Kilka nowych technologii wywołało szum wokół sztucznej inteligencji (AI) i jej znaczenia dla naszej przyszłości jako społeczeństwa. Każda technologia pochodzi z różnych gałęzi sztucznej inteligencji i stwarza unikalny zestaw zalet i obaw.
Deepfake i sztuczna inteligencja klonująca głos utrudniają zaufanie do czegokolwiek, co widzisz lub słyszysz w Internecie. Niektórzy twierdzą, że ChatGPT i podobne systemy sztucznej inteligencji do głębokiego uczenia się prawdopodobnie spowodują redundancję miejsc pracy w kilku dziedzinach. Powstaje jedno niepokojące pytanie: „czy sztuczna inteligencja ostatecznie zastąpi programistów?”
Co to jest sztuczna inteligencja?
Sztuczna inteligencja to gałąź informatyki, która koncentruje się na zdolności systemu do rozwiązywania problemów przy użyciu jednej (lub więcej) z czterech cech. System sztucznej inteligencji może myśleć po ludzku, działać po ludzku, myśleć racjonalnie i/lub działać racjonalnie.
Historia sztucznej inteligencji
Chociaż wydaje się, że sztuczna inteligencja istnieje od wieków, jest to dziedzina, która nabrała rozpędu w połowie XX wieku. Jedną z najbardziej znaczących dat w historii AI jest rok 1956, rok oficjalnego wprowadzenia w dziedzinę sztucznej inteligencji. To wprowadzenie miało miejsce na konferencji w Dartmouth College.
Kilka wielkich nazwisk łączy się z różnymi aspektami wczesnych postępów w sztucznej inteligencji. Należą do nich Alan Turing, Marvin Minsky, Allen Newell, Herbert Simon, John Robinson i Alain Colmerauer.
Postępuj po ludzku
W 1936 roku Alan Turing opublikował artykuł zatytułowany „O liczbach obliczalnych, z zastosowaniem do problemu Entscheidungs”. W tym artykule Turing przedstawił koncepcję maszyny Turinga, która do dziś odgrywa ważną rolę w sztucznej inteligencji. Udowodnił, że przy odpowiednim algorytmie maszyna Turinga może wykonać dowolne obliczenia matematyczne.
Później, w 1937 roku, Turing wykorzystał problem zatrzymania, aby wskazać ograniczenia inteligentnych maszyn. Następnie w 1950 roku Turing zdefiniował inteligencję maszynową za pomocą tego, co nazywa testem Turinga. Jeśli system sztucznej inteligencji przejdzie test Turinga, system ten może działać po ludzku.
Myśl po ludzku
Marvin Minsky to popularna nazwa w dziedzinie sztucznej inteligencji. Znany jest z opracowania w 1951 roku pierwszej maszyny uczącej się losowo połączonej sieci neuronowej, zwanej SNARC. Sieci neuronowe uczą komputery przetwarzać dane podobnie jak ludzki mózg. Definicja sztucznej inteligencji według Minsky'ego brzmi: „nauka o sprawianiu, by maszyny robiły rzeczy, które wymagałyby inteligencji, gdyby były wykonywane przez ludzi”.
Allen Newell i Herbert Simon to dwaj inni pionierzy w dziedzinie sztucznej inteligencji, którzy skupili się na zdolności maszyny do symulowania ludzkiego myślenia. W 1956 roku zaprezentowali pierwszy program komputerowy do przetwarzania symboli, nazwany Teoretyk logiki. W 1961 roku Newell i Simon opracowali General Problem Solver (GPS), który zasadniczo naśladuje ludzką myśl.
Myśl racjonalnie
Wejdź do Johna Robinsona, który w 1965 roku opublikował czasopismo zatytułowane „A Machine-Oriented Logic Based on the Zasada rozdzielczości”. Wynalazł również rachunek rozdzielczości dla logiki predykatów, który odgrywa istotną rolę rola w SI.
Logika predykatów to język formalny, który używa logiki do reprezentowania racjonalnego myślenia. Język ten wykorzystuje ramy, zgodnie z którymi prawidłowe przesłanki prowadzą do prawidłowych wniosków. Na przykład Alexa jest maszyną; wszystkie maszyny ułatwiają pracę; dlatego Alexa ułatwia pracę.
Najnowsze postępy w sztucznej inteligencji
Tak jak na początku, dziedzina sztucznej inteligencji jest dziś bardzo złożona i obejmuje wiele różnych gałęzi. Każda gałąź pod parasolem sztucznej inteligencji nieustannie robi znaczące postępy.
