Ηγέτες σκέψης

Γιατί η Τεχνητή Νοημοσύνη Λείπει Δημιουργικότητα και Τι Μπορεί να Γίνει για να τη Βοηθήσει

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η τεχνητή νοημοσύνη έχει εισέλθει σχεδόν σε κάθε аспект της ζωής μας. Έχουμε περάσει από το να οραματιζόμαστε ένα μέλλον με ιπτάμενα αυτοκίνητα και ρομπότ σερβιτόρους σε ένα κόσμο με αυτοκίνητα χωρίς οδηγό και βοηθούς φωνής που τα μεταφέραμε στις τσέπες μας.

Παρά το γεγονός αυτό, παραμένει το γεγονός ότι η ΤΝ δεν είναι τόσο προηγμένη όσο θα μπορούσε να είναι. Οι τρέχουσες αλγόριθμοι ΤΝ μπορούν μόνο να μιμούνται ή να αντιγράφουν πληροφορίες. Για παράδειγμα, μπορεί να συνθέσει μια σονάτα στο στυλ του Ντεμπυσί ή να αναπαράγει ένα ποίημα του Πούσκιν, αλλά δεν μπορεί να δώσει σημασία ή συναισθήματα στη σύνθεση.

Η ΤΝ μπορεί να δημιουργήσει, αλλά δεν μπορεί να είναι δημιουργική. Αυτό το όριο περιορίζει τη χρησιμότητά της σε όλους τους τομείς της καθημερινής ζωής. Αυτή τη στιγμή, η τεχνητή νοημοσύνη εξαρτάται ακόμη πολύ από την ανθρώπινη εισαγωγή για να κατανοήσει πώς να μεταφέρει μια διδαχθείσα έννοια από ένα σύνολο δεδομένων σε ένα άλλο.

Η Ομορφιά: Το Τυφλό Σημείο της ΤΝ

Η δημιουργία σημασίας και η αναζήτηση ομορφιάς στις cosas είναι một ιδιαίτερα ανθρώπινο χαρακτηριστικό, και είναι στο κέντρο της ικανότητάς μας να είμαστε πραγματικά δημιουργικοί. Η μηχανική μάθηση δεν έχει ακόμη φτάσει στο σημείο να μπορεί να βρει ομορφιά ή σημασία πέρα από τα σύνολα δεδομένων και τα πρότυπα, οπότε αυτό είναι ένα τεράστιο τυφλό σημείο για τη δημιουργικότητα.

Στην ίδια γραμμή, η ΤΝ δεν μπορεί να αποσυνθέσει τη μάθησή της. Για παράδειγμα, μπορεί να εξαγάγει το принцип της πρόσθεσης από τη μάθηση 1+1=2 και 2+2=4. Ωστόσο, δεν μπορεί ακόμη να κάνει δημιουργικές συνδέσεις μεταξύ της πρόσθεσης και μιας μη μαθηματικής έννοιας όπως ο ανθρώπινος νους.

Για τώρα, αυτό σημαίνει ότι η ΤΝ δεν μπορεί να εξαγάγει τη δική της μοναδική σημασία από, για παράδειγμα, τη σύνθεση μιας συμφωνίας ή την ανάγνωση ενός μυθιστορήματος. Η μηχανική μάθηση δεν έχει εξελιχθεί ακόμη για να κατανοήσει τη σημασία της δημιουργίας και της δημιουργικότητας στο τρέχον επίπεδό της.

Ωστόσο, η ΤΝ είναι εξαιρετική στην μίμηση και σχεδόν άψογη όταν αντιγράφει και ολοκληρώνει. Αν της δώσετε ένα незαπλήρωτο άρια από einen διάσημο συνθέτη, θα μπορούσε να ολοκληρώσει το κομμάτι με ικανοποιητικό και στυλιστικά κατάλληλο τρόπο, αλλά δεν θα μπορούσε να κατανοήσει τη σημασία ή το συναισθηματικό νόημα πίσω από τις νότες.

Τώρα που έχουμε περιγράψει τα δημιουργικά όρια της ΤΝ, ας μιλήσουμε για τι μπορούμε να κάνουμε για να τη βοηθήσουμε.

Είναι η Διεργασία Βαθιάς Μάθησης ο Κλειδί για την Ανάπτυξη της Δημιουργικότητας της ΤΝ;

Τώρα, η ΤΝ λειτουργεί καλύτερα όταν οι άνθρωποι μπορούν να της δώσουν σημειωμένα σύνολα δεδομένων. Για παράδειγμα, η ΤΝ μαθαίνει πώς να ανιχνεύει ανωμαλίες σε ακτίνες-Χ εξετάζοντας εικόνες που έχουν σημειωθεί από τους ανθρώπους για να “δείξουν” στον αλγόριθμο τι είναι φυσιολογικό και τι είναι πιθανώς επικίνδυνο. Το ίδιο ισχύει για τη “μάθηση” πώς να ζωγραφίσει, να συνθέσει ή να κάνει άλλα δημιουργικά επιτεύγματα.

