Невронните мрежи като имитация на хората – втора част

В първата част се спряхме на най-новия тип изкуствен интелект, създаден към днешен ден, както и върху начините на неговото обучаване и данните, които са използвани. Оказа се, че съвременните невронни мрежи са достигнали нивото да прогнозират поведението на човека и дори да извършват моделиране на хората. В такъв случай може ли ИИ да бъде психолог? И може да ли да проявява талант?

Нека да продължим, този път, с моралните проблеми.  Интересният проект Moral Machine ( www.moralmachine.net) вече събра в своите бази данни около 40 милиона човешки решения от над 200 държави. Това засега е най-големият онлайн експеримент по моралните дилеми. На участниците се предлагат милиони уникални задачи за осъществяване на морален избор. Една от най-популярните е класическата задача за безпилотния роботизиран автомобил, който попада в пътнотранспортно произшествие и е необходимо да се вземе решение кой да бъде спасен – човекът или хората в автомобила, възрастен човек, който пресича пешеходната пътека, намиращите се наблизо ученици и т.н. В този случай човекът трябва да вземе решението, а изкуственият интелект постепенно се учи. Предлагат се най-различни ситуации, в които участват мъже, жени, ученици, лекарка, нобелист, куче – домашен любимец и още много други.

1 от 2

Психолозите са на мнение, че подобно многомерно пространство от решения не е по силите на човешкия мозък. Но невронната мрежа, обучена с помощта на тези данни даде възможност на психолозите да изградят „информативна, интерпретирана психологическа теория, която предлага набор от морални принципи, които са в основата на преценките на хората„. Към днешен ден тази нова теория превъзхожда всичко, което е измислено досега и благодарение на нея бяха идентифицирани три нови ефекта.

В крайна сметка благодарение на машинното обучение става възможно намирането на най-подходящия стил на вземане на решенията, както и да се моделира, какво решение ще вземе човекът. На дали ще се стигне още по-далече – да се оказва влияние на неговия избор? Не е изключено. Миналата година IBM Research AI представиха автономната компютърна система Project Debater, която може да води дебати с хората в реално време. Наложи се създателите на Project Debater да му дадат синтетичен и чисто механичен глас, за да не могат зрителите да се объркват и да го мислят за истински човек.

Големите езикови модели все по-добре „разбират“ текстовете и сюжетите, все по-добре разграничават причините и следствията, и много успешно разсъждават в рамките на здравия разум.

Наскоро Google AI направи още един пробив, като обучи модела PaLM не само да дава правилни отговори на логически проблеми, но и да обяснява защо те са правилни. Той дори може да схване смисъла на шега, с която се сблъсква първи път. Съдейки по темповете на напредък, ние сме на прага на появата на ИИ системи, способни да измислят силни аргументи по всякакви въпроси и теми.

Хората играят – невронните мрежи се учат

Ако комбинираме технологиите, обсъдени по-горе, ще получим машина, която разкрива стила на вземане на решения на конкретен индивид, изгражда най-вероятните сценарии на бъдещите му решения и, като вземе предвид неговия уникален стил, избира система от аргументи и накрая търси начини да убеди съвсем конкретния човек да мисли или действа в една или друга насока.

Кой би се заинтересувал, и кой би имал полза от подобна машина?

Личните данни от големите социални мрежи вече са използвани, а и продължават да се използват за създаването на психологически профили и таргетирана политическа агитация в предизборните кампании по целия свят. Историята на Cambridge Analytica изключително много нашумя след президентските избори в САЩ през 2016 година. И докато всички публично заклеймяват подобни методи, включително Facebook, чиито данни бяха използвани, важен е фактът, че схемите, базирани на машинно обучение работят безотказно.

Онлайн игрите са още по-подходящи за събиране на необходимите данни за това как хората вземат решения. Разбира се, тези данни се събират изключително активно. Действията на играчите се записват, след което алгоритмите с елементи на изкуствен интелект търсят съответствия в телеметричните и другите достъпни данни, и на базата на всичко това изграждат съвсем точни модели на поведение на всеки потребител. Така например, използвайки машинно обучение, изследователи от университета в Аален, Германия са изследвали поведенческите данни на 700 000 потребители в 3300 игри в платформата Steam. На първо място, програмата е разпределила геймърите на категории според стила на игра, след което се е задълбочила в търсенето на отделните стилове в тези категории.

Поведенческият анализ от игровата телеметрия е една нова и бързо растяща област на изследване. От гледна точка на гейм-дизайна, това ще помогне игрите да станат още по-забавни и в същото време ще увеличи тяхната монетизация – тоест, ще насърчи участниците по-лесно и по-бързо да си харчат парите. За да направите това, е желателно да можете прогнозирате и да предвидите тяхното поведение и характерните решения в различните ситуации.

Прави впечатление, че анализът от подобен тип вече се прави в реално време. Така например, можете да изчислите аномалиите в поведението на играча директно по време на битките в MOBA. Ако аномалиите показват вероятно мошеничество, то това се взима за много сериозно, понеже индустрията за електронни спортове вече се оценява на над 2 милиарда щ. долара.

