Założyciel Facebooka Mark Zuckerberg znany jest ze składania noworocznych postanowień. W poprzednich latach brał sobie za cel czytanie co najmniej dwóch książek w miesiącu, nauczenie się języka mandaryńskiego oraz poznawanie każdego dnia nowej osoby. W tym roku postanowił stworzyć sztuczną inteligencję. Taką, która będzie prowadzić jego dom i zdejmie z niego najbardziej uciążliwe obowiązki. Podobną do Jarvisa, superasystenta i najlepszego przyjaciela Tony’ego Starka w komiksowej serii o Iron Manie.

Dom Marka Zuckerberga znajduje się w Palo Alto, w sercu suchej i słonecznej Doliny Santa Clara. Obok niego wyrastają Mountain View, Menlo Park i Cupertino, kilkudziesięciotysięczne miasteczka, w których siedziby mają odpowiednio Google, Facebook oraz Apple. I setki technologicznych firm, do których przenoszą się czołowi menedżerowie z Wall Street. Bo tu projektuje się przyszłość.

A ta należy do sztucznej inteligencji. Mark Zuckerberg, zapowiadając stworzenie super-asystenta, który pozwoli mu obsługiwać domowe urządzenia za pomocą głosu, wygodnie doglądać tego, co dzieje się w pokoju jego dziecka, i skuteczniej zarządzać swoimi zadaniami, dotknął jedynie wierzchołka góry lodowej. Gra w Dolinie Krzemowej toczy się o znacznie wyższą stawkę. W perspektywie długofalowej chodzi o zbudowanie transhumanistycznego świata, w którym maszyny i ludzie będą koegzystować. Skrajnie różniącego się od rzeczywistości, do której przywykliśmy.

– Pomyślmy o tym w ten sposób: kiedyś zbudowaliśmy sztuczne konie, które potrafią poruszać się szybciej niż naturalne, oraz sztuczne ptaki, które latają dalej od prawdziwych i do tego wynoszą ludzi w kosmos. Teraz tworzymy sztuczne mózgi, które staną się znacznie potężniejsze od wszystkich naturalnie wykształconych – mówi Julia Bossmann, przewodnicząca Foresight Institute, technologicznego think tanku znajdującego się w Palo Alto.

Otwarte pozostaje pytanie, w jaki sposób zbudować taki mózg. Dziś najbardziej perspektywiczną technologią jest machine learning oraz jego bardziej skomplikowany odłam – deep learning. W obu przypadkach chodzi o samouczenie się maszyn w oparciu o analizę danych. W wersji prostszej oprogramowanie otrzymuje reprezentację rzeczywistości, do której musi odnieść wiedzę zdobytą podczas analizy. W trudniejszej odmianie program pobiera wiedzę, a następnie w sposób autonomiczny – często abstrakcyjny – przetwarza ją, działając podobnie jak ludzki mózg. Tyle że znacznie sprawniej.

– Deep learning inspiruje się budową sieci neuronowych w ludzkim mózgu. Możemy próbować prześledzić, w jaki sposób maszyna analizuje dane, ale liczba wartości połączonych we wzory matematyczne jest zbyt duża, żebyśmy mogli je sami przetworzyć. Nie jesteśmy w stanie uwzględnić wszystkich wariacji, które potrafi uwzględnić oprogramowanie – tłumaczy Piotr Niedźwiedź, współwłaściciel firm informatycznych CodiLime oraz deepsense.io, które tworzą rozwiązania z zakresu analizy danych i machine learningu dla biznesu (głównie dla firm z Doliny Krzemowej).

Wyścig w uczeniu maszynowym nakręcają naukowcy Google. Cztery lata temu w ramach projektu Google Brain zlecili złożonej z 16 tys. procesorów maszynie analizę 10 milionów przypadkowych obrazów z serwisu YouTube. Nie wskazali jej, czego ma w nich szukać. Program sam rozpoznał zbiór podobnych do siebie cech i na ich podstawie stworzył pojęcie kota. Koncern z Mountain View stoi także za najbardziej medialną zdobyczą w dziedzinie sztucznej inteligencji, czyli za pokonaniem Lee Sedola, koreańskiego mistrza starożytnej chińskiej gry Go (przypomina skomplikowane szachy). Kilka miesięcy temu dokonał tego program AlphaGo, stworzony przez firmę DeepMind, którą w 2014 roku za 500 mln dol. kupił właśnie Google.

Zwycięstwo maszyny z mistrzem Go uznawane jest za największy kamień milowy w historii badań nad sztuczną inteligencją. Jednak dla biznesu istotniejsze jest to, że dziś w komercyjne prace nad uczeniem maszynowym zaangażowani są najwięksi badacze deep learningu. W tym jego pionierzy, członkowie tak zwanej kanadyjskiej mafii – Geoffrey Hinton, Yann LeCun i Yoshua Bengio. Wszyscy trzej badali deep learning w czasach, kiedy prace nad rozwojem SI stanęły w martwym punkcie i straciły zainteresowanie instytutów badawczych oraz inwestorów. Ale kiedy maszyna Google rozpoznała koty na filmach z YouTube, naukowcy wrócili na świecznik.

W 2013 roku Geoffrey Hinton zasilił szeregi Google. Niedługo później Yann LeCun został pierwszym dyrektorem nowojorskiego Facebook AI Research – Mark Zuckerberg zlecił mu budowę „najlepszego na świecie laboratorium badającego sztuczną inteligencję”. Z kolei Yoshua Bengio wylądował w IBM, który jego wiedzę na temat deep learningu chce wykorzystać w platformie Watson, zajmującej się zaawansowaną analizą niestrukturalnych danych (czyli np. raportów i artykułów).

