Tidak ada semangat di dalam mobil
Dalam beberapa tahun terakhir, media telah dibanjiri dengan deskripsi berlebihan dari kecerdasan buatan (AI) dan pembelajaran mesin (MO) teknologi. Tampaknya tidak pernah ada hal seperti itu di bidang ilmu komputer sehingga begitu banyak pernyataan konyol dibuat oleh begitu banyak orang dengan gagasan sekecil apa yang sedang terjadi. Bagi siapa pun yang terlibat aktif dalam peralatan komputer canggih pada 1980-an, apa yang tampaknya aneh.
Dalam edisi The Atlantic bulan ini, seorang penulis intelektual dan penulis buku terlaris,
Sapiens. Sejarah Singkat Kemanusiaan dan
Homo Deus: Sejarah Singkat Besok ,
Yuval Noah Harari menggambarkan dampak AI pada demokrasi. Aspek yang paling menarik dari artikel ini adalah keyakinan Harari yang berlebihan pada kemampuan teknologi AI modern. Dia menggambarkan seorang teman Google, program catur
DeepMind , sebagai "kreatif," "imajinatif," dan "naluri yang cemerlang."
Dalam
film dokumenter Angkatan Udara Joy of AI, Profesor Jim Al-Khalili dan pendiri DeepMind, Demis Hassabis, menggambarkan bagaimana sistem AI "membuat penemuan nyata", "mampu benar-benar menghasilkan ide baru" dan mengembangkan "strategi yang diciptakan secara mandiri."
Dan jika aliran serupa yang dilebih-lebihkan dan antropomorfisme digunakan untuk menggambarkan sistem bodoh dan mekanistik, maka inilah saatnya untuk menguji realitas dengan kembali ke dasar-dasarnya.
Diskusi tentang teknologi komputer sering terjadi melalui mitos, metafora, dan interpretasi manusia tentang apa yang muncul di layar. Metafora seperti "intuisi", "kreativitas" dan "strategi" yang lebih baru adalah bagian dari mitologi yang muncul. Pakar AI menemukan pola dalam permainan AI dan menyebutnya "strategi," tetapi jaringan saraf tidak tahu apa strategi itu. Jika ada jenis kreativitas, maka itu milik peneliti dari DeepMind, yang mengembangkan dan mengelola proses sistem pelatihan.
Sistem AI hari ini dilatih berdasarkan sejumlah besar trial and error otomatis; pada setiap tahap, teknik
propagasi belakang digunakan untuk mengirimkan informasi tentang kesalahan dan menyempurnakan sistem untuk mengurangi jumlah kesalahan di masa depan - dan ini secara bertahap meningkatkan efektivitas AI dalam melakukan tugas tertentu, seperti bermain catur.
Lonjakan efektivitas AI, MO, dan sebagainya. "Pembelajaran mendalam" (GO) sebagian besar didasarkan pada penerapan teknik backpropagation ini. Ini pertama kali ditemukan pada 1960-an, dan diterapkan pada jaringan saraf pada 1980-an oleh Joffrey Hinton. Dengan kata lain, selama lebih dari 30 tahun, belum ada kemajuan konseptual yang signifikan dalam AI. Sebagian besar hasil penelitian AI dan artikel media menunjukkan apa yang terjadi ketika gunung peralatan komputasi yang mahal dan kampanye iklan yang cerdik dilemparkan ke dalam pelaksanaan ide lama.
Dan tidak dapat dikatakan bahwa DeepMind tidak melakukan pekerjaan yang berharga. Pekerjaan tambahan mesin dalam menciptakan strategi dan ide baru adalah hal yang menarik, terutama jika pengoperasian mesin ini sulit dipahami karena kerumitannya. Dalam budaya sekuler kita, keajaiban dan misteri teknologi menarik orang, dan memberikan citra misterius pada bidang teknik yang sebagian besar kering dan rasional hanya menguntungkan. Tetapi tidak ada semangat di mesin teman Google.
Besi vs. Perangkat Lunak, Analog vs Digital, Thompson vs Hassabis
Semua hype seputar mesin DeepMind mengingatkan saya pada kegembiraan yang muncul beberapa dekade yang lalu di belakang sistem "pembelajaran mesin" yang sama sekali berbeda, dan mungkin lebih dalam.
Pada bulan November 1997,
karya Adrian Thompson, seorang peneliti di Pusat Neurobiologi dan Robotika Komputasi di Universitas Sussex,
dimuat di sampul majalah New Scientist bersama dengan
artikel "Kreasi dari Prasejarah Silikon - kami melepaskan Darwinisme di laboratorium elektronik dan melihat apa yang diciptakannya." Mobil tangguh yang tidak ada yang mengerti. ”
Pekerjaan Thompson menimbulkan sedikit sensasi, karena ia menolak bea cukai dan meluncurkan evolusi sistem MO dalam peralatan elektronik, alih-alih menggunakan pendekatan terprogram seperti orang lain. Dia memutuskan untuk melakukan ini karena dia menyadari bahwa perangkat lunak digital dibatasi oleh sifat biner on / off dari switch yang membentuk otak pemrosesan sinyal dari komputer digital mana pun.
Sebaliknya, neuron-neuron otak manusia telah berevolusi untuk berpartisipasi dalam berbagai
proses fisik dan biokimia yang rumit, yang kadang-kadang tidak bisa dipahami rumit. Thompson menyarankan bahwa pengembangan peralatan komputasi menggunakan proses seleksi alam otomatis dapat mengambil keuntungan dari semua sifat fisik analog (sangat beragam) dari dunia nyata yang melekat dalam silikon, yang membentuk saklar komputer digital paling sederhana - yang dapat menyebabkan sesuatu yang menyerupai efektif. karya analog dari komponen otak manusia. Dan dia benar.
