Još od 1997. godine, kada je kompjuter DeepBlue po prvi put pobedio legendarnog šahistu Garija Kasparova, nije zabeleženo toliko uzbuđenje, iščekivanje i, konačno, neverica nego ovoga marta, kada je program AlphaGo kompanije DeepMind pobedio korejskog profesionalca najvišeg ranga u drevnoj igri go, Li Sedola. Novi veštački velemajstor, međutim, poseduje nešto što DeepBlue nije imao: program sposoban da razvija neku vrstu intuicije i da sam sebe usavršava. Primena takvog softvera može biti široka – u klimatologiji, ekonomiji, pa čak i u zdravstvenoj zaštiti.
„Da smo mi igrali na početku partije kao kompjuter, dobili bismo packe od naših učitelja“, čulo se među mladim igračima koji su analizirali partije koje su odigrali AlphaGo i velemajstor igre go, Li Sedol. Za razliku od Kasparova, koji je izgubio jednu od pet partija sa kompjuterom dok su tri bile nerešene, Sedol je dobio jednu a izgubio četiri u prvoj borbi čoveka protiv mašine u 21.veku. To, naravno, više govori o mašini nego o čoveku.
No, pre toga nešto i o samoj igri. Za razliku od šaha, u kome dva igrača imaju na raspolaganju dva seta različitih figura koje se, opet, različito kreću po tabli, go ima daleko manje pravila: dva igrača na raspolaganju imaju po 180 crnih ili belih identičnih figurica, i zadatak da osvoje što više „teritorije“ koja se broji nezauzetim presecima 19 horizontalnih i vertikalnih linija. Takođe, za razliku od šaha, u gou se igrači suočavaju sa daleko većim brojem pravaca u kojim partija može da se razvije. Zato se do prošle godine smatralo da je go nedostižan za veštačku inteligenciju – pošto bi, uz poznavanje pravila i veliku bazu odigranih partija, program morao da raspolaže gotovo ljudskom intuicijom, kako bi prepoznao potencijalno najbolje rešenje za datu situaciju.
I tu nastupa AlphaGo: proizvod kompanije DeepMind, koja je specijalizovana za razvoj veštačke inteligencije. Od osnivanja 2010. uspela je da privuče investitore kalibra Ilona Maska, a deo Google postala je 2014. godine, za 500 miliona dolara. Njihov najvažniji resurs je neuronska mreža sposobna da „uči“ da igra igrice na sličan način kako to rade i ljudi, i upravo su iskustva te mreže utkana u AlphaGo. Taj program uči ne samo iz poteza povučenih u nekoliko desetina miliona odigranih partija goa, nego i tako što sam sa sobom igra partije kako bi izoštrio svoju sposobnost da odabere pravi potez. A da taj potez ljudima može da deluje neracionalno ili pogrešno, potvrđuje utisak „kibicera“ sa početka teksta.
Šta je program smislio?
Da li veština kojom AlphaGo raspolaže zaista može da se meri sa ljudskom intuicijom? Majkl Nilsen u članku za atlantic.com nudi živopisan razvojni put ovog programa, koji može da se uporedi sa razvojem jednog kvalitetnog igrača modernih kompjuterskih igrica: od početničkih muka, kada upornost znači mnogo više od maštovitosti, do „ulaska u formu“ i, na kraju, pobedničkog pohoda, gde sama igrica više ne krije iznenađenja za igrača.
AlphaGo prošao je isti put kao čovek, što ga čini bližem nama, a mnogo daljim od DeepBlue, svog ponosnog pretka sa skalpom Kasparova za pojasom. Ključ uspeha za obe mašine ležao je u tome da postanu sposobne da procene ne samo koji bi sledeći potez mogle da povuku, nego i da taj potez bude kvalitetan, i da ih približi pobedi. „Stara“ logika iza DeepBlue podrazumevala je da on bude sposoban da brzo pretraži ogromnu bazu partija, i da na osnovu toga odabere pravi potez. Možda je to daleke 1997. i razbesnelo Kasparova – video je da mašina nije inteligentnija od njega, samo mehanički brža u „prelistavanju“ odigranih partija u svojoj memoriji.
