Melko todennäköisesti jätin palkkatyöläisen elämän. Sain 15kk irtisanoutumispaketin Accenturelta. Se oli ilmeisesti Nokian kustantama. Mutta on mahdollista, että toimin vielä ennen lopullista eläköitymistä elinkeinoelämässä yrittäjän, lähinnä konsultin ominaisuudessa.
Kuullostaa ehkä omituiselta, mutta olen aloittanut oman tuotekehitysprojektin. No, ehkä se ei ole niin omituista, jos lukee aikaisemmin kirjoittamiani juttuja eteenkin robotiikasta ja muista kognitiivista järjestelmistä. Tällaiset asiat ovat minulle hyvin läheisiä. Edellä esittelemäni katamaranhanke jatkuu, mutta pääasiassa mökkiprojektina. Kotona käytän huomattavan osan työelämästä vapautunutta aikaani kognitiivisen robotiikan kehittämiseen.
Mitä siis tarkemmin esittäen aion toteuttaa? Tavoitteenani on "Cognitive Robotic Framework", softapaketti joka liittyy Willow Garagen Linux-käyttöjärjestelmän päällä pyörivaan ROS, Robotic Operating System, välikerrokseen. Tämä "CRF", "Cognitive Robotic Framework", pyrkii toteuttamaan yleiskäyttöisen, käsitteelliseen ajatteluun kykenevän tekoälyn, joka on tarkoitettu lähinnä robotiikkaan.
Mikä tässä suunnitelmassa on sitten erityistä, sellaista joka tekisi sen jotenkin uskottavaksi, tavoiteltavaksi? Esitän tähän motivoivaan tehtävään kolme kohtaa:
1. Ei-symbolinen, "Deep Learning", hierarkinen hahmontunnistus, konenäkö- ja puheentunnistuskäyttöön.
2. Symbolinen, käsitteellisen ajattelun lohko, jonka opettaminen on mahdollista ACE-kielellä. ACE-kieli mahdollistaa myös toiminnallisen interaktiivisuuden. ACE on tavallaan englanninkielen murre.
3. Robotin maailmankuvan perustana ovat valmiiksikehitellyt SUMO- ja MILO-ontologiat .
Tarkoitus on siis soveltaa paljon valmista osaamista ja sellaisena kokonaisuutena, josta ainakaan minä en ole kuullut toteutettuna. Silti tavoitetaso on melko matala, ainakin alkuvaiheessa. Ensimmäisenä toiminnallisena tavoitetasona on robotin kyky liikkua itsenäisesti, käytännössä pyörillä, tunnistaa ja kartoittaa ympäristöään, havaita poikkeavuuksia normaaliin. Ensimmäinen sovellusalue voisi siis olla vartiointitehtävät. Muut tulevat myöhemmin, jos ovat tullakseen.
Projektin toteutuksen luonteesta käsitykseni on, että tekeminen sisältää vähemmän perinteistä ohjelmistokehitystä, enemmän ontologia- ja sääntökehitystä käyttäen SUO-KIF-kieltä ja ACE-kieltä, että opettaen ei-symbolista lohkoa simuoloidussa tai todellisessa ympäristössä. Tärkeä haaste on tehokkaiden opetusmenetelmien kehittäminen ja lukemattomien vielä ymmärrykseni ulottumattomissa olevien ongelmien ratkominen.
Mahdollinen kaupallinen liiketoimintamalli perustuu siihen, että kehitettävä ohjelmisto olisi ROS-ohjelmiston ja Linuxin tapaan avointa koodia, mutta suuri osa kehitettävää valmista robotin laatamiskelpoista, opetettua tietämystä, "knowledge", ja robotin opettamisen "knowhow", säilytetään suljettuna tietona projektin piirissä, vain demottavassa asussa.
Näytetään tekstit, joissa on tunniste Weak AGI. Näytä kaikki tekstit
Näytetään tekstit, joissa on tunniste Weak AGI. Näytä kaikki tekstit
perjantai 30. maaliskuuta 2012
maanantai 23. toukokuuta 2011
Heikon Yleisen Tekoälyn tärkeys
1. Taustaa
Automaatiolta, kehittyneeltä tekoälyltä ja robotiikalta odotetaan paljon, kun pohdiskellaan tulevaisuuden mahdollisia yhteiskuntia. Mutta näitä teknologian alueita myös ihan oikeutetusti pelätään, pidetään vaarallisina. Automaatio voi syrjäyttää merkittävän osan ihmisistä ja aiheuttaa suurta yhteiskunnallista eriarvoisuutta ja talousjärjestelmän epävakautta. Tekoäly ja robottien ajatellaan voivan syrjättää koko ihmiskunnan. Vaikka monet pitävät näitä pelkoja “scifiluokan” huolina, näissä peloissa on perusteensa. Ihmiskunnan ongelmat ja muut vaarat ovat niin suuria, että tarvitsemme ylimääräistä älyllistä lisäkapasiteettia. Vaikka ihmisen ylittävää koneälyä on järkevää tavoitella, varovaisuus on tarpeeen.
