Hubert Drążkowski

Inteligencja jest wbrew pozorom trudnym do precyzyjnego zdefiniowania konceptem. Badania nad sztuczną inteligencją biorą sobie za cel zasymulowanie „zdolności systemu do prawidłowego interpretowania danych pochodzących z zewnętrznych źródeł, nauki na ich podstawie oraz wykorzystywania tej wiedzy, aby wykonywać określone zadania i osiągać cele poprzez elastyczne dostosowanie". Zastanawiając się nad postępami w wyżej opisanej dziedzinie, nasuwa się naturalne pytanie, które z dwóch słów w terminie „sztuczna inteligencja” lepiej oddaje aktualny stan dziedziny. W roku 1997 algorytm Deep Blue pokonał Garryego Kasparova w partii szachów. Kolejnym przełomowy krokiem było pokonanie dopiero w 2016 roku mistrza świata Lee Sudola w partii Go przez AlphaGo. Na potrzeby dzisiejszego eksperymentu myślowego zastanowimy się jak algorytmy sztucznej inteligencji radziłyby sobie w rozwiązywaniu licealnych zadań z matematyki i informatyki.

Stanislas Polu i in. (OpenAI, Uniwersytet w Cambridge, Politechnika Paryska) zaproponowali  algorytm, który ma na celu rozwiązywanie zadań z matematyki na poziomie olimpiady licealnej z matematyki. Zadanie jest trudne do wykonania z wielu powodów. Matematyka jest nauką formalną, ale jej formalizm jest poddany próbie, gdy potrzeba królową nauk przepisać na język komputera. Zaś od komputera opartego w swej budowie na sekwencjach zer i jedynek wymaga operowania na symbolach, planowania i pewnej odmiany kreatywności. Ponadto, potencjalnych sposobów próby rozwiązania zadań jest nieskończenie wiele. Autorzy proponują rozwiązanie, w którym algorytm jest w stanie uczyć się samemu rozwiązywania coraz trudniejszych zadań poprzez uczenie ze wzmocnieniem (sprytną metodą prób i błędów). Program był w stanie rozwiązać dwa zadania z międzynarodowej olimpiady matematycznej, co plasuje go w elicie młodych matematyków globu, lecz dla tej grupy byłby to jeszcze niski wynik. 

Yujia Li i in. (DeepMind) zaproponowali program AlphaCode, który jest w stanie wykonywać zadania z programowania na poziomie konkursowym, czyli takim, który wymaga nowych rozwiązań. Program musiał rozwiązać trzy problemy. Pierwszy, przetłumaczyć tekst na konkretny formalnie zapostulowany cel do rozwiązania. Drugi i trzeci, rozwiązanie musiało być poprawne i odpowiednio szybkie. Testując swój pomysł na platformie konkursowej Codeforces, AlphaCode uzyskał wynik lepszy od 54.3% z 5,000 doświadczonych uczestników.

Oba z opisywanych rozwiązań mają wspólny mianownik i bazują na matematycznej analizie języka naturalnego, w tym przypadku wykorzystania mechanizmów tłumaczenia abstrakcyjnych problemów na język zrozumiały dla komputera. Testy pokazują, że zarówno w przedmiocie z matematyki i informatyki sztuczna inteligencja na poziomie licealnym byłaby prymusem w klasie, ale na olimpiadach międzynarodowych nie miałaby szans z przeciwnikami. W przyszłości systemy takie jak te wyżej opisane będą stanowiły nieocenioną pomoc dla ludzi, poszerzenie zdolności kognitywnych człowieka. Niemniej jednak „silnej sztucznej inteligencji” (ang. general artificial intelligence) nie widać jeszcze na horyzoncie przyszłości. Dotychczasowe problemy stawiane komputerowi są bardzo precyzyjnie zdefiniowane, wymagają dobrej pamięci i szybkiego sprawdzania metodą prób i błędów różnych rozwiązań. Algorytmom brak jeszcze interdyscyplinarności, kreatywności i abstrakcyjnego myślenia by dorównać biologii.

Felieton ukazał w Dzienniku Gazecie Prawnej 18 listopada 2022 r.