Sztuczna inteligencja a rzeczywistość
Możliwości, jakie daje inteligentny komputer, zależą wyłącznie od tego, jakie dane dostarczą mu ludzie.
Robert Ito
W ciągu minionych trzech lat na Uniwersytet Stanforda zjeżdżało latem ponad dwudziestu dobrze zapowiadających się, młodych adeptów informatyki, by uczyć się o sztucznej inteligencji od największych znawców z tej dziedziny. Uczestnicy programu, wybrani spośród setek kandydatów, odwiedzają pobliskie firmy z branży technologicznej, przyglądają się działaniu heksakopterów oraz robotów stworzonych z myślą o komunikacji z człowiekiem, poznają tajniki językoznawstwa informatycznego (zajmującego się na przykład kwestią doboru przez maszyny wariantów słów o wielu znaczeniach) oraz dowiadują się, jak ważne jest umiejętne zarządzanie czasem (bardzo ważne). Rzucają też sobie frisbee. Ale jeśli z pracą nad sztuczną inteligencją kojarzysz jedynie chłopaków doskonalących złe charaktery w swoich ulubionych grach wideo, to się mylisz. Wszyscy uczestnicy programu (SAILORS) (Stanford Artificial Intelligence Laboratory’s Outreach Summer) to dziewczyny, które ukończyły dziewiątą klasę. Ich zajęcia koncentrują się na wyszukiwaniu sposobów na poprawę jakości życia, a nie na ulepszaniu jakości gry. Jak sztuczna inteligencja może na przykład pomóc w unikaniu zderzeń samolotów odrzutowych? Jak zagwarantować, że lekarze każdorazowo będą myć ręce przed wejściem na salę operacyjną? „Naszym celem było opracowanie na nowo edukacji w zakresie sztucznej inteligencji w sposób, który będzie sprzyjał zróżnicowaniu i który będzie lepiej sprawdzać się w przypadku uczniów ze wszystkich środowisk”, mówi Fei-Fei Li, dyrektor laboratorium sztucznej inteligencji na Uniwersytecie Stanforda i założycielka programu SAILORS. „Gdy partnerami w dialogu są liczni, różniący się między sobą przyszli technolodzy, na pierwszy plan wychodzi troska o stosowanie technologii dla dobra ludzkości”.
“Gdy partnerami w dialogu są liczni, różniący się między sobą przyszli technolodzy, na pierwszy plan wychodzi troska o stosowanie technologii dla dobra ludzkości.”
Fei-Fei Li Google i Uniwersytet Stanforda
Program SAILORS został stworzony w 2015 roku przez Li i jej dawną studentkę, Olgę Russakovsky (obecnie adiunkt na Uniwersytecie Princeton), w celu zwiększenia zróżnicowania pod względem płci grona specjalistów z branży technologicznej. Powód, dla którego obie kobiety zdecydowały się na ten krok, jest zarazem szlachetny i naglący. Zgodnie z przeprowadzonym niedawno badaniem liczba kobiet decydujących się na podjęcie studiów na kierunku informatycznym spada; w sektorze sztucznej inteligencji kobiety zajmują mniej niż 20% stanowisk kierowniczych. Zważywszy na fakt, że każdego dnia coraz więcej ludzi korzysta z technologii sztucznej inteligencji, by ułatwiać sobie życie i zwiększać swoją wydajność, wykluczenie kobiet z tego sektora urasta do rangi problemu ogromnej wagi. Sztuczna inteligencja jest wszędzie. To ona rozpozna Cię na zdjęciu, a także wskaże plażę, na której zdjęcie zostało wykonane. To ona pozwala Twoim urządzeniom zrozumieć Twoje zapytanie o jutrzejszą pogodę. Sztuczna inteligencja znajduje zastosowanie także w mniej oczywistych obszarach: pozwala zdiagnozować retinopatię cukrzycową (która często prowadzi do utraty wzroku) i wysłać drona na misję poszukiwawczo-ratunkową do najodleglejszych zakątków świata.
