Жасанды интеллект ғылыми прогрестің логикасына бағынбайды
Біз МТ-да машиналық оқыту жүйелерін «қара жәшіктер» (1) деп жариялайтын зерттеушілер мен мамандар туралы, тіпті оларды құрастырушылар үшін де бірнеше рет жазғанбыз. Бұл нәтижелерді бағалауды және пайда болған алгоритмдерді қайта пайдалануды қиындатады.
Нейрондық желілер - бізге интеллектуалды түрлендіргіш боттарды және тіпті поэзия жасай алатын тапқыр мәтіндік генераторларды беретін әдіс - сыртқы бақылаушылар үшін түсініксіз құпия болып қала береді.
Олар үлкен деректер жиынын өңдеп, ауқымды есептеу массивтерін пайдалана отырып, үлкейіп, күрделене түсуде. Бұл алынған үлгілерді қайталау мен талдауды қымбатқа түседі, ал кейде бюджеті үлкен орталықтарды қоспағанда, басқа зерттеушілер үшін мүмкін емес.
Көптеген ғалымдар бұл мәселені жақсы біледі. Олардың ішінде Джоэль Пино (2), NeurIPS төрағасы, репродуктивтілік бойынша бірінші конференция. Оның басшылығындағы сарапшылар «қайта өндіруді тексеру тізімін» жасағысы келеді.
Пиноның айтуынша, идея зерттеушілерді басқаларға жол картасын ұсынуға ынталандыру, осылайша олар жасалған жұмысты қайта жасап, пайдалана алады. Сіз жаңа мәтін генераторының шешендігіне немесе бейне ойын роботының адамдық ептілігіне таң қала аласыз, бірақ тіпті ең жақсы сарапшылар бұл кереметтердің қалай жұмыс істейтінін білмейді. Сондықтан, AI үлгілерін жаңғырту зерттеудің жаңа мақсаттары мен бағыттарын анықтау үшін ғана емес, сонымен қатар пайдаланудың таза практикалық нұсқаулығы ретінде де маңызды.
Басқалары бұл мәселені шешуге тырысады. Google зерттеушілері жүйелердің сыналғанын, соның ішінде ықтимал қателерді көрсететін нәтижелерді егжей-тегжейлі сипаттау үшін «үлгі карталарын» ұсынды. Аллен атындағы Жасанды интеллект институтының (AI2) зерттеушілері Пиноттың қайталану мүмкіндігін тексеру тізімін эксперименттік процестің басқа қадамдарына кеңейтуге бағытталған жұмысты жариялады. «Жұмысыңды көрсет», – деп шақырады.
Кейде негізгі ақпарат жетіспейді, себебі зерттеу жобасы, әсіресе компанияда жұмыс істейтін зертханаларға тиесілі. Көбінесе, бұл өзгеретін және барған сайын күрделі зерттеу әдістерін сипаттай алмаудың белгісі. Нейрондық желілер өте күрделі сала. Ең жақсы нәтижелерге қол жеткізу үшін мыңдаған «тұтқалар мен түймелерді» дәл баптау жиі қажет, оны кейбіреулер «қара магия» деп атайды. Оңтайлы үлгіні таңдау көбінесе эксперименттердің үлкен санымен байланысты. Сиқыр өте қымбатқа түседі.
Мысалы, Facebook DeepMind Alphabet әзірлеген AlphaGo жүйесінің жұмысын қайталауға тырысқанда, тапсырма өте қиын болып шықты. Үлкен есептеу талаптары, мыңдаған құрылғыларда бірнеше күн ішінде миллиондаған эксперименттер, кодтың болмауы жүйені «қайта жасауды, сынауды, жақсартуды және кеңейтуді өте қиын, тіпті мүмкін емес» етті, дейді Facebook қызметкерлері.
Мәселе мамандандырылған сияқты. Алайда, әрі қарай ойланатын болсақ, бір зерттеу тобы мен екіншісінің арасындағы нәтижелер мен функциялардың қайталануы бар мәселелер құбылысы бізге белгілі ғылым мен зерттеу процестерінің жұмыс істеуінің барлық логикасын бұзады. Әдетте, алдыңғы зерттеулердің нәтижелері білімнің, технологияның және жалпы прогрестің дамуын ынталандыратын әрі қарайғы зерттеулердің негізі ретінде пайдаланылуы мүмкін.
