Την Τρίτη, η Meta AI ανακοίνωσε την ανάπτυξη του Cicero, η πρώτη Τεχνητή Νοημοσύνη (ΤΝ) που επιτυγχάνει επιδόσεις σε ανθρώπινο επίπεδο στο στρατηγικό επιτραπέζιο παιχνίδι Diplomacy. Είναι ένα αξιοσημείωτο επίτευγμα γιατί το παιχνίδι απαιτεί βαθιές διαπροσωπικές διαπραγματευτικές δεξιότητες, κάτι που σημαίνει ότι ο Cicero έχει αποκτήσει μια ορισμένη γνώση της γλώσσας που είναι απαραίτητη για να κερδίσει το παιχνίδι.

Ακόμη και πριν ο Deep Blue κερδίσει τον Garry Kasparov στο σκάκι το 1997, τα επιτραπέζια παιχνίδια ήταν ένα χρήσιμο μέτρο για το επίτευγμα της τεχνητής νοημοσύνης. Το 2015, ένα άλλο εμπόδιο έπεσε όταν η AlphaGo νίκησε τον master του Go Lee Sedol. Και τα δύο αυτά παιχνίδια ακολουθούν ένα σχετικά σαφές σύνολο αναλυτικών κανόνων (αν και οι κανόνες του Go είναι συνήθως απλοποιημένοι για την τεχνητή νοημοσύνη του υπολογιστή).

Αλλά με το Diplomacy, ένα μεγάλο μέρος του παιχνιδιού περιλαμβάνει κοινωνικές δεξιότητες. Οι παίκτες πρέπει να δείξουν ενσυναίσθηση, να χρησιμοποιήσουν φυσική γλώσσα και να χτίσουν σχέσεις για να κερδίσουν — ένα δύσκολο έργο για έναν παίκτη υπολογιστή. Έχοντας αυτό κατά νου, η εταιρία ρώτησε: «Μπορούμε να δημιουργήσουμε πιο αποτελεσματικούς και ευέλικτους πράκτορες που να μπορούν να χρησιμοποιούν τη γλώσσα για να διαπραγματεύονται, να πείθουν και να συνεργάζονται με τους ανθρώπους για να επιτύχουν στρατηγικούς στόχους παρόμοιους με τον τρόπο που κάνουν οι άνθρωποι;»

Σύμφωνα με την Meta, η απάντηση είναι ναι. Ο Cicero έμαθε τις δεξιότητές του παίζοντας μια διαδικτυακή έκδοση του Diplomacy στο https://webdiplomacy.net/.

Για να δημιουργήσει το Cicero, η Meta συγκέντρωσε μοντέλα τεχνητής νοημοσύνης για στρατηγικό συλλογισμό (παρόμοιο με το AlphaGo) και επεξεργασία φυσικής γλώσσας (παρόμοια με το GPT-3) και τα συνέταξε σε έναν παράγοντα. Κατά τη διάρκεια κάθε παιχνιδιού, ο Κικέρων εξετάζει την κατάσταση του ταμπλό του παιχνιδιού και το ιστορικό συνομιλιών και προβλέπει πώς θα ενεργήσουν οι άλλοι παίκτες. Κατασκευάζει ένα σχέδιο που εκτελεί μέσω ενός γλωσσικού μοντέλου που μπορεί να δημιουργήσει διάλογο που μοιάζει με άνθρωπο, επιτρέποντάς του να συντονιστεί με άλλους παίκτες.

H Meta AI αποκαλεί τις δεξιότητες φυσικής γλώσσας του Cicero «ελεγχόμενο μοντέλο διαλόγου», όπου βρίσκεται η καρδιά της προσωπικότητας του Cicero. Όπως το GPT-3, ο Cicero αντλεί από ένα μεγάλο σώμα κειμένου στο Διαδίκτυο που έχει ανακτηθεί από τον Ιστό. «Για να δημιουργήσουμε ένα ελεγχόμενο μοντέλο διαλόγου, ξεκινήσαμε με ένα μοντέλο γλώσσας τύπου BART 2,7 δισεκατομμυρίων παραμέτρων, προεκπαιδευμένο σε κείμενο από το Διαδίκτυο και συντονισμένο σε πάνω από 40.000 ανθρώπινα παιχνίδια στο https://webdiplomacy.net/. Το μοντέλο που προέκυψε κατέκτησε τις περιπλοκές ενός πολύπλοκου παιχνιδιού. «Ο Cicero μπορεί να συμπεράνει, για παράδειγμα, ότι αργότερα στο παιχνίδι θα χρειαστεί την υποστήριξη ενός συγκεκριμένου παίκτη», λέει ο Meta AI, «και στη συνέχεια να δημιουργήσει μια στρατηγική για να κερδίσει την εύνοια αυτού του ατόμου—και ακόμη και να αναγνωρίσει τους κινδύνους και τις ευκαιρίες που βλέπει αυτός ο παίκτης, από την ιδιαίτερη σκοπιά τους».

Το OpenAI έχει δημιουργήσει το καλύτερο ρομπότ που παίζει Minecraft μέχρι σήμερα, κάνοντάς το να παρακολουθεί 70.000 ώρες βίντεο με άτομα που παίζουν το δημοφιλές παιχνίδι υπολογιστή. Παρουσιάζει μια ισχυρή νέα τεχνική που θα μπορούσε να χρησιμοποιηθεί για να εκπαιδεύσει μηχανές ώστε να εκτελούν ένα ευρύ φάσμα εργασιών, μπαίνοντας σε ιστότοπους όπως το YouTube, μια τεράστια και αναξιοποίητη πηγή δεδομένων εκπαίδευσης.