Di laboratoriumnya, Thompson memimpin evolusi konfigurasi FPGA (sejenis chip silikon digital di mana koneksi antara sakelar digitalnya dapat secara konstan dikonfigurasi ulang) untuk mengajarinya cara memisahkan dua sinyal audio yang berbeda. Setelah melirik ke dalam chip untuk melihat bagaimana proses evolusi menyetel koneksi antara switch, ia mencatat skema kerja yang mengesankan efektif - hanya menggunakan 37 komponen.
Selain itu, skema evolusi yang dihasilkan tidak lagi dipahami oleh para insinyur digital. Beberapa dari 37 komponen tidak terhubung dengan yang lain, tetapi ketika mereka dikeluarkan dari sirkuit, seluruh sistem berhenti bekerja. Satu-satunya penjelasan yang masuk akal untuk situasi aneh ini adalah bahwa sistem tersebut menggunakan semacam koneksi elektromagnetik misterius antara jenisnya seperti komponen digital. Dengan kata lain, proses evolusi mengadopsi karakteristik analog dari komponen dan bahan sistem dari dunia nyata untuk melakukan “perhitungan” nya.
Itu adalah ledakan otak. Saya adalah seorang peneliti muda di tahun 1990-an, saya memiliki pengalaman bekerja baik di bidang penelitian pada
peralatan elektronik dan AI, dan karya Thompson membuat saya takjub. Komputer tidak hanya mampu menciptakan jenis sirkuit elektronik yang sama sekali baru dan melampaui kemampuan insinyur elektronik, tetapi, yang lebih penting, itu menunjukkan jalan menuju pengembangan sistem komputer dan AI yang jauh lebih kuat.
Hassabis mulai sebagai programmer AI terkemuka dalam game yang sekarang terlupakan dari Lionhead Studio, Black & White.Jadi apa yang terjadi? Mengapa Thompson hampir dilupakan, dan perusahaan induk Google, Alphabet, melempar Hassabis dengan uang, dan film dokumenter dari Angkatan Udara menyanyikan lagu-lagu pujian kepadanya? Sebagian besar, ini tentang waktu yang tepat. Pada 1990-an, AI sama trendinya dengan celana dalam nenek. Hari ini, AI memiliki beban kebutuhan untuk membawa kita ke "revolusi industri keempat." Capital mengejar "proyek besar berikutnya." Meskipun sistem AI digital DeepMind tidak sangat cocok untuk mensimulasikan sistem analog dunia nyata yang kompleks seperti cuaca atau otak manusia, mereka sangat cocok untuk menggiling data digital yang berasal dari dunia online digital paling sederhana dalam bentuk tautan, klik, suka, daftar putar dan piksel .
DeepMind juga mendapat manfaat dari kemampuannya untuk menunjukkan wajah produk. DeepMind mengiklankan teknologi dan kepemimpinannya, menumbuhkan misteri teknologi, tetapi seluruh demonstrasi dari pekerjaannya datang ke mainan dengan aturan komputer yang paling sederhana. Keuntungan permainan adalah kelengkapannya dan daya tarik visualnya kepada media dan publik. Bahkan, sebagian besar aplikasi komersial teknologi ini akan dikaitkan dengan
aplikasi bisnis berlatar belakang biasa , misalnya,
mengoptimalkan efisiensi energi pusat data di mana Google menyimpan komputernya.
Dapatkan dayung *
* "Ini bukan dayung" - referensi ke lukisan " Pengkhianatan Gambar "Thompson dan Hassabis - kecuali karena menjadi orang Inggris, jelas memiliki pengalaman dan keterampilan yang diperlukan untuk pelatihan dan evolusi sistem mereka yang efektif, tetapi ketergantungan pada keterampilan dan kreativitas orang seperti itu jelas merupakan kelemahan dari setiap sistem AI atau MO. Juga, teknologi mereka sangat rapuh. Sebagai contoh, sistem Thompson sering berhenti bekerja pada suhu yang berbeda dari yang di mana mereka berevolusi. Sementara itu, di DeepMind, hanya
mengubah ukuran dayung di salah satu video game perusahaan sepenuhnya meniadakan efektivitas AI. Kerentanan ini disebabkan oleh fakta bahwa AI dari DeepMind tidak mengerti apa itu dayung - dan bahkan video game itu sendiri; switch-nya hanya berfungsi dengan angka biner.
Baru-baru ini, sistem MO telah benar-benar mencapai kesuksesan besar, tetapi kemajuan ini, sebagian besar, telah dicapai melalui penggunaan sejumlah besar peralatan komputasi standar untuk menyelesaikan masalah, daripada inovasi radikal. Pada titik tertentu dalam waktu yang tidak terlalu lama, tidak mungkin lagi menjejalkan lebih banyak sakelar silikon kecil ke dalam chip silikon. Efisiensi rangkaian (lebih banyak perhitungan pada peralatan yang lebih sedikit) akan menjadi penting secara komersial, dan pada titik ini, peralatan yang berkembang akhirnya dapat menjadi modis.
Sistem hibrida juga dapat muncul yang menggabungkan pendekatan Thompson dan Hassabis. Tetapi apa pun yang terjadi, Harrari harus menunggu sampai ia dapat memperoleh sistem AI "kreatif" untuk menulis buku terlaris berikutnya.