prg.ai meetup: Tomáš Mikolov v rozhovoru s Richem Suttonem

Co znamená vytvořit (umělou) inteligenci? Je studium inteligence výhradně přínosné? Potřebujeme kontrolovat algoritmy, které vytváříme? Ubíráme se správným směrem s hlubokým učením a velkými jazykovými modely? Rich Sutton, přední osobnost v oboru zpětnovazebního učení, přednesl své pohledy na budoucnost umělé inteligence s Tomášem Mikolovem, pražským výzkumníkem s významným podílem na současných jazykových modelech.

Na sklonku dvoutýdenního festivalu Dny AI 2024, série akcí pro všechny zájemce o tuto technologii, se mnoho odborníků, talentů a nadšenců do AI sešlo v prostoru Next Zone, aby vyslechli názory dvou významných vědeckých osobností, Rich Suttona a Tomáše Mikolova. První z dvojice zahajuje akci energickým vystoupením o podstatě inteligence.

Inteligence, spolupráce a lidský rozvoj

Sutton začíná poukazáním na skutečnost, že porozumění a vytváření inteligence patří k nejstarším lidským snahám a velkým dějinným výzvám. Od biologie přes psychologii až po filosofii mysli se lidé nepřetržitě dotazují na původ naší mysli. Důsledkem toho se mnoho zvídavých inženýrů snaží „hrát si na Boha“ a replikovat (nebo dokonce vylepšovat) lidské schopnosti na neživých objektech. Rozsah těchto experimentů potvrzuje fakt, že takové snahy jsou dokonce vtěleny do našich mytologií (v českém kontextu můžeme připomenout legendu o Golemovi). Dosavadní zlepšení našich znalostí o inteligenci vždy vyústila v prosperitu a obohacení ekonomiky, alespoň průměrně vzato (pokud průměr vztáhneme na různé roky a národy). Můžeme však spoléhat na to, že tento trend bude pokračovat i v budoucnosti?

Inteligence, aneb absolutní dobro? 

Rich Sutton zaujímá vysoce (techno-)optimistický pohled. Podle jeho mínění je inteligence nejen „nejmocnějším fenoménem ve vesmíru“ s potenciálem „v budoucnu hýbat hvězdami“. Je také absolutním dobrem, k jehož přispění bychom měli všichni směřovat. Provokativně vnímá možné superinteligentní stroje (programy, které by lidstvo předčily ve většině intelektuálních úkolů najednou) jako naše potomstvo a ušlechtilejší nástupce neefektivních lidí.

Je třeba poznamenat, že obě tyto poznámky vyvolaly mnoho otázek u části publika (a autora tohoto článku). Čtenáře žádám, aby kriticky přemýšleli nad následujícími otázkami: Za prvé, je jasné, že celkový součet studia a vytváření větší inteligence bude pozitivní? Nebo byste vyžadovali konkrétní hodnocení rizik a přínosů k podpoře tohoto tvrzení? Za druhé, jak bychom měli měřit ušlechtilost? A ku prospěchu koho by měla být technologie vyvíjena?

Úspěchy a nedostatky umělé inteligence

Sutton poté pokračuje vysvětlením důvodů současného úspěchu umělé inteligence. Poukazuje na Mooreův zákon (který tvrdí, že výpočetní výkon vzhledem k velikost hardwaru se přibližně zdvojnásobuje každé dva roky), což je podloženo i daty ukazujícími rostoucí velikosti špičkových AI modelů v průběhu let. Sutton však poznamenává, že na rozdíl od zlepšení hardwaru, téměř nedochází k průlomovým vylepšením na algoritmické straně. Současné všudypřítomné velké jazykové modely jsou založeny na technologii, která je nejméně sedm let stará (nebo ještě starší, v závislosti na tom, kterou část algoritmu zdůrazníte). Podle jeho názoru je současné paradigma, které silně spoléhá na učení s/bez učitele, odsouzeno k selhání a brzy narazí na zákon klesajících výnosů. Jako alternativu doporučuje učení zpětnovazebním (reinforcement) učením, protože zpětnovazební učení by mělo lépe odpovídat reálnému učení zvířat a lidí.

Definice inteligence

Když ale mluvíme o správných a nesprávných směrech výzkumu umělé inteligence, neměli bychom začít tím, co inteligence vlastně je? V průběhu dějin používali vědci a inženýři různé pracovní definice. Například Turing předpokládal, že inteligentní stroje by se měly „chovat jako lidé“. Rich naopak chce mít definici inteligence méně antropomorfizovanou. Přiklání se k „[schopnosti] dosahovat cílů přizpůsobováním chování“.