Inne podejście do sztucznej inteligencji prezentuje Elon Musk, założyciel Tesla Motors i SpaceX. Z jednej strony spodziewa się, że w ciągu dwóch dekad ludzie dostaną zakaz prowadzenia pojazdów (ponieważ autonomiczne samochody będą w tym znacznie lepsze od nich), a z drugiej traktuje SI jako wielkie egzystencjalne wyzwanie. Dlatego wspólnie z grupą amerykańskich przedsiębiorców – m.in. Peterem Thielem (PayPal, Palantir), Samem Altmanem (Y Combinator) i Gregiem Brockmanem (Stripe) – zainwestował miliard dolarów w OpenAI, instytut wyspecjalizowany w badaniach sztucznej inteligencji. Inny niż pozostałe – jego twórcy chcą dzielić się wiedzą, którą zdołają uzyskać. Idea „uwolnienia sztucznej inteligencji” skusiła czołowych specjalistów od SI na świecie. Takich jak Wojciech Zaremba, który przed przystąpieniem do OpenAI zajmował się deep learningiem w Facebooku i Google.

– Wybrałem OpenAI, ponieważ uważam, że ma największe szanse na zbudowanie silnej sztucznej inteligencji. Poza tym utożsamiam się z jego systemem wartości. Rozwijamy technologie, żeby pomóc ludzkości, a nie dla uzyskania przewagi konkurencyjnej czy korzyści dla inwestorów – mówi Wojciech Zaremba.

To tyle, jeśli chodzi o teorię. W praktyce technologiczni potentaci toczą wojnę o talenty. Krąg osób, które dysponują kompetencjami niezbędnymi do zgłębienia meandrów sztucznej inteligencji, jest bowiem bardzo wąski.

– Na świecie jest zaledwie około 2,2 tys. naukowców zajmujących się deep learningiem oraz image recognition (technologią rozpoznawania obrazów). Znajdują się głównie w USA oraz Izraelu. Poszukiwanie ich w Europie przypomina szukanie igły w stogu siana – mówi Marcin Smoliński, właściciel rekrutacyjnego start-upu Toolbox for HR, który już od kilkunastu lat poszukuje programistów dla firm z Doliny Krzemowej (wcześniej pracował m.in. w Google i Microsofcie).

W największych technologicznych koncernach świata naukowcy biegli w deep learningu mogą liczyć na wynagrodzenie na poziomie 250 tysięcy dolarów rocznie. Tyle że pozyskanie ich często wymaga przejmowania spółek, w których pracują. Microsoft wydał 200 mln dolarów na akwizycję Equivio, 24-osobowej firmy stosującej uczenie maszynowe do dostarczania usług z zakresu compliance (8,3 mln od pracownika). Z kolei Twitter za przejęcie Magic Pony, 14-osobowego start-upu wykorzystującego machine learning do usprawniania obrazów, zapłacił 150 mln dolarów (10,7 mln od pracownika). Dla koncernów są to inwestycje długoterminowe, dające nadzieję na wielokrotny zwrot zainwestowanych środków. Eksperci prognozują, że szeroko rozumiany sektor sztucznej inteligencji będzie rósł w tempie kilkudziesięciu procent rocznie. Firma badawcza Transparency Market Research oszacowała, że w 2015 roku rynek SI wart był 126 mld dolarów. Przy średniej rocznej stopie zwrotu na poziomie 36,1 procent, w 2024 roku jego wartość powinna przekroczyć 3 biliony dolarów.

Największego zagrożenia dla rozwoju sztucznej inteligencji upatruje się dziś nie w czynnikach ekonomicznych, lecz cywilizacyjnych. Przede wszystkim w strachu przed nową formą bezrobocia – permanentnego, wynikającego z likwidacji pojęcia pracy zarobkowej. Rozwój SI może bowiem doprowadzić nie tylko do zastąpienia maszynami reprezentantów nieskomplikowanych zawodów, ale także tych elitarnych. Jest coraz mniej technicznych przeszkód, aby prawników zastąpiły chatboty wyjaśniające zawiłości prawne, a lekarzy zluzowały zaawansowane oprogramowania diagnostyczne.

– Jeżeli ludzkość upora się z tym dylematem, być może za kilka dekad spojrzymy w przeszłość i uznamy, że wymaganie od ludzi sprzedawania większości swojego świadomego życia było barbarzyństwem – mówi Julia Bossmann.

Dwa inne zagrożenia wiążą się z obcowaniem z SI. Pierwsze z nich kryje się pod pojęciem doliny niesamowitości (uncanny valley). Chodzi o dyskomfort psychiczny odczuwany w towarzystwie robotów – np. humanoidów, które potrafią z nami rozmawiać, żartują albo wygłaszają egzystencjalne sentencje. Drugie stwarza tzw. technologiczna osobliwość (singularity) – moment w rozwoju cywilizacji, w którym sztuczna inteligencja przewyższy intelektualnie ludzi. To rodzi obawy, czy maszyny będą chciały współistnieć z ludźmi na równych warunkach.

Nawet jeśli zagrożenie wynosi tylko 1 proc., to powinniśmy się nad tym zastanawiać – mówi Wojciech Zaremba. – Chciałbym, żeby rasa ludzka trwała wiecznie. Nie chciałbym natomiast, żebyśmy zbudowali osobny gatunek, który będzie nas traktować tak, jak my traktujemy małpy.

Originally posted in: Forbes.pl