Sztuczna inteligencja staje się coraz bardziej powszechna, dlatego też potrzeba zapewnienia równowagi płci w tej dziedzinie przestaje być jedynie słusznym dążeniem – zróżnicowanie stanowi klucz do skuteczności sztucznej inteligencji, o czym decyduje natura systemów uczących się. Celem sztucznej inteligencji jest umożliwienie maszynom wykonywania zadań, które ludziom przychodzą bez trudu: rozpoznawania mowy, podejmowania decyzji, odróżniania hot-doga od hamburgera. Aby było to możliwe, maszynom dostarcza się ogromne ilości danych – często są to miliony słów, rozmów lub obrazów. Dzięki temu maszyny przyswajają dane tak, jak robimy to my w każdej chwili od momentu naszych narodzin, gdy funkcjonujemy na jawie (na tym zasadniczo polega uczenie się). Im więcej samochodów zobaczy maszyna, tym lepiej będzie sobie radzić z ich rozpoznawaniem. Jeśli jednak dostarczane zbiory danych będą ograniczone lub tendencyjne (jeśli na przykład badacze nie uwzględnią w nich zdjęć trabantów) lub jeśli członkowie zespołu zajmującego się sztuczną inteligencją nie dostrzegą lub nie wezmą pod uwagę tych ograniczeń lub tendencyjności (nie będąc znawcami niezbyt popularnych zachodnioniemieckich samochodów osobowych), maszyny oraz dostarczane przez nie dane wyjściowe będą niedoskonałe. To dzieje się na naszych oczach. Zdarzyło się już, że oprogramowanie do rozpoznawania obrazów uznało, że Azjaci na zdjęciu to osoby, które mrugają.
“Nie chodzi już tylko o to, by uzyskać dane odzwierciedlające rzeczywisty stan rzeczy. Chodzi o to, aby wskaźniki poszły we właściwym kierunku.”
Tracy Chou Projekt Include
Jak ludzie tworzą obszary robocze i laboratoria dostępne dla większej liczby użytkowników? To wyzwanie podejmuje wiele osób i zespołów projektowych. W tym roku Li, która pełni także rolę głównego badacza w dziedzinie sztucznej inteligencji i systemów uczących się w ramach Google Cloud, pomogła wraz z innymi osobami uruchomić program AI4ALL. Celem tej obejmującej całe Stany Zjednoczone inicjatywy o charakterze non-profit jest większe zróżnicowanie w pracach nad sztuczną inteligencją. W programie biorą udział eksperci z dziedzin genomiki, robotyki, a także zrównoważonego rozwoju. Projekt, który opiera się na wiedzy uzyskanej w ramach programu SAILORS, obejmuje także swoim zasięgiem osoby o zróżnicowanym pochodzeniu rasowym oraz uczniów z mniej zamożnych środowisk. Było to możliwe dzięki poszerzeniu współpracy z Uniwersytetem Stanforda o kolejne uniwersytety: Princeton, UC Berkeley i Carnegie Mellon. „Wielu naszych kolegów po fachu i liderów branży zwracało się do nas, mówiąc, że projekt SAILORS to świetna sprawa, ale że ogranicza się do Uniwersytetu Stanforda i rocznie obejmuje swoim zasięgiem zaledwie kilkudziesięciu uczniów, z których na dodatek większość pochodzi z rejonu zatoki San Francisco”, mówi Li. „W ramach projektu AI4ALL skupiamy się na różnorodności i dostępności. Nie chodzi jedynie o płeć”.
Inne podobne inicjatywy to Code Next, realizowany w Oakland program Google mający zachęcić studentów pochodzenia latynoamerykańskiego i afroamerykańskiego do kreowania swojej przyszłości w branży technologicznej, DIY Girls, program edukacyjno-mentorski obejmujący nauki ścisłe, technologię, inżynierię, sztukę i matematykę skierowany do mniej zamożnych społeczności z Los Angeles, a także Project Include, w ramach którego początkujące i rozwijające się start-upy zatrudniają więcej kobiet i osób o różnym pochodzeniu rasowym. Tracy Chou, która wcześniej pracowała w serwisie Pinterest, założyła w zeszłym roku Projekt Include wraz z siedmioma innymi ekspertkami z branży technologicznej. W 2013 roku Chou zasłynęła z tego, że nawoływała firmy specjalizujące się w technologii do ujawnienia danych dotyczących liczby zatrudnianych kobiet. Wraz z kolejnymi napływającymi danymi potwierdzało się to, co wiedział każdy w Dolinie Krzemowej: w tej branży, zarówno w dużych firmach, jak i małych start-upach, przeważają biali mężczyźni. Jak mówi Chou, zainicjowanie Projektu Include było logiczną konsekwencją jej wcześniejszych działań. „Choć minęło kilka lat, a dane z raportów nadal kształtują się podobnie, zachodzi już powoli pewna zmiana w tej kwestii”, mówi Chou. „Nie chodzi już tylko o to, by uzyskać dane odzwierciedlające rzeczywisty stan rzeczy. Chodzi o to, aby wskaźniki poszły we właściwym kierunku”.
