3 rzeczy, których możemy się nauczyć od inteligentnych algorytmów

Inteligentne algorytmy wkraczają w kolejne dziedziny życia człowieka, a z technologii działających w oparciu o elementy sztucznej inteligencję korzystamy na co dzień. Pomagają nam one w pracy, monitorują stan naszego zdrowia czy rekomendują produkty na podstawie historii naszych zakupów. Ponieważ świat staje się coraz bardziej cyfrowy, znaczenie inteligentnych algorytmów uczenia maszynowego będzie wzrastać. Czy możemy się czegoś od nich nauczyć?

W rozmowach o sztucznej inteligencji (SI), która w ostatnich latach ponownie stała się jednym z topowych tematów w obszarze technologii, dominują wątki filozoficzne i etyczne. Jednakże sama technologia jest nad wyraz praktyczna. Stosuje się ją, aby rozwiązywać konkretne problemy, osiągać cele badawcze lub naukowe, automatyzować i optymalizować procesy biznesowe.

Niewiele osób zwraca uwagę na to, że sposób, w jaki działają inteligentne algorytmy, może usprawnić myślenie człowieka. Zrozumienie, w jaki sposób uczą i doskonalą się sztuczne sieci neuronowe, zaprojektowane zresztą na wzór ludzkich, jest szansą, aby zacząć uczyć się lepiej, szybciej i efektywniej.

Sztuczne sieci neuronowe są co prawda dziełem umysłu człowieka, ale sposób ich zaprojektowania jest na tyle inteligentny, że adoptując kilka zasad, na podstawie których działają algorytmy uczenia maszynowego, możemy usprawnić nasze myślenie i nauczyć się podejmować lepsze decyzje.

Czym zatem charakteryzują się systemy SI i co z tego dla nas wynika?

Głód wiedzy

U źródeł potęgi systemów opartych na SI leży ich zdolność do ich nieustannego uczenia się. Systemy te, pracujące na wielkich zbiorach danych (Big data), zostały tak zaprogramowane, aby cały czas były głodne nowej wiedzy. Im więcej wiarygodnych informacji dostarczymy do systemu SI, tym lepsze, dokładniejszej i rzetelniejsze będą wyniki analiz.

Jeżeli algorytmom uczenia maszynowego nie dostarcza się nowych informacji i zbiorów danych do analizy, stają się systemem zamkniętym i przestają się doskonalić. Podobnie jest z człowiekiem, które przestał zdobywać nową wiedzę. Ciekawość jest jednym z głównych motorów napędowych do zdobywania nowych wiadomości.

Wiedza wydaje się nieskończona, ale za każdym razem, gdy poznajemy kolejny jej wycinek, nie tylko stymulujemy nasz umysł. Zaczynamy także lepiej rozumieć otaczający nas świat.

Skupienie na celu (selektywność)

Tak zwane konwolucyjne sieci neuronowe uczą się lepiej i szybciej, ponieważ nie uczą się wszystkiego. Sieci neuronowe w naszym mózgu działają podobnie. Jeżeli chcemy szybko opanować nową wiedzę lub umiejętności, potrzebujemy uwagi skupionej na celu i unikania rozproszeń.

Systemy SI programuje się z reguły w określonym celu i przeczesują one ogromne zbiory danych w poszukiwaniu ukrytych schematów i wzorców, aby znaleźć odpowiedź na konkretne pytanie. Gdy człowiek w podobny sposób skupia się na jednej rzeczy, znacznie szybciej znajduje rozwiązanie.

Koncentrując myślenie, zwiększamy moc i przepustowość wybranych łączy synaptycznych w naszym mózgu. Poza tym, podświadomość otwiera przed nim swoje zasoby. A ze zbiorem danych zapisanym w podświadomości nie może konkurować żaden zbiór danych, nawet Big data.

Nauka na błędach

Systemy SI zmieniają się nieznacznie za każdym razem, kiedy otrzymają dane, które nie są zgodne z dotychczas zidentyfikowanym wzorcem. Cechują się „otwartym umysłem”, którego nam, ludziom, czasami brakuje.

Inteligentne algorytmy potrafią wyciągać wnioski. Nie lekceważą anomalii, co zdarza się niektórym naukowcom, którzy wolą pominąć jednostkowy wynik, który jest sprzeczny z postawioną przez nich tezą. Inteligentny algorytm wręcz przeciwnie, bierze pod uwagę ten wynik i uwzględnia go w dalszych analizach i przyszłych decyzjach.

Sztuczna sieć neuronowa ma tę przewagę nad człowiekiem, że nie posiada ani ego ani dumy, dlatego obcy jej jest typowo ludzki problem, jakim jest przyznanie się do własnego błędu. Oczywiście jeśli została prawidłowo zaprogramowana 😊

Prawdziwa inteligencja

Demis Hassabis, założyciel firmy AI Deep Mind powiedział: „W samej swej istocie inteligencję można postrzegać jako proces, który przemienia nieustrukturyzowane informacje w użyteczną i stosowalną wiedzę”. W taki sposób działa sztuczna inteligencja.

Nie jest ona również wolna od wad. Choć nie posiada emocji, może być stronnicza, tak jak człowiek, który ją zaprogramował. Jakość jej pracy zależy od danych, jakie dostał do obróbki. Żaden system nie da wiarygodnych wyników, pracując na błędnych danych.

Niemniej wdrażając 3 zasady działania inteligentnych algorytmów, o których mowa powyżej, mamy szansę na połączenie naszej naturalnej, prawdziwej inteligencji z technologicznym pragmatyzmem i skutecznością, które cechują systemy SI. Wyniki mogą być co najmniej interesujące…