Около 3 милиарда души играят онлайн игри на различни платформи и това съвсем не е границата. С течение на времето игрите ще станат по-реалистични, интензивни, интерактивни и потапящи. И ако днес игровата среда се програмира от край до край, в бъдеще тя най-вероятно ще бъде конструирана от невронни мрежи директно по време на геймплея в зависимост от поведението на геймърите.

Има голяма вероятност вселената на игрите да стане част от една по-глобална мета-вселена, каквато IT гигантите възнамеряват да изградят. Като минимум половината от населението на Земята редовно ще я посещава. И всеки път, действайки в този виртуален свят, правейки своя избор и вземайки необходимите решения, хората ще увеличават своите индивидуални траектории от цифрови следи. Тези траектории могат да бъдат изграждани с години – докато хората играят, развличат се, работят онлайн и извършват съвместна работа в Глобалната мрежа. Съвсем логично е цифровите вселени да събират още повече персонални данни, които ще бъдат използвани за още по-точно и пълно профилиране.

От създаването на опростени изображения до мащабирането на таланта

И така, навлизаме в нова ера, в която много хора, особено тези, които редовно играят онлайн, ще имат богата и дълга дигитална история на своето поведение, на своите решения и на взаимодействията с другите хора и ИИ агенти. Усъвършенстваните алгоритми ще дадат възможност за по-дълбок анализ на събраната статистика. ИИ програмите не само ще разкриват уникалния стил на всеки човек, но и ще могат по-добре да създават един негов модел – както психологически, така и поведенчески.

Моделът предполага прогнозиране. Той може да изгражда различни сценарии и да ги класира по вероятност. Задачата е да се отгатне какъв избор е склонен да направи конкретен човек в дадена ситуация. Или каква грешка е най-вероятно да допусне в даден момент. След това ще влезе в действие изкуственият интелект – някой потомък на Project Debater с още по-големи и по-подробни езикови модели, който ще общува с този човек индивидуално, съобразявайки се с неговата психика и стил на мислене.

Тези разсъждения не са дадени, за да уплашат някого, а за да се изследват рисковете и уязвимостите на бъдещите професии. Създателите на шахматната програма от университета в Торонто веднага осъзнаха опасността от тяхното творение, за което проведоха дискусия със своите колеги. Може да е парадокс, но те съвсем не са създавали тази програма за да деанонимизират играчите.

Първоначалната им цел бе разработването на интелигентни системи, с които хората да взаимодействат по-лесно. За тази цел ИИ трябва да може да се държи като хората и да прогнозира тяхното поведение. Способността да разпознаваш шахматиста по стила му на игра е само един страничен ефект от тази благородна мисия.

По същия начин технологията за разпознаване на „стила на вземане на решения“ може да донесе голяма полза, включително в науката, разкривайки нови пространства за решаване на сложни проблеми. И ключът тук ще бъде способността на генеративните невронни мрежи да пораждат нови данни, вдъхновявайки се от ученето.

Ярък пример за подобно умение е изкуственият интелект DALL·E 2 на OpenAI, който може да създава изображения по текстови описания. Тази невронна мрежа удивително добре се справя със задача, описана като „лисица в полето пред изгрев слънце в стил Клод Моне“ – получената картина изглежда много убедително. DALL·E 2 прецизно улавя стилистичните черти в създадените от човека изображения и след това възпроизвежда тези черти в изображенията, които създава. Това позволява не само бързо създаване на редица нови картини а ла Моне или Уорхол, но и за комбиниране и съвместяване на няколко стила.

Именно това свойство е решаващото. Именно то отваря пътя към неизвестното.

Подобно на DALL·E, невронните мрежи на бъдещето ще могат да търсят и намират по-оригинални стратегии за мислене, като комбинират стиловете за вземане на решения от различните хора. Или да прилагат стила на конкретния човек към проблеми, с които той никога не се е сблъсквал. Подобни съчетания днес може да изглеждат фантастично – нещо като опит да бъдат решени въпросите на квантовата гравитация в стил Каспаров, но може именно това да е възможността, която всички търсят.

Айнщайн не би могъл едновременно с Теорията на относителността най-подробно да се занимава с органична химия плюс дизайна на материалите, реформата на банковата система, с проектирането на градове и т.н Но ето, че след едно столетие това може да стане – невронната мрежа ще използва част от интелекта на гениите, след като се обучи да следва техния стил. Тя сякаш взема под наем техните най-добри стратегии и ги използва области, в които тези гении не са стигали.

Навярно в съвсем близкото бъдеще никой няма да бъде учуден от поредното научно откритие или икономическо чудо, а може би и от някоя друга „военна операция„, където е приложен стила на шампиона от някоя сложна мултиплейър игра. Всеки мощен и качествен инструмент винаги има две остриета едното, което убива и другото, което лекува. Важното е решението кое от тях да бъде използвано, както преди да бъде вземано от хората.