Nauka
Obserwacja galaktyk zmienia naukę. Webb bada początki kosmosu
05 grudnia 2024
Sztuczna inteligencja, to temat obszerny i szeroki, który obejmuje zagadnienia filozoficzne, naukowe i etyczne. Niektórzy widzą w niej zagrożenie, a inni szansę na rozwój w nieznanych jeszcze dziedzinach. Do czego dzisiaj wykorzystujemy AI i jak bardzo zaawansowany jest jej rozwój?
Pojęcie sztucznej inteligencji wprowadził w 1956 roku najprawdopodobniej John McCarthy. Jednak dyskusję na jej temat wywołał Alan Turing w swojej pracy „Computing Machinery and Intelligence„. Brytyjczyk, określany jako „ojciec informatyki” poszukiwał odpowiedzi na pytanie: „czy maszyny mogą myśleć?”. Odpowiadając na nie, zaproponował wykonanie testu znanego dzisiaj jako „test Turinga”. Osoba badana musi odróżnić odpowiedzi tekstowe udzielane przez komputer od człowieka.
Dzisiaj sztuczna inteligencja jest tematem wywołującym skrajne emocje. Zanim jednak zaczniemy kreślić apokaliptyczne wizje, wypadałoby dowiedzieć się, co to jest AI i jak obecnie jest wykorzystywana?
Ciężko rozmawiać o tak szerokim temacie bez elementarnej wiedzy. Definicji tego pojęcia jest sporo, choć żadna nie obejmuje w całości tego zagadnienia. Organizacja Współpracy Gospodarczej i Rozwoju (OECD) definiuje ją jako:
System oparty na koncepcji maszyny, która może wpływać na środowisko, formułując zalecenia, przewidywania lub decyzje dotyczące zadanego zestawu celów. Czyni to, wykorzystując dane wejściowe, dane maszynowe lub ludzkie.
Dokument „Polityka dla rozwoju sztucznej inteligencji w Polsce od roku 2020 roku” uzupełnia pojęcie o uczenie maszynowe (ang. machine learning), głębokie uczenie (ang. deep learning) oraz uczenie wzmocnione (ang. reinforcement learning).
A co sama sztuczna inteligencja „wie” o sobie? Definicja napisana przez chatbota ChatGPT wygląda następująco (tekst oryginalny):
Sztuczna inteligencja (ang. Artificial Intelligence, AI) jest dziedziną informatyki, która zajmuje się tworzeniem systemów informatycznych, które są w stanie wykonywać zadania, które wcześniej wymagały ludzkiej inteligencji, takie jak rozumienie języka naturalnego, rozpoznawanie obrazów, uczenie maszynowe i wiele innych. Celem AI jest stworzenie systemów, które są w stanie automatycznie uczyć się i dostosowywać się do nowych danych, a także wykonywać zadania, które wcześniej wymagały ludzkich umiejętności i wiedzy.
Algorytmy są już wykorzystywane w wielu dziedzinach, takich jak finanse, marketing, zdrowie i medycyna, a także w sektorze rozrywkowym i technologicznym. Firmy i organizacje stosują AI do automatyzacji procesów i ulepszania swoich usług, co pozwala im na zwiększenie efektywności i oszczędności czasu i pieniędzy. Jednocześnie, rosnące zastosowanie sztucznej inteligencji w różnych dziedzinach stawia pytania o jej wpływ na ludzkość i wyzwania, które może stanowić dla nas w najbliższej przyszłości
Jednym z najistotniejszych podzbiorów kształtujących sztuczną inteligencję jest uczenie maszynowe. Zdolność wykorzystywania zgromadzonych danych oraz uczenia się na podstawie doświadczenia odróżnia inteligencję od maszyn zaprogramowanych. Algorytmy są „karmione” danymi i analizują je, żeby wyłapać wzorce i korelacje, które między nimi zachodzą. Wykorzystują do tego cztery modele uczenia się: nadzorowany, nienadzorowany, częściowo nadzorowany i wzmocniony. Każdy z nich wykorzystuje inną technikę algorytmiczną w celu klasyfikacji wyników, znajdowania wzorców i podejmowania decyzji.
Uczenie maszynowe stosuje się między innymi w oprogramowaniach opartych na rozpoznawaniu mowy, automatycznej nawigacji i sterowaniu oraz analizie i klasyfikacji danych. Machine learning klasyfikuje obiekty astronomiczne, rozpoznaje choroby na podstawie objawów, a także implementowane jest do przewidywania trendów na rynkach finansowych. Może być stosowane nawet jako wykrywacz prania brudnych pieniędzy.
Głębokie uczenie się jest podzbiorem machine learning, które pozwala sztucznej inteligencji na uczenie się dzięki własnemu przetwarzaniu danych. Proces ten polega na tworzeniu sieci neuronowych, których budowa w pewnym sensie jest podobna do rzeczywistych neuronów. Proces uczenia się nie wymaga kontroli człowieka, ponieważ dane analizowane są w czasie rzeczywistym.
Deep learning jest obecnie szeroko stosowany w życiu codziennym. Tak naprawdę, to stykamy się z nim, a nawet nie mamy o tym pojęcia. Ten rodzaj AI jest używany w rozpoznawaniu mowy oraz twarzy, generowaniu napisów na YouTube, a także do tworzenia samochodów autonomicznych. W mediach społecznościowych głębokie uczenie się wykorzystywane jest do lepszego profilowania reklam. Z sieci neuronowych, korzysta także sektor finansowy. Są bowiem w stanie przewidzieć wartość akcji oraz zapobiec próbom oszustw.
Sztuczna inteligencja przestaje być wytworem literatury popularno-naukowej oraz mass mediów i wchodzi na naszej rzeczywistości. Czy mamy się jej bać? Z pewnością totalna automatyzacja sprawi, że wiele zawodów odejdzie w zapomnienie, ale równocześnie na ich miejsce powstaną inne dotąd nieznane. Jednego można być pewnym: do osiągnięcia sztucznej inteligencji na poziomie choćby pięcioletniego dziecka brakuje nam bardzo dużo. Jeszcze wiele wody upłynie w Wiśle zanim apokaliptyczne scenariusze z Terminatora czy trylogii Matrix staną realne.
Może cię również zainteresować: