Dipercaya secara luas bahwa dengan kemajuan terbaru dalam penelitian kecerdasan buatan, mesin yang hidup dan cerdas akan segera berada di cakrawala. Mobil memahami perintah suara, membedakan gambar, mengendarai mobil, dan bermain game lebih baik daripada kita. Berapa lama lagi menunggu sampai mereka mulai berjalan di antara kita?
Laporan Gedung Putih yang baru-baru ini dirilis tentang kecerdasan buatan mengambil sikap skeptis. Dikatakan bahwa dalam 20 tahun mendatang, kita tidak mungkin melihat mesin "menunjukkan kemampuan intelektual yang sebanding dengan atau lebih tinggi dari manusia," tetapi di tahun-tahun mendatang "mesin akan mencapai kemampuan manusia untuk lebih banyak tugas." Namun, laporan ini kehilangan beberapa hal penting.
Peneliti kecerdasan buatan Arend Hintze berpendapat bahwa laporan tersebut secara eksklusif berfokus pada "tipe AI yang membosankan". Ini memotong cabang raksasa penelitian AI di tengah kalimat, bagaimana evolusi membantu kita mengembangkan sistem AI yang lebih baik, dan bagaimana model komputasi membantu kita memahami evolusi kecerdasan manusia kita sendiri.
Laporan tersebut berfokus pada, seperti yang dikatakan ilmuwan tersebut, alat utama AI: pembelajaran mesin dan pembelajaran mendalam. Teknologi semacam ini memungkinkan robot untuk memainkan kuis dengan baik dan mengungguli para master game go. Sistem ini dapat menangani data dalam jumlah besar dan melakukan kalkulasi kompleks dengan sangat cepat. Tetapi mereka kehilangan elemen yang akan menjadi kunci dalam menciptakan mesin cerdas yang kami ingin miliki di masa depan.
Kami membutuhkan lebih dari sekedar mesin pengajaran untuk belajar. Kita perlu mengatasi batasan yang menentukan empat jenis kecerdasan buatan. Penghalang yang memisahkan mesin dari kami - dan kami dari mereka.
AI tipe I: mesin jet
Jenis paling dasar dari sistem AI sangat reaktif dan tidak dapat membentuk ingatan atau menggunakan pengalaman masa lalu untuk menginformasikan keputusan saat ini. Deep Blue, komputer super permainan catur IBM yang mengalahkan Grandmaster Garry Kasparov pada akhir 1990-an, adalah contoh sempurna dari jenis mesin ini.
Video promosi:
Deep Blue dapat mengidentifikasi bidak di papan catur dan mengetahui cara mereka bergerak. Dia bisa membuat prediksi gerakan, baik gerakannya sendiri maupun lawannya. Dan dia memilih gerakan yang paling optimal.
Namun, dia tidak tahu tentang masa lalu dan ingatan tentang apa yang terjadi. Selain dari aturan khusus catur yang jarang digunakan untuk tidak mengulangi gerakan yang sama tiga kali, Deep Blue mengabaikan semuanya hingga saat ini. Dia hanya melihat bidak-bidak di papan catur dan memilih langkah selanjutnya.
Jenis kecerdasan ini mencakup komputer yang secara langsung melihat dunia dan bertindak berdasarkan apa yang dilihatnya. Dia tidak bergantung pada konsep batin dunia. Dalam karyanya, peneliti AI Rodney Brooks berpendapat bahwa kita seharusnya hanya membuat mesin seperti itu. Menurut pendapatnya, manusia tidak pandai memprogram dunia simulasi yang tepat untuk komputer, seperti yang mereka katakan, dalam menciptakan "representasi," representasi dunia.
Mesin cerdas modern yang kita kagumi tidak memiliki konsep dunia seperti itu, atau sangat terbatas dan berhubungan dengan tugas-tugas tertentu. Inovasi dalam desain Deep Blue bukan tentang memperluas jumlah kemungkinan gerakan yang dipertimbangkan komputer. Sebaliknya, para pengembang telah menemukan cara untuk mempersempit visinya, untuk membuang beberapa kemungkinan langkah di masa depan, tergantung pada bagaimana mereka dievaluasi.
Demikian pula, AlphaGo Google, yang mengalahkan juara dunia di Go, tidak memiliki cara untuk menilai kemungkinan pergerakan di masa depan. Metode analisisnya lebih canggih daripada Deep Blue: ia menggunakan jaringan saraf untuk mengevaluasi perkembangan permainan.
Teknik ini meningkatkan kemampuan sistem AI, membuat game tertentu bermain lebih baik, tetapi tidak mudah untuk dimodifikasi atau diterapkan pada situasi lain. Imajinasi jenis komputer ini tidak memiliki konsep dunia secara keseluruhan - yang berarti mereka tidak dapat melampaui melakukan tugas-tugas khusus yang untuknya mereka dibuat, dan mereka mudah tertipu.