Το Minecraft AI έμαθε να εκτελεί περίπλοκες ακολουθίες κλικ πληκτρολογίου και ποντικιού για να ολοκληρώσει εργασίες στο παιχνίδι, όπως το κόψιμο δέντρων και τη δημιουργία εργαλείων. Είναι το πρώτο ρομπότ που μπορεί να δημιουργήσει τα λεγόμενα εργαλεία διαμαντιού, μια εργασία που συνήθως απαιτεί από τους καλούς παίκτες 20 λεπτά κλικ υψηλής ταχύτητας—ή περίπου 24.000 ενέργειες.

Το αποτέλεσμα είναι μια σημαντική ανακάλυψη για μια τεχνική γνωστή ως μίμηση μάθησης, στην οποία τα νευρωνικά δίκτυα εκπαιδεύονται πώς να εκτελούν εργασίες βλέποντας τους ανθρώπους να τις κάνουν. Η μάθηση μίμησης μπορεί να χρησιμοποιηθεί για την εκπαίδευση της τεχνητής νοημοσύνης στον έλεγχο των βραχιόνων ρομπότ, στην οδήγηση αυτοκινήτων ή στην πλοήγηση σε ιστοσελίδες.

Υπάρχει ένας τεράστιος όγκος βίντεο στο διαδίκτυο που δείχνει ανθρώπους να κάνουν διαφορετικές εργασίες. Αξιοποιώντας αυτόν τον πόρο, οι ερευνητές ελπίζουν να κάνουν για την εκμάθηση μίμησης ό,τι έκανε το GPT-3 για μεγάλα γλωσσικά μοντέλα. «Τα τελευταία χρόνια είδαμε την άνοδο αυτού του παραδείγματος GPT-3 όπου βλέπουμε εκπληκτικές δυνατότητες να προέρχονται από μεγάλα μοντέλα που έχουν εκπαιδευτεί σε τεράστιες περιοχές του Διαδικτύου», λέει ο Bowen Baker στο OpenAI, ένας από την ομάδα πίσω από το νέο Minecraft. bot. «Ένα μεγάλο μέρος αυτού οφείλεται στο ότι διαμορφώνουμε το τι κάνουν οι άνθρωποι όταν μπαίνουν στο διαδίκτυο».

Μια μικρή εταιρεία με έδρα τη Νεμπράσκα των ΗΠΑ, έλαβε άδεια από τον FDA για λογισμικό της που βασίζεται στην τεχνητή νοημοσύνη και βοηθά στην ανίχνευση του καρκίνου του προστάτη σε μαγνητικές τομογραφίες.

Το πρόγραμμα Bot Image's ProstatID εκπαιδεύτηκε χρησιμοποιώντας χιλιάδες ψηφιακές εικόνες, ερμηνείες από ακτινολόγους και αποτελέσματα βιοψίας. Αναγνωρίζει αυτόματα και μετρά τον όγκο του αδένα του προστάτη και επισημαίνει ύποπτες βλάβες που θα μπορούσαν να φιλοξενούν καρκινικά κύτταρα.

«Η υιοθέτηση των μεθόδων προσυμπτωματικού ελέγχου και ανίχνευσης του καρκίνου του προστάτη έχει αλλάξει ελάχιστα τα τελευταία 30 χρόνια, παρά τη πληθώρα των στοιχείων που δείχνουν την αποτελεσματικότητα των ανώτερων τεχνολογιών και τη ματαιότητα των παλιών μεθόδων», δήλωσε ο CEO Randall Jones. «Δυστυχώς, αυτό είχε ως αποτέλεσμα τους περιττούς και πρόωρους θανάτους αμέτρητου αριθμού ανδρών μόνο στις ΗΠΑ».

Επιπλέον, ο ίδιος ο προστάτης μπορεί να αποτελέσει πρόκληση όταν πρόκειται να γίνει μια καθαρή σάρωση, λόγω της θέσης του μέσα στο σώμα και της ομοιομορφίας του ιστού του, σημείωσε η εταιρεία.

Για να βοηθήσουν στη διάγνωση του καρκίνου, οι αλγόριθμοι μηχανικής μάθησης του Bot Image έχουν σχεδιαστεί για να παράγουν έναν έγχρωμο χάρτη φυσιολογικού και μη φυσιολογικού ιστού. Το πρόγραμμα εκχωρεί επίσης μια βαθμολογία πιθανότητας σε κάθε βλάβη—που προέρχεται από το Τ2, τον συντελεστή φαινομενικής διάχυσης και τις σταθμισμένες εικόνες διάχυσης.

Η εταιρεία σχεδιάζει να προσφέρει το ProstatID, το πρώτο της προϊόν, ως SaaS (Software as a Service). Οι ακτινολόγοι θα συνδέονται με τους διακομιστές του Bot Image στο cloud, θα ανεβάσουν τις σαρώσεις μαγνητικής τομογραφίας και θα λάβουν ως αντάλλαγμα μια αναφορά που δημιουργείται από AI, με ολόκληρη τη διαδικασία να διαρκεί λιγότερο από μία ώρα για να ρυθμιστεί, σύμφωνα με τον Jones.

