Istilah "kecerdasan buatan" sering kali mengacu pada jaringan saraf yang dibangun di atas teknologi pembelajaran mesin yang dalam. Selain itu, teknologi pelatihan jaringan saraf berkembang dengan baik dan membuahkan hasil. Namun, tidak semua ilmuwan sependapat bahwa kecerdasan buatan harus berkembang di sepanjang jalur ini. Bahkan ada yang percaya bahwa sistem seperti itu “tidak boleh dipercaya” dan perkembangannya tidak akan membawa kebaikan.
Kecerdasan buatan dalam pengertian modern - ini sama sekali bukan apa yang dipikirkan banyak orang.
Mengapa pembelajaran mesin berdampak buruk bagi perkembangan manusia
Dalam sebuah karya berskala besar yang diterbitkan di halaman Technologyreview, seorang profesor di New York University, seorang ahli di bidang ilmu kognitif (ilmu kognisi), Gary Marcus berbicara tentang risiko meluasnya penggunaan jaringan saraf berdasarkan pembelajaran mesin yang mendalam.
Pertama, ilmuwan percaya bahwa teknologi memiliki batasan yang jelas. Secara khusus, sudah lama ada pembicaraan tentang perlunya menciptakan apa yang disebut "AI nyata", yang cocok untuk memecahkan berbagai masalah, dan bukan hanya satu masalah tertentu, seperti yang terjadi sekarang. Sistem AI yang ada telah mencapai puncak perkembangannya dan praktis "tidak ada tempat untuk tumbuh". Selain itu, Anda tidak bisa begitu saja mengambil dan, katakanlah, pertama-tama ajarkan satu AI untuk mengemudikan mobil, dan paksa yang lain untuk memperbaikinya, lalu menggabungkan sistem, menciptakan asisten universal. Kecerdasan buatan sama sekali tidak akan dapat berinteraksi, karena mereka "belajar dengan cara yang berbeda."
Cara membuat AI lebih pintar
Video promosi:
Agar algoritme menjadi lebih efisien, algoritme perlu "dilatih secara berbeda". Hal ini diperlukan untuk membuat mereka mulai melihat hubungan objek dan konsekuensi dari interaksi dengannya. Dalam hal ini, kami akan menjadi contoh terbaik.
Profesor Gary Marcus.
Apalagi yang ditawarkan Marcus sama sekali bukan hal baru. Contoh yang dijelaskan di atas adalah bagaimana para ilmuwan membayangkan "AI klasik". Tetapi agar AI seperti itu bekerja secara efektif, kita perlu memprogram semua kemungkinan hasil sebelumnya. Dan ini hampir tidak realistis. Tapi ada jalan keluarnya.
Solusinya bisa berupa simbiosis "AI klasik", yang melihat hubungan dan memperoleh solusi dengan cara yang bisa dimengerti, dan deep learning, yang mampu menemukan solusi melalui "trial and error". Ini bisa menjadi semacam sistem dasar peraturan dan regulasi tentang dunia sekitarnya. Atas dasar mereka, sistem AI sudah dapat berkembang sendiri di area tertentu. Kecerdasan buatan yang nyata harus memahami bagaimana segala sesuatu bekerja untuk memahami hubungan sebab-akibat dan dengan mudah beralih dari satu tugas ke tugas lainnya. Sistem modern yang dibangun menggunakan teknologi pembelajaran mendalam tidak mampu melakukan ini.
Vladimir Kuznetsov
