Vilniaus Gedimino technikos universiteto, VGTU (Vilnius Tech) Mechatronikos, robotikos ir skaitmeninės gamybos katedros profesorius
Sakote, kad dirbtinis intelektas gviešiasi mus pavergti? O ar žinote, dėl ko robotikos mokslininkai į šias sąmokslo teorijas žiūri krizendami? Taip, šiandien robotai vagoja Marso dykumas, operuoja ligonius, nepalieka jums šansų prie šachmatų lentos ir netgi siūlosi tapti jūsų skaitmeniniais dvyniais.
Bet pabandykite jiems duoti paprastą užduotį – sulankstyti trikotažinius marškinėlius ne specialiai paruoštoje demonstracijoje, o kasdienėje netvarkoje. Tuoj pat pamatysite, kaip greitai techninių stebuklų iliuzija suduš į gyvenimo realybę.
O mamos ir močiutės mus išmokė tą patį darbą padaryti greitai, tvarkingai ir dar su puodeliu arbatos rankoje. Kodėl taip yra?
Robotai yra matematinės tvarkos įkaitai. Ten, kur jūs matote trikotažą, mašinos mato skaitmenizuotus duomenis ir algoritmus jiems apdoroti. Algoritmo matematika bus paprasta, jei daiktas, su kuriuo dirba robotas, bus kietas ir nuolat atsikartojančios formos.
Matėte vaizdo įrašą, kaip robotas humanoidas pilsto alų į bokalus? Taigi čia viskas aišku: bokalas jam yra tik cilindras: aukštis toks, skersmuo toks, svoris žinomas. Bokalą visada galima pasiimti beveik iš tos pačios vietos, kurioje jis atsiduria… kažkaip. Robotas į tai nesigilina. Todėl algoritmui užtenka tik vienos formulės, kad apskaičiuotų, kaip paimti bokalą. Tokiame matematinės tvarkos pasaulyje robotas atrodo kaip žuvis vandenyje.
Bet realus gyvenimas – ne laboratorija ir netgi ne alaus baras. Grįžkime į močiučių išminties pasaulį. Kokius matematinius įrankius mes turime, kad išmokytume robotą bent atpažinti priešais vaizdo jutiklius numestą trikotažo gaminį? Vaizdo kamerų duomenys niekuomet neatsikartojantys: vieną kartą trikotažas sukrenta vienaip, antrą – kitaip. Apšvietimas ryte vienoks, vakare kitoks. Audinys minkštas, glamžosi, tempiasi, reaguoja į drėgmę ir temperatūrą.
Mokslininkai šią robotikos problemą vadina protingu žodžiu „pleomorfizmas“.
Močiutė manęs paklaustų: „Dariau, kur tavo dirbtinis intelektas, didieji kalbų modeliai ir mašininis mokymas?“ Ir man reikėtų tik painiai aiškinti, kiek (stulbinamai daug!) kainuotų šią problemą išspręsti pačiais moderniausiais būdais.
Žmogus jaučia pleomorfinius daiktus. Pirštais, akimis, patirtimi. Užtenka keleto sekundžių suprasti, kur gaminio priekis, kur nugara, net jei daiktas susuktas į mazgą. Robotai nejaučia taip kaip mes, jų sukaupta patirtis nėra asmeninė, o svarbiausia – jie neturi kūrybinio požiūrio į realybę. Kodėl neuroniniai tinklai ir dirbtinis intelektas darosi per brangūs iš pažiūros elementariai užduočiai? Todėl, kad šio tipo marškinėlių problemą gali spręsti tik ribotai, su milžiniškais duomenų kiekiais ir labai siaurose, kontroliuojamose situacijose.
Kad ir kaip stengtųsi duomenų apdorojimo inžinieriai, vaizdo jutikliai vis tiek „matys“ itin sudėtingą, nestabilų ir neapibendrinamą matematinį vaizdą ten, kur mes akimirksniu atpažįstame numestą drabužį. Galėtume robotui padėti – prisegti specialius žymeklius ar kabinti gaminius ant pakabų. Klausimas, ar mums tikrai reikia robotų, kurie negali prisitaikyti prie realybės?
Tas pats ir medicinoje. Chirurginiai robotai labai tikslūs, bet automatinės operacijų fazės dar ribotos.
Biologinis kūnas nėra matematiškai aprašoma konstrukcija. Kiekvieno paciento organai skirtingo dydžio, audiniai būna minkštesni ar kietesni, o svarbios kraujagyslės gali būti neįprastose vietose ir pavojingai arti operacijos lauko.
Chirurgas tai jaučia akimis, rankomis, patirtimi. Robotas turi tik skaitmenizuotus duomenis. Todėl be žmogaus atsakomybės, patirties ir sprendimų jo tikslumas yra tik techninis parametras, neturintis objektyvios vertės.
Taigi, kodėl aš negaliu roboto išmokyti to, ką mama ar močiutė išmokė mane per labai trumpą laiką? Aš, būdamas žmogumi, esu be galo daug kartų sudėtingesnis už bet kurį robotą. Savarankiškai veikti fiziniame pasaulyje išmokstu greičiau ir kokybiškiau už bet kokią techninę sistemą. Mano patirtis yra asmeninė ir dėl to nenukopijuojama, bet palyginti lengvai sukuriama ir gali būti naudojama neribotai, kūrybiškai, be papildomų išteklių.
Matematika man padeda pažinti pasaulį, yra pagrindinis įrankis kuriant ir tobulinant algoritmus. Vis dėlto, kai matematika pasidaro pernelyg sudėtinga, matematinio aprašo kaina nusveria naudą.
Taip, šiandieninės dirbtinio intelekto sistemos gali „apeiti“ matematinio aiškumo poreikį robotikoje. Dėl to, netgi turėdamas neprilygstamus mokymosi gabumus, niekaip negalėčiau varžytis su kalbos modeliais informacijos apdorojimo efektyvumu. Taip pat dėl savo tingumo negaliu išmokti žaisti šachmatais taip, kad nugalėčiau kitoje lentos pusėje žaidžiantį robotą. Tačiau kol neišgirsiu, kad kokia nors kompanija jau pardavinėja buitinius robotus, nuo grindų surenkančius ir per naktį tvarkingai sulankstančius mano apatinius, į robotų revoliucijos grėsmę žiūrėsiu atlaidžiai.
Kitą kartą pamąstysime, kas dar man teikia vilties, kad robotų pranašumo prieš žmogų galimybė tebėra neaprėpiamai tolimoje ateityje.