Η Bot Image —μια εταιρεία που αρχικά επωάστηκε στον πάροχο μαγνητικής τομογραφίας ScanMed— σχεδιάζει επίσης να αναπτύξει λογισμικό τεχνητής νοημοσύνης για τον εντοπισμό καταστάσεων όπως εγκεφαλικό επεισόδιο, ηπατική νόσο, χρόνια αποφρακτική πνευμονοπάθεια και άλλους καρκίνους χρησιμοποιώντας απεικόνιση μαγνητικής τομογραφίας.

Οι σημερινοί πιο επιτυχημένοι αλγόριθμοι τεχνητής νοημοσύνης, τα τεχνητά νευρωνικά δίκτυα, βασίζονται χαλαρά στους περίπλοκους ιστούς πραγματικών νευρωνικών δικτύων στον εγκέφαλό μας. Αλλά σε αντίθεση με τους εξαιρετικά αποδοτικούς εγκεφάλους μας, η εκτέλεση αυτών των αλγορίθμων σε υπολογιστές καταναλώνει μεγάλα ποσά ενέργειας. Τα μεγαλύτερα μοντέλα καταναλώνουν σχεδόν τόση ισχύ με πέντε αυτοκίνητα κατά τη διάρκεια της ζωής τους.

Γι'αυτό το λόγο αναπτύσσεται ο νευρομορφικός υπολογισμός, ένα πιο ταιριαστό μοντέλο με τις αρχές σχεδιασμού και τη φυσική του εγκεφάλου μας που θα μπορούσε να γίνει το μέλλον της τεχνητής νοημοσύνης, εξοικονομώντας ενέργεια. Αντί να μεταφέρουμε δεδομένα σε μεγάλες αποστάσεις μεταξύ μιας κεντρικής μονάδας επεξεργασίας και των τσιπ μνήμης, τα νευρομορφικά σχέδια μιμούνται την αρχιτεκτονική της μάζας που μοιάζει με ζελέ στα κεφάλια μας, με υπολογιστικές μονάδες (νευρώνες) τοποθετημένες δίπλα στη μνήμη (αποθηκευμένες στις συνάψεις που συνδέουν τους νευρώνες). Για να μοιάσουν περισσότερο με τον εγκέφαλο, οι ερευνητές συνδυάζουν νευρομορφικά τσιπ με αναλογικούς υπολογιστές, οι οποίοι μπορούν να επεξεργάζονται συνεχή σήματα, όπως ακριβώς οι πραγματικοί νευρώνες. Τα τσιπ που προκύπτουν διαφέρουν πολύ από την τρέχουσα αρχιτεκτονική και τον τρόπο υπολογισμού των υπολογιστών που χρησιμοποιούν μόνο ψηφιακούς υπολογιστές που βασίζονται σε δυαδική επεξεργασία σήματος 0 και 1.

Με οδηγό τον εγκέφαλο, τα νευρομορφικά τσιπ υπόσχονται μια μέρα να καταρρίψουν την κατανάλωση ενέργειας υπολογιστικών εργασιών βαρέων δεδομένων όπως η τεχνητή νοημοσύνη. Δυστυχώς, οι αλγόριθμοι τεχνητής νοημοσύνης δεν έχουν σωστή συνεργασία με τις αναλογικές εκδόσεις αυτών των τσιπ λόγω ενός προβλήματος που είναι γνωστό ως ασυμφωνία συσκευών: Στο τσιπ, μικροσκοπικά στοιχεία εντός των αναλογικών νευρώνων δεν ταιριάζουν σε μέγεθος λόγω της διαδικασίας κατασκευής. Επειδή τα μεμονωμένα τσιπ δεν είναι αρκετά εξελιγμένα για να εκτελέσουν τις πιο πρόσφατες διαδικασίες εκπαίδευσης, οι αλγόριθμοι πρέπει πρώτα να εκπαιδευτούν ψηφιακά σε υπολογιστές. Στη συνέχεια, όμως, όταν οι αλγόριθμοι μεταφέρονται στο τσιπ, η απόδοσή τους καταρρέει μόλις συναντήσουν την αναντιστοιχία στο αναλογικό υλικό.

Τώρα, μια εργασία που δημοσιεύτηκε τον περασμένο μήνα στο Proceedings of the National Academy of Sciences αποκάλυψε επιτέλους έναν τρόπο να παρακάμψει αυτό το πρόβλημα. Μια ομάδα ερευνητών με επικεφαλής τον Friedemann Zenke στο Ινστιτούτο Βιοϊατρικής Έρευνας Friedrich Miescher και τον Johannes Schemmel στο Πανεπιστήμιο της Χαϊδελβέργης έδειξε ότι ένας αλγόριθμος τεχνητής νοημοσύνης γνωστός ως νευρωνικό δίκτυο - το οποίο χρησιμοποιεί το διακριτικό σήμα επικοινωνίας του εγκεφάλου, γνωστό ως ακίδα - θα μπορούσε εργαστείτε με το τσιπ για να μάθει πώς να αντισταθμίζει την αναντιστοιχία της αναλογικής συσκευής. Η εργασία είναι ένα σημαντικό βήμα προς τον αναλογικό νευρομορφικό υπολογισμό με AI.

