Dalam catatan blog ini, kami meneroka sama ada kecerdasan buatan boleh berfikir seperti manusia dan membuat pertimbangan rasional di luar pengiraan mudah, menggunakan pelbagai contoh.
Percaturan menawan Deep Blue, AlphaGo menewaskan Lee Sedol at Go, dan algoritma Haken dan Apell yang membuktikan Teorem Empat Warna—cabaran matematik yang telah lama wujud—hanyalah beberapa contoh AI yang mempamerkan potensi tanpa hadnya, yang mengagumkan kami. Kemajuan ini mengubah apa yang pernah dianggap mungkin hanya dalam filem fiksyen sains masa lalu menjadi realiti. Apabila AI menangani masalah yang semakin kompleks dan canggih, ia mengubah bukan sahaja cabaran kepada kapasiti intelek manusia tetapi juga struktur masyarakat kita dan kehidupan seharian kita. Memerhatikan perkara ini, nampaknya AI sedang menakluki, satu demi satu, bidang yang pernah dianggap sebagai domain 'alasan' - keupayaan untuk menyelesaikan masalah menggunakan alat matematik dan logik. Ada yang berpendapat bahawa AI sudah mempunyai sebab yang melebihi manusia dan boleh menimbulkan ancaman kepada manusia pada masa hadapan. Kebimbangan ini adalah tema berulang dalam filem dan kesusasteraan, memberi amaran tentang kemungkinan AI boleh menggantikan manusia atau melanggar kemanusiaan.
Dalam bukunya The Most Human Human, Brian Christian berhujah bahawa kerana AI menceroboh domain akal manusia dengan kuasa pemprosesannya yang unggul, kita kini mesti mempelopori alam emosi. Dia berpendapat bahawa selagi AI tidak dapat meniru emosi—selama ini dianggap sebagai manusia unik—emosi akan menjadi domain terakhir yang membezakan manusia. Walau bagaimanapun, tindak balas ini menimbulkan persoalan: Bolehkah kita membuat kesimpulan secara muktamad bahawa AI telah menceroboh akal manusia hanya dengan memerhatikan kemenangannya dalam catur dan keupayaannya untuk mengendalikan pengiraan matematik yang kompleks dengan kuasa pengiraan yang besar? Tambahan pula, neuron manusia mempunyai struktur yang sangat kompleks, pada asasnya berbeza daripada seni bina pengiraan AI. Dikatakan bahawa kerumitan ini menjadikannya sukar untuk mereplikasi rangkaian saraf manusia dengan sempurna menggunakan struktur mudah seperti perceptron AI. Jadi, jika kaedah pemprosesan AI berbeza daripada otak manusia, bolehkah kita benar-benar mengatakan mereka mempunyai 'sebab' yang sama?
Pertama, mari kita pertimbangkan catur, yang Brian Christian sebut sebagai domain 'manusia'. Walaupun dikaitkan dengan kesilapan manusia, ia tetap menjadi fakta yang tidak dapat dinafikan bahawa komputer mengalahkan manusia dalam catur. Walau bagaimanapun, kemenangan ini berpunca semata-mata daripada pengiraan pantas dan pemprosesan statistik yang menilai kemungkinan yang tidak terkira banyaknya - ia tidak pernah menjadi kesimpulan yang dicapai melalui pemikiran komputer sendiri. Apabila grandmaster catur dan Deep Blue bermain, pembukaan standard yang diiktiraf secara meluas muncul dalam dunia catur. Komputer hanya menggunakan penyelesaian yang paling terkenal untuk pembukaan itu, mengorbankan kesatrianya sendiri untuk mendapat kelebihan. Pemerhati bergurau bahawa pengulas, melihat komputer menggunakan penyelesaian ini tanpa memahami maksudnya, mungkin hanya menyedari selepas komputer selesai bergerak dan bertanya, "Siapa yang mengambil ksatria saya?" Melihat perkara ini, saya fikir ia adalah satu perkara yang patut difikirkan sama ada komputer benar-benar memiliki 'sebab' yang kita perkatakan.
Dalam catur, Brian Christian juga menyebut 'buku' catur, merujuk kepada corak piawainya, kerana kemungkinan kedudukan permulaan dan pergerakan adalah agak terhad. Oleh itu, kecerdasan buatan boleh mencapai hasil yang baik berdasarkan 'kuasa pengiraan' semata-mata, bukan 'penaakulan.' Jadi, bagaimana pula dengan Go, yang mempunyai dimensi yang jauh berbeza dengan sejumlah besar kemungkinan 'kes'? Pakar meramalkan bahawa Go, dengan kemungkinan pergerakan yang sangat besar, akan menjadi terlalu mencabar untuk AI untuk menang melawan manusia selama sekurang-kurangnya sedekad, kerana hanya mempunyai kuasa pengiraan yang unggul sahaja tidak mencukupi. Inilah sebabnya mengapa kemenangan AlphaGo mengejutkan ramai pihak. Jadi, patutkah kita mengakui bahawa AI yang mengalahkan manusia di Go mempunyai alasan?
