– Słyszeliście decydentów i liderów biznesu mówiących: „Nie możemy mieć nowoczesnej AI, która halucynuje. Chcemy modeli, które tego nie robią”. Cóż, to głupie, ponieważ jedyną rzeczą, którą robią zarówno biologiczne, jak i sztuczne mózgi, jest właśnie halucynowanie. To ich jedyna funkcja – powiedział Michał Kosiński, profesor nadzwyczajny w Stanford Graduate School of Business, specjalizujący się w obliczeniowych naukach społecznych, sztucznej inteligencji oraz psychometrii.

I dodał, że generatywna AI to technologia, która działa podobnie jak ludzki mózg. Według niego w błędzie jest każdy, kto mówi, że pamięta, co robił wczoraj. – Po prostu halucynujecie na temat wczorajszego dnia. (...) Halucynacja to wasza supermoc. Dokładne zapamiętywanie wczorajszego dnia nie ma sensu. Dlaczego? Ponieważ – przykro mi to mówić – wczorajszy dzień już nigdy się nie powtórzy. To, co się wydarzy, to podobne dni, w których pojawią się podobne wzorce sytuacji i interakcji. Zadaniem waszego mózgu jest wzięcie wczorajszego doświadczenia i wbudowanie go, poprzez technologię rozpoznawania wzorców, w intuicję – abyście byli lepiej przygotowani na jutro – wskazał.

Przekonywał, że jeśli nie chcemy w danych halucynacji, to mamy do dyspozycji inne narzędzia do ich przetwarzania niż nowoczesna AI.

– Weźcie bazę danych, weźcie kalkulator, napiszcie skrypt w programie Python – powiedział. I dodał: – Jeśli jednak chcecie kreatywności, decyzji przypominających intuicję, narzędzia, które pomoże wam poradzić sobie z niepewnością, z sytuacją, której nigdy nie widzieliście w danych treningowych, sytuacją, w której musicie halucynować – wtedy nowoczesna AI jest waszym przyjacielem – podsumował.

Prof. Kosiński przypomniał, że AI nie od zawsze halucynowała. Wspomniał historyczne pojedynki superkomputera Deep Blue z mistrzem szachowym Garrim Kasparowem w 1996 i 1997 roku. Maszyna IBM reprezentowała tzw. sztuczną inteligencję starego typu. Naukowiec wyjaśnił, że jej działanie opierało się na sztywnych regułach logicznych („jeśli to, to tamto”), dokładnych obliczeniach oraz ogromnej bazie danych wszystkich rozegranych wcześniej partii. Zdaniem Kosińskiego komputer potrafił analizować 200 milionów pozycji na sekundę, ale nie posiadał czegoś w rodzaju intuicji.

Przełom w nowoczesnej sztucznej inteligencji według prof. Kosińskiego nastąpił w 2016 roku wraz z programem AlphaGo, stworzonym przez DeepMind, który pokonał mistrza gry w Go, Lee Sedola. W przeciwieństwie do Deep Blue, nowa maszyna nie korzystała z bazy ludzkich rozgrywek ani gotowych instrukcji. Została wyposażona w głębokie sieci neuronowe i uczyła się gry poprzez metodę prób i błędów, rozgrywając miliony partii z samą sobą.

Ewolucyjny proces treningu sprawił, że sztuczna sieć neuronowa zaczęła rozwijać cechy zbliżone do ludzkiej intuicji. System zaczął stosować kreatywne, agresywne i nieznane wcześniej człowiekowi strategie, których pochodzenie nam, ludziom, wciąż trudno zrozumieć.

AlphaGo miała jedynie przewidywać najlepszy kolejny ruch w grze. Z czasem jednak zrozumiano, że sztuczne sieci neuronowe można wykorzystywać do przewidywania najlepszego możliwego słowa w danym kontekście. W ten sposób powstały wielkie modele językowe.

Aby trafnie przewidywać kolejne słowa w zdaniach, systemy te musiały zacząć modelować nie tylko zasady gramatyczne, ale też ludzką wiedzę, emocje oraz rozumowanie. Aby móc naśladować sposób myślenia użytkownika i dostosować się do zadanej roli, musiały posiąść coś na kształt teorii umysłu, a więc możliwości domyślania się, co może wiedzieć i czego może chcieć druga osoba. Taka umiejętność nie była dostępna m.in. w pierwszych wersjach chatu GPT.

– Ludzie byli zaskoczeni tym, co potrafi maszyna, którą sami zaprojektowali. A to dlatego, że jeśli puści się ewolucję w ruch, to zostaje się zaskoczonym nowymi strategiami, nowymi taktykami i sposobami rozwiązywania problemów, w które nie wyposażyło się maszyny i o których się nawet nie wiedziało. Te maszyny rozwijają nieoczekiwane, emergentne zdolności – powiedział naukowiec.

Aby zrozumieć nowoczesną sztuczną inteligencję, prof. Kosiński radził, by przyjąć, że jej działanie jest podobne do działania ludzkiego umysłu. – Metafora ludzkiego mózgu zaprowadzi was znacznie dalej niż metafora oprogramowania Deep Blue czy kalkulatora. Wiele błędów, które decydenci popełniają, myśląc o nowoczesnej AI, wynika z faktu, że stosują metaforę kalkulatora – powiedział naukowiec.

Wystąpienie prof. Kosińskiego było częścią kongresu Re_Mind, którego organizatorami są Uniwersytet SWPS, TVP oraz miasto Wrocław. PAP oraz portal Nauka w Polsce są patronami medialnymi wydarzenia.

Nauka w Polsce, Ludwika Tomala (PAP)

lt/ zan/