Kreatori AlphaGo, u startu su krenuli potpuno drugačijim putem: prvi koraci „veštačkog šampiona“ bili su da njegova neuronska mreža analizira 160.000 partija koje su odigrali kvalitetni igrači sa svetske go liste, i da tako nauči osnovni mehanizam igre. Zatim kreće „samotreniranje“, odigravanje partija sa samim sobom gde program počinje da „uči“ koji su potezi korisni i poželjni, koristeći osobinu neuronske mreže da podešava parametre odigravanja dok ishod partije ne bude „poželjan“. Interesantno je da ni sami kreatori programa ne znaju, niti mogu da predvide kakav će potez program smisliti u toku „treninga“, što su i priznali magazinu WIRED: „Iako smo programirali ovu mašinu da igra go, nikada ne znamo šta će sledeće da uradi. Potezi koje igra proizilaze iz situacije u kojoj se trenutno nalazi. Sve što mi radimo je da obezbedimo podatke i algoritam za trening. Sami potezi za koje se odluči njegovo su delo, i mi nemamo ništa s tim – čak su ti potezi i bolji nego što bi mi, koji takođe igramo go, mogli da smislimo.“
Primena nove veštačke inteligencije
Čak i pre nego što se odigrao turnir na kome je njihov program pobedio Li Sedola, kompanija Google DeepMind sklopila je ugovor sa britanskim zdravstvenim sistemom NHS. Odeljenje koje se zove DeepMind Health iskoristiće neuronsku mrežu, sposobnu da uči na osnovu raspoloživih podataka kako bi, po navodima u saopštenju kompanije, kreirali aplikacije koje će lekarima i medicinskom osoblju pomoći da još bolje procene kod kojih pacijenata postoji rizik od komplikacija. Njihov prvi proizvod u te svrhe trebalo bi da bude aplikacija Streams, na kojoj upravo rade.
Upotrebnu vrednost neuronskih mreža i programa sposobnih da uče, jedan od suosnivača Google DeepMinda, Demis Hasabis, vidi gotovo svuda: u borbi protiv klimatskih promena, lečenju raka ili makroekonomiji. Kako je izjavio britanskom Gardijanu, „opšta veštačka inteligencija“ (AGI), za razliku od veštačke (AI), moći će da uči kao što to radi ljudski mozak, ali i da se uhvati u koštac sa izazovima za čije rešavanje bi bilo potrebno mnogo više vremena nego što traje jedan ljudski život.
Dok nova vrsta veštačke inteligencije ne preuzme rešavanje svetskih muka na sebe, mi, laici, bi trebalo da počnemo da razlikujemo „pametne“ mašine od onih koje tu pamet samo imitiraju: sve one situacije kada vam se učini da je Google izabrao pravi oglas za vas i da vam baš treba baštenska oprema ili jeftine avio karte, ne znače da je pretraživač postao pametniji i zna šta vam treba – već je programiran da prati pojmove koje pretražujete i da vam nudi iste ili srodne teme. Isto važi i za servise poput YouTube ili aplikaciju Siri na iPhone, čija je funkcija da bude nešto između pomoćnika i savetnika.
Kada nam se jednog dana mašine i budu predstavile kao inteligentne, treba imati na umu da takvu tvrdnju moraju i da dokažu. Najpoznatiji i najšire prihvaćen test inteligencije u tom smislu je Turingov test, koji podrazumeva razgovor putem razmene tekstualnih poruka između ispitivača, mašine čija se inteligencija dokazuje i trećeg učesnika-čoveka. Mašina i čovek su, naravno, u toku trajanja testa skriveni od ispitivača, a mašina će dokazati inteligenciju ukoliko uspe da odgovori pisanim putem kao što bi i čovek odgovorio. To nije i jedini test inteligencije. Naučnik Ben Gercel predlaže daleko jednostavniji pristup: da se mašini naloži da uđe u prosečnu američku kuću, sa naređenjem da skuva kafu. Ako uspe da pronađe kafomat, vodu, kafu i skuva crni napitak kako treba – eto joj priznanja da je pametna!
Milica Rilak