ШІ для всіх: суперрозумні системи, які винагороджують творців даних

Ця публікація є частиною огляду CoinDesk за 2019 рік, збірки 100 коментарів, інтерв’ю та аналізу стану блокчейну та світу. Бен Гертцель є засновником і генеральним директором SingularityNET, проекту ринку ШІ на основі блокчейну.

Оскільки штучний інтелект стрімко проникає в усі сектори економіки, залишається кілька більш актуальних питань, ніж те, хто володіє, контролює та керує даними, які використовуються для навчання систем штучного інтелекту, а також моделями та висновками, які ШІ отримує з цих даних.

Зараз відповіддю, як правило, є великі корпорації. Дані про наші думки, уподобання, страхи та бажання, які ми розкриваємо в наших електронних листах, повідомленнях, фотографіях і документах, зберігаються в корпоративних сховищах і використовуються для створення персоналізованої реклами, що стимулює нашу купівельну поведінку. Дані про наші тіла та наші геноми зберігаються в базах даних фармацевтичних компаній і використовуються для власних досліджень і розробок без нашої прямої згоди та без отримання від нас винагороди за виявлені методи лікування. Ці великі корпорації, звісно, ​​діють у тісній координації з державними органами спостереження, інколи для захисту цивільного населення, а інколи й у більш мерзенних цілях.

Оскільки штучний інтелект стає все більш розумним, питання про те, хто ним володіє та контролює, постане ще гостріше. Тому добре, що існують технології, які дозволяють ретельно відстежувати та контролювати використання ШІ особистих даних, моделей і висновків, а також здібностей, набутих на основі даних людей. Зрештою це може бути найбільш критичним застосуванням Технології блокчейну та пов’язаних з нею методів, таких як гомоморфне шифрування та багатостороннє обчислення, які дозволяють виконувати складну обробку даних штучним інтелектом, дотримуючись Політика конфіденційності даних.

Оскільки штучний інтелект стає все більш розумним, питання про те, хто ним володіє та контролює, постане ще гостріше.

Протягом останніх двох років важливість поєднання штучного інтелекту та блокчейну стала майже звичним явищем на конференціях, семінарах і стартапах. Ще немає децентралізованої мережі штучного інтелекту з широким комерційним впровадженням, але ця концепція набула широкого визнання. Схоже, що до кінця 2020 року з’являться захоплюючі сценарії використання великих і малих компаній, які отримуватимуть свої послуги штучного інтелекту за допомогою викликів API у децентралізовану мережу на основі блокчейну, а не через централізований сервіс штучного інтелекту.

За той самий проміжок часу потужність систем штучного інтелекту надзвичайно зростає, з’являється більше високопрофільних бізнес-додатків на багатьох вертикальних Ринки, а також прогрес у фундаментальних дослідженнях, що робить стрибок від «вузьких» систем штучного інтелекту, орієнтованих на додатки, до систем штучного інтелекту більш загального призначення, які давно передбачали автори наукової фантастики та футуристи.

Не так давно загальний штучний інтелект (AGI) був предметом обговорення лише в окремих розріджених дослідницьких колах. Але оскільки Microsoft інвестувала 1 мільярд доларів у OpenAI, тепер ONE почути цей термін з вуст національних і корпоративних лідерів. Зараз досить широко розуміють, що штучному інтелекту потрібно вийти за рамки імітації своїх навчальних наборів даних і досягти здатності працювати з новими областями, про які його програмісти та інструктори не очікували. Хоча системи AGI на рівні людини залишаються в майбутньому, ми робимо кроки в цьому напрямку за допомогою систем штучного інтелекту, які можуть робити причинно-наслідкові висновки (виявляти першопричини, що лежать в основі складних Заходи , як-от падіння фондового ринку чи спалахи захворювань) і проводити міркування за аналогією (використовуючи знання, скажімо, про мишачу хворобу, щоб допомогти зрозуміти захворювання Human , або знання про китайську мову, щоб допомогти нам зрозуміти англійську мову).

Однак злиття AGI та децентралізованого штучного інтелекту ще не вразило широкого кола громадськості. Ймовірно, у 2020 році ми побачимо перші конкретні кроки в цьому напрямку. Це приверне увагу громадськості до потенціалу децентралізованих фреймворків для роботи в напрямку ШІ з можливістю глибокої уяви, узагальнення та творчого навчання.

