Atrodys, kad pasaulyje sukurta antra Kinija – tik sudaryta ne iš milijardų žmonių ir milijonų gamyklų, o iš algoritmų ir dūzgiančių kompiuterių. Profesinių paslaugų įmonė PwC prognozuoja, kad iki 2030 m. dirbtinis intelektas (DI) prie pasaulinės ekonomikos pridės 16 trln. dolerių. Antrą pagal dydį pasaulio ekonomiką turinčioje Kinijoje visa veikla (nuo bankų ir biotechnologijų iki parduotuvių ir statybų) 2018 m. sudarė tik 13 trln. dolerių.
PwC prognozės nėra neįprastos. Konkurentų įmonė „McKinsey“ prognozuoja, kad ši suma sieks 13 mlrd. dolerių. Kitos įmonės kalba ne apie kiekybinius, o apie kokybinius pokyčius. „Google“ vadovas Sundaras Pichai šiuos pasikeitimus pavadino „svarbesniais už ugnį ar elektrą“. Kiti pranašauja didelius, bet nemalonius pokyčius – pavyzdžiui, radiologų, sunkvežimių vairuotojų ir sandėlių darbininkų darbus atlikti gebantys išmintingi kompiuteriai gali sukelti masinę bedarbystės bangą.
Tačiau pastaruoju metu ima kilti abejonių, ar šiandieninė DI technologija iš tiesų taip pakeis pasaulį, kaip manyta anksčiau. Ji nuolat susiduria su įvairiomis kliūtimis ir vis dar negali ištesėti didžiausių jos šalininkų pažadų.
Nėra abejonių, kad DI srityje (arba, tiksliau tariant, mašinų mokymosi srityje, kuri yra viena iš DI šakų) pasiekta daug pažangos. Dabar kompiuteriai gali daug geriau atlikti užduotis, kurios kažkada keldavo sunkumų. Susižavėjimas šia sritimi akademiniuose rateliuose kilo 2010 m. pradžioje, kai naujos mašinų mokymosi technologijos ėmė sparčiai tobulėti atlikdamos tokias užduotis kaip vaizdų atpažinimas arba manipuliacija kalba. Tada susižavėjimas pasklido ir versle, pradedant nuo interneto milžinių. Šios įmonės turėjo didžiulius kompiuterinius išteklius ir kalnus duomenų, tad buvo gerai prisitaikiusios priimti naują DI technologiją. Dabar šiuolaikinės DI technologijos padeda veikti paieškos sistemoms ir pagalbinėms balso programoms, gali pasiūlyti atsakymą į el. laišką, kontroliuoti telefonus atrakinančias ir valstybių sienas saugančias veido atpažinimo sistemas bei padeda veikti algoritmams, kuriais siekiama socialiniuose tinkluose aptikti nepageidaujamas žinutes.
Labiausiai DI potencialas pagarsėjo 2016 m., kai „Google“ patronuojančiajai įmonei „Alphabet“ priklausančios Londone įsikūrusios DI įmonės „DeepMind“ sukurta DI sistema nugalėjo vieną geriausių pasaulio žaidėjų žaidžiant senovinį Azijos žaidimą „go“. Partiją stebėjo dešimtys milijonų žmonių; persilaužimas įvyko daugybę metų ar net dešimtmečių anksčiau, negu tikėjosi DI guru.
Kaip galima suprasti iš S. Pichai pareiškimo, kad DI galima lyginti su elektra ir ugnimi, mašinų mokymasis yra universali technologija, galinti padaryti įtaką visai ekonomikai. Ji puikiai geba duomenyse pastebėti pasikartojimus, o tai naudinga visur. Ornitologai naudojasi DI atpažinti paukščių giesmėms; astronomai – tarp spindinčių žvaigždžių rasti planetas; bankai – įvertini kredito riziką ir apsisaugoti nuo apgavysčių. Nyderlanduose vyriausybė DI technologija naudojasi tikrindama socialines išmokas. Kinijoje DI paremta veido atpažinimo sistema padeda klientams nusipirkti maisto produktų – o valstybei padeda vykdyti represinę masinio stebėjimo sistemą, įvestą musulmonų gyventojų daugumą turinčiame Sindziango regione.
DI kūrėjai teigia, kad tiek į gera, tiek į bloga pasaulį pakeisiančių transformacijų dar bus daug. 2016 m. didžiulių atradimų šiuolaikinio DI srityje padaręs kompiuterių mokslininkas Geoffrey Hintonas pareiškė, kad „akivaizdu, jog reikėtų nustoti mokyti radiologus“, nes netrukus visa tai greičiau ir pigiau galės atlikti kompiuteriai. Tuo tarpu savivaldžių automobilių kūrėjai prognozuoja, kad robotų taksi padarys perversmą transporte. Buvęs „Google“ valdybos pirmininkas (ir buvęs „The Economist“ patronuojančiosios įmonės valdybos pirmininkas) Ericas Schmidtas tikisi, kad DI pagreitins mokslinius tyrimus ir padės mokslininkams susidoroti su didžiuliais mokslinių darbų ir duomenų srautais.
Sausio mėnesį tyrėjų grupė žurnale „Cell“ išspausdino mokslinį darbą, kuriame aprašė DI sistemą, iš molekulės struktūros nuspėjusią, kad molekulė turės antibakterinę funkciją. Iš 100 sistemos tolimesniam tyrimui atrinktų kandidačių molekulių viena pasirodė galinti tapti galingu nauju antibiotiku. Dėl covid‑19 pandemijos galimybė pritaikyti DI medicinos tyrimuose atsidūrė dėmesio centre. DI įmonė „BlueDot“ teigia, kad naujo viruso požymius Kinijos ligoninių ataskaitose pastebėjo dar gruodį. Tyrėjai skuba DI panaudoti įvairiausiose srityse – nuo vaistų paieškos iki skenavimų interpretacijos bei prognozių, kaip vystysis virusas.
Kur mano savivaldis automobilis?
Susižavėjimas DI kilo jau ne pirmą kartą. Ši sritis susikūrė šeštojo dešimtmečio viduryje, kai tyrėjai tikėjosi, kad sukurti žmogaus lygio intelektą užteks vos kelių metų – arba daugiausiai kelių dešimtmečių. Ankstyvas optimizmas išblėso aštuntajame dešimtmetyje. Antroji jo banga kilo devintajame dešimtmetyje. Tačiau didžiausi pažadai ir vėl liko neištesėti. Kai paaiškėdavo negailestinga tikrovė, susijaudinimą pakeisdavo skausmingi nusivylimo laikotarpiai, pavadinti „DI žiemomis“. Finansavimas tyrimams būdavo sumažinamas, o srities reputacija sugadinama.
Šiuolaikinėms DI technologijoms sekasi kur kas geriau. Milijardai žmonių jomis naudojasi kasdien, dažniausiai to net nepastebėdami, vos paėmę į rankas telefonus arba naudodamiesi internetu. Tačiau nepaisant šios sėkmės didžiausios svajonės ir vėl liko neįgyvendintos, o tyrėjams svarstant, ar technologija nepasiekė savo ribų, pasitikėjimas sritimi mažėja. Savivaldžiai automobiliai tapo tobulesni, tačiau nuolat svyruoja prie pat ribos, kai bus saugu juos kasdien naudoti gatvėse. Bandymai panaudoti DI darant medicinines diagnozes taip pat užtruko ilgiau negu tikėtasi: nepaisant dr. G. Hintono prognozių, žmonių radiologų pasaulyje vis dar trūksta.
2019 m. peržvelgęs medicinos sritį kardiologas ir DI entuziastas Ericas Topolas rašė, kad „lūkesčiai dėl DI gerokai lenkia DI mokslo padėtį, ypač turint omenyje jo naudą ir galimybę jį pritaikyti rūpinantis pacientais.“ Nepaisant daugybės sumanymų, su covid‑19 kovojama daugiausiai jau turimais senais ginklais. Užsikrėtusiųjų kontaktai sekami vaikščiojant ir skambinėjant telefonu. Klinikiniuose bandymuose daugiausiai dėmesio skiriama esamiems vaistams. Technologijomis neparemtas ir įsakymas laikytis saugaus atstumo, kuris įgyvendinamas statant plastikines širmas ir purškiant šaligatvį dažais.
Tie patys konsultantai, kurie pranašauja, kad DI pakeis pasaulį, taip pat teigia, kad tikriems vadovams tikrose įmonėse DI pritaikyti sudėtinga ir kad entuziazmas blėsta. Tyrimų įmonės „Gartner“ atstovė Svetlana Sicular teigia, kad 2020 m. DI patirs jos įmonės sukurtame pagarsėjusiame „susižavėjimo cikle“ (angl. hype cycle) numatomą nuosmukį. Investuotojai ėmė suvokti, kad daugelis įmonių tik vaikosi madų: rizikos kapitalo įmonei MMC ištyrus Europos DI startuolius paaiškėjo, kad 40 proc. jų DI apsikritai nenaudoja. „Manau, kad galima pastebėti aiškų „reklamavimosi investuotojams“ elementą“, – diplomatiškai paaiškino vienas analitikas.
„The Economist“ skyrelyje „Technology Quarterly“ bus tiriama, kodėl DI entuziazmas nuslūgo. Jame bus teigiama, kad nors šiuolaikinės DI technologijos ir galingos, jos turi ribas, be to, gali kelti problemų ir būti sunkiai pritaikomos. Norintieji pasinaudoti DI potencialu susiduria su dviem problemomis.
Pirmoji – praktiška. Mašinų mokymosi revoliucija paremta trimis dalykais – pagerėjusiais algoritmais, galingesniais kompiuteriais, kurie gali tuos algoritmus naudoti, ir dėl pamažu vis labiau skaitmenizuojamos visuomenės padaugėjusiu duomenų kiekiu, kuris suteikia mašinoms galimybę mokytis. Tačiau duomenų gauti ne visada taip lengva. Pavyzdžiui, sunku sekti covid‑19 plitimą neturint išsamios duomenų bazės, fiksuojančios visų žmonių judėjimą. Net tada, kai duomenų yra, nepasiruošusius gali suklaidinti iš pirmo žvilgsnio nepastebimos mūsų daromos prielaidos. Naujausioms DI sistemoms reikalingi galingi kompiuteriai kartais labai brangūs. Didelėms organizacijoms visada reikia laiko integruoti naujas technologijas – tik pagalvokite apie elektrą XX a. arba debesiją XXI a. Dėl to DI potencialas nesumažėja, tačiau technologija priimama lėčiau.
Antroji problema gilesnė ir susijusi su pačiais algoritmais. Mašinų mokymosi technologija naudoja tūkstančius ar milijonus pavyzdžių mokyti programinės įrangos modelį (kurio struktūra šiek tiek paremta neurologine smegenų architektūra). Taip sukurtos sistemos kai kurias užduotis, pavyzdžiui, atpažinti vaizdus ar kalbą, geba daug geriau negu tradiciškai pagal numatytas taisykles kurtos programos, tačiau jos nėra „protingos“ ta prasme, kurią turi omenyje dauguma žmonių. Tai galingi įrankiai, gebantys aptikti pasikartojimus, tačiau jie neturi daugelio kognityvinių gebėjimų, kurie biologinėse smegenyse atrodo savaime suprantami. Jiems sunku samprotauti, apibendrinti pastebėtas taisykles ir naudotis bendromis žiniomis – t. y., jiems trūksta to, ką tyrėjai, nerasdami geresnio apibūdinimo, pavadino „sveiku protu“. To rezultatas – dirbtinis idiot savant, kuris geba puikiai atlikti tam tikras užduotis, tačiau gavęs netikėtų duomenų gali labai suklysti.
Jei nebus dar vieno proveržio, šie trūkumai gali iš esmės apriboti, ką DI gali daryti ir ko negali. Savivaldžiai automobiliai, turintys rasti kelią nuolat besikeičiančiame pasaulyje, jau vėluoja ir gali apskritai nepasirodyti. Su kalba susijusios sistemos, pavyzdžiui, pokalbių robotai ir asmeniniai padėjėjai, veikia remdamosi statistiniais duomenimis, suteikiančiais paviršutinišką supratimo įspūdį, tačiau ne tikrą supratimą. Dėl to naudingos jos bus ne visada. Egzistencinės baimės, kad bus sukurti protingi kompiuteriai, galintys nukonkuruoti radiologus ir sunkvežimių vairuotojus (arba, kaip tvirtina kai kurie pesimistai, sukelti grėsmę žmonijos išlikimui) atrodo perdėtos. Prognozės, kad DI sukurs visos Kinijos BVP aplenkiančias sumas, atrodo neįtikėtinos.
Šiandieninė DI „vasara“ skiriasi nuo kitų. Ji šviesesnė ir šiltesnė, nes technologijos dar niekad nebuvo naudojamos taip plačiai. Vargu, ar ateis dar viena šalta žiema, tačiau tikėtina, kad pakils rudeniškas vėjas.