Ограниченные данные означают ограниченные инновации. Phonlamai фото Сэм Валади / Flickr, CC BY-SA
Европейское патентное ведомство недавно отказался заявка на патент, описывающая пищевой контейнер. Это произошло не потому, что изобретение не было новым или полезным, а потому, что оно было создано искусственным интеллектом (ИИ). По закону изобретатели должны быть настоящими людьми. Это не первое изобретение AI - машины производят инновации, начиная от научных работ и книги для новые материалы и Музыка.
Тем не менее, творческий подход, несомненно, является одной из самых замечательных черт человека. Без этого не было бы ни поэзии, ни интернета, ни космических путешествий. Но может ли ИИ соответствовать или даже превосходить нас? Давайте посмотрим на исследование.
С теоретической точки зрения творчество и инновации - это процесс поиск и сочетание, Мы начинаем с одной части знания и соединяем ее с другой частью знания в нечто новое и полезное. В принципе, это также то, что может быть сделано машинами - на самом деле они превосходны в хранении, обработке и установлении соединений в данных.
Машины приходят с инновациями, используя генеративные методы. Но как это работает точно? Есть разные подходы, но состояние техники называется генеративные состязательные сети, В качестве примера рассмотрим машину, которая должна создавать новую картину человека. Генеративные состязательные сети решают эту задачу создания, комбинируя две подзадачи.
Первая часть - это генератор, который создает новые изображения, начиная со случайного распределения пикселей. Вторая часть - это дискриминатор, который сообщает генератору, насколько близко он подошел к созданию реально выглядящей картинки.
Как дискриминатор узнает, как выглядит человек? Ну, вы передаете много примеров фотографий реального человека, прежде чем приступить к выполнению задания. Основываясь на обратной связи дискриминатора, генератор улучшает свой алгоритм и предлагает новую картину. Этот процесс продолжается и продолжается до тех пор, пока дискриминатор не решит, что изображения выглядят достаточно близко к изученным примерам изображений. Эти сгенерированные картинки приходят очень близко реальным людям.
Но даже если машины могут создавать инновации из данных, это не значит, что они могут в ближайшее время украсть все искры человеческого творчества. Инновации - это процесс решения проблем - чтобы инновации происходили, проблемы объединялись с решениями. Люди могут идти в любом направлении - они начинают с проблемы и решают ее, или они принимают решение и пытаются найти новые проблемы для него.
Примером последнего типа инноваций является липкий нота. Инженер разработал клей, который был слишком слаб и сидел на своем столе. Только позже коллега понял, что это решение может помочь предотвратить выпадение его заметок из партитуры во время хоровой практики.
Используя данные в качестве входных данных и код в качестве явной формулировки проблемы, машины также могут предоставлять решения проблем. Однако поиск проблем затруднен для машин, поскольку проблемы часто выходят за пределы пула данных, в который машины вводят инновации.
Более того, инновации часто основаны на нужды мы даже не знали, что имели, Подумайте о Walkman. Даже если ни один покупатель не выразил желание слушать музыку во время прогулки, это нововведение имело огромный успех. Поскольку такие скрытые потребности трудно сформулировать и сделать явными, они также вряд ли найдут свой путь в пул данных, который нужен машинам для инноваций.
Люди и машины также имеют различное сырье, которое они используют в качестве исходного материала для инноваций. Там, где люди извлекают уроки из опыта, накопленного в течение всей жизни, машины в значительной степени ограничены данными, которые мы им предоставляем. Машины могут быстро генерировать бесчисленные дополнительные инновации в виде новых версий на основе входных данных. Однако прорывные инновации вряд ли появятся в машинах, поскольку они часто основаны на соединительные поля которые далеки или не связаны друг с другом. Думать о изобретение сноуборда, который соединяет миры лыжного спорта и серфинга.
Кроме того, креативность - это не только новизна, но и полезность. Хотя машины явно способны создавать что-то новое, это не означает, что эти творения полезны. Полезность определяется глазами тех, кто потенциально использует инновации, и о машинах сложно судить. Однако люди могут сочувствовать другим людям и лучше понимать их потребности.
Наконец, творческие идеи, генерируемые ИИ, могут быть менее предпочтительными потребителями просто потому, что они были созданы машиной. Люди могут сбрасывать со счетов идеи от ИИ, поскольку считают, что эти идеи менее аутентичный or даже угрожающий, Или они могут просто предпочесть идеи своего рода, эффект что было замечено в других областях раньше.
На сегодняшний день многие аспекты творчества остаются бесспорным ландшафтом для машин и ИИ. Тем не менее, есть отказ от ответственности. Даже если машины не могут заменить людей в творческой сфере, они большая помощь в дополнении человеческого творчества, Например, мы можем задавать новые вопросы или определять новые проблемы что мы решаем в сочетании с машинным обучением.
Кроме того, наш анализ основан на том факте, что машины в основном внедряются на узких наборах данных. ИИ мог бы стать гораздо более креативным, если бы он мог объединять большие, богатые и иным образом несвязанные данные.
Кроме того, машины могут лучше справляться с творчеством, когда они становятся лучше с широким кругозором, которым обладают люди - то, что мы называем «общим интеллектом». И это не может быть слишком далеко в будущем - некоторые эксперты оценить вероятность 50% что машины достигают уровня человеческого интеллекта в течение следующих 50 лет.
Об авторах
Тим Швайсфурт, доцент кафедры технологии и инновационного менеджмента Университет Южной Дании и Рене Честер Годушайт, профессор технологий и инновационных исследований, Орхусская университет
Эта статья переиздана из Беседа под лицензией Creative Commons. Прочтите оригинал статьи.