Практичні форми

Агенти, орієнтовані на AGI, у децентралізованій метамережі штучного інтелекту (включаючи кілька взаємодіючих децентралізованих мереж штучного інтелекту: скажімо, SingularityNET, OCEAN, Fetch.ai, Shivom і десятки інших, які працюють разом) зможуть надавати послуги абстракції та узагальнення для орієнтованих на додатки агентів штучного інтелекту, які працюють у цій же метамережі.

Припустімо, що агент штучного інтелекту, орієнтований на медичні технології, повинен висунути гіпотезу про те, які з приблизно 25 000 Human генів залучені до виникнення раку простати. Але припустімо, що в нього є лише дані ДНК кількох сотень людей — недостатньо, щоб дозволити йому зробити переконливі висновки щодо такої кількості різних генів. Без структури, яка дозволяє цьому агенту ШІ звертатися за допомогою до інших агентів ШІ, ШІ, ймовірно, просто здався б. Але в такому контексті, як SingularityNET, де штучний інтелект може звернутися за допомогою до іншого штучного інтелекту, можуть бути ледве помітні шляхи до успіху. Якщо є інші набори даних щодо розладів, подібних до раку передміхурової залози, у модельних організмах, таких як миші, ми можемо побачити прогрес у розумінні того, які гени залучені до раку передміхурової залози, завдяки комбінації кількох агентів штучного інтелекту з різними можливостями, які взаємодіють разом.

Припустімо, ШІ №1 – назвемо його Майстер аналогії – має талант міркувати за аналогією. Це такий спосіб міркування, який відображає знання про ONE ситуацію в ситуації іншого типу – наприклад, використання знань про війну для отримання висновків про бізнес. Майстер аналогії може використовувати генетичні дані про мишей із захворюваннями, подібними до раку передміхурової залози, щоб зробити непрямі висновки про рак простати Human .

Ми побачимо роботу над більш загальними формами ШІ, якими володіють і керують окремі особи

Тоді припустімо, що штучний інтелект №2 – назвемо його Data Connector – добре знаходить набори біологічних і медичних даних, пов’язані з певною проблемою, і готує ці набори даних для аналізу штучним інтелектом. А потім припустімо, що штучний інтелект №3 – назвемо його аналітик хвороб – є експертом у використанні машинного навчання для розуміння першопричин Human захворювань.

Аналітик хвороб, коли йому доручено знайти Human гени, пов’язані з раком передміхурової залози, може потім вирішити, що йому потрібне латеральне мислення, щоб допомогти йому зробити концептуальний стрибок і вирішити проблему. Він просить допомоги у Майстра аналогії або багатьох різних ШІ.

Майстер аналогії може нічого не знати про біологію раку, хоча він добре вміє робити концептуальні стрибки, використовуючи міркування за аналогією. Тому, щоб допомогти Disease Analyst із його проблемою, йому може знадобитися наповнити свою базу знань деякими відповідними даними, наприклад про рак у мишей. Тоді на допомогу приходить Data Connector, який надсилає Master Analogy Master дані про мишачий рак, необхідні йому для творчого мозкового штурму, допомагаючи Disease Analyst вирішити його проблему.

Вся ця співпраця між агентами ШІ може відбуватися за лаштунками з точки зору користувача. Дослідницькій лабораторії, яка звертається за допомогою до аналітика захворювань із генетичним аналізом раку передміхурової залози, ніколи не потрібно знати, що аналітик виконав свою роботу, звернувшись за допомогою до майстра аналогії та з’єднувача даних. Крім того, Analogy Master і Data Connector T обов’язково мають переглядати власні дані Disease Analyst, тому що за допомогою багатосторонніх обчислень або гомоморфного шифрування аналітика штучного інтелекту може виконуватися на зашифрованій версії набору даних без порушення Політика конфіденційності даних (у цьому випадку Політика конфіденційності пацієнта).

З прогресом у Технології штучного інтелекту та хмарних ІТ такий вид співпраці між декількома штучними інтелектами лише зараз стає можливим. Звичайно, така співпраця може відбуватися у спосіб, контрольований великими корпораціями за фаєрволами. Але що ще цікавіше, це те, як природно ця парадигма для досягнення все більш потужного та загального ШІ могла узгоджуватися з децентралізованими методами контролю.