Kontrola a decentralizace

Ale jaké cíle bychom měli do našich AI systémů programovat? Sutton si představuje, že bychom měli vytvořit rozmanitou společnost interagujících agentů s mnoha cíli. V jeho libertariánských názorech je přijetí decentralizovaného prostředí, kde si agenti pomáhají čistě ze vzájemného prospěchu, nejlepší cestou k dosažení bezpečné a přínosné budoucnosti s AI. Na druhé straně barikády jsou podle něj volání po centralizované (bezpečnostní) kontrole AI, kterou Rich je přirovnal k volání po omezení svobod, např. svobody slova. Žádám čtenáře, aby sám posoudil následující otázky: Povedou rozmanité cíle spíše ke spolupráci se vzájemným prospěchem, nebo ke konkurenci o nedostatkové zdroje? Je regulace AI dalším omezením našich práv, nebo může mít pozitivní dopad na celek?

Tomáš Mikolov & Rich Sutton 

Po přednášce usedá Rich Sutton s Tomášem Mikolovem k osobnímu rozhovoru.

Obavy z AI, paradigmata strojového učení 

Mikolov začíná připomenutím nedávné bezprecedentní zprávy o prvních Nobelových cenách udělených výzkumníkům umělé inteligence, konkrétně ceně v oboru fyziky udělené Geoffrey Hintonovi a Johnu Hopfieldovi za dlouhodobý přínos úspěšnému oboru hlubokého učení. Sutton nejprve spekuluje, zda by informatika neměla mít vlastní Nobelovu cenu, neboť volba fyziky je poněkud nešťastná. Bývalý výzkumník Hinton se poté stává terčem kritiky jak Suttona, tak Mikolova za jeho varování před nebezpečím AI a následně i za jeho příklon k učení s/bez učitele v protikladu k jiným přístupům.

Co se první kritiky týče, oba diskutující se zamýšlejí nad důvody strachu z AI a tím, zda by vývoj AI měl být považován jen za pokračování technologického pokroku, nebo zda AI přináší něco kvalitativně odlišného. Pokud jde o možnosti různých výukových nastavení, Sutton argumentuje, že učení s učitelem je velmi omezující paradigma kvůli vychýlení způsobené výběrem datové sady. Dále tvrdí, že kontinuální adaptabilita je nezbytná k dosažení svatého grálu inteligence. Bohužel průběžné nebo sekvenční učení není součástí aktuálním AI mainstreamu. Mikolov však souhlasí se Suttonem, že supervised learning (učení s učitelem) bude pravděpodobně nezbytnou součástí jakéhokoli posilovaného nebo evolučního AI systému.

Výpočty a lokální ekosystémy

Po diskuzi o různých výukových paradigmatech si Rich stěžuje, že v současnosti jsou mnohé systémy označovány jako inteligentní čistě pro účely produktové reklamy. V mnoha z těchto systémů je inteligence ztotožňována s množstvím výpočtů. To je však stěží rozumný předpoklad. Sutton jde v argumentaci dále a ptá se, zda bychom vůbec měli označovat velké jazykové modely jako inteligentní.

Při hovoru o výpočtech Mikolov nadhazuje tradiční problém financování. Stěžuje si na nedostatek prostředků v Evropě, zvláště ve srovnání s USA a Čínou. Sutton poté končí nadějným přáním na zlepšení situace a srovnáním prostředí AI v Praze a Albertě.

Otázky a odpovědi

Akce končí krátkou diskuzí s publikem. Jeden z přítomných vznáší otázku, čí „mozkové děti“ vlastně vytváříme a jak by mohlo podreprezentování některých kultur v rozvoji AI ovlivnit budoucí společenskou rovnováhu. Rich odpovídá, že inteligentnější agenti budou stejně objektivnější než my, bez ohledu na původ svého tvůrce. Současně Mikolov vznáší rétorickou otázku o smyslu života.

Nakonec zaznívají dvě úvahy z publika: neměli bychom stanovit omezení pro aplikace AI (analogicky ke Kantem nastoleným mezím pro použití čistého rozumu) a jaké jsou rozdíly mezi neomezenou spoluprací a anarchií? Tyto závažné otázky pěkně uzavírají odvážný a někdy provokativní tón večerní akce.

Autorem textu je AI výzkumník FEL ČVUT Martin Krutský.

prg․ai meetup infobox

Skvělý závěr pražských Dnů AI 2024 s čtvrtým prg․ai meetupem! Na naší oblíbené komunitní akci jsme měli tu čest přivítat Riche Suttona, předního kanadského vědce, průkopníka v oblasti reinforcement learningu a skutečného velikána ve světě AI, a Tomáše Mikolova, jehož práce způsobila revoluci ve zpracování přirozeného jazyka. Společně účastníky vtáhli do krásně plynuloucí diskuze, která byla obsáhlá, zajímavá a místy až filosofická. Děkujeme všem, kteří s námi zaplnili prostor Next Zone, řečníkům a návštěvníkům a také partnerům našeho meetupu EquiLibre Technologies a MSD Invents. Záznam z přednášky najdete níže, na našem YouTube kanálu.

Čtěte dále