Kierunek ten zakłada umożliwienie większej liczbie osób znalezienia pracy w obszarze opracowywania sztucznej inteligencji. W tej branży zatrudnia się stosunkowo mało osób, a mimo to można już natknąć się na roboty, które zapewniają ludziom opiekę, a także na osobistych asystentów, którzy przewidują potrzeby korzystających z ich pomocy użytkowników. Skoro ludzie kontrolują dane i kryteria, a maszyny wykonują pracę, to większy i lepszy wkład wnoszony przez ludzi będzie przekładał się na lepsze wyniki pracy robotów.
Demokratyzacja sztucznej inteligencji ma już miejsce na wielu płaszczyznach. Na przykład w Japonii syn rolnika użył technik sztucznej inteligencji, by posortować zebrane przez jego rodzinę plony według różnych cech ogórków. To właśnie tego rodzaju opowieści przemawiają do Li, która przybyła z Chin do Stanów Zjednoczonych, mając 16 lat i wiedząc niewiele na temat swojego nowego kraju, jeszcze mniej zaś na temat samego New Jersey, w którym przyszło jej zamieszkać. Li, która nie bała się dorywczej pracy – sprzątała domy, wyprowadzała psy na spacer, pracowała jako kasjerka w chińskiej restauracji – zapewniła sobie miejsce na Uniwersytecie Princeton, po którego ukończeniu zdecydowała się na studia drugiego stopnia w California Institute of Technology.
W swoim miejscu pracy Li znacznie się wyróżnia: imigrantka, kobieta i osoba o innym kolorze skóry w świecie zdominowanym przez białych mężczyzn. To, co dla innych byłoby hamulcem, dla Li było bodźcem do rozwoju. Li spędza większość swojego czasu, badając to, co sama określa mianem „superkluczowego zastosowania sztucznej inteligencji”, a mianowicie jej możliwości w zakresie rozpoznawania obrazów. Techniki rozpoznawania obrazów analizują i identyfikują dane wizualne. W przyszłości mogą one posłużyć do stworzenia mechanicznych kończyn zdolnych skuteczniej reagować na bodźce lub robotów radzących sobie z najbardziej złożonymi dowodami matematycznymi. Kluczem do tych technologii, jak w przypadku całej dziedziny sztucznej inteligencji, jest nauczenie systemów prawidłowej analizy ogromnych ilości informacji z wielu różnych miejsc i źródeł. Celem jest stworzenie społeczności wizualnych obywateli świata, takich jak Li.
Sprzyjanie kształtowaniu świata przez zróżnicowaną grupę twórców ma ogromne znaczenie na wielu płaszczyznach. Dotyczy to także problemów technicznych, z którymi styka się na co dzień Diana Williams, strateg ds. treści z ILMxLAB, tajnego centrum badawczego wytwórni Lucasfilm. Pracujący tam artyści tworzą inspirowaną uniwersum Gwiezdnych wojen realistyczną, interaktywną rozrywkę, której przykładem może być choćby możliwość spotkania się w rzeczywistości wirtualnej z Darthem Vaderem. Williams bardzo angażuje się w działania organizacji na rzecz popularyzowania technologii, takie jak Black Girls Code, mając w pamięci swoje studia w latach 80 i to, że na uczelni można było wtedy spotkać bardzo małą liczbę kobiet, które nie miały białego koloru skóry. „Zawsze byłam jedyną kobietą na zajęciach z matematyki czy biznesu”, opowiada. „To nie tylko męczy, ale i przeraża”. Oto jej rada mająca pomóc zapewnić kobietom miejsce w branży technologicznej: „Trzeba nadawać im kierunek od najmłodszych lat i umacniać ich pewność siebie, tak aby w sytuacji, gdy wejdą do pomieszczenia, w którym będą jedynymi kobietami, nie odwróciły się na pięcie i nie wyszły”.