Що, якщо три агенти штучного інтелекту в цьому прикладі сценарію належать різним сторонам? Що, якщо дані про рак передміхурової залози Human, які використовує Disease Analyst, належать і контролюються особами з раком передміхурової залози, від яких були зібрані дані? У медичному закладі зараз не так працює. Але принаймні ми можемо сказати, що на технологічному рівні немає жодних причин, щоб медичні Цікаве, керовані ШІ, були монолітними та централізованими. Децентралізований підхід, за якого інтелект досягається за допомогою кількох агентів із кількома власниками, які діють із надійно зашифрованими даними, зараз є технологічно можливим завдяки поєднанню сучасного ШІ з інфраструктурою блокчейну.

Централізація аналізу даних ШІ та прийняття рішень у медицині, як і в інших сферах, на даний момент поширена через політичні та галузеві структури та інерцію, а не тому, що це єдиний спосіб змусити технологію працювати.

У цьому випадку оригінальному штучному інтелекту, орієнтованому на медичні технології, завданням якого є розуміння генетичних причин раку, було б добре підключитися за лаштунками до цього штучного інтелекту, що обґрунтовує аналогії, і з постачальником відповідних даних модельного організму, які передають досліднику аналогій, щоб отримати його допомогу у вирішенні свого завдання.

У мережі загального штучного інтелекту NEAR майбутнього інтелект існуватиме на двох різних рівнях – окремі агенти ШІ та узгоджена та скоординована діяльність мережі агентів ШІ (поєднання трьох агентів ШІ у наведеному вище прикладі; і комбінації більшої кількості різноманітних агентів ШІ в більш складних випадках). Здатність до узагальнення та абстрагування також певною мірою буде існувати на обох цих рівнях. Він існуватиме в окремих агентах ШІ, таких як Analogy Master у наведеному вище прикладі, які орієнтовані на загальний інтелект, а не на вирішення вузькоспеціалізованих проблем. Він існуватиме в загальній мережі, включаючи комбінацію агентів штучного інтелекту, орієнтованих на узагальнення, таких як Analogy Master, і агентів штучного інтелекту спеціального призначення, таких як Disease Analyst, і агентів штучного інтелекту «конектор», таких як Data Connector вище.

Масштабований розгортання та широке впровадження децентралізованих мереж штучного інтелекту ще NEAR початку, і є багато тонкощів, з якими доведеться зіткнутися та вирішити в найближчі роки. Зрештою, те, що потрібно децентралізованій спільноті штучного інтелекту для досягнення її середньострокових цілей, фундаментально складніше, ніж ІТ-системи, створені Google, Facebook, Amazon, IBM, Tencent або Baidu. Ці системи є результатом десятиліть інженерної роботи десятків тисяч геніальних інженерів.

Децентралізована спільнота ШІ не збирається наймати більше інженерів, ніж ці компанії. Але тоді Linux Foundation ніколи не наймала стільки інженерів, як Microsoft чи Apple, і тепер вона має операційну систему №1, яка лежить в основі як серверного Інтернету, так і мобільних екосистем та Інтернету речей. Якщо спроба світу блокчейн-ШІ каталізувати появу загального інтелекту за допомогою спільної діяльності численних агентів ШІ з різними рівнями абстракції має бути успішною, це має відбуватися через діяльність спільноти. Цю діяльність громади потрібно значною мірою самоорганізувати. Але токеномічні моделі, що лежать в основі багатьох децентралізованих проектів штучного інтелекту, точно налаштовані для заохочення такої самоорганізації, надаючи токени стимулів агентам штучного інтелекту, які служать для стимулювання та спрямування інтелекту всієї мережі, а також для досягнення їхніх індивідуальних цілей.

Великі централізовані корпорації залучають до столу величезні ресурси. Однак для багатьох застосувань, включаючи медицину та рекламу, не корпорації, а окремі особи передають дані. А для Навчання ШІ потрібні дані. З появою додатків штучного інтелекту, заснованих на блокчейні, великі корпорації можуть виявити, що їхня унікальна сила виривається з-під них.

Чи хотіли б ви володіти часткою медичної терапії, виявленої на основі ваших медичних записів і геномних даних? Бажаєте точно знати, як вміст ваших повідомлень і шаблони веб-серфінгу використовуються, щоб вирішити, які продукти вам рекомендувати? Я теж.

2020 рік стане роком, коли це бачення почне втілюватися в життя. Ми побачимо початок реального сприйняття користувачами платформ, які об’єднують блокчейн і ШІ. Ми побачимо роботу над більш загальними формами штучного інтелекту, якими володіють і керують люди, які живлять штучний інтелект даними, необхідними для Навчання та розвитку.