Είδος βαθιάς μάθησης αναπτύσσει ένα τεράστιο σύστημα που μπορεί να ρυθμιστεί για να παράγει κάτι εντελώς νέο. Αλλά είναι αυτό δημιουργικότητα; Οι εμπειρογνώμονες είναι διχασμένοι.

Ο Διευθύνων Σύμβουλος της Somatic Jason Toy δεν πιστεύει ότι η δημιουργικότητα της ΤΝ είναι εφικτή ακόμη. Λέει, “Μπορούμε να πάρουμε αυτό που οι άνθρωποι θεωρούν όμορφο και δημιουργικό και να προσπαθήσουμε να το βάλουμε σε einen αλγόριθμο; Δεν νομίζω ότι θα είναι δυνατό για khá lâu.”

Άλλοι εμπειρογνώμονες πιστεύουν ότι είναι καλύτερο να επικεντρωθούμε στο να επιτρέψουμε στην ΤΝ να αυξήσει τη δημιουργικότητα των ανθρώπων με προηγμένη γνωστική ικανότητα. Η κατανόησή μας για την ΤΝ εξακολουθεί να επεκτείνεται, αλλά ήδη παρέχει απαράμιλλη βοήθεια στους προσωπικούς και επαγγελματικούς χώρους μας.

Από τους βοηθούς φωνής μέχρι τις ρομποτικές χειρουργικές επεμβάσεις και τους διαδραστικούς συντρόφους, μαθαίνουμε ότι η ΤΝ μπορεί να κάνει θαύματα για τον τρόπο ζωής μας. Επίσης, αυξάνει σημαντικά τις δικές μας δημιουργικές ικανότητες, ακόμη και αν δεν μπορεί ακόμη να κατανοήσει πλήρως την έννοια της δημιουργικότητας από μόνη της.

Τι είναι το Μέλλον της Δημιουργικότητας της ΤΝ;

Τελικά, οι περισσότεροι εμπειρογνώμονες της ΤΝ λένε ότι η ανάπτυξη μιας νοημοσύνης με ανεξάρτητη ανθρώπινη δημιουργικότητα δεν είναι ο στόχος της μελέτης της ΤΝ. Αντίθετα, ο σκοπός είναι να εξερευνήσουμε τα όρια του τι είμαστε ικανοί και να τα επεκτείνουμε όσο γίνεται περισσότερο.

Για αυτό, η ΤΝ διεγείρει τον ανθρώπινο νου να σκέφτεται πιο δημιουργικά. Αυξάνει τη δημιουργικότητά μας με έναν τρόπο που μας βοηθά να προχωρήσουμε στην κατανόησή μας για τη μηχανική μάθηση. Τι ενδιαφέροντα συμφωνία έχουμε δημιουργήσει.

Έτσι, γνωρίζουμε ότι η ΤΝ δεν μπορεί τώρα να είναι ανεξάρτητα δημιουργική επειδή δεν μπορεί ακόμη να δώσει σημασία στη σύνθεσή της. Από την άλλη πλευρά, ακόμη και στη τρέχουσα μορφή της, η ΤΝ γεμίζει τους ανθρώπους με απαράμιλلة, ακατάπαυστη δημιουργικότητα.

Πιστεύω ότι το μέλλον της δημιουργικότητας της ΤΝ βρίσκεται στη κυκλική φύση της σχέσης μάθησης ανθρώπου-ΤΝ. Όσο η μηχανική μάθηση επιτρέπει στους ανθρώπους να βαθύνουν τη δημιουργικότητά τους, περιμένω πλήρως ότι αυτό θα βαθύνει την κατανόηση της ΤΝ για την αληθινή φύση της δημιουργικότητας.

Ο Alexander Tarasov είναι ο CTO στο Food Rocket, είναι υπεύθυνος για την κατασκευή των διεργασιών IT, B2C και συστημάτων back-office. Έχει φέρει τις υπηρεσίες IT σε πλήρη αυτοματοποίηση από το μηδέν και έχει ενσωματώσει διαχείριση δεδομένων με τη βοήθεια της τεχνητής νοημοσύνης. Προηγουμένως ήταν υπεύθυνος για το IT Digital σε einige από τους μεγαλύτερους παρόχους τηλεπικοινωνιών.