Czy sztuczna inteligencja sprawi, że staniemy się niepotrzebni? Rozmawiamy z futurolożką
Fot. 123rf

Czy sztuczna inteligencja sprawi, że staniemy się niepotrzebni? Rozmawiamy z futurolożką

Sztuczna inteligencja słusznie wywołuje niepokój? Czy zdolność maszyn do wykazywania ludzkich umiejętności, takich jak rozumowanie, uczenie się, planowanie i kreatywność sprawi, że ludzie staną się zbędni? Czy świat zamieni się w kolejny odcinek serialu „Black Mirror” albo „Jetsonów”? Co wyniknie z naszej zażyłości z Siri czy Alexą? O fenomenie SI rozmawiamy z futurolożką Aleksandrą Przegalińską.

Od pewnego czasu w naszym codziennym słowniku funkcjonują zupełnie nowe słowa: algorytm, big data, mikrotargetowanie… Oswajamy się ze sztuczną inteligencją?  

Aleksandra Przegalińska: Na pewno zaszła duża zmiana. Wcześniej sztuczna inteligencja była dziedziną raczej dla wtajemniczonych. W powszechnej świadomości istniała głównie dzięki filmom hollywoodzkim straszącym nas niebezpiecznymi robotami. Ze społecznego punktu widzenia zauważyliśmy większą obecność SI z powodu nieetycznego wykorzystania danych z social mediów podczas poprzednich amerykańskich wyborów prezydenckich i związanego z tym skandalu. Z technicznego – zmianę spowodował ogromny wzrost liczby danych generowanych przez smartfony, tablety, komputery, publiczne kamery, sensory, który nastąpił w okolicach 2010 roku, oraz to, że umiemy je wykorzystywać: zasilamy nimi algorytmy skonstruowane na podobieństwo ludzkiego mózgu – sztuczne sieci neuronowe, które wcześniej bez tych danych nie działały zbyt dobrze.

Wcześniej technologie wykonywały zaplanowane dla nich zadania, a teraz dostarczamy dane do sieci neuronowych i one same coś z nimi kombinują?

Mniej więcej na tym to polega. Wcześniej mieliśmy klasyczne algorytmy, czyli zbiory instrukcji do rozwiązania problemu. Można im powiedzieć, żeby coś wyszukały czy przeprowadziły obliczenia. Algorytmy sztucznej inteligencji lub inaczej uczenia maszynowego mają nową cechę – uczą się. Jeśli na przykład algorytm zostanie wytrenowany na zbiorze pani zdjęć, to będzie w stanie panią rozpoznać na innych zdjęciach, których wcześniej nie widział. Klasyczny algorytm tego nie zrobi. Algorytmy uczenia maszynowego są znane od dłuższego czasu, ale te najnowsze uczą się bardzo szybko i przy niewielkim nadzorze człowieka. Wystarczy, że dostaną dużo danych i wskazówki, a będą w stanie opanować zasady jakiejś gry, nauczą się malować, komponować muzykę albo pisać poezję. Kiepską, ale jednak. Są zdolne do opanowania umiejętności na coraz lepszym poziomie. Algorytm już wygrał z mistrzem świata w grę Go, a obraz namalowany przez SI sprzedano po raz pierwszy na aukcji w londyńskim Christie’s za 430 tys. dolarów. 

Ale nie do końca wiemy, jak algorytmy się uczą i jak przetwarzają dane, które im dostarczamy.

Wielowarstwowe sieci neuronowe rzeczywiście są dla nas do pewnego stopnia zagadką. Inspiracją dla ich konstrukcji był nasz mózg, jego usieciowienie i neurony. Ale trzeba powiedzieć, że o działaniu tych algorytmów i tak wiemy więcej niż o funkcjonowaniu ludzkiego mózgu. (śmiech) One są oczywiście dużo prostsze od mózgu, ale jednak na tyle skomplikowane, że nie możemy śledzić sposobu ich działania. Widzimy jedynie skutki. OK, nauczył się rozpoznawać pani zdjęcia, bo wgrała mu pani zdjęcie, którego wcześniej nie widział, i panią rozpoznał. Ale jak to zrobił, jakimi cechami się kierował, tego nie jesteśmy w stanie stwierdzić. Co stanowi w naszej dziedzinie duże wyzwanie.

Rozwój SI budzi niepokój, ale daje też nadzieję na rozwiązania, które będą korzystne dla ludzkości. Co dobrego może nam przynieść sztuczna inteligencja?

Obszarem, w którym wykorzystanie SI jest najmniej kontrowersyjne, a korzyści jednoznaczne, jest medycyna. Sztuczna inteligencja świetnie się sprawdza i w terapii, i w diagnostyce medycznej. Na przykład algorytmy bardzo precyzyjnie analizują zdjęcia radiologiczne. Na poziomie lekarza eksperta, a nawet wyższym. Co nie znaczy, że chcielibyśmy pozbyć się lekarzy, bo to oni powinni efekty diagnozowania algorytmu jeszcze raz przeanalizować i podjąć ostateczną decyzję. SI może pełnić rolę narzędzia wspomagającego. Można wykorzystywać algorytmy w poszukiwaniu nowych leków. Modele uczenia maszynowego świetnie sprawdzają się w szukaniu nowych połączeń substancji chemicznych i przewidywania ich efektów.

Aleksandra Przegalińska - dr nauk humanistycznych i filozofii sztucznej inteligencji, futurolożka. Związana z Akademią Leona Koźmińskiego, bostońskim MIT i Uniwersytetem Harvarda, gdzie prowadzi badania nad automatyzacją pracy.

Cały wywiad przeczytacie w aktualnym wydaniu magazynu "Pani"

PANI teaser0621

Tekst ukazał się w magazynie PANI nr 06/2021
Więcej na twojstyl.pl

Czytaj również