«Το εκπληκτικό είναι ότι λειτούργησε τόσο καλά», είπε ο Sander Bohte, ειδικός σε νευρωνικά δίκτυα στο CWI, το εθνικό ερευνητικό ινστιτούτο για τα μαθηματικά και την επιστήμη των υπολογιστών στην Ολλανδία. "Είναι ένα πολύ επίτευγμα και πιθανότατα ένα σχέδιο για περισσότερα με αναλογικά νευρομορφικά συστήματα."

Η σημασία του αναλογικού υπολογισμού για τους υπολογιστές που βασίζονται στον εγκέφαλο είναι λεπτή. Ο ψηφιακός υπολογιστής μπορεί να αντιπροσωπεύει αποτελεσματικά μια δυαδική πτυχή του σήματος ακίδας του εγκεφάλου, μια ηλεκτρική ώθηση που εκτοξεύεται μέσω ενός νευρώνα σαν κεραυνός. Όπως συμβαίνει με ένα δυαδικό ψηφιακό σήμα, είτε η ακίδα αποστέλλεται είτε όχι. Αλλά οι αιχμές αποστέλλονται με την πάροδο του χρόνου συνεχώς - το οποίο στην ουσία είναι ένα αναλογικό σήμα - και ο τρόπος με τον οποίο οι νευρώνες μας αποφασίζουν να στείλουν μια ακίδα είναι επίσης συνεχής, με βάση μια ηλεκτρική τάση μέσα στο κελί που αλλάζει με την πάροδο του χρόνου. (Όταν η τάση φτάσει σε ένα συγκεκριμένο όριο σε σύγκριση με την τάση έξω από την κυψέλη, ο νευρώνας στέλνει μια ακίδα.)

«Στην αναλογικότητα βρίσκεται η ομορφιά των βασικών υπολογισμών του εγκεφάλου. Η μίμηση αυτής της βασικής πτυχής του εγκεφάλου είναι ένας από τους κύριους μοχλούς του νευρομορφικού υπολογισμού», δήλωσε η Charlotte Frenkel, ερευνήτρια νευρομορφικής μηχανικής στο Πανεπιστήμιο της Ζυρίχης και στο ETH Zurich.

Ο Dr Nando de Freitas, επικεφαλής ερευνητής στο DeepMind της Google, δήλωσε ότι "το παιχνίδι τελείωσε" αναφορικά με την προσπάεθεια επίτευξης τεχνητής γενικής νοημοσύνης (AGI-Artificial General Intelligence) ή νοημοσύνης σε ανθρώπινο επίπεδο.

Ο Dr Freitas ανάρτησε το παραπάνω στο Twitter ως απάντηση σε ένα άρθρο γνώμης του Tristan Greene μετά την κυκλοφορία του, Gato της DeepMind, στο οποίο ο Greene προτείνει ότι η ανθρωπότητα μπορεί να μην επιτύχει ποτέ AGI και ότι τουλάχιστον φαίνεται ότι "σαν το AGI δεν θα συμβαίνει στη ζωή μας".

Το Gato είναι μια τεχνητή νοημοσύνη (AI) που η DeepMind αποκαλεί "A Generalist Agent". Ο Freitas επέβλεψε το έργο Gato και είναι ένας από τους συγγραφείς μιας μελέτης που ανέβηκε στο arXiv.

Ο Dr Freitas πιστεύει ότι η επίτευξη του AGI είναι ουσιαστικά ένα κλεισμένο θέμα για την ανθρωπότητα και η επίτευξή του είναι μόνο θέμα χρόνου. Σύμφωνα με τον Dr Freitas, η επίλυση των προκλήσεων που αντιμετωπίζει η κλιμάκωση των μοντέλων τεχνητής νοημοσύνης και η μνήμη, η αποτελεσματικότητα, η ασφάλεια και άλλες πτυχές τους «είναι αυτό που θα προσφέρει το AGI».

Ο Freitas ανέφερε επίσης και τον επικεφαλής επιστήμονα του OpenAI, Ilya Sutskever, σε ένα επόμενο tweet, λέγοντας ότι έχει δίκιο, πιθανώς αναφερόμενος σε ένα tweet πριν από μερικούς μήνες όπου ο Sutskever είπε «ίσως τα σημερινά μεγάλα νευρωνικά δίκτυα να έχουν ελαφρώς συνειδητότητα».

Η δημοτικότητα των εργαλείων μηχανικής μάθησης έχει εκτοξευθεί στα ύψη τα τελευταία χρόνια. Αυτό οφείλεται τόσο στην αυξανόμενη εμπιστοσύνη στην ακρίβειά τους όσο και στη μείωση του κόστους. Πολλές επιχειρήσεις χρησιμοποιούν πλέον τη μηχανική εκμάθηση για να παρέχουν ακριβείς προβλέψεις και να αναλύουν γρήγορα μεγάλα σύνολα δεδομένων. Σε αυτό το πλαίσιο η IBM αυξάνει τις επενδύσεις στην τεχνητή νοημοσύνη. Η εταιρεία λέει ότι οι εφευρέτες της αναπτύσσουν νέα τεχνολογία AI για να ωθήσουν τις επιχειρήσεις να κλιμακώσουν τη χρήση της τεχνητής νοημοσύνης τους.

