Sztuczna inteligencja to już nie wizja rodem z filmów science-fiction, lecz część codziennego życia. Autonomiczne pojazdy, inteligentne domy, wirtualni asystenci, sprytne aplikacje – lista zastosowań SI nie ma końca. Jak działa sztuczna inteligencja i czy znajomość psychologii pozwala ją lepiej zrozumieć? W jaki sposób ułatwić sobie życie dzięki inteligentnym rozwiązaniom? Skąd w ludziach strach przed SI?

– Mądrze wykorzystana sztuczna inteligencja odciąża w rutynowych pracach, co pozwala przekierować uwagę na bardziej satysfakcjonujące obszary życia – mówi w rozmowie dr hab. Andrzej Wodecki, wykładowca specjalności Psychologia sztucznej inteligencji na kierunku Psychologia i informatyka Uniwersytetu SWPS

Ewa Pluta: „Od lat marzeniem człowieka było stworzenie struktur, które mogłyby go wspomóc czy zastąpić w rozwiązywaniu różnych życiowych problemów” – pisze pan w swojej książce „Sztuczna inteligencja w zarządzaniu”. Marzenia o inteligentnych strukturach właśnie się spełniają. Ale czym właściwie jest sztuczna inteligencja (SI)?

dr hab. Andrzej Wodecki: Pierwszy człon łatwo wytłumaczyć. Sztuczna oznacza stworzona przez człowieka. Trudniej wyjaśnić, czym jest inteligencja. Oczywiście, ma ona wiele definicji, w większości wywodzących się z psychologii. Ja jednak proponuję nieco inne ujęcie: inteligencja to zdolność do efektywnego zachowania w nowych sytuacjach. Ale po kolei.

Słowo efektywność zakłada istnienie funkcji celu. Celem systemu inteligentnego jest najczęściej realizacja pewnej misji. Jej sukces został wcześniej zdefiniowany, co jest niezwykle ważne – pomaga to maszynie na bieżąco monitorować postępy uczenia się i stopień jej realizacji.

Zachowanie oznacza nie tylko umiejętność podejmowania decyzji. Wyobraźmy sobie robota. Do efektywnego działania potrzebuje on nie tylko zdolności do podejmowania słusznych decyzji, ale też tzw. aktuatorów – urządzeń oraz interfejsów komunikacyjnych umożliwiających interakcje z otoczeniem. Dzięki nim jest w stanie pozyskiwać dane, informacje i wiedzę z otoczenia oraz na nie w różny sposób wpływać. Istotna jest też umiejętność samodzielnego uczenia się i samodoskonalenia w miarę zdobywania nowych doświadczeń.

Nowa sytuacja oznacza, że system inteligentny działa często w niepewnym i złożonym otoczeniu. Reguły gry zmieniają się w nim szybko, nie ma pewności konsekwencji swoich działań, decyzje należy podejmować w sytuacji nadmiaru danych.

Wychodzi na to, że definicje sztucznej inteligencji i inteligencji ludzkiej są zbieżne.

Często uważa się, że inteligentne osoby to takie, które potrafią w efektywny sposób działać w nowych sytuacjach. Czyli dokonywać transferu wiedzy z różnych dziedzin, by rozwiązać aktualny problem. Określenie nowy jest moim zdaniem krytyczne w zrozumieniu inteligencji. To ono pozwala odróżnić inteligencję od wyuczalności.

Sztuczna inteligencja wkracza w kolejne dziedziny życia, co nie znaczy jednak, że tak zwany zwykły człowiek rozumie, jak ona działa. Jak prosto wyjaśnić działanie sztucznej inteligencji?

