Nekaj manj kot devetnajst let po tistem, kar je računalniški program premagal svetovnega šahovskega prvaka, bosta 9. marca v neposrednem spletnem prenosu iz Seula nasproti »sedla« Li Se Dol, zdaj neuradno drugi igralec goja na svetu in najboljši igralec zadnjega desetletja, in AlphaGo, Googlov računalniški program. A medtem ko je superračunalnik IBM Deep Blue leta 1997 Garija Kasparova premagal s »surovo računalniško močjo«, torej hitrostjo preračunavanja neštetih shranjenih kombinacij, bo tokrat vrhunskega južnokorejskega gosta izzval program, ki se je s svojo umetno nevronsko mrežo sposoben učiti. Šlo bo torej za spopad človeške in umetne inteligence v eni najbolj starodavnih iger na svetu, ki na mreži z 19 krat 19 točkami ponuja malodane neskončno število kombinacij (oziroma več kot 10 na 100. potenco).
In AlphaGo se je od predlanskega oktobra, ko je s petimi zmagami slavil proti aktualnemu evropskemu prvaku Fanu Huju, Kitajcu s francoskim potnim listom, gotovo še marsikaj naučil. Tudi v neštetih igrah proti samemu sebi, med katerimi prav tako kot v igrah s človeškimi tekmeci lahko dopolnjuje svoje (pre)poznavanje vzorcev in potez, na podlagi česar se nato nauči novih. AlphaGo je tako iz igre v igro boljši: v pripravljalnem dvoboju s Fanom, ki je po ratingih v primerjavi z Lijem povprečni goist, je denimo izgubil dvakrat, v uradnem nobenkrat. Približno 30 milijonov potez, kolikor jih je vsebovala njegova izvirna podatkovna zbirka, bi bilo za takšen napredek daleč premalo.
Nevronske mreže
Programi, ki jim večplastne nevronske mreže omogočajo (strojno) učenje z, poenostavljeno rečeno, oponašanjem človeških možganov, so že veliko bolj razširjeni, kot se večina ljudi zaveda. Vsakdo, ki uporablja kakšno od Googlovih, Facebookovih, Amazonovih, Microsoftovih ali Applovih storitev (programov ali aplikacij), če naštejemo le glavne, ima vsakodnevno opraviti z njimi. Prepoznavanje obrazov oziroma sploh podob ter izgovorjene besede oziroma govorno sporazumevanje z digitalnimi pomočnicami, kakršne so siri, cortana ali now, denimo temelji na njih, potemtakem na umetni inteligenci. Seveda: če določen program dandanes prepozna 98,7 odstotka besed, ki jih izgovori človek, ali 97 odstotkov obrazov na fotografijah, je problem še vedno v tistih 1,3 oziroma treh odstotkih, ki jih ne. Ter v tistih nekajkrat več odstotkih, kjer zgreši kontekst in zato besedo – ali masko – napačno razume. Toda pred samo tremi leti je bila zanesljivost takšnih programov nekaj več kot 80-odstotna in zato je nemogoče napovedati, čez koliko časa bo prva izmed umetnih inteligenc za prepoznavanje govora razbrala tudi smisel angleškega ekvivalenta slovenskega stavka Gori na gori gori.
Lahko se ji namreč posreči že letos, lahko bo trajalo še leta. V goju se je zgodilo malodane čez noč. Do zmage AlphaGo so računalniki redno izgubljali proti človeku. Bolj točno rečeno, Crazystone, verjetno dotlej najbolj napredni program, je nekaj mesecev pred »regularno« zmago računalnika premagal nekega japonskega velemojstra zgolj zaradi dogovorjene prednosti pri otvoritvi. Rémi Coulom, francoski »oče« Crazystona, je takrat izjavil, da brez česa takšnega računalnik še deset let ne bo dobil dvoboja z vrhunskim goistom. A utegne se zgoditi, da ga bo AlphaGo demantiral že čez tri tedne.
Ko je bila Madžarka Judit Polgár, še lani po ratingu prva šahovska igralka sveta, leta 1989 z 2335 točkami na vrhu svetovne lestvice šahistov, mlajših od 14 let, je bil tik za njo s 35 točkami manj in prav tako mojstrskim naslovom štiri dni mlajši Anglež Demis Hassabis. Slabi dve leti kasneje je bila Polgárjeva šahovska velemojstrica, Hassabis pa na koncu srednje šole. Oba sta preskakovala razrede: s 17 se je Polgarjeva kot prva ženska v zgodovini uvrstila na medconski turnir za izzivalca svetovnega prvaka, Hassabis pa je bil glavni programer in soavtor kasneje v milijonih izvodov prodane simulacijske računalniške igre Theme Park, ki danes velja za klasiko.
Če zgodbo hitro prevrtimo, preskočimo zmage Polgárjeve nad bolj ali manj vsemi omembe vrednimi šahisti v letih pred in po prelomu tisočletja ter vse Hassabisove igre, podjetja, diplome in doktorate, pristanemo v letu 2014, ko je madžarska šahistka uradno končala kariero, angleški soustanovitelj podjetja Deep Mind pa postal eden glavnih Googlovih razvijalcev umetne inteligence. Kajpak po Googlovem prevzemu (menda za dobrih 300 milijonov evrov) omenjenega zagonskega podjetja. In tako so Hassabis in njegova ekipa iz Deep Mind, ki kot ena večjih Googlovih pridobitev tega desetletja še vedno domujejo v Londonu, ustvarili ne le AlphoGo, temveč tudi na tehnologiji učenja Deep Q temelječo umetno nevronsko mrežo, ki je »z ničle« obvladala klasičen nabor 49 različnih iger Atari 2600. Breakout in Space Invaders sta med najbolj znanimi izmed njih, nastali sredi sedemdesetih let prejšnjega stoletja (mimogrede, zasnovala in programirala sta jih med drugimi tudi Applova Steva, Jobs in Wozniak). Z ničle pomeni, da Deep Q o igrah ni imel nobenih drugih podatkov kot sliko (oziroma »piksle«), dovoljene poteze in rezultate; kako se vsako posebej igra, se je moral naučiti sam. In se je, kot je Hassabis pred skoraj natanko letom dni poročal v tedniku Nature: v povprečju je dosegel tri četrtine točk, ki jih dosežejo poklicni preizkuševalci iger.
Vloga grafičnih procesorjev
Podobno je maja lani za človekom zaostala, kolikor je to sploh mogoče primerjati in govoriti o zaostanku, umetna inteligenca z imenom Claudico, ki se je s štirimi vrhunskimi profesionalnimi igralci pomerila v eni od najbolj razširjenih inačic pokra Texas hold'em. Claudico je ustvarila ekipa z iste (pitsburške) univerze Carnegie Mellon, na kateri je nastal tudi šahovski algoritem za Deep Blue, toda tokrat so bili znanstveniki pred precej drugačno nalogo. Poker je namreč igra z, kot pravijo matematiki in ekonomisti, asimetričnimi oziroma nepopolnimi informacijami. Ali, kot je izjavil Tuomas Sandholm, vodja Claudicove ekipe: »Resnično življenje v glavnem sestavljajo igre z nepopolnimi informacijami. Ne veste, kakšen je položaj, ker nimate vseh informacij, ki jih imajo drugi.«
Bolj domače, Claudico se je moral naučiti blefirati, da bi tako našel optimalno strategijo. V tej kartaški simulaciji vojne, politike, ekonomije, skratka vsakdanjih dilem pri »selekciji scenarijev« in odločanju, se je Claudico dobro odrezal, čeprav je izgubil. V 80.000 krogih turnirja, po četrtino z vsakim od igralcev, je od skupno 17 milijonov uporabljenih zaostal za približno 70.000 žetonov.
Kot AlphaGo in Deep Q tudi Claudico temelji na večplastni nevronski mreži, v kateri »nižji« sloji uporabljajo določene informacije »višjih« in jih po »predelavi« vračajo osnovnemu algoritmu, da jih uporabi. Strojno gledano to zahteva procesorje za posamične operacije: AlphaGo teče na 1200 standardnih osrednjih procesorjih (CPU) in 170 grafičnih karticah (GPU), ki vzporedno procesirajo množico na bite razbitih podatkov. Tudi pogled v razkrito drobovje Facebookovega umetnointeligenčnega strežnika za analizo objavljenih vsebin je konec lanskega leta razkril veliko količino enot GPU, ki poleg pospešitve prinašajo tudi pocenitev za umetno inteligenco potrebne računalniške moči.
Poleg odkritja te drugačne uporabnosti GPU (njihov razvoj so doslej poganjale predvsem grafično vedno bolj zahtevne računalniške igre) je za omenjene in druge dosežke pri razvoju strojnega učenja in umetne inteligence pomembna naglo naraščajoča količina (vse bolj strukturiranih) podatkov. Če umetno inteligenco najprej razumemo v precej široki opredelitvi kot »sposobnost računalnikov/strojev, da opravljajo naloge, ki zahtevajo človeško inteligenco«, potem so podatki, s pleonazmom rečeno, informacije in strojna oprema možgani, umetna inteligenca pa kognitivna sposobnost. Pri razvoju te je človeštvo zdaj na točki, ko računalniki prevzemajo določene posamične naloge, ki zahtevajo človeško inteligenco: lahko spodobno igrajo poker, ne more pa ista nevronska mreža premagati niti podpovprečnega igralca goja ali prepoznati govora ali obvladati Atarijevih štiri desetletja starih iger ali voziti avtomobila.