Uczenie maszynowe to gałąź sztucznej inteligencji, która wykorzystuje algorytmy danych do naśladowania ludzkiego uczenia się, co poprawia jego dokładność w każdej iteracji. Jednym z bardziej znanych podzbiorów uczenia maszynowego jest uczenie głębokie. Głębokie uczenie się poprawia uczenie maszynowe poprzez zmniejszenie zapotrzebowania maszyny na pomoc człowieka.
Na przykład, jeśli masz obrazy kwiatów, które chcesz pogrupować według gatunków, proces kategoryzacji będzie się różnił w zależności od typu systemu. Jeśli twój system wykorzystuje uczenie maszynowe, musisz ręcznie ustalić cechy odróżniające gatunki. Jednak system wykorzystujący głębokie uczenie sam określi najlepsze cechy wyróżniające dla każdego gatunku.
Głębokie uczenie się stworzyło w ostatnich latach duże fale w branży ze względu na kilka technologii. ChatGPT to technologia głębokiego uczenia się któremu obecnie poświęca się wiele uwagi.
Według ChatGPT jest to:
duży model języka stworzony przez OpenAI. Jest to program sztucznej inteligencji (AI) przeznaczony do rozumienia języka naturalnego i generowania odpowiedzi podobnych do ludzkich na różnego rodzaju pytania i podpowiedzi. Model oparty jest na architekturze głębokiego uczenia zwanej transformatorem, która jest w stanie przetwarzać duże ilości danych ilości danych tekstowych i generowanie odpowiedzi na podstawie wzorców i relacji, których się z nich nauczyło dane.
Od momentu uruchomienia w czwartym kwartale 2022 r. ChatGPT jest tematem wielu dyskusji. To, co wyróżnia ten system sztucznej inteligencji, to umiejętność przetwarzania języka naturalnego w połączeniu ze zdolnością uczenia się nowych informacji poprzez uczenie się wzmacniające na podstawie informacji zwrotnych od ludzi (RLHF). Wydaje się również, że ma silną zdolność pisania i naprawiania kodu. Niektórzy twierdzą, że ta technologia reprezentuje genezę wyginięcia ludzkich programistów.
Pożądane cechy ludzkiego programisty, których sztuczna inteligencja nie może powielić
System sztucznej inteligencji może nauczyć się pisać kod, który tworzy oprogramowanie. Jednak całkowita wymiana programistów może być nieco bardziej skomplikowana. Możliwości systemu AI mogą pozwolić na zmniejszenie siły roboczej, pomagając programistom pracować szybciej, ale nigdy tak naprawdę nie zastąpi ludzkich pracowników. Główną cechą odróżniającą programistów od systemów sztucznej inteligencji jest ludzki mózg i jego złożone cechy.
Według Andrew Ng, jedno z czołowych nazwisk w branży sztucznej inteligencji:
pojedynczy neuron w mózgu to niesamowicie złożona maszyna, której nawet dzisiaj nie rozumiemy. Pojedynczy „neuron” w sieci neuronowej to niewiarygodnie prosta funkcja matematyczna, która wychwytuje niewielki ułamek złożoności biologicznego neuronu.
Zdolność mózgu do generowania nowej myśli z pozornie rozrzedzonego powietrza jest poza ludzkim zrozumieniem. Z pewnością nie jest to coś, co system AI może powielić. Inną pożądaną cechą programistów jest zakłopotanie kreatywnością, której maszyna nie jest w stanie odtworzyć.
Dzięki głębokiemu uczeniu sztuczna inteligencja może sprawiać wrażenie ludzkiego myślenia. Niektóre systemy sztucznej inteligencji mogą podejmować proste decyzje, ale te decyzje bledną w porównaniu ze zdolnościami decyzyjnymi ludzkiego mózgu. Sztuczna inteligencja może pisać kod, ale nie jest w stanie zapewnić, że kod, który zapisuje, jest poprawnym kodem. System sztucznej inteligencji nie jest w stanie powielić ludzkiego osądu ani nic nie wskazuje na to, że będzie w stanie to zrobić w przyszłości.
Przyszłość sztucznej inteligencji i programowania
Technologie sztucznej inteligencji, takie jak ChatGPT, udowodniły, jak przydatna może być sztuczna inteligencja dla programistów. Szybko generuje kod i może pomóc w ogólnym przepływie pracy programisty. Jednak ChatGPT udowodnił również, że nawet najbardziej zaawansowana technologia głębokiego uczenia się, którą obecnie dysponujemy, nie jest w stanie obsłużyć pełnej autonomii. Według OpenAI ChatGPT jest znany z generowania bezsensownych odpowiedzi na pytania.
Dlatego można założyć, że przyszłość sztucznej inteligencji w programowaniu to raczej „pomocnicy” niż „zastępcy” programistów.
