Kan kunstig intelligens kende forskel på en isbjørn og en dåseåbner?
Kunstig intelligens er måske ikke så intelligent, som vi går og tror.
-
PLOS Computational Biology/Rubylane.com
Svaret på spørgsmålet i overskriften er et rungende nej, men forklaringen bag er dog interessant. Forskerne snød nemlig computeren.
Men hvordan... og hvorfor?
Nogle forskere fra UCLA satte sig forleden det interessante mål at undersøge nogle af begrænsingerne ved kunstig intelligens, og deres forskning er endelig offentliggjort.
Og med sig bringer den nogle vigtige betragtninger.
Læs med selv om du måske ikke er ekspert på kunstig intelligens.
Jeg skal nok spare dig for en introduktion til begreberne neurale netværk, AI, deep learning og alt det andet nørdede techvolapyk.
I stedet vil du få det hele forklaret på en letforståelig måde.
Så, hvad fandt forskerne egentlig ud af?
Forskerne ville specifikt undersøge den kunstige intelligens' evne til at efterligne den menneskelige hjerne.
På trods af at maskinerne har oplevet eksponentielle forbedringer over de seneste par år, har de stadig lang vej igen ifølge forskernes udgivelse.
I deres forsøg fremviste de en lang række billeder til VGG-19, og bad den om at fortælle hvilket objekt den så.
VGG-19 er en af verdens bedste deep learning netværk, hvilket i kortfattethed blot betyder at vi har at gøre med en meget avanceret form kunstig intelligens, der forsøger at efterligne den menneskelige hjernes evne til at lære af sine fejl og forbedrer sig løbende, når den er i gang med en opgave.
På billederne er der nogle letgenkendelige dyr og objekter, som er blevet tweaket en smule. For eksempel blev en golfbold reflekteret på overfladen af en tekande, zebrastriber blev placeret på en kamel og mønsteret af nogle ternede sokker, blev fremvist på en elefant.
Ethvert menneske der kigger på billederne ville kunne gennemskue hvad billedet reelt viser, men ændringerne var nok til at sætte den kunstige intelligens på vildspor.
VGG-19 blev vist 40 forskellige billeder og lavede en rangorden med de mest sandsynlige svarmuligheder for hvert objekt.
Det korrekte svar var fremgik kun som det mest sandsynlige svar ved fem af objekterne.
Computeren gættede med en præcision på blot 12,5%!
Konklusionen er...
At det er ret nemt at narre den kunstige intelligens, fordi deres mekanismer for læring er mindre sofistikerede end menneskers hjerner er... indtil videre.
Den kunstige intelligens som forskerne brugte i forsøget er nem at narre på grund af, at den kigger på objekternes tekstur i stedet for deres form, når den skal identificere objektet.
Det er også derfor, at maskinerne gættede forkert, selv når forskerne ikke redigerede billederne og i stedet brugte helt almindelige billeder af glasfigurer af dyr og objekter.
I see. Fair nok. Men var der et formål med dette studie?
Det var der i den grad.
Målet var nemlig ikke at narre den kunstige intelligens, men i stedet at undersøge om maskinerne identificerer objekter på samme måde, som mennesker eller om de har deres helt egen unikke fremgangsmåde.
Forskerne brugte også andre typer af kunstige intelligens end VGG-19 og fik et lignende resultat.
De mener derfor, at deres resultater holder stik for flertallet af de forskellige slags kunstige intelligens, der eksisterer på nuværende tidspunkt.
