Elon Musk przestrzega: Filmy katastroficzne mogą się urzeczywistnić. Boty stają się mądrzejsze od ludzi

Maszyny już potrafią samodzielnie poprowadzić restaurację, serwując przygotowane przez siebie posiłki. Prowadzą tiry, budzą zmęczonych kierowców, analizują zdjęcia rentgenowskie, regulują bicie serca, alarmują pogotowie w przypadku zagrożenia, tłumaczą na inne języki wypowiadane właśnie słowa… Robią też karierę w esporcie. Choć słowo „kariera” nie jest chyba najlepszym określeniem, ponieważ wykorzystują sport elektroniczny do zwrócenia na siebie uwagi szerokiej, światowej publiczności. To okno wystawowe, w którym pokazują się, że warto się nimi zainteresować.

Dota 2 Foto: AFP

Skoro maszyna może nauczyć się, jak ogrywać mistrzów tak skomplikowanej gry jak Dota 2, to dlaczego w przyszłości nie miałaby nieustannie się uczyć, analizować i tworzyć inteligencję? Brzmi groźnie? „A co, jeśli w przyszłości sprawdzą się czarne scenariusze znane z filmów katastroficznych, w których Ziemia opanowana zostaje przez roboty mądrzejsze od ludzi?” – pyta Łukasz, pasjonat machine learningu, który opowiada nam o tym zjawisku. Trzeba być ostrożnym. Już Elon Musk zauważa, że inteligentne maszyny mogą być gigantycznym problemem dla człowieka, jeśli źle do nich podejdziemy. Dlatego musimy się ich nauczyć, by dało się je wykorzystywać, a nie by zrobiły nam coś losowego, co może być złe. Granice w tej dziedzinie wyznacza tylko wyobraźnia – na razie ta ludzka.

Rób, co chcesz, ale się rozwijaj

Łukasz kilka lat temu wpadł na pomysł, by wynaleźć nowy rodzaj tłumacza – taki, w którym montowałoby się aparacik w uchu, który tłumaczyłby na twój język wszystko, co słyszysz. – Wyobraź sobie, że dwie osoby mają coś takiego i już mogą rozmawiać. Ale pomysł upadł, bo okazało się, że jakaś firma już to stworzyła. Gdy zaczynałem robić ten projekt, opublikowano pierwsze wyniki tłumaczenia z angielskiego na chiński. Na początku były to proste zwroty, pozwalające na przykład poderwać dziewczynę, ale to narzędzie również jest rozwijane – opowiada. To pokazuje, w jak wielu miejscach machine learning znajduje już zastosowanie. A będzie jeszcze powszechniejszy.

Choć może się to wydawać coś zupełnie nowego, ta dziedzina funkcjonuje od co najmniej czterdziestu lat. – Machine learning nie jest jakąś nowością – zaczyna opowieść Łukasz. Nowatorskim wykorzystaniem maszyn po raz pierwszy zainteresowała się amerykańska armia. Przy pomocy MIT (Massachusetts Institute of Technology) pracowano nad jak najbardziej zautomatyzowanym żołnierzem. Tworzono pierwsze kombinezony, gdzie na przykład montowano kamerki na kaskach. Wyszło z tego niewiele, bo było to ciężkie i niepraktyczne. Jednak ewoluowało to w dobrą stronę – typowym przykładem dobrze użytego systemu noszonego jest rozrusznik serca albo aparat słuchowy. Być może jednak machine learning nigdy nie wyszedłby poza ściany auli akademickich, gdyby nie potężne dofinansowanie tej dziedziny ze strony wojska amerykańskiego. To dało impuls do dalszych badań, a w konsekwencji rozwoju.

Ogólnie rzecz biorąc, machine learning (ewentualnie nauczanie maszynowe) to dziedzina przetwarzania danych przez maszyny. Dziś rozwinęła się do tego stopnia, że maszyny nie muszą już korzystać wyłącznie z gotowych algorytmów napisanych przez człowieka; przeciwnie – na podstawie wielu symulacji uczą się, wyciągają wnioski i doskonalą. Łukasz różnice tłumaczy na przykładzie gry FIFA 98 stworzonej dwadzieścia lat temu. – Algorytmy zapisane były mniej więcej tak: jeżeli masz piłkę na lewym skrzydle, to spróbuj podać do przodu, jeśli zawodnik jest na środku; jeżeli nie – to zagraj na drugą stronę boiska. W ten sposób uczone boty mają dokładnie tyle instrukcji, ile dał im człowiek, więc wygrana z nimi jest dość łatwa. Dziś jest to już przeszłość, obecnie boty w wielu dziedzinach życia same się uczą, same opracowują strategię i są w stanie wymyślić coś, na co człowiek jeszcze nie wpadł. Zamiast im powiedzieć: w pierwszej minucie zrób to i to, to mówisz: rób, co chcesz. Zagra sto gier i sprawdzi, co działa najlepiej.