Mereka tidak dapat berpartisipasi secara interaktif di dunia, dan kami ingin melihat sistem AI seperti itu suatu hari nanti. Sebaliknya, mesin akan berperilaku persis seperti biasanya ketika dihadapkan pada situasi yang sama. Jika kami ingin membuat sistem AI dapat diandalkan dan dapat dipercaya, maka itu hal yang baik: Anda ingin kendaraan otonom Anda dapat diandalkan. Tetapi jika kita ingin mesin berinteraksi dengan kita dan dengan dunia, itu buruk. Sistem AI yang paling sederhana tidak pernah bosan, mereka tidak bisa tertarik atau kecewa.
AI tipe II: memori terbatas
Tipe II mencakup mesin yang dapat melihat ke masa lalu. Mobil self-driving sudah sedikit mampu melakukan ini. Misalnya, mereka mengamati kecepatan dan arah kendaraan lain. Ini tidak dapat dilakukan sekaligus, untuk ini Anda perlu mengidentifikasi objek tertentu dan mengamatinya dari waktu ke waktu.
Pengamatan ini ditambahkan ke representasi dunia yang diprogram sebelumnya dari mobil self-driving, yang mencakup marka jalan, lampu lalu lintas, dan elemen penting lainnya. Mereka terhubung ketika mobil memutuskan untuk berpindah jalur dan tidak bertabrakan dengan yang lain.
Tetapi informasi sederhana tentang masa lalu ini hanya bersifat sementara. Mereka tidak akan disimpan sebagai bagian dari perpustakaan pengalaman kendaraan di mana ia dapat belajar, seperti yang dilakukan pengemudi manusia, mendapatkan pengalaman selama bertahun-tahun saat mengemudi.
Bagaimana kita membangun sistem AI yang membangun representasi lengkap, mengingat pengalaman kita, dan belajar mengatasi situasi baru? Brooke benar bahwa ini sangat sulit dilakukan. Mungkin pantas untuk mencari inspirasi dalam evolusi Darwin?
AI tipe III: teori pikiran
Di sini kita perlu berhenti sejenak dan menyebut momen ini sebagai celah penting antara mesin yang kita miliki dan mesin yang ingin kita bangun di masa depan. Namun, langkah pertama adalah lebih spesifik tentang tampilan yang harus dibuat oleh mesin.
Mesin dari kelas berikutnya yang lebih maju tidak hanya membentuk representasi dunia, tetapi juga agen atau entitas dunia lainnya. Dalam psikologi, ini disebut "teori pikiran" - pemahaman bahwa orang, makhluk, dan objek di dunia dapat memiliki pikiran dan emosi yang memengaruhi perilaku mereka sendiri.
Ini penting untuk bagaimana kita sebagai manusia membentuk masyarakat karena menyediakan interaksi sosial bagi kita. Tanpa saling memahami motif dan niat satu sama lain dan tidak mempertimbangkan apa yang diketahui orang lain tentang saya atau lingkungan, bekerja sama adalah hal yang paling sulit dan tidak mungkin paling buruk.
Jika sistem AI benar-benar pernah berkeliaran di antara kita, mereka perlu memahami apa yang kita pikirkan dan rasakan, setidaknya pada tingkat asumsi. Dan sesuaikan perilaku Anda.
Tipe IV AI: kesadaran diri
Tujuan akhir pengembangan kecerdasan buatan adalah untuk menciptakan sistem yang dapat membentuk citra diri. Pada akhirnya, peneliti AI tidak hanya harus memahami kesadaran, tetapi juga menciptakan mesin dengan kesadaran.
Ini, dalam arti tertentu, merupakan perpanjangan dari "teori pikiran" yang telah disebutkan dalam jenis AI sebelumnya. Ketika kita berbicara tentang kesadaran, yang kita maksud adalah kesadaran diri. “Saya ingin hal ini” berbeda dengan “Saya tahu saya menginginkan hal ini”. Makhluk sadar sadar diri, sadar akan keadaan batin mereka, dan dapat mengantisipasi perilaku atau perasaan orang lain. Kami berasumsi bahwa seseorang yang memberi isyarat kepada kami di lalu lintas marah atau tidak sabar, karena itulah yang mungkin kami rasakan di tempatnya. Tanpa teori pikiran, kami tidak dapat membuat kesimpulan seperti itu.
Meskipun kita mungkin jauh dari membangun mesin yang sadar diri, kita harus memfokuskan upaya kita pada jalur untuk memahami ingatan, pembelajaran, dan kemampuan untuk membuat keputusan tentang pengalaman masa lalu. Ini adalah langkah penting untuk memahami pikiran manusia itu sendiri. Dan ini sangat penting jika kita ingin merancang atau mengembangkan mesin yang tidak hanya dapat mengklasifikasikan apa yang mereka lihat di depan kita, tetapi juga lebih banyak lagi.
ILYA KHEL