Menurut Google, AlphaGo menggunakan algoritma yang dipanggil Monte Carlo Tree Search (MCTS). Daripada mencuba setiap langkah yang mungkin, algoritma ini mencipta pangkalan data yang dipanggil pepohon carian melalui simulasi amalan, dengan itu mengurangkan bilangan 'pergerakan yang mungkin' untuk dikira. Selepas membentuk pepohon carian yang meluas melalui simulasi yang tidak terkira banyaknya, ia memilih data yang paling berharga daripada cabang pepohon carian yang berkaitan semasa permainan sebenar untuk membuat pergerakannya. Kaedah ini berkesan kerana walaupun terdapat banyak pergerakan yang tidak melanggar peraturan Go, bilangan pergerakan yang dianggap bermakna dan digunakan oleh orang ramai dalam permainan sebenar adalah agak terhad. Hakikat bahawa AlphaGo mengurangkan kemungkinan melalui kaedah MTCT telah disahkan apabila Lee Sedol memainkan gerakan yang tidak biasa digunakan oleh manusia—pergerakan yang tidak direkodkan dalam pepohon carian—menyebabkan sistem membuat ralat. Oleh itu, kaedah MTCT hanya mengurangkan beban pengiraan menggunakan pepohon carian; pada asasnya, ia kekal sebagai algoritma pengiraan mudah yang tidak jauh berbeza daripada algoritma catur, kerana ia masih melibatkan menggantikan banyak kemungkinan dalam rangka kerja tertentu. Walaupun ia mencapai kemajuan yang tiada tandingan berbanding dengan algoritma catur sedia ada dengan menggunakan strategi untuk mengurangkan beban pengiraan, ia masih sebahagian besarnya kekal dalam metodologi menggantikan kemungkinan yang mematuhi peraturan. Metodologi menggantikan kemungkinan mematuhi peraturan ini boleh menunjukkan keupayaan yang sangat baik dalam peraturan yang diberikan tetapi membawa had maut kerana tidak boleh digunakan di luar skop peraturan tersebut. Akhirnya, AlphaGo, AI yang canggih, menggunakan metodologi ini. Akibatnya, skop operasinya terhad dalam peraturan, menjadikannya serupa dengan katak dalam perigi yang terkurung oleh peraturannya.
Berikutan kejayaannya dalam catur dan Go, AI telah digunakan untuk pelbagai permainan dan kini mempamerkan keupayaan yang lebih berkembang. Sebagai contoh, pada '2048', permainan yang memerlukan pemikiran yang mendalam, AI menunjukkan prestasi unggul berbanding manusia. '2048' ialah permainan yang dibangunkan pada 2014, sebelum perlawanan AlphaGo lwn Lee Sedol. Setiap pusingan, pemain boleh menggerakkan blok dalam satu daripada empat arah. Apabila blok dengan nombor yang sama bergabung, mereka membentuk blok baharu dengan nombor gabungan. Matlamatnya adalah untuk mencipta blok 2048. Antara algoritma yang menunjukkan prestasi yang sangat baik pada '2048', algoritma genetik menonjol sebagai contoh utama. Algoritma genetik beroperasi sama dengan evolusi biologi: ia sedikit mengubah banyak algoritma dan mengadunya antara satu sama lain. Algoritma yang mencapai markah yang lebih tinggi bertahan, manakala yang gagal melakukannya akan dihapuskan. Pada mulanya, AI bergerak secara rawak di antara empat arah yang mungkin. Kemudian, ia menunjukkan kecekapan dengan menggunakan strategi seperti 'menolak sejumlah besar ke sudut,' salah satu taktik yang mendapat markah tinggi. Walau bagaimanapun, ini hanya mewakili algoritma rawak bersaing sehingga yang optimum diguna pakai; ia sama sekali tidak boleh dikatakan bahawa AI bermain permainan dengan pemikiran. Walaupun dalam kes 'memaksa nombor besar ke sudut,' sementara manusia menggunakannya melalui pengalaman dan gerak hati, AI hanya mencuba pelbagai kemungkinan dan berlaku mengikut algoritma optimum. Oleh itu, walaupun algoritma genetik adalah kaedah strategik untuk meneroka ruang masalah yang terhad, ia tetap terhad kepada metodologi menggantikan kes yang sesuai dengan peraturan tertentu, sama seperti algoritma catur atau Go.
Memerhatikan AI bermain permainan, ia mungkin kelihatan mempunyai penaakulan seperti manusia, tetapi pada hakikatnya, ia hanya secara statistik menentukan kaedah yang menghasilkan skor tertinggi dengan menggantikan semua kemungkinan kes yang sesuai dengan peraturan dalam rangka kerja yang terhad. Dalam erti kata lain, walaupun metodologi ini cemerlang dalam 'mencuba setiap pendekatan yang mungkin dalam rangka kerja peraturan,' ia tidak boleh berfungsi apabila metodologi melebihi skop peraturan. Akhirnya, melihat kecerdasan buatan sebagai telah mengejar rasional manusia mungkin merupakan tafsiran yang berlebihan.