Maszyna dostaje konkretne zadanie. Na kursie machine learningu pierwszym problemem, o którym się mówi jest: masz maszynę i możesz ją nauczyć, czego tylko chcesz – więc musisz to określić w dobry sposób. Maszyna zinterpretuje to dokładnie tak, jak powiesz. Nierzadko to pytania natury etycznej. – Dajmy na to, że zadany jest problem: musisz zminimalizować liczbę śmierci ludzi na świecie – to jest jedyny warunek, który – powiedzmy – stawiasz – opowiada Łukasz. Przypomina filmy katastroficzne, w których maszyny zaczynają przerastać ludzi pod względem inteligencji. – W tej sytuacji nauczy się, w jaki sposób człowiek umiera, w jaki powstaje i zauważy, że by zminimalizować liczbę śmierci, można najpierw zminimalizować liczbę tych, co umierają teraz, ale to nie jest optymalne. Dla niej idealnym rozwiązaniem byłoby sprawienie, by więcej ludzi nie powstawało. Jeśli wszystkich ludzi taka maszyna by wybiła, to umrze dokładnie taka liczba i ani jeden człowiek więcej – tłumaczy Łukasz, dobitnie zaznaczając, jak ważne jest sprecyzowane określenie, o co nam chodzi, gdy zabieramy się za tworzenie maszyny.

Przykłady zastosowania

Machine learning stosuje się w wielu dziedzinach życia, na przykład w samochodach. mMaszyna zwiększa bezpieczeństwo w aucie na wiele sposobów – na przykład mierzy odległość od następnego samochodu). – Auto już dzisiaj uczy się, że o danej porze dnia wsiada za kółko tata i od razu łączy jego telefon z komputerem wewnątrz, a o powiedzmy godzinie 19 prowadzi mama, choć tata siedzi obok, ale jej telefon jest priorytetyzowany. Dodatkowo może spokojnie nauczyć się głosu użytkownika i wychwycić zbitki wyrazowe. Jest w stanie wyłapać, kiedy zasypiasz za kierownicą – na przykład analizując ruch powiek albo to, że głowa kierowcy nienaturalnie przechyliła się w którąś ze stron. Poza tym sprawdza, czy samochód w sposób niekontrolowany nie zmienił pasa – gdy nie włączy się kierunkowskazu, jest to dla niego pierwsze ostrzeżenie – wylicza Łukasz. Powszechnie próbuje się też wprowadzić machine learning do medycyny, co zresztą już daje pierwsze owoce. To w końcu bardzo atrakcyjne pole, bo zapotrzebowanie jest duże i chce się różnymi sposobami odciążyć lekarzy. Już teraz gdzieniegdzie po wypadku robi się zdjęcie rentgenem, a maszyna, na podstawie tysięcy zdjęć zdrowych kończyn, może wskazać lekarzowi, gdzie powstał jakiś obrzęk. Te systemy już funkcjonują. Bardzo pomocny machine learning jest też dla osób, które cierpią na schorzenia związane z chodzeniem, tzw. gate freeze, czyli szczególny przypadek choroby Parkinsona. Gdy chorzy się ruszają, po jakimś czasie następuje drobny paraliż, po którym nie są w stanie wykonać ruchu. Okazuje się, że gdy niektóre mięśnie pobudzi się czujnikiem, to można takiego człowieka „odblokować”. Czujnik poznaje, że człowiek się „zamroził” i wysyła impuls elektryczny do mięśnia, który się odblokowuje.