Zato si je mogoče predstavljati, da bo do leta 2020 kakšen AlphaLaw sposoben sestavljati scenarije za tožilce ali odvetnike, saj bo imel vse predpise, vso sodno prakso ter vse porote in vse sodnike (pred kosilom in po njem, sposobne ali ne, ženske ali moške…) »v malem prstu«, da si bodo borzniki in bančniki lahko pomagali s kakšnim StockGo (no, v bistvu si že), zdravniki pa z DiagnoseTherapyNow, da bo umetna inteligenca nadzorovano avtonomno upravljala večje logistično-transportne sisteme (kot danes že analizira in predlaga rešitve za hongkonški sistem podzemne železnice), težje oziroma nemogoče pa, da bi vse to zmogla ena sama umetna inteligenca.
»Kot 2015 na steroidih«
A to zdaj in v doglednem času ni najbolj pomembno. Če je druga »veja« strojev, ki lahko opravljajo človeške naloge, roboti, doslej prevzemala predvsem dela, pogojno rečeno, srednje plačanega delavskega razreda, začenja umetna inteligenca z naraščajočimi kognitivnimi sposobnostmi ogrožati delovna mesta »belih ovratnikov«, tistih, ki so jim doslej računalniki pomagali zgolj hitreje procesirati informacije, zdaj pa bodo lahko kmalu prevzeli analizo in nato še, kot rečeno, pripravo scenarijev oziroma strategije.
Dejstvo je namreč, da je začetek letošnjega leta malce že potrdil napoved Romana Yampolskega, direktorja laboratorija za kibernetsko varnost na univerzi v Louisvillu, da bo 2016 »kot leto 2015 na steroidih«. Začelo se je namreč, merjeno s prevzemi zagonskih podjetij za umetno inteligenco, z Applovim prevzemom Emotienta, podjetja, ki razvija tehnologijo za prepoznavanje čustev na upodobljenih obrazih, Microsoftovim prevzemom SwiftKeyja, ki analizira vnose na tipkovnici, in Intelovim prevzemom Safrona, ki razvija kognitivno analitiko velikih podatkovnih zbirk na ravni posamezne naprave (brez potrebe po oblačnem dostopu). Pa je to zgolj nekaj bolj znanih prevzemov, kajti Silicijeva dolina je od lanskega leta v pravem lovu na zagonska podjetja in posamezne strokovnjake, ki razvijajo to ali ono orodje za navidezno resničnost, prepoznavanje govora in fotografij, strojno učenje in tako dalje.
In Silicijeva dolina niso več le »običajni osumljenci«, saj je od predlani tam tudi Baidu, kitajski Google, ki je predlani odprl svoje raziskovalno središče za umetno inteligenco, vanj vložil začetnih 300 milijonov dolarjev in Googlu speljal stanfordskega profesorja Andrewa Nga. Ter že januarja letos po zgledu Googla, ki je lansko jesen objavil programsko knjižnico svoje platforme za strojno učenje TensorFlow, dal v odprtokodno obdelavo svojo umetnointeligenčno zasnovo Warp-CTC. Seveda ne iz dobrodelnih namenov, temveč zato, da bi »pospešili in olajšali razvoj« strojnega učenja »vsej skupnosti«, ki se z njim ukvarja. Podobno je lani potezo utemeljil prvi mož Googla Sundar Pichai: »Upamo, da bo to skupnosti, ki se ukvarja s strojnim učenjem – vse od akademskih raziskovalcev do inženirjev in ljubiteljev – omogočilo hitrejšo izmenjavo zamisli, z delujočo kodo namesto zgolj z raziskovalnimi projekti. In to bo, v nasprotni smeri, pospešilo raziskave strojnega učenja in bo na koncu vsakemu dalo na razpolago boljšo tehnologijo.« Nekakšna množična pamet (crowd wisdom) potemtakem, ki utegne še pospešiti razvoj kognitivnih sposobnosti umetne inteligence, najhitrejšemu pri implementaciji pa prinesti najmanj začetno prednost, če ne že dolgotrajno prevladujoč položaj na trgu.
Na splošno je, pravi Hassabis, umetna inteligenca še vedno v plenicah. Na drugi strani pa drži tudi, da se že povsem »praktično« v zvezi z njo pojavljajo številna vprašanja. Eno nemara manj zahtevnih, a vendarle zelo značilnih, je vprašanje, ali so avtomobili, ki ne potrebujejo voznika, sploh legalni. Po črki skoraj polstoletne dunajske konvencije (ZDA in Kitajska, denimo, je nista podpisali) najbrž ne, saj ta zahteva, da mora »sleherni voznik biti v vsakem trenutku sposoben, da nadzoruje svoje vozilo«. Kar je določba, na kateri temeljijo prepovedi dejanj voznika, ki bi lahko vplivale na to sposobnost.