Επικεντρώνεται στην έναρξη της αλλαγής μέσω της επεξεργασίας φυσικής γλώσσας (NLP), της αυτοματοποίησης και της ανάπτυξης εμπιστοσύνης στην τεχνητή νοημοσύνη. Επιπλέον, συνεχίζει να εισάγει νέες ικανότητες από το σκέλος της Ε&Α στα προϊόντα της.

Η IBM λέει ότι το επόμενο βήμα στην τεχνητή νοημοσύνη είναι αυτό που ονομάζει ρευστή νοημοσύνη. Σύμφωνα με την εταιρεία, η τρέχουσα τεχνολογία μηχανικής εκμάθησης είναι περιορισμένη. Κατά συνέπεια, η χρήση εκπαιδευμένων μοντέλων για αναδυόμενες ανάγκες απαιτεί σημαντικό χρόνο και εκπαίδευση φρέσκων δεδομένων. Χρειαζόμαστε λοιπόν τεχνητή νοημοσύνη που συνδυάζει ένα ευρύ φάσμα πληροφοριών, εξερευνά αιτιώδεις συνδέσεις και ανακαλύπτει από μόνη της νέες εμπειρίες.

Τα συστήματα τεχνητής νοημοσύνης έχουν γίνει κοινά όχι μόνο στην καθημερινή ζωή αλλά και στις επιχειρήσεις. Αποτελούν ζωτικά εργαλεία για να βοηθήσουν στη λήψη αποφάσεων. Αυτό συμβαίνει επειδή η πολυπλοκότητα και η αποτελεσματικότητά τους παρέχουν δυνατότητες αποκάλυψης ουσιαστικών πληροφοριών για διάφορες χρήσεις. Ωστόσο, η ευρεία υιοθέτηση τέτοιων συστημάτων απαιτεί ανθρώπινη πίστη στην παραγωγή τους.

Προς μελλοντικά κεντρικά συστήματα AI
Η IBM υποστηρίζει ότι οι άνθρωποι έχουν την τάση να εμπιστεύονται την τεχνολογία που κατανοούν. Αυτό συμβαίνει γιατί την έχουν αξιολογήσει και πιστεύουν στην ασφάλειά της. Η IBM επιμένει περαιτέρω ότι οι χρήστες πρέπει να γνωρίζουν ότι είναι δίκαιο, αξιόπιστο και ασφαλές για τους χρήστες να εμπιστεύονται έναν αλγόριθμο. Ως εκ τούτου, το τμήμα Ε&Α του επιδιώκει διαφορετικές προσεγγίσεις που θα το βοηθήσουν να δημιουργήσει συστήματα τεχνητής νοημοσύνης με επίκεντρο το μέλλον. Αυτά ευθυγραμμίζονται με τις κοινωνικές αξίες επειδή είναι σταθερές, εξηγήσιμες και υπεύθυνες. Αυτό θα διασφαλίσει ότι οι εφαρμογές ML τους είναι αποτελεσματικές και δίκαιες καθ' όλη τη διάρκεια.

Η εταιρεία είναι επίσης μεγάλη στο NLP. Θεωρεί ότι οι πληροφορίες που είναι κεντρικές για τον μετασχηματισμό των επιχειρήσεων είναι απρόσιτες. Για τον σκοπό αυτό, κατασκευάζει συστήματα τεχνητής νοημοσύνης αιχμής που μπορούν να διασπάσουν τεράστιες ποσότητες κειμένου για να έχουν ευρεία εφαρμογή σε οποιαδήποτε γλώσσα.

Επιπλέον, η IBM αναπτύσσει νέες αρχιτεκτονικές και συσκευές με τεράστιες δυνατότητες επεξεργασίας. Αυτό το υλικό είναι στιβαρό και αρκετά γρήγορο ώστε να χειρίζεται τις τεράστιες ομάδες δεδομένων που παράγουμε καθημερινά. Αυτά θα μας επιτρέψουν να αξιοποιήσουμε πλήρως τις δυνατότητες της τεχνητής νοημοσύνης.

Ο ιαπωνικός τεχνολογικός γίγαντας Sony αποκάλυψε αυτή την εβδομάδα ότι έχει εκπαιδεύσει τον πιο σκληρό αντίπαλο για τον προσομοιωτή αγώνων αυτοκινήτων Gran Turismo -- έναν πρωταθλητή που μπορεί να νικήσει κορυφαίους οδηγούς ηλεκτρονικών σπορ στα δικά του παιχνίδια, την τεχνητή νοημοσύνη.
Ανδρωμένο στα πεδία μάχης περισσότερων από 1.000 κονσολών PlayStation 4, το AI Racer-bot έχει γίνει αρκετά έξυπνο ώστε να εντοπίζει βέλτιστες διαδρομές πορείας και μπορεί να εκτελεί δεξιοτεχνικούς τακτικούς ελιγμούς για να προσπεράσει ή να μπλοκάρει τους ανταγωνιστές του. Το κάνει με αδίστακτη αποτελεσματικότητα -- ενώ εξακολουθεί να σέβεται την ανθρώπινη εθιμοτυπία του παιχνιδιού, ισχυρίζεται η Sony. Η εταιρεία δημοσίευσε έρευνα για το πνευματικό της τέκνο -- που ονομάστηκε Gran Turismo Sophy -- στο περιοδικό Nature αυτή την εβδομάδα. Η διαδικασία ανάπτυξης συνδύασε «αλγόριθμους εκμάθησης προηγμένης τεχνολογίας, χωρίς μοντέλα, βαθιάς ενίσχυσης με εκπαίδευση σε μικτά σενάρια για την εκμάθηση μιας ολοκληρωμένης πολιτικής ελέγχου που συνδυάζει εξαιρετική ταχύτητα με εντυπωσιακές τακτικές», ανέφερε. "Επιπλέον, κατασκευάζουμε μια λειτουργία ανταμοιβής που επιτρέπει στο Sophy να είναι ανταγωνιστικό, ενώ τηρεί τους σημαντικούς, αλλά καθορισμένους αθλητικούς κανόνες του αγώνα."

