Autor: Jerry Kaplan
-
Tłumaczenie: Sebastian Szymański
Tytuł oryginału: Artificial Intelligence: What everyone needs to know
Seria/cykl wydawniczy: Seria oxfordzka: What everyone needs to know
Wydawnictwo: PWN
Data wydania: 2019
ISBN: 978-83-01-20568-3 -
Wydanie: papierowe
Oprawa: miękka
Liczba stron: 200
W książce Sztuczna inteligencja. Co każdy powinien wiedzieć Jerry Kaplan analizuje złożone problemy dotyczące sztucznej inteligencji jasnym, nietechnicznym językiem.
• Czy maszyny naprawdę mogą przewyższyć ludzką inteligencję?
• Jak sztuczna inteligencja wpłynie na nasze miejsca pracy i dochody?
• Czy robot może świadomie popełnić przestępstwo?
• Czy maszyna może być świadoma albo posiadać wolną wolę?
Wiele systemów sztucznej inteligencji uczy się teraz z doświadczenia i podejmuje działania wykraczające poza zakres tego, do czego zostały pierwotnie zaprogramowane. W związku z tym rodzą one kłopotliwe pytania, na które społeczeństwo musi znaleźć odpowiedź.
• Czy naszemu osobistemu robotowi należy pozwolić stać za nas w kolejce albo zmusić go do zeznawania przeciwko nam w sądzie?
• Czy tylko my ponosimy wyłączną odpowiedzialność za wszystkie jego działania?
• Jeśli załadowanie umysłu do maszyny okaże się możliwe, czy to nadal będziemy my?
Odpowiedzi mogą zaskakiwać.z opisu wydawcy
Z racji niezwykle dynamicznego rozwoju całej branży związanej ze sztuczną inteligencją (AI), wszelkie publikacje podejmujące tę tematykę podatne są na szybką dezaktualizację. Mamy rok 2019, książka autorstwa Kaplana została pierwotnie opublikowana w 2016 roku, a za rok absolutnie przełomowy w branży AI uważa się rok 2018. Zasadne jest więc pytanie, czy wiedza zawarta w tej publikacji nie trąci już myszką, przecież trzy lata w tej branży to niczym skok w nadprzestrzeń. Po zakończeniu lektury wrażenia mam co najmniej mieszane – nie jest źle, choć mogłoby być znacznie lepiej.
Na plus należy z pewnością zaliczyć bardzo rzetelne wprowadzenie w filozoficzne i społeczne aspekty badań i zastosowań AI. Poszczególne rozdziały poruszają takie zagadnienia jak definicja i historia AI, jej granice i filozofia z nią związana, aspekty prawne, wpływ na pracę i zawody, a także poruszają kwestie etyki, sprawiedliwości społecznej i jej możliwych skutków w bliższej i dalszej przyszłości. Łatwo więc zauważyć, że brakuje tu rozdziałów stricte technicznych, które są kluczowe do zrozumienia współczesnych zastosowań AI. Aż trudno uwierzyć, ale zagadnieniu uczenia głębokiego (ang. deep learning) autor poświęcił tylko jedno zdanie, i to w kontekście historycznym! Ewidentnie brakuje też obszernego rozdziału poświęconego najnowszym i najbardziej doniosłym osiągnięciom w branży AI, nawet jeśli ich opis miałby się kończyć na roku 2016.
Książka sprawia więc wrażenie przystępnego wprowadzenia w tematykę sztucznej inteligencji. Publikacja, wydana w prestiżowej serii oksfordzkiej “What everyone needs to know”, skierowana jest jednak do bardzo szerokiego grona czytelników, co postrzegam za spory minus. Zaryzykuję twierdzenie, że omawiana publikacja jest napisana bez wizji wyraźnej grupy docelowej, a szkoda, bo osoby interesujące się tą tematyką oczekują prawdopodobnie czegoś bardziej ukierunkowanego. Dlatego książka ta może stanowić niezły wstęp do poszczególnych zagadnień związanych z AI, ale na próżno tu szukać wiedzy pogłębionej czy rozszerzonej. Nie jest to więc kompletne kompendium wiedzy, raczej próba zmierzenia się autora z tym rozległym tematem.
Wielka szkoda, ale Jerry Kaplan – lub jego wydawca, ale dla czytelnika nie ma to w sumie znaczenia – podjął decyzję, by w tej książce nie zamieścić ani jednego diagramu, schematu, zdjęcia czy nawet tabelki. To sprawia, że tekst jest zbyt gęsty i trudno przyswajalny. Mimo że temat jest wielce interesujący, nadmiar krótkich wątków sprawia, że książkę da się czytać niewielkimi fragmentami. To na pewno nie jest styl Billa Brysona, który w “Krótkiej historii prawie wszystkiego” dokonał rzeczy niezwykłej, opisując kwestie mało interesujące dla przeciętnego czytelnika w taki sposób, że można to czytać bez końca – tak dobrze jest to napisane i opowiedziane.
