Обмежені дані означають обмежені інновації. Фото Phonlamai Сем Валаді/Flickr, CC BY-SA
Європейське патентне відомство нещодавно відмовився заявка на патент, що описує харчову тару. Це сталося не тому, що винахід не був новим або корисним, а тому, що він був створений штучним інтелектом (ШІ). За законом винахідники мають бути справжніми людьми. Це не перший винахід ШІ - машини створили нові інновації наукові праці і книги до нові матеріали та музика.
Тим не менш, творчість - це однозначно одна з найвидатніших рис людини. Без нього не було б ні поезії, ні Інтернету, ні космічних подорожей. Але чи міг би штучний інтелект коли -небудь нас порівняти або навіть перевершити? Давайте подивимось на дослідження.
З теоретичної точки зору, творчість та інновації є процесом пошук та поєднання. Ми починаємо з одного знання і пов'язуємо його з іншим знанням у чомусь новому та корисному. В принципі, це теж можна зробити на машинах - насправді вони чудово зберігають, обробляють та встановлюють зв’язки всередині даних.
Машини придумують інновації, використовуючи генеративні методи. Але як саме це працює? Існує різні підходи, але стан техніки називається генеративні змагальні мережі. Як приклад розглянемо машину, яка має створити нову картину людини. Генеративні змагальні мережі вирішують це завдання створення, поєднуючи дві підзадачі.
Перша частина - це генератор, який створює нові зображення, починаючи з випадкового розподілу пікселів. Друга частина - це дискримінатор, який повідомляє генератору, наскільки він наблизився до створення дійсно виглядаючого зображення.
Звідки дискримінатор знає, як виглядає людина? Ну, ви подаєте йому багато прикладів фотографій справжньої людини, перш ніж приступити до виконання завдання. На основі зворотного зв'язку дискримінатора генератор вдосконалює свій алгоритм і пропонує нову картину. Цей процес триває безперервно, доки дискримінатор не вирішить, що фотографії виглядають досить близько до прикладів малюнків, які він вивчив. Ці сформовані фотографії приходять надзвичайно близько реальним людям.
Але навіть якщо машини можуть створювати інновації на основі даних, це не означає, що вони, швидше за все, скоро вкрадуть всю іскру людської творчості. Інновації-це процес вирішення проблем-для того, щоб відбулася інновація, проблеми поєднуються з рішеннями. Люди можуть піти в будь -якому напрямку - вони починають з проблеми і вирішують її, або беруть рішення і намагаються знайти для цього нові проблеми.
Прикладом останнього типу інновацій є липкий Примітка. Інженер розробив клей, який був занадто слабким і сидів на його столі. Лише пізніше колега зрозумів, що це рішення може допомогти запобігти випаданню його нот під час хору.
Використовуючи дані як вхідні дані та код як явне формулювання проблеми, машини також можуть запропонувати рішення проблем. Однак машинам важко знайти проблеми, оскільки проблеми часто виходять за межі пулу даних, на якому машини впроваджують інновації.
Більше того, інновації часто базуються на потреби, про які ми навіть не підозрювали. Подумайте про Walkman. Навіть якщо жоден споживач ніколи не висловив бажання слухати музику під час прогулянки, це нововведення мало величезний успіх. Оскільки такі приховані потреби важко сформулювати та пояснити, вони також навряд чи потраплять у пул даних, необхідний машинам для інновацій.
Люди та машини також мають різну сировину, яку вони використовують як вхід для інновацій. Там, де люди спираються на широкий досвід для створення ідей, машини в основному обмежуються даними, якими ми їх годуємо. Машини можуть швидко генерувати незліченні додаткові інновації у вигляді нових версій на основі вхідних даних. Однак проривні інновації навряд чи вийдуть з машин, оскільки на них часто базуються сполучні поля які віддалені або не пов’язані між собою. Подумайте про винахід сноуборду, який пов’язує світи лижного спорту та серфінгу.
Крім того, креативність - це не просто новизна, це ще й корисність. Хоча машини явно здатні створювати щось нове, що поступово є новим, це не означає, що ці творіння корисні. Корисність визначається в очах тих, хто потенційно використовує інновації, і важко судити про машини. Однак люди можуть співпереживати іншим людям і краще розуміти їх потреби.
Нарешті, творчі ідеї, породжені ШІ, можуть бути менш відданими споживачам просто тому, що вони були створені машиною. Люди можуть відкинути ідеї ШІ, оскільки вони вважають, що такі ідеї є менш автентичні or навіть загрожує. Або вони можуть просто віддати перевагу ідеям свого роду, ефекту що спостерігалося в інших полях раніше.
На сьогоднішній день багато аспектів творчості залишаються безперечним місцем для машин та штучного інтелекту. Однак є застереження. Навіть якщо машини не можуть замінити людей у сфері творчості, вони це роблять велика доповнення до творчості людини. Наприклад, ми можемо задати нові питання або визначити нові проблеми що ми вирішуємо в поєднанні з машинним навчанням.
Крім того, наш аналіз базується на тому, що машини здебільшого впроваджують інновації у вузьких наборах даних. ШІ міг би стати набагато креативнішим, якби міг поєднувати великі, багаті та іншим чином відключені дані.
Крім того, машини можуть покращити творчі здібності, коли вони покращують тип широкого інтелекту, яким володіють люди - те, що ми називаємо "загальним інтелектом". І це може бути не надто далеко в майбутньому - деякі експерти оцініть, що є 50% шансів що машини досягнуть рівня людського інтелекту протягом найближчих 50 років.
Про авторів
Тім Швайсфурт, доцент кафедри технологій та інноваційного менеджменту, Університет Південної Данії та Рене Честер Годушайт, професор технології та інноваційних досліджень, Орхуський університет
Ця стаття перевидана з Бесіда за ліцензією Creative Commons. Читати оригінал статті.