Σε μια επίδειξη μετάδοσης μέσων μαζικής ενημέρωσης, το Sophy κέρδισε τέσσερις από τους κορυφαίους οδηγούς Gran Turismo στον κόσμο σε διαγωνισμούς 1 vs 1, αποδεικνύοντας την ανωτερότητα της τεχνολογίας έναντι των απλών θνητών. Αλλά η φιλοδοξία του Sophy δεν ήταν ποτέ να συντρίψει το ηθικό της ανθρωπότητας ή να μας αφήσει να νιώθουμε ηττημένοι. Αντίθετα, έχει σκοπό να πυροδοτήσει νέο ενθουσιασμό στα ηλεκτρονικά αθλήματα, ειδικά μεταξύ των ελίτ παικτών που ένιωθαν ότι δεν είχαν καμία πρόκληση. «Αισθάνομαι απογοητευμένος, αυτό δεν συνέβη ποτέ πριν παλέψω με AI», είπε ο Tomoaki Yamanaka, ένας από τους τέσσερις οδηγούς, μετά την ήττα. "Οδήγησα σαν να οδηγούσα ενάντια σε άνθρωπο. Αυτό είναι πραγματικά εκπληκτικό πράγμα."

Ερευνητές της startup εταιρίας βιοτεχνολογίας Cortical Labs δημιούργησαν «μίνι εγκεφάλους» που αποτελούνται από 800.000 έως ένα εκατομμύριο ζωντανά ανθρώπινα εγκεφαλικά κύτταρα σε ένα τρυβλίο Petri, σύμφωνα με τον δικτυακό τόπο newscientist.com. Τα κύτταρα τοποθετούνται πάνω από μια συστοιχία μικροηλεκτροδίων που αναλύει τη νευρική δραστηριότητα. Για να διδάξει στους μίνι εγκεφάλους το παιχνίδι, η ομάδα δημιούργησε μια απλοποιημένη έκδοση του "Pong" χωρίς αντίπαλο. Ένα σήμα αποστέλλεται είτε στα δεξιά είτε στα αριστερά της συστοιχίας για να δείξει πού βρίσκεται η μπάλα και οι νευρώνες από τα εγκεφαλικά κύτταρα στέλνουν σήματα πίσω για να μετακινήσουν το κουπί.

Ο Brett Kagan, επικεφαλής επιστημονικός υπεύθυνος στο Cortical Labs και επικεφαλής της έρευνας του έργου, είπε ότι ενώ οι μίνι εγκέφαλοι δεν μπορούν να παίξουν το παιχνίδι τόσο καλά όσο ένας άνθρωπος, μαθαίνουν όντως γρηγορότερα από ορισμένες AI.

«Το εκπληκτικό είναι πόσο γρήγορα μαθαίνει, σε πέντε λεπτά, σε πραγματικό χρόνο», είπε στο New Scientist. «Αυτό είναι πραγματικά ένα καταπληκτικό πράγμα που μπορεί να κάνει η βιολογία».

Η ομάδα του Cortical Labs ελπίζει να χρησιμοποιήσει τα ευρήματά της για να αναπτύξει εξελιγμένη τεχνολογία χρησιμοποιώντας "ζωντανούς βιολογικούς νευρώνες ενσωματωμένους με τον παραδοσιακό επεξεργαστή πυριτίου", σύμφωνα με τον ιστότοπό τους.

Υπάρχει πραγματικά βίντεο με τα εγκεφαλικά κύτταρα να παίζουν Pong. Ο επικεφαλής επιστημονικός υπεύθυνος είπε στο New Scientist ότι όταν τα κύτταρα είναι στο παιχνίδι, στην πραγματικότητα πιστεύουν ότι είναι το κουπί. 

«Πιστεύουμε ότι είναι δίκαιο να τους αποκαλούμε εγκεφάλους cyborg», λέει ο Brett Kagan, επικεφαλής επιστημονικός υπεύθυνος της Cortical Labs, ο οποίος ηγείται της έρευνας.

Πολλές ομάδες σε όλο τον κόσμο έχουν μελετήσει δίκτυα νευρώνων σε τρυβλία, συχνά αναπτύσσοντάς τους σε όργανα που μοιάζουν με τον εγκέφαλο. Αλλά αυτή είναι η πρώτη φορά που βρέθηκαν μικροεγκέφαλοι να εκτελούν καθήκοντα με συγκεκριμένο στόχο, λέει ο Kagan.

Η Microsoft παρουσίασε ένα σύστημα ανίχνευσης επιθέσεων ransomware που βασίζεται σε τεχνητή νοημοσύνη, για πελάτες του Microsoft Defender για πελάτες Endpoint συμπληρώνοντας έτσι την υπάρχουσα προστασία cloud, αξιολογώντας τους κινδύνους και αποκλείοντας τους παράγοντες πριν αυτοί εισέλθουν στο σύστημα.