Jak już wspominałem, zdecydowanie brakuje mi tu przykładów współczesnych zastosowań AI, co powinno być głównym atutem takich publikacji. Brak także opisów problemów, z jakimi zmaga się branża. Jak powszechnie wiadomo, jednym z nich jest nadmierna koncentracja środków i badań w kilku głównych ośrodkach naukowo-badawczych, wchodzących najczęściej w skład prywatnych korporacji, jak Alphabet (czyli Google), Apple czy Amazon. Skutkiem tego maleją szanse na sukces niewielkich startupów, które nie mogą równać się z gigantami w kwestii dostępu do baz danych, mocy obliczeniowych, najlepszych specjalistów i finansowania testów.
Autorowi można by w sumie wybaczyć obranie takiej a nie innej strategii napisania tego kompendium, biorąc pod uwagę fakt, że jest on przede wszystkim odnoszącym sukcesy przedsiębiorcą, a nie naukowcem. Trudno mi jednak zrozumieć brak w książce jakiejkolwiek wzmianki o Geoffreyu Hintonie (1). Ten 72-letni profesor na Uniwersytecie w Toronto, a od 2013 roku szef działu badawczego Google w Kanadzie, to jedna z najważniejszych postaci w historii badań nad sztucznymi sieciami neuronowymi. Przez ekspertów branżowych zasłużenie uważany, obok takich sław jak Yoshua Bengio czy Yann LeCunn, za jednego z “ojców chrzestnych” całej branży. To on sam i jego uczniowie – Alex Krizhevsky i Ilya Sutskever – są odpowiedzialni za przełom w zakresie rozpoznawania obrazów, zwyciężywszy w 2012 roku w słynnym konkursie ImageNet Challenge (2) (3), deklasując wręcz konkurencyjne zespoły. Data ta uważana jest za początek nowej ery w badaniach nad sztuczną inteligencją, gdyż po raz pierwszy z tak wielkim powodzeniem zastosowano nową metodę zwaną “deep convolutional neural networks”. Warto też wspomnieć, że Hinton to jeden z najczęściej cytowanych naukowców na świecie, z 127. cytowaniami dziennie (4), a w Google Scholar odnotowanych jest ponad 330 000 cytowań jego prac! (5) Krótko mówiąc, pominięcie Hintona w książce pretendującej do bycia kompleksowym kompendium wiedzy o sztucznej inteligencji wydaje się niezrozumiałe i zastanawiające zarazem. To tak jakby w monografii o historii fizyki pominąć Einsteina, a w monografii o historii biologii i genetyki pominąć Darwina. Co ciekawe, Yoshua Bengio – ponad 230 000 cytowań (6) i Yann LeCunn – ponad 130 000 cytowań (7) – też nie zasłużyli sobie na choćby jedną wzmiankę. Dla porównania – jakże zasłużony dla światowej nauki Albert Einstein w Google Scholar ma odnotowanych niewiele ponad 127 000 cytowań (8).
“Sztuczna inteligencja” Kaplana prawdopodobnie zyska uznanie w oczach czytelnika albo słabo orientującego się w tematyce AI, albo szukającego książki, w której znajdzie niemal encyklopedyczne wpisy na różnorodne tematy związane mniej lub bardziej z AI. Natomiast czytelnik bardziej wymagający może poczuć się nieco rozczarowany brakiem choćby pobieżnego przeglądu kluczowych zastosowań AI. Nie znajdzie on też tutaj bardziej szczegółowych opisów działania sztucznych sieci neuronowych. Co więcej, brakuje także rozdziału opisującego najważniejsze zastosowania AI w kluczowych dziedzinach, takich jak ekonomia, medycyna czy robotyka. Na konkretnych przykładach czytelnikowi, który po raz pierwszy styka się z tego typu publikacją, łatwiej byłoby zrozumieć rosnący wpływ AI na życie przeciętnego mieszkańca naszej planety.
(1) https://en.wikipedia.org/wiki/Geoffrey_Hinton
(2) https://www.researchgate.net/publication/267960550_ImageNet_Classification_with_Deep_Convolutional_Neural_Networks
(3) http://www.image-net.org/challenges/LSVRC/2012/supervision.pdf
(4) https://analyticsindiamag.com/meet-the-worlds-most-cited-deep-learning-researchers-whose-innovations-are-transforming-the-industry/
(5) https://scholar.google.co.uk/citations?user=JicYPdAAAAAJ&hl=en
(6) https://scholar.google.com/citations?user=kukA0LcAAAAJ&hl=en
(7) https://scholar.google.com/citations?user=kukA0LcAAAAJ&hl=en
(8) https://scholar.google.com/citations?user=qc6CJjYAAAAJ&hl=en