Kiedyś zrobiłem na prywatny użytek ćwiczenie – chciałem przekonać się, na ile rozumiem, jak działa zegarek mechaniczny. Zajrzałem do wnętrza mechanizmu i sprawdziłem, z jakich komponentów jest zbudowany. Obserwowałem, jak działają poszczególne komponenty i jak one współpracują ze sobą. Na koniec zastanowiłem się, w jakich sytuacjach i w jakim celu mogę wykorzystać zegarek, a w jakich stanowczo nie. Ten proces doprowadził mnie do zrozumienia działania konkretnej rzeczy, ale można zastosować go w dowolnym obszarze życia. Na przykład do zrozumienia działania sztucznej inteligencji.

Okazuje się, że wielu inżynierów projektujących sztuczną inteligencję inspiruje się działaniem ludzkiego mózgu – mówi się nawet o programowaniu kognitywnym (ang. cognitive computing). W efekcie, w zrozumieniu działania SI pomocne jest poznanie mechanizmów poznawczych człowieka.

W tym celu polecam zajrzeć do pierwszego z brzegu podręcznika akademickiego z psychologii poznawczej. Zakres tematyczny obejmuje zazwyczaj: odbiór sensoryczny, procesy uwagowe, pamięć krótkoterminową, roboczą, długoterminową, kontrolę poznawczą, zachowania społeczne etc. Opanowanie tych zagadnień to pierwszy krok do zrozumienia nie tylko tego, jak działa mózg, ale też mechanizmów leżących u podstaw SI. Ścieżki psychologii i sztucznej inteligencji wyraźnie się przecinają.

Okazuje się, że wielu inżynierów projektujących sztuczną inteligencję inspiruje się działaniem ludzkiego mózgu – mówi się nawet o programowaniu kognitywnym (ang. cognitive computing). W efekcie, w zrozumieniu działania SI pomocne jest poznanie mechanizmów poznawczych człowieka.


Czyli sztuczna inteligencja naśladuje funkcje mózgu?

System inteligentny powinien umieć odbierać informacje z otoczenia, do czego są niezbędne rozmaite technologie sensoryczne – podobne do funkcji sensorycznych u zwierząt. Odbiór informacji to nie wszystko. Potrzebna jest jeszcze ich interpretacja – rozpoznawanie obiektów i sytuacji, identyfikacja wzorców. Bardzo istotne są też procesy uwagowe. Wyobraźmy sobie poruszający się po drodze autonomiczny pojazd. Nie może on analizować całego otoczenia, przetwarzać wszystkich dostępnych informacji. Nie istnieją moce komputerowe, które by to umożliwiły. System inteligentny odbiera i przetwarza wyłącznie te informacje, które pozwalają mu efektywnie osiągnąć cel. Analogiczne procesy uwagowe zachodzą wśród ludzi. Odpowiednia selekcja docierających do nas bodźców jest nie tylko kluczowa dla naszego działania, lecz także zabezpiecza nas przed przeciążeniem informacyjnym.

System inteligentny musi też się uczyć i zapamiętywać.

Niekoniecznie musi, ale to coraz częściej istotny komponent takich rozwiązań. Warto w tym miejscu wspomnieć o jednej z ciekawszych metod uczenia maszynowego: tzw. meta-uczeniu się (ang. meta-learning). Sztuczną inteligencję nie wystarczy raz zaprogramować. Rzeczywistość cały czas się zmienia, więc SI, chcąca za nią nadążyć, musi się douczać. Jednym ze sposobów jest właśnie meta-learning, który można streścić w zdaniu: system inteligentny uczy się, jak się uczyć. SI samodzielnie eksperymentuje z różnymi metodami i wybiera najbardziej efektywne – przyspieszające proces uczenia się, zmniejszające liczbę niezbędnych danych i koniecznych eksperymentów. Inteligentna maszyna powinna też tworzyć tworzyć strategie, wreszcie oddziaływać na otoczenie – prawie jak człowiek. Maszyny można też nauczyć zachowań wzorowanych na ludzkich: współpracy, walki czy konkurencji.

