Geoff Hinton professzor, aki két évvel ezelőtt csatlakozott a Google-hez, hogy a keresőcég szakembereinek közreműködésével intelligens operációs rendszereket fejlesszen, a Guardiannek nyilatkozva azt mondta, hamarosan előrukkolhatnak olyan intelligens algoritmusokkal, amelyek képesek lesznek logikusan gondolkodni, értelmes beszélgetést folytatni, sőt akár flörtölni is velünk.
A kutató és csapata jelenleg egy olyan algoritmuson dolgozik, amely képes számsorokkal – ún. „gondolatvektorokkal” – leírni az emberi gondolatokat. Hinton szerint a kezdeti eredményeik bíztatóak: néhány éven belül olyan, ma még csak az emberre jellemző képességekkel ruházhatják fel a számítógépeket, mint a logika vagy az érvelés. „Tulajdonképpen képesek lesznek a józan gondolkodásra” – húzta alá.
Számra váltanánk a gondolatot
Hinton elismerte, hogy a gondolatok számokra fordítása sokak számára őrült ötletnek tűnhet. „Fel kell készülnünk a vitákra, nyilván sokan vannak, akik szerint a gondolatokat nem lehet ilyen egzakt módon leírni – nyilatkozta. – Szerintem viszont nagyon is lehetséges. Biztos vagyok benne, hogy képesek leszünk vektorokká alakítani a gondolatokat.”
A tudós pénteken a londoni Royal Society-ban ismertette csapatának legújabb kutatási eredményeit. Mint mondta, a gondolatvektorok segítségével az MI-kutatás két legfontosabb problémája is megoldható lehet: megtaníthatjuk a gépeket a természetes nyelvhasználatra és egyúttal képessé tehetjük őket a logikai ugrásokra.
A kutató szerint akár már a közeli jövőben megvalósulhat a Spike Jonze A nő című sci-fijéből ismerős helyzet: nem csak információszerzésre vagy különféle feladatok megoldására, de afféle mindig rendelkezésre álló társként, barátként csevegésre, beszélgetésre is használhatjuk majd az operációs rendszereket. „Ez egyáltalán nem földtől elrugaszkodott gondolat. Nem látom be, miért ne alakíthatnánk ki baráti kapcsolatot velük.”
Nyelvében él
Az elmúlt két évben a tudósok komoly előrelépést tettek az ember módra gondolkodó operációs rendszerek kifejlesztése irányába. Richard Socher, a Stanfordi Egyetem MI-kutatója például a közelmúltban mutatta be a NaSent nevű programot, amelyet a Rotten Tomatoes nevű filmajánló oldalról vett idézetek segítségével sikerült megtanítania egyes emberi érzelmek felismerésére.
A kutatók eredetileg azért kezdtek a gondolatvektorok kifejlesztésével foglalkozni, hogy javítsanak a fordítószoftverek hatékonyságán. Ezek a rendszerek – mint a rendkívül széles körben használt Google Fordító – szótárak segítségével fordítják le az egyes szavakat, és az interneten található dokumentumok szövegében keresve próbálják épkézláb frázisokká, kifejezésekké, szókapcsolatokká alakítani őket – nem véletlen, hogy gyakran értelmetlen vagy pontatlan fordításokat produkálnak.
A gondolatvektorokra épülő rendszerek jóval megbízhatóabban működnek. Mint Hinton elmondta, a módszer lényege, hogy a szoftver egy egyedi számsort (vagy vektort) társít az egyes szavakhoz, amely pontosan meghatározza annak helyzetét egy teoretikus „jelentési térben” vagy felhőben. A mondatokat az egyes szavak közötti sorrend határozza meg, így mindegyik leírható egy-egy egyedi, csak rá jellemző számsorral (gondolatvektorral). Maguk a „gondolatvektorok” afféle hídként szolgálnak a nyelvek között: az angol mondatok például áthelyezhetők a francia jelentési térbe, és így új számsorokká alakíthatók.
Adatbázisokban turkálva tanulnak
A legfontosabb feladat annak megoldása, hogy a szoftver magától rájöjjön, mely számokat rendelje az egyes nyelvek különféle szavaihoz. Hinton szerint a kulcs a deep learningnek nevezett módszer lehet. Kezdetben az egyes nyelvek jelentési felhőiben szereplő szavak közötti kapcsolatot véletlenszerűen adják meg, majd lefordított mondatok segítségével elkezdik megtanítani a fordító algoritmust arra, hogy maga találja meg a megfelelő sorrendet. Eleinte persze csak értelmetlen fordításokat kapnak, de mivel a rendszer jelzi a hibákat, az algoritmus folyamatosan finomíthat a mondatokon, míg végül úgy állítja össze őket, mint mi, emberek – tulajdonképpen feltérképezi a jelentésüket.
Hinton hangsúlyozta, azok, akik szerint egy nyelvet nem lehet matematikai pontossággal ízekre szedni és újra összerakni, tévednek. „Ha például vesszük a Párizs szó vektorát, kivonjuk belőle Franciaországét és hozzáadjuk Olaszországét, megkapjuk Rómát – magyarázta. – Ami igen figyelemreméltó.”
Hinton nem fél a mesterséges intelligenciától
Hinton szerint vannak a mindennapi kommunikációnknak olyan finomságai, amelyeket nem lesz egyszerű megtanítani a gépeknek. „Az irónia például nehezen lesz elsajátítható a számukra. Ehhez először meg kell majd tanulniuk tökéletesen bánni a szavakkal. De ha úgy vesszük, az amerikaiak sem tudnak mit kezdeni az iróniával” – viccelődött a tudós.
Az MI-kutatás legújabb áttöréseinek jelentős része a deep learning módszer kidolgozásának volt köszönhető. Hinton a nyolcvanas évek óta foglalkozik ennek a módszernek a tökéletesítésén; lényege, hogy a programok hatalmas adatbázisokban keresgélve tanulják meg, hogyan oldjanak meg egy feladatot.
A masszív adatközpontok és a bivalyerős processzorok megjelenésének köszönhetően a deep learning egyre fontosabbá vált az MI-kutatásban, nem véletlen, hogy a Google DeepMind-programja mellett a Facebook és a Microsoft szakemberei is erre a módszerre támaszkodnak.
Hinton nem osztja azokat az Elon Musk, a SpaceX és a Tesla alapítója és a világhírű elméleti fizikus, Stephen Hawking által is gyakorta hangoztatott aggodalmakat, amelyek szerint a fejlett MI-k megjelenése veszélyt jelentene az emberiség számára. „Személy szerint engem sokkal jobban aggasztanak azok a dolgok, amelyek már megtörténtek – jelentette ki. – Vegyük például az NSA-t, amely szinte minden mozdulatunkat figyeli. Minden egyes alkalommal, amikor Snowden nyilvánosságra hoz egy újabb dokumentumot, újra megdöbbenek, milyen robosztus megfigyelőrendszert építettek ki.”