Καθώς οι επιθέσεις ransomware που λειτουργούν από ανθρώπους χαρακτηρίζονται από συγκεκριμένη μεθοδολογία και συμπεριφορά, η Microsoft πιστεύει ότι μπορεί να χρησιμοποιήσει μια προσέγγιση τεχνητής νοημοσύνης βάσει δεδομένων για τον εντοπισμό αυτών των τύπων επιθέσεων.

Οι επιτιθέμενοι συνήθως εγκαθιστούν μια βάση στο σύστημα-στόχο φυτεύοντας ένα λογισμικό κακόβουλου λογισμικού που παρέχει απομακρυσμένη πρόσβαση στη συσκευή. Ωστόσο, δεν είναι γνωστό ότι όλα τα αρχεία που χρησιμοποιούνται σε επιθέσεις είναι κακόβουλα ενώ πολλά εκτελέσιμα που χρησιμοποιούνται σε επιθέσεις είναι νόμιμα προγράμματα, συμπεριλαμβανομένων των ενσωματωμένων εντολών των Windows. Οι δείκτες που δημιουργούνται από αυτά τα αρχεία μπορεί να θεωρηθούν χαμηλής προτεραιότητας και να αγνοηθούν από τα προγράμματα προστασίας. Η προσθήκη ενός συστήματος προσαρμοστικής προστασίας βάσει AI που θα ανιχνεύει ασυνήθιστη συμπεριφορά, ακόμη και από νόμιμα εκτελέσιμα αρχεία, μπορεί να διαδραματίσει κρίσιμο ρόλο στην αποτροπή περαιτέρω συμβιβασμού σε μια συσκευή και να παρέχει στις ομάδες ανταπόκρισης πολύτιμο χρόνο για να αποτρέψουν τις επιθέσεις.

Καθώς οι αμυντικοί μηχανισμοί γίνονται πιο εξελιγμένοι, οι επιτιθέμενοι είναι πολύ πιο πιθανό να επιχειρήσουν να τους απενεργοποιήσουν αντί να προσπαθήσουν να τους αποφύγουν ή να τους παρακάμψουν. Αυτό σημαίνει ότι οι διαχειριστές θα πρέπει να ελέγχουν τακτικά την κατάσταση των αμυντικών εργαλείων τους, διασφαλίζοντας ότι είναι πάντα σε λειτουργία. Γι' αυτό το λόγο η προστασία Cloud είναι ενεργοποιημένη από προεπιλογή και η βελτίωση που βασίζεται σε AI περιλαμβάνεται αυτόματα στο Microsoft Defender για Endpoints ως μια δυνατότητα "πάντα ενεργή". Εάν κάποια από αυτές τις λειτουργίες είναι πλέον απενεργοποιημένη, οι διαχειριστές θα πρέπει να διερευνήσουν αμέσως περαιτέρω για να διαπιστώσουν εάν έχουν παραβιαστεί.

Η NASA καλεί όλους τους ενδιαφερόμενους να συνεισφέρουν στους αλγόριθμους μηχανικής μάθησης που βοηθούν το Perseverance να κυκλοφορεί. Το μόνο που χρειάζεται να κάνετε είναι να δείτε μερικές εικόνες και να επισημάνετε γεωλογικά χαρακτηριστικά.
Το έργο είναι γνωστό ως AI4Mars και είναι μια συνέχεια ενός έργου που ξεκίνησε πέρυσι χρησιμοποιώντας εικόνες από το Curiosity. Το συγκεκριμένο rover έφτασε στον Άρη το 2012 και έκτοτε γράφει ιστορία. Η NASA χρησιμοποίησε το Curiosity ως σημείο εκκίνησης για τον σχεδιασμό του Perseverance. Διαθέτει 23 κάμερες, οι οποίες καταγράφουν πολλά οπτικά δεδομένα από τον Άρη, αλλά βασίζεται σε ανθρώπινους χειριστές για να ερμηνεύσει τις περισσότερες από αυτές τις εικόνες. Το rover έχει βελτιωμένη τεχνητή νοημοσύνη για να το βοηθήσει να αποφύγει τα εμπόδια, και θα γίνει ακόμα καλύτερο αν υπάρξει βοήθεια.

Ο ιστότοπος AI4Mars σάς επιτρέπει να επιλέξετε μεταξύ Opportunity, Curiosity και νέων εικόνων Perseverance. Αφού επιλέξετε το είδος των εικόνων που θέλετε να καλύψετε, θα σας παρασχεθούν πολλοί διαφορετικοί τύποι δεικτών και επεξηγήσεις για το τι είναι ο καθένας. Για παράδειγμα, το NavCam σας ζητά να αναγνωρίσετε την άμμο, το συμπαγές έδαφος (όπου οι τροχοί θα έχουν καλή πρόσφυση), το υπόστρωμα και τους μεγάλους βράχους. Υπάρχουν παραδείγματα όλων αυτών των σχηματισμών, οπότε είναι εύκολο να ξεκινήσει κάποιος.