Najlepiej zrozumieć sztuczną inteligencję, porównując ją do ucznia. Zadaniem nauczyciela jest przeprowadzić ucznia od stanu „nic lub niewiele potrafię” do stanu „wiem, rozumiem, potrafię”. Programistów zajmujący się uczeniem maszynowym (ang. machine learning) można porównać do nauczycieli maszyn – przeprowadzają sieć neuronową przez taki proces edukacji, od „nie wiem” do „wiem”. Mówiąc wprost: sieć neuronowa na początku jest głupia, mądra staje się dopiero po intensywnej nauce.

Przykład. Chcemy nauczyć program komputerowy (np. sieć neuronową) rozpoznawać rasy psów na zdjęciach. Nasz system na wejściu otrzymuje zdjęcia, a na wyjściu określa rasę psa (jako np. jedną z 50 możliwych kategorii). Na początku odpowiada losowo, po procesie nauczania osiąga dokładność na poziomie 95 proc. Zadaniem programisty jest nie tylko dobór architektury takiego systemu (w terminonologii SI: modelu), ale też optymalnej metodyki nauczania (algorytmu uczenia maszynowego). Idea jest w sumie prosta, niemniej zarówno architektury, jak i algorytmy rozwijają się w tak niesamowitym tempie, że trudno sobie w tej chwili wyobrażać, do czego to w przyszłości doprowadzi.

Gdzie sztuczna inteligencja znajduje zastosowanie?

Rozwiązania oparte na sztucznej inteligencji są już niemal w każdej dziedzinie życia. Możemy ich nie dostrzegać – wszak najbardziej inteligentne rozwiązanie to te, którego nie widać. W trakcie pracy nad swoimi książkami przeanalizowałam ponad 400 zastosowań Artificial Intelligence w biznesie, 200 systemów autonomicznych, w samej medycynie zidentyfikowałem ok. 250 startupów wykorzystujących AI. A to tylko czubek góry lodowej.

Polecam jednak poszukać sztucznej inteligencji wokół siebie. Warto od czasu do czasu wyszukać w internecie interesujący nas obszar: „AI in MS Office”, „AI in fitness”, „AI in running” etc. Dzięki sztucznej inteligencji można zautomatyzować sobie pracę, sposób uczenia się, komputer, nawet dom. Zabawa z AI daje niezwykłą frajdę.

Dzisiaj próg wejścia do świata SI jest naprawdę niski. Każdy może w trzy miesiące nauczyć się języka programowania Python, w podobnym czasie stworzyć pierwsze modele SI. To daje wielkie poczucie sprawczości. W ludziach ciągle jest jednak psychiczna bariera przed nauką programowania.

Często też mówi się o sztucznej inteligencji przez pryzmat zagrożeń.

Z zasady celem systemów inteligentnych jest poszerzenie możliwości człowieka. Ale sztuczna inteligencja to narzędzie, które, jak nóż, można wykorzystać w dobrych lub złych celach. W rękach szaleńców może być niebezpieczne. Najbardziej obawiam się jednak wygaszania kolejnych funkcji poznawczych człowieka. Już teraz jesteśmy otoczeni programami wspomagającymi nas w codziennym życiu. Aplikacje przypominają nam, kiedy pić wodę, zrobić dziesięć przysiadów, wysłać życzenia mamie. Stare powiedzenie, że nieużywany narząd z czasem zanika, dotyczy także zdolności poznawczych.

Często powtarzam, że interakcja z maszyną może nas albo wzmocnić, albo osłabić. Siłownia to też kontakt z maszynami – na początku jesteśmy zmęczeni, bo to duży wysiłek, ale długofalowo czujemy się silniejsi, zwłaszcza jeśli ćwiczymy regularnie. Korzystanie ze sztucznej inteligencji też może wzmocnić; mądrze wykorzystana odciąża w rutynowych pracach, co pozwala przekierować uwagę na bardziej satysfakcjonujące obszary życia.