Nekdo, ki bo čez leto, dve ali tri v avtomobilu bral elektronsko pošto, medtem ko se bo peljal, vozila ob morebitni nenadni kočljivi situaciji, ki je umetna inteligenca ne bo razvozlala, vsekakor ne bo sposoben nadzorovati. Se bo izdelovalec vozila in/ali sistema za upravljanje izmazal z drobnim tiskom, kakršnega smo vajeni iz programske opreme (kako že? … dobavitelj ne jamči za morebitno škodo zaradi izgube podatkov, ki bi nastala zaradi napak v delovanju programa…)? Kaj bodo rekle zavarovalnice, upravljalci cest, zdravstvene blagajne?
Kakšna »morala« bo vgrajena v samovozno umetno inteligenco? Bo ta – in morala katerekoli druge umetne inteligence – »moška«, »stara« okrog 40 let, »liberalna« v smislu liberalne demokracije ipd. (izključno »bela« očitno ne bo, saj so bolj ali manj vse razvojne ekipe rasno zelo pisane)? Kaj bo torej vozilo izbralo v primeru, ko bo na eni strani reka (v kateri bo njegov potnik zanesljivo utonil), na drugi strani pa otrok, ki bi zanesljivo umrl pod kolesi, če zapelje vanj (vendar bi potnik preživel)? In nenazadnje: kdo bo imel dostop do »črne skrinjice«, podatkov o vseh poteh in potnikih vozila, ter čigava last bodo ti podatki?
Ideologija »tehnološkega solucionizma«
Če pustimo tukaj ob strani področje umetnointeligentnih orožij, tudi kibernetskih, kakršen je bil najbrž prvi učljivi virus v zgodovini stuxnet, s katerim so bile onesposobljene iranske jedrske centrifuge – ni videti, da bi tovrstna vprašanja že imela odgovore, in vendar naj bi bili denimo avtomobili, sposobni brez človeškega nadzora peljati potnike ali tovor od točke A do točke B, tik pred zdajci. Hassabis ima prav, ko pravi, da razvoj umetne inteligence lahko človeštvu prinese veliko dobrega, toliko, da je na sedanji stopnji njenega razvoja nemogoče vsaj približno oceniti, koliko, toda hkrati se veliko etičnih in pravnih dilem utemeljeno pojavlja, še preden si lahko »realno« zamislimo distopične scenarije iz kakšnega Terminatorja ali Odiseje 2001.
Toda tudi Hassabis je, čeprav morda manj kot večina njegovih kolegov, očitno ujetnik ideologije »tehnološkega solucionizma«, kakor antroposociolog beloruskega rodu Jevgenij Morozov opredeljuje vero apologetov Silicijeve doline, da (digitalna) tehnologija prinaša rešitve za vse probleme človeštva, tudi družbene, politične, socialne in ekonomske. Prezgodaj je še, da bi mislili na (pravno) regulacijo, pravi namreč Hassabis: »Smo v zgodnjem obdobju te tehnologije in zato ni prav jasno, katere bi bile tiste stvari, ki bi jih bilo treba regulirati.«
Če bo »njegov« AlphaGo v prvi polovici marca premagal Lija, bo zgodnje obdobje nekoliko manj zgodnje. Celo, če bo izgubil, kajti, če se spomnimo, Deep Blue je po prvem porazu za zmago potreboval le še leto dni. In četudi morda odpiranje kode ne bo prineslo tolikšnega pospeška, kot večina pričakuje, da ga bo, in bo razvoj umetne inteligence kot že nekajkrat doslej letos ali prihodnje leto spet zastal, je koristno imeti v mislih anekdoto, ki jo je med letošnjo seanso davoškega Svetovnega foruma uporabil Stuart Russell, angleški profesor računalništva na kalifornijski univerzi Berkeley, da bi ponazoril to nepredvidljivost. Samo nekaj mesecev je v tridesetih letih prejšnjega stoletja minilo od izjave utemeljitelja jedrske fizike Ernesta Rutherforda, da blebeta vsakdo, ki pravi, da bo iz razbitja atoma mogoče proizvajati energijo, ko je Leo Szilard z Enricom Fermijem prijavil patent za jedrski reaktor. Moorov zakon linearnosti podvojitve računalniške moči vsaki dve leti pa za umetno inteligenco tako in tako nikoli ni veljal.
