Számos új technológia keltett felhajtást a mesterséges intelligencia (AI) és a társadalom jövője szempontjából. Mindegyik technológia a mesterséges intelligencia különböző ágaiból származik, és egyedi előnyökkel és problémákkal jár.
A mélyhamisítások és a hangklónozó AI-k megnehezítik, hogy megbízzon bármiben, amit az interneten lát vagy hall. Egyesek szerint a ChatGPT és a hasonló mély tanulási AI-rendszerek valószínűleg több területen is redundanciát okoznak. Felmerül egy aggályos kérdés: "végül az AI leváltja a programozókat?"
Mi a mesterséges intelligencia?
A mesterséges intelligencia a számítástechnika egyik ága, amely a rendszer azon képességére összpontosít, hogy a négy minőség közül egy (vagy több) segítségével megoldja a problémákat. Egy AI-rendszer képes emberileg gondolkodni, emberileg cselekedni, racionálisan gondolkodni és/vagy racionálisan cselekedni.
A mesterséges intelligencia története
Bár úgy tűnik, hogy az AI már évszázadok óta létezik, ez egy olyan terület, amely az 1900-as évek közepén kapott lendületet. A mesterséges intelligencia történetének egyik legjelentősebb dátuma 1956, ez volt a mesterséges intelligencia területére való hivatalos bevezetés éve. Ez a bevezetés egy konferencián történt a Dartmouth College-ban.
Számos nagyszerű név kapcsolódik az AI korai fejlődésének különböző aspektusaihoz. Ezek közé tartozik Alan Turing, Marvin Minsky, Allen Newell, Herbert Simon, John Robinson és Alain Colmerauer.
Cselekedj Emberileg
1936-ban Alan Turing publikált egy tanulmányt „A kiszámítható számokról, az Entscheidungsproblem alkalmazásával” címmel. Ebben a cikkben Turing bemutatta a Turing-gép koncepcióját, amely a mai napig fontos szerepet játszik az AI-ban. Bebizonyította, hogy a megfelelő algoritmussal egy Turing-gép bármilyen matematikai számítást elvégezhet.
Később, 1937-ben Turing a megállási problémát használta fel, hogy rámutasson az intelligens gépek korlátaira. Aztán 1950-ben Turing meghatározta a gépi intelligenciát az általa Turing-tesztnek nevezett módszerrel. Ha egy mesterséges intelligencia rendszer átmegy a Turing-teszten, akkor a rendszer képes emberileg cselekedni.
Gondolkozz Emberileg
Marvin Minsky népszerű név a mesterséges intelligencia területén. Arról ismert, hogy 1951-ben kifejlesztette az első véletlenszerűen vezetékes neurális hálózati tanulógépet, az úgynevezett SNARC-t. A neurális hálózatok az emberi agyhoz hasonlóan megtanítják a számítógépeket az adatok feldolgozására. Minsky meghatározása szerint a mesterséges intelligencia „az a tudomány, amivel a gépeket olyan dolgokra késztetik, amelyekhez intelligencia kellene, ha emberek csinálnák”.
Allen Newell és Herbert Simon két másik úttörő a mesterséges intelligencia területén, akik a gép azon képességére összpontosítottak, hogy szimulálják az emberi gondolkodást. 1956-ban bemutatták az első szimbólum-feldolgozó számítógépes programot, a Logic Theorist nevet. 1961-ben Newell és Simon kifejlesztette az általános problémamegoldót (GPS), amely lényegében az emberi gondolkodást utánozza.
Gondolkozz Racionálisan
Lépjen be John Robinson, aki 1965-ben folyóiratot adott ki „A Machine-Oriented Logic Based on the Felbontási elv.” Feltalálta a felbontószámítást is a predikátumlogikához, amely létfontosságú szerepet az AI-ban.
A predikátumlogika egy formális nyelv, amely logikát használ a racionális gondolkodás megjelenítésére. Ez a nyelv azt a keretet használja, hogy a helyes premisszák helyes következtetéseket vonnak le. Például az Alexa egy gép; minden gép megkönnyíti a munkát; ezért az Alexa megkönnyíti a munkát.
A mesterséges intelligencia legújabb fejlesztései
A mesterséges intelligencia területe, ahogyan kezdetekor is volt, ma is nagyon összetett, sokféle ága van. A mesterséges intelligencia ernyője alá tartozó minden ág folyamatosan jelentős előrelépéseket tesz.
