanie symulować procesy inteligencji ludzkiej za pomocą maszyn, w szczególności systemów komputerowych. Czy takie rozumienie sztucznej inteligencji jest porównywalne do ludzkiej inteligencji? Odpowiemy na to w innym odcinku tej serii. Spodziewam się, że to będzie interesujące zestawienie.
Patrząc na istotę sztucznej inteligencji, często ją postrzegamy jako przekształcanie danych wejściowych na dane wyjściowe. Przykładem jest przekształcanie zapytań w odpowiedzi, takie jak w przypadku modelu GPT albo też ucząc sztuczną inteligencję, przywołujemy przykłady rozpoznawania obrazów. Np. mamy obrazek i teraz zadaniem tego systemu jest ocena, czy mamy do czynienia z kotem, czy na tym zdjęciu jest kot, odpowiedź może być tak lub nie.
Różnica między tradycyjnym programowaniem a rozwiązaniami sztucznej inteligencji polega na tym, że w tradycyjnym oprogramowaniu mamy kod napisany wprost, zawierający instrukcje precyzyjnie określające reakcje na dane sytuacje. Korzystamy z warunków (IF-ów) do ustalenia, jakie działania mają być podejmowane w określonych warunkach. W przypadku rozwiązań opartych na sztucznej inteligencji nie podajemy bezpośrednio, co ma się stać. Zamiast tego dostarczamy zestaw danych, które nauczą system. Na przykład, uczymy go na podstawie wielu zdjęć kotów, jak wygląda kot, a potem system nauczy się rozpoznawać koty na nowych obrazach, generując skomplikowane równania matematyczne oparte na pikselach obrazka. Sam generuje te równania, których my wprost nie napisaliśmy.
Mamy tutaj do czynienia ze sztuczną inteligencją, ogólną sztuczną inteligencją a także z kilkoma innymi pojęciami związanymi z tym tematem. Sztuczna inteligencja posiada różnorodne narzędzia, a jednym z powszechnie znanych jest uczenie maszynowe, czyli machine learning. Oznacza to, że tworzymy systemy informatyczne, które mogą uczyć się bez konieczności programowania wprost. Uczenie maszynowe pozwala na tworzenie systemów, które uczą się na podstawie dostarczonych danych.
Data science
Innym ważnym aspektem jest data science, czyli nauka o danych w kontekście sztucznej inteligencji. To pojęcie łączy się ze sztuczną inteligencją oraz uczeniem maszynowym, ale jego głównym celem jest wyciąganie wniosków i wskazówek z danych. Te spostrzeżenia mogą być wykorzystane w biznesie i innych dziedzinach.
Rezultatem nauki o danych są bardziej wnioski, slajdy, reporty, jakieś spostrzeżenia. Natomiast wynikiem uczenia maszynowego jest system informatyczny, który nie wprost opowiada, jaka ma być reakcja, wynik na podstawie danych wsadowych.
Large language models
Niezwykle popularne są też large language models, czyli wielkie modele języka naturalnego. Dzięki ogromnej popularności modelu GPT w rozmowach często mówi się o tych modelach. Służą one przetwarzaniu tekstu i generowaniu mowy. Przetwarzanie języka naturalnego to jedno z rozwiązań z obszaru sztucznej inteligencji, choć nie obejmuje całego spektrum działań tego obszaru, który może również obejmować klasyfikację czy przewidywanie na podstawie danych historycznych.
Sieci neuronowe
Sieci neuronowe, zwane także neural networks, to kolejna ważna koncepcja. Nazwa pochodzi od pewnego podobieństwa do działania neuronów w ludzkim mózgu, chociaż różnią się one od rzeczywistych neuronów. Sieci te często kojarzone są z głębokim uczeniem, które oznacza, że to przetwarzanie danych, który chcemy wygenerować, czasem jest na tyle złożone, że wymagane jest głębsze uczenie. W ramach tego procesu tworzymy skomplikowane sieci neuronów, składające się z wielu różnych elementów, które podejmują decyzje mające na celu osiągnięcie ostatecznych wyników. To tworzy wieloaspektowe równanie matematyczne, które bazując na zgromadzonej wiedzy, stara się generować równanie jak najbardziej zbliżone do najczęściej występujących odpowiedzi. Efektem tego jest pokazywanie nam rezultatów.
Podsumowanie
Tych pojęć ze sztucznej inteligencji może być znacznie więcej. Mam jednak nadzieję, że już trochę zrozumieliśmy, czym jest sztuczna inteligencja oraz ogólna sztuczna inteligencja. Również mamy tutaj do czynienia z uczeniem maszynowym, które jest powiązane z systemami IT. Dodatkowo, mamy do czynienia z nauką danych, czyli data science, która polega na wyciąganiu pewnych spostrzeżeń z danych. Warto zaznaczyć, że to nie zawsze jest jednoznaczne ze sztuczną inteligencją, a istnieje również nauka o danych, która niekoniecznie jest z nią powiązana.
W ramach dziedziny sztucznej inteligencji istnieje wiele różnych narzędzi, które można wykorzystywać w różnych celach. To zaledwie krótka zapowiedź tego, czym jest sztuczna inteligencja.
Serdecznie zapraszam do całej serii, w której dowiemy się więcej na temat możliwości wykorzystania narzędzi sztucznej inteligencji. Warto pamiętać, że sztuczna inteligencja jest już obecna w wielu miejscach – w Twoim telefonie, mailu, koncie bankowym, programach typu Word czy nawet na platformach społecznościowych, takich jak Facebook. Te rozwiązania są już dość powszechne, a sztuczna inteligencja była obecna w różnych obszarach jeszcze przed naszym intensywnym zainteresowaniem tym tematem.
W dalszej części tej serii dowiemy się, jak tworzy się rozwiązania oparte na sztucznej inteligencji i jak się do tego zabrać. Omówimy także powiązania między pojęciem sztucznej inteligencji a inteligencją ludzką, taką jak stosowana w psychologii. Przyjrzymy się również, jak porównywać sztuczną inteligencję, oprogramowanie czy rozwiązania oparte na sztucznej inteligencji do inteligencji jaką analizujemy u ludzi.
Również w tej serii skupimy się na aplikacjach dobrych i złych, czyli momentach, gdy sztuczna inteligencja może być skutecznie wykorzystana oraz w tych, gdzie nasze pomysły na jej wykorzystanie mogą nie być aż tak trafne i skuteczne.
Bądźcie gotowi na więcej w kolejnych odcinkach tej serii. Jeśli macie pytania lub sugestie dotyczące gorących tematów związanych ze sztuczną inteligencją, zachęcam do komentowania i śledzenia kolejnych odcinków. Do zobaczenia niebawem! Cześć.