“Trzeba nadawać im kierunek od najmłodszych lat i umacniać ich pewność siebie, tak aby w sytuacji, gdy wejdą do pomieszczenia, w którym będą jedynymi kobietami, nie odwróciły się na pięcie i nie wyszły.”
Diana Williams Lucasfilm
Maya Gupta prowadzi w Google badania nad systemami uczącymi się mające na celu ulepszenie sztucznej inteligencji. W swojej pracy Maya obrała jednak dość wyjątkowy kierunek. Pracując na Uniwersytecie Stanforda, pomogła norweskiej firmie wykryć pęknięcia w podwodnym gazociągu. „Dotarcie tam nie jest łatwe, dlatego też musieliśmy oprzeć się na niepełnych danych i zgadywać”, mówi Maya. Dla Gupty proces uczenia systemów formułowania skomplikowanych przypuszczeń to nic nowego. Wyobraź sobie, że słuchasz w YouTube utworu „Truth” saksofonisty tenorowego Kamasiego Washingtona. Po jego zakończeniu muzyka przeskakuje na cudowny utwór „Turiya and Ramakrishna” Alice Coltrane. Możesz odnieść wrażenie, że o jego wyborze mógłby zadecydować wyłącznie naprawdę genialny DJ. W rzeczywistości wyrazy uznania należą się Gupcie, której zespół pracuje nad ulepszaniem sugestii generowanych przez komputery. „Wszystko sprowadza się do trafnego prognozowania”, mówi Gupta. „Staramy się odgadnąć różne rzeczy w oparciu o ograniczone dane”.
Aktualnie Gupta przewodzi w Google zespołowi zajmującemu się badaniami i rozwojem, którego celem jest m.in. zwiększenie precyzji procesu uczenia się systemów. „Załóżmy, że chcę być w stanie rozpoznawać równie trafnie akcent bostoński i teksański, dysponuję jednak modułem rozpoznawania mowy, który radzi sobie nieco lepiej z akcentem teksańskim”, mówi Gupta. „Czy aby było sprawiedliwie, powinnam karać osoby z teksańskim akcentem, pogarszając skuteczność działania modułu w zakresie rozpoznawania ich akcentu, tylko po to, aby odpowiadała ona skuteczności modułu w zakresie rozpoznawania akcentu bostońskiego? A jeśli bostoński akcent jest zwyczajnie trudniejszy do odróżnienia?”
Gupta i jej zespół dostosowują także mechanizmy działania systemów w taki sposób, by były one o wiele bardziej przejrzyste niż działania ich żywych twórców. Mamy nadzieję, że z pomocą maszyn uda nam się wyeliminować wiele uprzedzeń oraz zachodzących w podświadomości procesów, które czają się w zakamarkach ludzkich umysłów – a przynajmniej że uda się je łatwiej rozpoznawać. Maszyny nie tracą koncentracji, gdy są zmęczone, zirytowane lub głodne. Badania wykazały, że sędziowie są mniej skłonni zasądzać zwolnienia warunkowe w porze drugiego śniadania, gdy zamiast o dyskusji z adwokatem myślą już o swoich kanapkach. „Trudno powiedzieć, co właściwie dzieje się w ludzkim umyśle”, mówi Gupta. „Chcemy, by działanie naszych systemów uczących się można było wyjaśnić. Szczerze mówiąc, działanie wielu z nich już teraz jest prostsze do przeanalizowania niż działanie ludzi”.
“Chcemy, aby działanie naszych systemów uczących się można było wyjaśnić. Szczerze mówiąc, działanie wielu z nich już teraz jest prostsze do przeanalizowania niż działanie ludzi.”
Maya Gupta Google
Wraz ze wzrostem przydatności sztucznej inteligencji – nie mówiąc o jej łatwości użycia – pojawiają się naciski, by zapewniać do niej dostęp jak największej grupie ludzi. Christine Robson, która przed przejściem do Google zajmowała się badaniami w firmie IBM, jest absolutną fanką oprogramowania typu open source. Do takich programów zalicza się system uczący się TensorFlow, którego można użyć do szeregu celów, od tłumaczeń po wykrywanie chorób i tworzenie prac graficznych.