A gépi tanulás a mesterséges intelligencia egyik ága, amely adatalgoritmusokat használ az emberi tanulás utánzására, ami minden iteráció során javítja a pontosságát. A gépi tanulás egyik legszembetűnőbb részhalmaza a mély tanulás. A mély tanulás javítja a gépi tanulást a gép emberi segítség iránti igényének csökkentésével.
Ha például vannak virágképei, amelyeket fajok szerint csoportosítani szeretne, a kategorizálás folyamata a rendszer típusától függően eltérő lesz. Ha a rendszer gépi tanulást használ, akkor manuálisan kell létrehoznia a fajokat megkülönböztető jellemzőket. A mély tanulást alkalmazó rendszer azonban minden faj számára önmagában határozza meg a legjobb megkülönböztető jellemzőket.
A mélytanulás számos technológiának köszönhetően jelentős hullámokat keltett az iparágban az elmúlt években. A ChatGPT egy mély tanulási technológia amely jelenleg nagy figyelmet kap.
A ChatGPT szerint ez:
az OpenAI által létrehozott nagy nyelvi modell. Ez egy mesterséges intelligencia (AI) program, amelyet arra terveztek, hogy megértse a természetes nyelvet, és emberszerű válaszokat generáljon különféle típusú kérdésekre és felszólításokra. A modell egy mély tanulási architektúrán, az úgynevezett transzformátoron alapul, amely képes nagy feldolgozásra szöveges adatmennyiséget, és válaszokat generál az abból tanult minták és kapcsolatok alapján adat.
2022 negyedik negyedévében való indulása óta a ChatGPT sok vita tárgya. Ami ezt a mesterséges intelligencia rendszert kiemeli, az a természetes nyelvi feldolgozási készsége, valamint az a képessége, hogy az emberi visszacsatolásból (RLHF) megerősített tanulás révén új információkat tanuljon meg. Úgy tűnik, hogy erős kódírási és -javítási képességgel is rendelkezik. Egyesek azt mondják, hogy ez a technológia az emberi programozók kihalásának genezisét jelenti.
Az emberi programozó kívánt jellemzői, amelyeket a mesterséges intelligencia nem képes reprodukálni
Egy mesterséges intelligencia rendszer megtanulhatja, hogyan kell szoftvert létrehozó kódot írni. A programozók teljes lecserélése azonban egy kicsit bonyolultabb lehet. Egy AI-rendszer képessége lehetővé teheti a munkaerő csökkentését azáltal, hogy segíti a programozók gyorsabb munkáját, de valójában soha nem helyettesítheti az emberi dolgozókat. A programozók és a mesterséges intelligencia rendszerek fő megkülönböztető jellemzője az emberi agy és annak összetett jellemzői.
Andrew Ng szerint, az egyik legnépszerűbb név az AI-ban ma:
az agy egyetlen neuronja egy hihetetlenül összetett gépezet, amelyet még ma sem értünk. Egyetlen „neuron” egy neurális hálózatban egy hihetetlenül egyszerű matematikai függvény, amely egy biológiai neuron összetettségének egy elenyésző töredékét rögzíti.
Az agy azon képessége, hogy a látszólag kevés levegőből új gondolatot generáljon, meghaladja az emberi felfogást. Ez biztosan nem olyan, amit egy AI-rendszer képes reprodukálni. A programozók másik kívánatos jellemzője a kreativitás zavarodottsága, amit ismét egy gép nem tud megismételni.
A mély tanulás révén az AI az emberi gondolkodás benyomását keltheti. Egyes AI-rendszerek képesek egyszerű döntéseket hozni, de ezek a döntések elhalványulnak az emberi agy döntési képességeihez képest. Az AI tud kódot írni, de nem tudja biztosítani, hogy az általa írt kód a helyes kód legyen. Egy mesterséges intelligencia rendszer nem képes megismételni az emberi ítéletet, és semmi sem utal arra, hogy a jövőben képes lenne erre.
Az AI és a programozás jövője
Az olyan mesterséges intelligencia technológiák, mint a ChatGPT, bebizonyították, mennyire hasznos lehet a mesterséges intelligencia a programozók számára. Gyorsan generál kódot, és segíthet a programozó általános munkafolyamatában. A ChatGPT azonban azt is bebizonyította, hogy még a jelenleg rendelkezésre álló legfejlettebb mély tanulási technológia sem képes kezelni a teljes autonómiát. Az OpenAI szerint a ChatGPT köztudottan értelmetlen válaszokat generál a kérdésekre.
Ezért elfogadható az a feltételezés, hogy az AI jövője a programozásban a programozók „segítői”, nem pedig „helyettesítése”.
