Inteligența Artificială încearcă să devină (cât de cât) inteligentă

Pe ecranul laptopului se derulează o filmare simplă, în cadru fix: șase furnici aleargă pe o farfuriuță, dar numai una-i cea aleasă. Pe ea și doar pe ea o privește și îi urmărește fiecare mișcare computerul, care a și însemnat-o virtual, pe ecran, cu chenare colorate.

Până la un punct, furnica și computerul seamănă: amândouă entitățile sunt capabile să execute bine și eficient sarcini pre-programate – genetic, în cazul furnicii, inginerește, în cazul computerului. Dar, deși nu știm cum înțelege lumea înconjurătoare furnica, putem presupune, cu destulă certitudine, că o face mult mai bine, deocamdată, decât computerul, mai ales deoarece acesta nu o face aproape deloc. Furnica din farfuriuță nu știe că-i observată iar computerul nu știe de ce o observă, însă măcar a doua dintre aceste necunoscute ar urma să dispară (în viitorul apropiat?), dacă experții reușesc să învețe Inteligența Artificială cum să devină, mă rog… inteligentă.

Într-unul dintre birourile Bitdefender, trei dintre membrii echipei de machine learning încearcă să-mi explice, cu neașteptat de multă răbdare, ce și la ce lucrează. „Cum se traduce machine learning?”, întreb. „Învățare automată”, mi se răspunde. „Deci cam cum învățam eu analiză matematică la școală, nu?”, încerc o glumă, dar oamenii nu râd, se prind fulgerător că, de fapt, le spun tristul adevăr.

Interlocutorii mei: doi ingineri de calculatoare – Elena Burceanu și Tudor Berariu – și un filosof convertit la matematici, Florin Gogianu, pentru că întrebările fundamentale pot fi scrise și-n ecuații, firește.

Elena, care acum face un doctorat în computer vision, îmi explică misiunea ei:

– Am vrea ca un computer să se uite la o filmare așa cum ne uităm noi; acum, computerul vede doar niște pixeli. Cum învățăm computerul că pixelii dintr-un anumit grup formează un obiect, chiar dacă nu au aceeași culoare, de pildă? Acesta ar fi pasul care trebuie făcut: trecerea de la nivelul de pixeli la un nivel mai… semantic, așa, să vadă și sensul în niște imagini.

Adică, de pildă, să știe când un grup de oameni dintr-o filmare se ceartă și când se amuză.

Cum merge deocamdată? Se fac progrese, ar fi răspunsul optimist.

Elena îmi arată niște secvențe, cu descrieri alternative, mai întâi făcute de un om, apoi de computer. Mai jos, capturi de ecran și transcrierea unora dintre explicațiile furnizate de om, apoi de computer:

Omul zice: „o persoană face gimnastică în fața unei mulțimi”. Computerul zice „un bărbat sare într-o competiție”.

Omul zice: „un bărbat vorbește despre o barcă”. Computerul zice „un bărbat stă în râu și încearcă să prindă peștele”.

Omul zice: „o persoană schiază la vale printr-o pădure înzăpezită”. Computerul zice „o persoană filmează o zăpadă”.

Omul zice: „un jucător de hochei marchează un gol”. Computerul zice: „un jucător de hochei se bucură”.

Dar de ce am vrea să-i dăm computerului puterea de a înțelege filmări?

– Pentru automatizarea unor procese pe care oamenii le fac foarte simplu, dar pe care calculatoarele nu le pot face deocamdată. De pildă… pentru supraveghere video, un om trebuie să stea și să se uite pe niște ecrane. Ăsta-i un job destul de plictisitor. Ar fi super util ca un calculator să poată face asta iar omul să facă ceva mult mai interesant… sau să primească salariu universal (chicotește).

Mai mult: dar dacă am învăța computerul nu doar să înțeleagă ce vede într-o filmare, ci și să povestescă, mai departe, ce a văzut? Simplu ca bună ziua pentru oameni, deocamdată aproape imposibil pentru computere, dar echipe de cercetători din toată lumea ciobesc puțin câte puțin acest obstacol. La ce ar folosi? La îmbunătățirea sistemelor de monitorizare video: imaginați-vă un sistem care monitorizează ce întâmplă într-o intersecție și detectează niște anomalii; când computerul va înțelege la ce se uită și va putea și descrie ce a văzut, va putea semnala operatorului uman, cu precizie, care este problema.

Dar și la aplicații mult mai prietenoase: dacă vrem roboți care să ne aducă berea din frigider, dar și să îndrume un nevăzător, de pildă, ar fi bine să înțeleagă mediul înconjurător din punct de vedere vizual și să-l poată și descrie, la cerere.

Cum „învață” computerele? Deocamdată, la fel cum învață și oamenii (deoarece noi suntem creatorii lor, probabil), adică absorbind experiențe, adică informație, în pachete de date, cu zecile de milioane. Spune Tudor Berariu: „de exemplu, un model simplu, care recunoaște pisici, câini, copaci, masă, scaun într-o filmare are nevoie de câteva zeci de milioane de imagini, adnotate deja”. Evident, nu pot fi descrise absolut toate situațiile posibile în aceste pachete de date, pentru că sunt o infinitate; învățarea automată presupune ca inteligența artificială să recunoască situații asemănătoare pe baza datelor pe care le deține, deja, și să generalizeze pentru a lua o decizie. La fel ca noi, oamenii, și computerele vor hotărî pe baza a ceea ce știu. Dar spre deosebire de noi, oamenii, care facem, adesea, gesturi iraționale, se speră că niciun computer nu va decide în ciuda a ceea ce știe sau tocmai pentru că nu știe.