Dla Christine otwarcie się na różne środowiska oznacza w kontekście sztucznej inteligencji udostępnienie narzędzi szerszej grupie osób – nie tylko entuzjastom takim jak ona. „Myśl o dostępności systemów uczących się dla świata jest ekscytująca”, mówi Christine. „Wiele się mówi na temat demokratyzacji systemów uczących się, ale ja zwyczajnie w to wierzę. Ułatwienie obsługi narzędzi związanych ze sztuczną inteligencją oraz udostępnianie ich mechanizmów większej liczbie użytkowników ma kluczowe znaczenie”.
Literatura i filmy z gatunku SF od dawna podsuwały nam przykłady niewłaściwych ścieżek rozwoju sztucznej inteligencji („Frankenstein” autorstwa Mary Shelley za rok obchodzi 200 urodziny). Obecnie wielu specjalistów z branży – wliczając w to Li, Robson i Chou – mniej niepokoi kwestia tego, co sztuczna inteligencja może zrobić nam, niż kwestia tego, jak my możemy wpłynąć na sztuczną inteligencję. Przykład: programiści przypisują wirtualnemu asystentowi kobiecy głos, ponieważ... no cóż, zarówno kobietom, jak i mężczyznom taki głos podoba się bardziej. „Taki wybór utrwala jednak utarty schemat, zgodnie z którym asystentkami są kobiety, dlatego też nasza praca z tymi systemami umacnia społeczne uprzedzenia”, mówi Chou. Wielu wiodących ekspertów z branży niepokoi zakres danych napływających w czasie rzeczywistym do systemów sztucznej inteligencji, a co za tym idzie, także przyszły sposób działania tych systemów. To właśnie jest powód, dla którego tak dużą wagę przykłada się do zwiększenia różnorodności w sektorze sztucznej inteligencji. Na każdym kroku czekają nas trudności. Orędownicy tej zmiany to jednak mądrzy ludzie posiadający obszerną wiedzę i oddani słusznej sprawie.
“To niezwykle ważne, by narzędzia wykorzystujące sztuczną inteligencję były łatwe w użyciu i by każdy mógł z nich skorzystać.”
Christine Robson Google
„Musimy mieć pewność, że każdy czuje się mile widziany”, mówi Gupta. Wspomina ścianę pełną zdjęć emerytowanych profesorów inżynierii elektrycznej i elektronicznej z jej uczelni – jak sama mówi, „te osoby w niczym jej nie przypominały”. „Musimy przekonać dziewczyny, że sztuczna inteligencja to nie żadna magia”, dodaje Robson. „To czysta matematyka”.
W ramach programu SAILORS uczniowie dowiadują się, jak korzystać z technik przetwarzania naturalnego języka, by wyszukiwać informacje w mediach społecznościowych oraz dane przydatne w przypadku katastrofy. „Tweety publikowane przez osoby będące w potrzebie w czasie rzeczywistym mogłyby okazać się przydatne dla osób niosących im ratunek, ułatwiając im ich znalezienie”, mówi Li. Prowadzone lekcje przynoszą efekty, które można podziwiać jeszcze długo po zakończeniu niezapomnianych letnich zajęć. Niektóre uczestniczki założyły w szkołach własne kluby dla miłośników robotyki, opublikowały artykuły w magazynach naukowych, a nawet prowadziły w szkołach średnich warsztaty mające zainteresować sztuczną inteligencją także młodsze dziewczęta. Dla tych uczniów, których pochodzenie i środowisko różnią się tak bardzo, jak same realizowane przez nich projekty, sztuczna inteligencja to nie najnowszy gadżet, lecz potęga, która może służyć słusznym celom. Podczas spotkania przygotowawczego poprzedzającego pierwszą odsłonę projektu SAILORS w 2015 roku mogliśmy przeczytać wiadomości przesłane przez przyszłe uczestniczki, wśród których była także i taka zawierająca ambitne życzenie: „Mam nadzieję, że to wejście w świat sztucznej inteligencji pozwoli mi w przyszłości zmienić nasz świat”.