Με όλα τα επεξεργασμένα από ανθρώπους δεδομένα, η NASA θα είναι σε θέση να εκπαιδεύει καλύτερα τα νευρωνικά δίκτυα να αναγνωρίζουν το έδαφος στον Άρη. Τελικά, ένα rover μπορεί να είναι σε θέση να περιφέρεται και να συλλέγει δείγματα χωρίς να περιμένει τον έλεγχο της αποστολής για να σχεδιάσει με ακρίβεια κάθε κίνηση. Θα βοηθήσει επίσης στον εντοπισμό των πιο σημαντικών γεωλογικών χαρακτηριστικών, σώζοντας τους ανθρώπους από το τυφλό "χτένισμα" gigabyte δεδομένων εικόνας.

Το αποτέλεσμα του έργου AI4Mars της Curiosity είναι ένας αλγόριθμος που ονομάζεται SPOC (Soil Property and Object Classification). Αναπτύσσεται ακόμα, αλλά η NASA αναφέρει ότι μπορεί ήδη να αναγνωρίσει σωστά τα γεωλογικά χαρακτηριστικά περίπου στο 98 τοις εκατό των περιπτώσεων. Οι ετικέτες των εικόνων από το Perseverance θα βελτιώσουν περαιτέρω το SPOC, το οποίο περιλαμβάνει περισσότερες λεπτομέρειες, όπως νησίδες βράχων, βότσαλα που μοιάζουν με οζίδια και το υπόστρωμα.. Σε ορισμένες εικόνες, σχεδόν όλα τα αντικείμενα θα έχουν ήδη επισημανθεί, ενώ άλλες υπάρχουν αρκετά μη αναγνωρισμένα.

Σε λευκό φόντο, ένα γιγαντιαίο μπλε κουμπί καλεί τους επισκέπτες να ανεβάσουν μια εικόνα ενός προσώπου. Κάτω από το κουμπί, τέσσερα πρόσωπα που είναι δημιουργημένα από τεχνητή νοημοσύνη προτρέπουν το χρήστη να δοκιμάσει την υπηρεσία. Πάνω από αυτό, ο τίτλος βεβαιώνει την υπηρεσία που παρέχεται: "Μετατρέψτε οποιονδήποτε σε πορνοστάρ χρησιμοποιώντας τεχνολογία deepfake για να αλλάξετε το πρόσωπο του ατόμου σε ακατάλληλα βίντεο". Το μόνο που χρειάζεται είναι η εικόνα και το πάτημα ενός κουμπιού.

Το MIT Technology Review επέλεξε να μην κατονομάσει την υπηρεσία, την οποία θα αναφέρεται ως "Y", ή να χρησιμοποιήσει οποιαδήποτε απευθείας αποσπάσματα και στιγμιότυπα οθόνης του περιεχομένου, για να αποφευχθεί η αύξηση επισκεψιμότητας στον ιστότοπο και η ευρεία χρήση της υπηρεσίας.

Ο συγκεκριμένος ιστότοπος ανακαλύφθηκε από τον ερευνητή Henry Ajder, ο οποίος παρακολουθεί την εξέλιξη και την άνοδο των συνθετικών πολυμέσων στο διαδίκτυο.

Προς το παρόν, ο δικτυακός τόπος Y δεν είναι ευρέως γνωστός, έχοντας μια μικρή βάση χρηστών να δίνει πληροφορίες για την εμπειρία χρήσης της εφαρμογής σε διαδικτυακό φόρουμ. Οι ερευνητές φοβούνται ότι θα αν εμφανιστεί μια εφαρμογή όπως αυτή, θα παραβιάσει ένα ηθικό όριο που καμία άλλη υπηρεσία δεν έχει κάνει στο παρελθόν, δημιουργώντας προβλήματα στο ευρύ κοινό, μιας και η αναγνώριση ενός deepfake video από κάποιον μη εξοικειωμένο με αυτή τη τεχνολογία, είναι από πολύ δύσκολο έως και αδύνατο. Ευτυχώς τα αποτελέσματα απέχουν πολύ από το τέλειο. Πολλές φορές το αποτέλεσμα είναι εμφανώς ψεύτικο, με τα πρόσωπα να λαμπυρίζουν και να παραμορφώνονται καθώς στρέφονται σε διαφορετικές γωνίες.

Ορισμένοι ειδικοί υποστηρίζουν ότι η ποιότητα του deepfake δεν έχει μεγάλη σημασία, επειδή η ψυχολογική επιβάρυνση στα θύματα μπορεί να είναι ο ίδιος είτε το αποτέλεσμα είναι καλό είτε όχι.

Οι χρήστες του Facebook που παρακολούθησαν ένα βίντεο εφημερίδας με μαύρους, ρωτήθηκαν από ένα σύστημα συστάσεων τεχνητής νοημοσύνης, αν ήθελαν να «συνεχίσουν να βλέπουν βίντεο για πρωτεύοντα είδη».

Το Facebook είπε στο BBC News ότι "ήταν σαφώς απαράδεκτο σφάλμα", απενεργοποίησε το σύστημα σύστασης και ξεκίνησε έρευνα.

«Ζητούμε συγγνώμη από οποιονδήποτε μπορεί να έχει δει αυτές τις προσβλητικές συστάσεις».

Αυτό το λάθος, είναι το τελευταίο σε μια μακροχρόνια σειρά λαθών που έχουν προκαλέσει ανησυχίες σχετικά με τη φυλετική προκατάληψη στην τεχνητή νοημοσύνη.