Co się może wydarzyć w przyszłości, jeśli nie zrozumiemy, jak działa SI i będziemy korzystać z niej nieodpowiedzialnie?

Można się pokusić o prognozę, że społeczeństwo podzieli się na tych, którzy tworzą SI i ją rozumieją, oraz na tych, którzy z niej korzystają, ale jej nie rozumieją. Kiedyś żywe były w społeczeństwie podziały klasowe ze względu na majątek i pochodzenie. W przyszłości podział społeczny może zasadzać się na dostępności do rozwiązań opartych na sztucznej inteligencji i ich rozumieniu.

Kiedyś żywe były w społeczeństwie podziały klasowe ze względu na majątek i pochodzenie. W przyszłości podział społeczny może zasadzać się na dostępności do rozwiązań opartych na sztucznej inteligencji i ich rozumieniu.

Żeby zrozumieć SI, należy przestać się jej bać. Skąd rozmaite oparte na lęku mity dotyczące sztucznej inteligencji?

Tworzymy mity, kiedy nie rozumiemy. Nie rozumiemy, więc sobie wyobrażamy. Wyobrażenia często mają niewiele wspólnego z rzeczywistością. Proszę sobie wyobrazić, że w pokoju jest zupełnie ciemno. Na krześle widać jakiś dziwny kształt. Co to może być? Wampir? Wystarczy jednak zapalić lampkę poznania, żeby przekonać się, że to nie wampir, a koszula nocna. I że nie ma się czego bać.

Jak przestać się bać SI? Po pierwsze zacząć z niej korzystać na co dzień. Po drugie zdepersonalizować. Cały czas mówimy o sztucznej inteligencji jako o osobie, przypisujemy jej ludzkie cechy. Ja wolę traktować SI jako zestaw narzędzi i metod, które pozwalają coś zrobić inaczej, niekiedy lepiej i szybciej.

Ekspert

258 wodecki

dr hab. Andrzej Wodecki, MBA – wykładowca specjalności Psychologia sztucznej inteligencji na kierunku Psychologia i informatyka Uniwersytetu SWPS, adiunkt na Wydziale Zarządzania Politechniki Warszawskiej. Specjalizuje się w uczeniu maszynowym, nauczaniu ze wzmocnieniem (reinforcement learning) oraz zastosowaniach sztucznej inteligencji i systemów autonomicznych w biznesie. Autor książki „Artificial Intelligence in Value Creation” (Palgrave MacMillan 2019), polskie wydanie: „Sztuczna Inteligencja w kreowaniu wartości organizacji” (Edu-Libri, 2018). Ukończył wiele zaawansowanych programów edukacyjnych z obszaru sztucznej inteligencji i uczenia maszynowego.

Ma kilkanaście lat doświadczenia we wdrożeniach systemów klasy ERP dużych projektów e-learningowych i zarządzania kapitałem ludzkim, wdrożeniach systemów SAP i Oracle w obszarze zarządzania zasobami ludzkimi, doradztwie strategicznym dla sektora publicznego. Od blisko 20 lat dzieli się tymi doświadczeniami, nauczając w prestiżowych programach MBA, w szczególności w Szkole Biznesu Politechniki Warszawskiej i Gdańskiej Fundacji Kształcenia Menedżerów. Autor wielu publikacji i raportów dotyczących kapitału intelektualnego i innowacyjności.

Inicjator i lider wielu startupów internetowych, w tym Skakanka.pl (system rozwoju umiejętności poznawczych dzieci i młodzieży), AeroBrains.com (wykorzystanie neurokognitywistyki w usprawnianiu procesów poznawczych osób dorosłych) czy iLab Sp. z o.o. (kursy robotyki dla dzieci i młodzieży).

Zobacz także

Group 426 Group 430 strefa zarzadznia logo 05 logo white kopia

 
Zapraszamy na webinar „Wpływ psychodelików na działanie mózgu”