Până la urmă, cât de mult va semăna Inteligența Artificială cu noi? Păi… o creăm să lucreze pentru interesele noastre, o educăm să învețe ca noi, o alimentăm cu date procesate de noi. Ce vă imaginați că vom obține?

În acest caz, ar trebui să ne fie frică? Oamenii pot fi un model bun, dar și foarte, foarte rău. Pe de altă parte, pentru oameni, limitele învățării există, chiar dacă sunt imprecise și diferite de la exemplar la exemplar; vârsta, mai întâi, apoi sfârșitul biologic opresc în cele din urmă acest proces. În cazul unui computer, însă, mai există limite pentru învățare și creștere? Un computer ar putea învăța la nesfârșit. Când se oprește o inteligență artificială din acumularea de informații? Ce ar însemna asta pentru specia noastră? Interlocutorii mei se foiesc. „Suntem departe de viziunea asta SF”, zice Florin; „oricum, mai e mult până ne dăm seama ce înseamnă ca o mașină să învețe la nesfârșit; sunt probleme practice nenumărate în a face un model dintr-acesta, de învățare fără oprire.”

Ajungem la cazul mașinii automate Uber care a omorât un pieton în urmă cu câteva luni. O știre globală, în condițiile în care omenirea ignoră zi de zi miile de morți în accidente rutiere provocate de alți oameni. Suntem suspicioși (și e bine) față de puterea pe care ar putea s-o dețină computerele – asupra noastră. Iată că, pur teoretică, până acum, faimoasa dilemă a tramvaiului ar putea deveni realitate odată cu dezvoltarea sistemului de mașini autonome.

Versiunea originală a dilemei este acesta: un tramvai scăpat de sub control se îndreaptă spre un grup de 5 persoane blocate pe șine și urmează să le ucidă. Tu, aflat lângă macaz, ai posibilitatea să deviezi însă tramvaiul pe o altă linie, unde este o singură persoană blocată, care va fi, însă, ucisă dacă miști macazul. Care este decizia ta?

Acum, înlocuiește tramvaiul cu o mașină autonomă și în locul tău, la macaz, pune Inteligența Artificială. Ce decizie va lua computerul într-o astfel de situație? „Ce a fost învățat, adică în funcție de datele care au fost încărcate în el”, spune Elena. Păi și ce-l învățăm? „Poate că asta n-o să fie niciodată o decizie lăsată la îndemăna unui sistem automat”, adaugă Florin. Puneți-vă totuși în această situație, insist, că sunteți ingineri și programatori în acest domeniu. „Va fi o decizie reglementată, legiferată, în urma unui proces civic, nu inginerii vor hotărî…”, replică Florin, filosoful. Ok, deci încă o problemă pe capul nostru. Nu trebuia Inteligența Artificială să ne simplifice viețile?

„Sistemele acestea nu au deloc intenționalitate”, intervine Tudor. „Practic, diferența între aceste super-sisteme și un lift care vine când apeși butonul este dată doar de complexitatea procesului, dar nu este nimic intenționat într-un soft care poate recunoaște o persoană într-o încăpere”. Îmi amintesc că am auzit asta prima dată despre arme: nu armele ucid, ci oamenii care le folosesc, nu? Echipa de machine learning nu se amuză; abordarea mea e senzaționalistă, învățarea automată e mai întâi matematică, algoritmi și informație și, oricum, ei sunt cercetători, nu producători.

Să fim pozitivi: sistemele machine learning în medicină, de exemplu, vor permite un triaj mai eficient al pacienților înainte să se adreseze anumitor doctori, pentru afecțiuni specifice (prin interpretarea rezultatelor radiografiilor sau anumitor analize și investigații); sau, în transporturi, mai ales de marfă, pe distanțe lungi, aceleași sisteme vor gestiona rețele de vehicule autonome, ceea ce va face traficul auto mai sigur și ar scădea prețul mărfurilor.

Pentru Bitdefender, secția de machine learning este un mod de a rămâne conectat la partea cea mai activă și mai vibrantă a progresului tehnologic; în plus, evident, această companie românească cu notorietate și succes global folosește din ce în ce mai mult algoritmii de machine learning în diverse aplicații practice de cybersecurity (de pildă, urmează un modul anti-cyberbullying Bitdefender, construit pe tehnologie machine learning, prin care vor fi semnalate tentativele de cyberbullying și identificați prădătorii online). Cumva, în această epocă a Marilor Descoperiri Virtuale, Bitdefender își construiește propria sa flotă de caravele și își organizează propriul corp de exploratori, pe care-i trimite să cerceteze și să colonizeze acest nou, minunat și misterios continent al inteligenței artificiale. Iată-i pe câțiva dintre ei:

Elena Burceanu

Tudor Berariu

Florin Gogianu