A korlátozott adat korlátozott innovációt jelent. Phonlamai fotó Sam valadi / Flickr, CC BY-SA
Az Európai Szabadalmi Hivatal nemrég elutasította élelmiszer-edényt leíró szabadalmi bejelentés. Ez nem azért történt, mert a találmány nem volt újszerű vagy hasznos, hanem azért, mert a mesterséges intelligencia (AI) hozta létre. A törvény szerint a feltalálóknak tényleges embereknek kell lenniük. Ez nem az első találmány az AI által - a gépek számos újítást hoztak létre tudományos tanulmányok és könyveket új anyagok és a zene.
Ennek ellenére a kreativitás egyértelműen az egyik legismertebb emberi tulajdonság. Enélkül nem lenne költészet, internet és űrutazás. De vajon az AI képes-e valaha is megfelelni vagy akár felülmúlni minket? Vessünk egy pillantást a kutatásra.
Elméletileg a kreativitás és az innováció a folyamat keresés és kombináció. Egy tudásból indulunk ki, és összekapcsoljuk egy másik ismerettel egy új és hasznos dologba. Elvileg ezt is megtehetik a gépek - valójában kiválóan teljesítenek az adatokon belüli tárolásban, feldolgozásban és kapcsolatok létrehozásában.
A gépek generatív módszerek felhasználásával állítanak elő újításokat. De hogyan működik ez pontosan? Vannak különböző megközelítések, de a legkorszerűbbnek hívják generációs versenytárs hálózatok. Példaként vegyünk egy olyan gépet, amely állítólag új képet hoz létre az emberről. A generatív kontradiktórius hálózatok két részfeladat kombinálásával kezelik ezt a létrehozási feladatot.
Az első rész a generátor, amely véletlenszerű pixeleloszlásból kiindulva készít új képeket. A második rész a diszkriminátor, amely elmondja a generátornak, hogy milyen közel állt ahhoz, hogy valóban egy valós képet alkosson.
Honnan tudja a diszkriminátor, hogy néz ki egy ember? Nos, a feladat megkezdése előtt számos példát ad a valós személyekről készített képekre. A megkülönböztető visszajelzése alapján a generátor javítja algoritmusát és új képet javasol. Ez a folyamat addig folytatódik, amíg a diszkriminátor úgy dönt, hogy a képek elég közel néznek ki az általa tanult képpéldákhoz. Ezek a generált képek jönnek rendkívül közel valódi embereknek.
De még ha a gépek is képesek innovációkat létrehozni az adatokból, ez nem azt jelenti, hogy valószínűleg hamarosan ellopják az emberi kreativitás minden szikráját. Az innováció problémamegoldó folyamat - az innováció megvalósulásához a problémákat megoldásokkal kombinálják. Az emberek bármelyik irányba haladhatnak - problémával kezdik és megoldják, vagy megoldást próbálnak és megpróbálnak új problémákat találni rá.
Az utóbbi típusú innovációra példa a ragadós jegyzet. Egy mérnök túlságosan gyenge ragasztót fejlesztett ki, és az íróasztalán ült. Csak később egy kolléga rájött, hogy ez a megoldás segíthet megakadályozni, hogy a kórusgyakorlat során a hangjai kiesjenek a kottáiból.
Az adatokat inputként és a kódot explicit probléma megfogalmazásként használva a gépek megoldásokat is kínálhatnak a problémákra. A problémák felkutatása azonban nehéz a gépek számára, mivel a problémák gyakran túlmutatnak azon adatkészlet határain, amelyen a gépek újítanak.
Sőt, az innováció gyakran ezen alapul szükségletek, amelyekről nem is tudtuk, hogy vannak. Gondolj a Walkmanre. Még akkor is, ha egyetlen fogyasztó sem mondta ki a zenehallgatás kívánságát járás közben, ez az újítás hatalmas sikert aratott. Mivel az ilyen rejtett igényeket nehéz megfogalmazni és egyértelművé tenni, nem valószínű, hogy azok is eljutnának az adatkészletbe, amelyre a gépeknek szüksége van az innovációhoz.
Az emberek és a gépek különböző alapanyagokkal rendelkeznek, amelyeket az innováció alapjául használnak. Ahol az emberek széles körű tapasztalatokból merítenek ötleteket, a gépek nagyrészt csak azokra az adatokra korlátozódnak, amelyeket táplálunk nekik. A gépek a bemeneti adatok alapján gyorsan számtalan növekményes újítást generálhatnak új verziók formájában. Áttörő innováció azonban nem valószínű, hogy a gépekből jön ki, mivel gyakran ezeken alapul összekötő mezők amelyek távoliak vagy nincsenek kapcsolatban egymással. Gondolj a a snowboard feltalálása, amely összeköti a síelés és a szörfözés világát.
A kreativitás nem csak az újdonságot jelenti, hanem a hasznosságot is. Míg a gépek egyértelműen képesek létrehozni valamit, ami fokozatosan új, ez még nem jelenti azt, hogy ezek az alkotások hasznosak lennének. A hasznosságot a potenciálisan újításokat használók szemében határozzák meg, és nehéz megítélni a gépek esetében. Az emberek azonban képesek együttérezni más emberekkel és jobban megérteni szükségleteiket.
Végül a mesterséges intelligencia által generált kreatív ötleteket a fogyasztók kevésbé részesíthetik előnyben pusztán azért, mert azokat egy gép hozta létre. Az emberek eladhatják az AI ötleteit, mivel úgy érzik, hogy ezek az ötletek kevésbé hiteles or sőt fenyegető. Vagy egyszerűen csak a fajta ötleteket részesítik előnyben, egy effektust hogy megfigyelték más területeken korábban.
Mostantól a kreativitás számos aspektusa vitathatatlan terep marad a gépek és az AI számára. Vannak azonban kizárások. Még akkor is, ha a gépek nem képesek helyettesíteni az embereket a kreatív tartományban nagy segítség az emberi kreativitás kiegészítésében. Például feltehetünk új kérdéseket vagy azonosíthatunk új problémákat hogy kombinációban oldjuk meg gépi tanulással.
Emellett elemzésünk azon a tényen alapul, hogy a gépek többnyire szűk adatkészleteken újítanak. Az AI sokkal kreatívabbá válhat, ha egyesíteni tudja a nagy, gazdag és egyébként nem kapcsolt adatokat.
A gépek kreativitása akkor is javulhat, ha jobban megfelelnek az emberek széles intelligenciájának - amit mi úgy hívunk, hogy „általános intelligencia”. És ez nem biztos, hogy túl messze van a jövőben - néhány szakértő értékelje, hogy van-e 50% esély hogy a gépek az elkövetkező 50 évben elérik az emberi szintű intelligenciát.
A szerzőkről
Tim Schweisfurth, a technológiai és innovációmenedzsment docens, Dél-Dánia Egyetem és René Chester Goduscheit, a technológiai és innovációs tanulmányok professzora, Aarhus Egyetem
Ezt a cikket újra kiadják A beszélgetés Creative Commons licenc alatt. Olvassa el a eredeti cikk.