Elon Musk Foto: AFP

Jednak mało kto wie o tych wszystkich zabiegach. Żeby machine learning stał się popularny i chętniej wykorzystany, musi znaleźć się w świadomości wielu osób. Idealnym polem do tego, jak uznali eksperci, jest esport, który spełnia kilka ważnych warunków. Jest szalenie popularny, nowatorski, kojarzący się z nowymi technologiami. – Są pewne kamienie milowe, które ta dziedzina musi przebyć. Pokazać zwykłemu człowiekowi, że jest sens w to inwestować. Jeśli pokażemy takiej osobie, że maszyna jest w stanie przeanalizować i wybrać, które logo wygląda lepiej (czyli zastosować ją w biznesie) to może nie być to za bardzo przekonujące. Dlatego tak dobre są przykłady proste – ogranie mistrza szachowego może już robić wrażenie. Podobnie, ogrywając mistrza gry „go”. A jak będzie to nie jedna osoba, a pięć osób, które są super mistrzami (jak w Dota 2), to już każdy się zaczyna zastanawiać, jak to jest, jak to działa – opowiada Łukasz.

Na początku w grze grano jeden na jeden – maszyna kontra człowiek. Był jeden tester, potem drugi, następnie zatrudniono półprofesjonalistę, który ograł bota, ale tylko jeden raz, ponieważ potem już nie dał rady. Potem przyszedł turniej (rok temu), gdzie mistrzowie świata nie byli już w stanie ograć bota. Nie dał rady nawet Dendi, jeden z najbardziej znanych graczy. W tym roku zrobiono inaczej: ustawiono drużynę ludzką (pięć osób), z trenerami za sobą i obok nich położono płytkę, mówiąc: „dobra, teraz będzie mecz”. Wsadzono ją do maszyny i zaczęła się gra.

Łukasz relacjonuje przebieg spotkania: „W każdym z tych meczów maszyny miały bardzo ciekawy start. Gdy grali z ludźmi, którzy byli najlepsi w rankingu, to od razu człowiek przeliczył się, że może zabić komputerowi postać. Okazywało się to nie takie łatwe, bo komputer przeliczył sobie życie do dziesiątych miejsc po przecinku i przetrwał. Raz mistrzowie gry znaleźli pewien sposób – zaczaili się w ciemnej części planszy i chcieli wszyscy wyskoczyć na jednego z botów, poprawiając sobie przy tym morale. On tam wpadł, zabili go i wszyscy się cieszyli. Mieli więc 1:0 w śmierciach. Potem komputer wygrywał przez chwilę w starciach jeden na jeden i dwa na dwa. Następnie gracze zaczęli sobie pomagać i udało im się odzyskać prowadzenie. Potem przyszedł kolejny etap gry, w którym walczy się pięciu na pięciu. Okazało się, że w tym miejscu boty są dużo mocniejsze. Odzyskały prowadzenie, zniszczyły wieże i zaczęły atakować. Gracze się obronili i dotrwali mniej więcej do 30. minuty. I to był klucz. Do tej pory, jak boty grały mecze pokazowe, to wygrywały nie później niż w 24. minucie. Miażdżyły przeciwników. Gdy ludzie dotrwali do dalszych minut, to boty nie wiedziały, co dalej robić. Chodziły po mapie losowo, a w tym czasie ludzie zbierali doświadczenie, przekazywali umiejętności i kasę jednemu z nich, po czym stawał się wystarczająco mocny, by dać sobie z nimi radę. To pomogło. Po 50. minutach ludzie wygrali. To był bardzo, bardzo długi mecz Doty 2. Komputer nie wiedział, co się dzieje po określonej minucie, bo nigdy wcześniej nie musiał się tego uczyć”.

Do jakiej dziedziny życia maszyny na pewno nie wejdą? – Im więcej o tym myślę, tym bardziej mam wrażenie, że takiej nie ma. Weźmy na przykład sztukę, która wymaga abstrakcyjnego myślenia. Jeśli ktoś zna się na sztuce, to jest w stanie rozpoznać, co jest sztuką, a co nie. Ale gdyby odpowiednio ustawiłoby się maszynę, to byłaby w stanie nauczyć się oszukiwać tych, co nie wiedzą – zauważa Łukasz. W tej chwili nie ma jednak potrzeby ani środków, by takie eksperymenty przeprowadzać, bo po co?

– Ty też nie czuj się tak pewnie – żartuje Łukasz. – Dziennikarstwo wydaje się podobne pod tym względem do sztuki, ale kto wie, może kiedyś maszyny zostaną nauczone, by tworzyć chwytliwe nagłówki i ciągi słów, które mają jakieś znaczenie?

Tematy

esport

gry

Zobacz komentarze

Zobacz także

Lista artykułów

Rozwiń więcej