Żyjemy w czasach, gdzie hasło “sztuczna inteligencja”, nazywana w skrócie AI (artificial intelligence), jest bardzo popularne i pojawia się w opisach marketingowych wielu produktów i usług. Ale czym tak naprawdę jest AI?
Mówiąc ogólnie, AI powstało jako pomysł na stworzenie sztucznego “myślenia” na wzór mózgu ludzkiego.
Na dzień dzisiejszy możemy jednak tylko przypuszczać, jak działa ludzki mózg, głównie na podstawie badań medycznych i obserwacji. Z medycznego punktu widzenia wiemy, że mózg wygląda jak skomplikowana sieć połączeń, w których głównym elementem są neurony, a nasze myśli, pamięć i kreatywność to przepływ impulsów elektrycznych. Ta wiedza dała nadzieję na skonstruowanie analogicznego mózgu w wersji elektronicznej, czy to jako sprzętu, czy też oprogramowania, gdzie neurony zastąpione są elektroniką lub oprogramowaniem. Ponieważ jednak nie mamy stuprocentowej pewności, jak dokładnie działa mózg, wszystkie aktualnie stosowane modele w AI to pewne matematyczne przybliżenia i uproszczenia, służące tylko pewnym określonym zastosowaniom. Z obserwacji wiemy, że da się np. stworzyć rozwiązania, które całkiem dobrze naśladują umysł – potrafią rozpoznawać pismo, obrazy (obiekty), muzykę, emocje, a nawet tworzyć sztukę na podstawie wcześniej nabytych doświadczeń, choć rezultaty tego ostatniego bywają kontrowersyjne.
W czym jeszcze AI przypomina ludzki mózg?
Cóż.. musi się uczyć! Rozwiązania AI bazują na jednej podstawowej różnicy w stosunku do klasycznych algorytmów: pierwotny produkt to filozoficzna “tabula rasa”, czyli “czysty umysł”, który trzeba najpierw nauczyć.
W przypadku złożonych organizmów żywych wiedza pojawia się wraz z rozwojem: zdolność mówienia, samodzielnego poruszania się, nazywania przedmiotów, a w przypadku ludzi i niektórych gatunków zwierząt dochodzą do tego elementy nauki zorganizowanej w przedszkolach, szkołach, uczelniach i w trakcie pracy oraz samodzielnego rozwoju. Analogicznie w większości rozwiązań sztucznej inteligencji – model AI musi najpierw otrzymać określoną wiedzę, najczęściej w postaci przykładów, aby móc później skutecznie funkcjonować jako “dorosły” algorytm. Niektóre z rozwiązań uczą się raz, inne poprawiają swoją wiedzę już w trakcie funkcjonowania (tzw. On-line Learning, czy Reinforced Learning). Jak żywo przypomina to ludzką społeczność: niektórzy kończą swoją edukację i do końca życia pracują w jednej firmie, wykonując jedno zadanie, inni muszą szkolić się przez całe życie, ponieważ ich środowisko pracy zmienia się dynamicznie.
Czy AI jest już “mądrzejsza” niż człowiek?
Jako ciekawostkę możemy spróbować porównać “moc obliczeniową” mózgu w stosunku do mocy obliczeniowej komputerów. To oczywiście będzie duże uproszczenie, bo natura obu jest zupełnie inna.
Po pierwsze, ile neuronów ma przeciętny mózg człowieka? Pierwotnie szacowano, że jest to około 100 miliardów neuronów. Wg ostatnich badań (https://www.verywellmind.com/how-many-neurons-are-in-the-brain-2794889), liczba neuronów w “przeciętnym” ludzkim mózgu to “nieco” mniejsze wartości, o jakieś 14 miliardów, czyli 86 miliardów komórek neuronowych. Dla porównania, mózg muszki owocówki to ok. 100 tysięcy neuronów, myszy 75 milionów neuronów, kota 250 milionów, szympansa 7 miliardów. Ciekawostką jest mózg słonia (znacznie większy od ludzkiego w sensie wymiarów), który ma … 257 miliardów neuronów, czyli zdecydowanie więcej niż mózg człowieka.
Z badań medycznych wiemy, że na każdy neuron przypada około 1000 połączeń z sąsiednimi neuronami, czyli tzw synaps, a zatem w przypadku człowieka, łączna liczba połączeń to około 86 bilionów (86 miliardów neuronów * 1000 połączeń). W uproszczeniu możemy przyjąć, że każda z synaps wykonuje jedną “operację”, analogicznie jak jedna instrukcja procesora.
Z jaką prędkością działa mózg? W sumie … niedużą. Możemy to określić na bazie interfejsów typu BCI (Brain-Computer Interface), które nie tak dawno pojawiły się jako wynik rozwoju medycznych urządzeń służących do elektroencefalografii (EEG), np opaski produkowane przez Emotiv, dzięki którym możemy sterować komputerem za pomocą fal mózgowych. Oczywiście nie integrują się one bezpośrednio z korą mózgową, tylko mierzą aktywność poprzez analizę sygnałów elektrycznych. Na tej podstawie możemy powiedzieć, że mózg działa ze zmienną prędkością (analogicznie jak tryb Turbo w procesorze) i jest to między 0.5Hz dla tzw. stanu delta (pełny odpoczynek) a około 100Hz dla stanu gamma (stres, pełne napięcie).
A zatem maksymalną moc obliczeniową mózgu możemy oszacować jako 8,6 biliarda operacji (8,6*10^15) czyli 8,6 Petaflopa! Mimo względnie powolnego działania mózgu, dzięki zrównolegleniu operacji jest to ogromna liczba. Z Wikipedii (https://en.wikipedia.org/wiki/Supercomputer) dowiemy się, że granica ta została złamana przez superkomputery dopiero w pierwszej dekadzie XXI w. Sytuacja zmieni się wraz z pojawieniem się komputerów kwantowych, które z natury działają równolegle, podobnie jak mózg człowieka, ale na dzień dzisiejszy technologia obliczeń kwantowych nadal jest w powijakach.
Podsumowując, na razie AI nie wyprzedziła jeszcze ludzkiego mózgu, ale prawdopodobnie kiedyś to nastąpi. Mówimy tu jednak tylko o prędkości uczenia się, pomijając całą kwestię kreatywności, “wpadania” na pomysły, emocji, itd.
AI i urządzenia mobilne
Zastosowania sztucznej inteligencji wymagają ogromnych mocy obliczeniowych, szczególnie na etapie tzw. uczenia, i stanowią nie lada wyzwanie, gdy trzeba zintegrować je z rozwiązaniami AR i VR. Urządzenia AR i VR w większości mają bardzo ograniczone zasoby, ponieważ w praktyce są to platformy mobilne bazujące na procesorach ARM, porównywalne wydajnością ze smartfonami. Większość modeli sztucznej inteligencji jest na tyle złożona obliczeniowo (matematycznie), że nie da się ich uczyć na urządzeniach mobilnych. OK – da się, ale potrwa to niewiarygodnie i nieakceptowalnie długo. Zatem w większości przypadków do uczenia modeli stosuje się wydajne komputery PC (klastry) oraz akceleratory graficzne GPU, głównie nVidia CUDA. Następnie wiedza ta jest “eksportowana” do modelu uproszczonego, który “wszczepia się” do oprogramowania lub sprzętu mobilnego AR i VR.
W kolejnym wpisie na naszym blogu dowiecie się, jak zintegrowaliśmy AI z VR i AR, jak poradziliśmy sobie z ograniczoną wydajnością urządzeń mobilnych i do czego stosujemy sztuczną inteligencję w AR i VR.
