Test Turinga to przeżytek. Sztuczna inteligencja powinna być testowana w zupełnie inny sposób
Do takiego wniosku doszli naukowcy z Uniwersytetu Stanforda, którzy stworzyli nowy algorytm o nazwie Atom2Vec. Ich zdaniem wartość SI powinno mierzyć się liczbą dokonanych przez nią odkryć.
Jest to zresztą o wiele bardziej realistyczne podejście, jeśli chodzi o algorytmy maszynowego uczenia się. Mam zresztą nadzieję, że zespół pod kierownictwem Shou-Cheng Zhanga udowodni swoim algorytmem, że jest ono o wiele bardziej sensowne. Na razie są na dobrej drodze. Ich algorytm Atom2Vec był w stanie samodzielnie odkryć… okresowy układ pierwiastków.
Atom2Vec: sztuczna inteligencja oparta na wektorach
Sztuczka ta jest niezwykle przemyślana, a sam algorytm opiera się na wcześniejszych dokonaniach naukowców z Google. Konkretniej: na algorytmie Word2Vec, który zamieniał słowa z języka angielskiego na numery i… wektory. Na tej podstawie algorytm był w stanie ocenić szanse występowania danego słowa w tekście.
Najprościej będzie wytłumaczyć to na przykładzie słowa król, które w tekstach pojawia się razem ze słowami królowa, kobieta i mężczyzna. Word2Vec, oczywiście w dużym uproszczeniu, opisywał słowo król następującym wektorem:
król = królowa minus kobieta plus mężczyzna
I tak Atom2Vec, po przeanalizowaniu informacji na temat poszczególnych atomów i związków chemicznych, zaczął odkrywać ich właściwości. Odkrył na przykład, że pierwiastki potasu (K) i sodu (Na) muszą być bardzo podobne do siebie, skoro oba potrafią łączyć się z chlorem (Cl).
Atom2Vec to tzw. algorytm testowy. Chociaż profesor Zhang nie wyklucza, że w przyszłości mógłby być on używany do poszukiwania związków chemicznych o specyficznych właściwościach. Na przykład takich, które mają bardzo dużą wydajność w konwertowaniu energii słonecznej na elektryczną.
Głównym celem Zhanga i jego zespołu jest opracowanie algorytmu, który byłby w stanie samodzielnie identyfikować przeciwciała atakujące wybrane antygeny. Taki algorytm przydałby się chociażby podczas walki z nowotworami. Gra zdecydowanie jest warta świeczki. Problem niestety polega na tym, że organizm człowieka produkuje ok. 10 mln unikalnych przeciwciał - każde z nich składa się z unikalnej kombinacji 50 genów. Bez algorytmu poszukiwanie tych właściwych można porównać do poszukiwania igły w stogu siana. Tyle że z opaską na oczach i związanymi rękoma.
Tylko algorytmy są w stanie poradzić sobie w takich poszukiwaniach
Dlatego też Zhang uważa, że nowym kryterium oceny algorytmów SI powinna być ich skuteczność w takich poszukiwaniach. Profesor argumentuje również, że test Turinga, uważany dzisiaj za standard, wydaje się być… zbędny. Przede wszystkim jest to bardzo subiektywny test.
— Ludzie są produktem ewolucji. Nasze umysły bywają irracjonalne. Żeby SI zdała pomyślnie test Turinga, musiałaby być w stanie zachowywać się czasami irracjonalnie. Jest to bardzo trudne do zaprogramowania i czas poświęcony temu zadaniu mógłby być wykorzystany znacznie lepiej.
Dlatego Zhang proponuje nowy test, który opierałby się o zdolność algorytmów do odkrywania nowych praw fizyki, chemii, etc. Takie podejście nie działa już tak na naszą wyobraźnię, jak test Turinga, ale jest znacznie bardziej praktyczne i użyteczne. A o to w gruncie rzeczy chodzi. Coraz bardziej zaawansowane algorytmy maszynowego uczenia się tworzone są po to, żeby ułatwić nam życie. Szczególnie w obszarze naukowym.
