Lek na całe zło? Sieci neuronowe imitują mózg człowieka. W przyszłości rozwiążą nawet problem korków na drogach

Czy wiesz, że programy prania w twojej pralce układał komputer? Mało tego, naukowcy, którzy go nadzorowali sami do końca nie wiedzą, w jaki sposób to zrobił. Najważniejsze jest to, że pralka dba o wełnę i nie rwie jedwabiu. Podobnie jest z planowaniem tego, gdzie pojadą windy po tym, jak wysiądą z nich pasażerowie. Mają zjechać na dół? Zostać w miejscu? Może pojechać na najczęściej odwiedzane piętro? Co zrobić, by okres czekania na windę był jak najkrótszy? Decyduje o tym komputer, wysyłając windy tam, gdzie uważa, że będą najbardziej potrzebne.

Przetwarzają ogromne ilości danych (np. tysiące zdjęć). Każdy obraz (np. zdjęcie kota) jest osobno wpuszczany do sieci. Przechodząc przez kolejne warstwy neuronów, otrzymuje on w ostatniej z nich przypisaną mu przez sieć kategorię. Rolą inżyniera jest nadanie odpowiednich kategorii (np. "psy" i koty") i sprawdzenie, czy sieć przypisała odpowiednią do naszego przykładowego zdjęcia. Jeśli nie (np. zdjęcie kota przypisała do kategorii "pies"), informacja o błędzie jest wykorzystywana do poprawiania wag sieci. Proces ten nazywa się propagacją wsteczną błędu.

- Komputery są także coraz lepsze w przewidywaniu natężenia ruchu drogowego i tego, gdzie powstaną korki – mówi mi profesor Jacek Mańdziuk, kierownik Zakładu Sztucznej Inteligencji i Metod Obliczeniowych Politechniki Warszawskiej.

Zauważam, że to, gdzie i kiedy zrobi się korek, mogę powiedzieć i teraz. Na pewno będzie w Alejach Jerozolimskich przed Rondem Zesłańców Syberyjskich w stronę Centrum. Wiem nawet, które pasy będą stały.

- Tak, ale pan ma w głowie najbardziej zaawansowaną sieć neuronową, jaka kiedykolwiek istniała – mówi Mańdziuk. – Komputery dopiero próbują dojść do poziomu ludzkiego mózgu. Jeszcze sporo im do tego brakuje.

To właśnie sieci neuronowe, a dokładniej sztuczne sieci neuronowe, odpowiadają za programy prania w pralkach, harmonogram jazdy wind i przewidywanie korków. Tak naprawdę, to odpowiadają za coraz więcej zadań zarówno tych w życiu codziennym jak i w nauce, biznesie, ekonomii i innych.

- Myślę, że w tym momencie nie widać istotnych ograniczeń wykorzystania sieci neuronowych – mówi prof. Mańdziuk. – Jeszcze kilka lat temu byłem przekonany, że z niektórymi wyzwaniami sieci długo jeszcze sobie nie poradzą. Ale teraz widzę, jak Tłumacz Google tłumaczy na bieżąco wpisywany tekst, albo słyszę, jak wirtualni asystenci rozumieją, co się do nich mówi.

Ale jeszcze ważniejsze dla rozwoju nauki i ludzkości są głębokie sieci neuronowe. Różnią się od zwykłych tym, że mają o wiele więcej warstw neuronów. Do tego są sieciami nienadzorowanymi, czyli same podejmują decyzje. Programista może zadać takiemu systemowi zadanie, np. nauczenia się gry w szachy, nie dając mu żadnych wskazówek, na czym ta gra polega, przekazując jedynie jej zasady. Jedyną informacją zwrotną jaką dostanie komputer będzie końcowy wynik. Następnie komputer gra sam ze sobą i w ten sposób stopniowo poprawia swój sposób gry.

Tak, w dużym uproszczeniu, powstał m.in. program AlphaGo, który pokonał mistrza chińskiej gry Go oraz BotAI, który pokonał jednego z najlepszych zawodników w grę komputerową "DOTA 2". Tego typu sieci nie muszą opierać się na podstawowej zasadzie działania komputerów "jeśli coś się stanie, to zrób coś innego". One widzą ogół sytuacji i analizują ją podobnie jak to robi człowiek.

Zastosowanie głębokich sieci neuronowych jest ogromne, o ile tylko uda się dostarczyć sieci odpowiednio przygotowane dane. W grach komputerowych problem ten jest rozwiązany tak, że system system sam dostarcza sobie informacji podczas gry. Do wszystkich fizycznych problemów niezbędne jest zapewnienie wartościowych danych wejściowych. Dlatego rozwijaniem głębokich sieci neuronowych w dużej skali zajmują się głównie technologiczni giganci, którzy mają i pieniądze, i ludzi do tych zadań. Już teraz, oprócz wind i programów do prania, głębokie sieci neuronowe sterują pociągami towarowymi, rozpoznają ludzką mowę i kierują pojazdami autonomicznymi.

- A co z korkami na ulicach? – zapytałem profesora Mańdziuka. – Skoro sieci neuronowe mogą rozwiązywać skomplikowane problemy na podstawie danych dostarczanych w czasie rzeczywistym, bez podanego sposobu ich rozwiązania, to czy nie są idealnym narzędziem do sterowania sygnalizacją świetlną i zapobiegania korkom?

- Rzeczywiście, są – odparł profesor.

- A czy ich się do tego używa w Polsce? – zapytałem.

- Nie wiem – przyznał.

Postanowiłem zbadać sprawę u źródła. Skontaktowałem się z Zarządem Dróg Miejskich w Warszawie i zapytałem o wykorzystanie sztucznych sieci neuronowych w ich systemie zarządzającym sygnalizacją świetlną. Okazało się, że warszawski system korzysta z algorytmów przewidujących warunki ruchu, ale nie są to sztuczne sieci neuronowe. Według ZDM, ich zastosowanie nie usprawniłoby by ruchu miejskiego.

- Uczenie głębokie w istotnym stopniu przesunęło horyzont możliwości wykorzystania maszyn – mówi prof. Mańdziuk. W przyszłości będziemy obserwowali coraz więcej sposobów ich zastosowania, które przyniosą ogromne zmiany w sposobie funkcjonowania jednostek i całych społeczeństw.

Zmiany te mogą wyjść ludziom zarówno na dobre jak i na złe. I nie jest to tylko zależne od tego, kto i do czego będzie chciał wykorzystać superinteligentne maszyny, bazujące na głębokich sieciach neuronowych. Obawy budzi to, że naukowcy nie wiedzą do końca co się dzieje w ich wnętrzu. Wyjaśnienie tego co się dzieje "w środku" sieci jest bardzo skomplikowane. Najczęściej ogląda się dopiero wynik jej działania.

Nawet jeśli kiedyś maszyna zyskałaby samoświadomość i nauczyła się komunikować z ludźmi, to sama mogłaby mieć problemy z wytłumaczeniem tego, co zachodzi we wnętrzu jej sieci neuronowych. W końcu nawet my, ludzie, też nie umiemy do końca powiedzieć jakie procesy zachodzą w naszym mózgu. A skoro w mogą się w nim mogą rodzić niebezpieczne pomysły, to czemu nie miałyby w sztucznym?