Olisi järkevää ottaa esim. 10v aikalisä varsinaisen superälyn, todellisen “yleisen tekoälyn”, Artificial General Intelligence, AGI:n kehittämisessä siinä vaihessa, kun on ensin onnistuttu toteuttamaan sellainen juuri ja juuri keskivertoihmisen kykyjä hipova, mutta vielä helposti hallittava tekoälyarkkitehtuuri, jolta esim vielä puuttuu kyky rekursiivisesti kehittää itseään teknisellä tasolla. Tällaisella järjestelmällä, “heikolla AGI:lla” voi olla toteutettuna monia AGI:n keskeisiä ja kriittisiä ominaisuuksia, kuten esimerkiksi arvo- ja tavoitehierarkia sekä motivaatiojärjestelmä, joita pidetään oleellisina “vahvan AGI:n” (Strong AGI, SAGI), turvallisuustekijöinä. Heikon AGI:n (Weak AGI, WAGI, "Semi-AGI") laaja soveltaminen tietojärjestelmissä ja robotiikassa vaikkapa 10v ajan antaa meille arvokasta kokemusta, jonka pohjalta voimme varovasti alkaa nostaa AGI:n kykyjä ihmisen kognitiivisten kykyjen toiselle puolelle.
Koska yleisen tekoälyn toteuttaminen on riippuvaista, paitsi arkkitehtorisesta ja algoritmisesta osaamisesta, myös tietokonelaitteiston kehitystasosta, SAGI voisi syntyä “vahingossa” helpommin vasta sitten, kun laitteisto-osaaminen on nykyistä oleellisesti korkeammalla tasolla. Nykylaitteistoilla vaara ei vielä ole yhtä merkittävä. Siksi meillä on turvallisuussyistä itse asiassa kova kiire hankkia tämä arvokas kokemus WAGI:a käyttäen ja toteuttaa käyttökelpoinen WAGI niin pian kuin mahdollista, ennen kuin laitteistoresulssit kasvavat nykyisiä merkittästi, valtavasti suuremmiksi.
Luonnollisesti WAGI:n toteuttamisesti olisi myös lähes vallankumoukselliset vaikutukset maailmantaloudelle; koska sen avulla yli 50% nykyisestä ihmistyöstä on korvattavissa tuottavammalla vaihtoehdolla, josta seuraa suuria ongelmia. Nämä ongelmat, syrjäytyneiden ihmisten ostovoiman katoaminen ja syrjäytettyjen hyvinvoinnin turvaaminen, on ehdottavasti ratkaistava ja ratkaisujen valmistelu on alettava jo nyt. Mutta koska SAGI:n toteutumista ei voi estää kuin globaali romahdus, ei WAGI:n kehittelyä ole syytä yhtään viivyttää.
Edellä perustellusta syystä olisi juuri nyt syytä etsiä ja kokeilla ennakkoluulottomasti erilaisia heikon AGI:n, WAGI:n toteutustapoja ja jakaa sekä vertailla kokemuksia avoimesti. Tältä pohjalta esittelen tässä kirjoituksessa vielä omia skenaarioitani em. päämäärän saavuttamiseksi.
2. Yleinen periaate
Useat tahot ovat ihan viime vuosina päätyneet siihen ratkaisuperiaatteeseen, että eteenkin kognitiivisen robotiikan kuin myös mahdollisesti muiden tietojärjestelmien AGI-arkkitehtuuri, on toteutettava sellaisella “hybridiarkkitehtuurilla”, jossa yhdistetään symbolinen, perinteinen AI-toteutustapa konnektionistiseen, ei-symboliseen toteutukseen. Periaatteena on, että hahmotyyppisten tulosignaaleiden (esim. visuaalinen, auditiivinen data ym.) analysointi sekä monimutkaisten toimilaitteiden (esim. robottien raajat) ohjaukset toteutetaan ei-symbolisella, konnektionistisella, nisäkkäiden aivokuoren arkkitehtuuria muistuttavalla hierarkisella toiminnallisuudella. Sen sijaan symbolinen, merkkipohjainen ja käsitteellinen ajattelu jätetään semanttisista verkoista muodostuneen, perinteisen tekoälytoteutuksen hallittaviksi. Nämä hybridiarkkitehtuurin kaksi osarakennetta integroidaan kuitenkin varsin kiinteästi toisiinsa siten, että klassinen “symbol grounding” ongelma saa ratkaisunsa kun merkittävä osa symbolisen puolen käsitteistä “maadoittuu” suoraan konnektionistisen puolen hallitsemiin hahmoihin. Täten esim. Searlen “Kiinalaiselta huoneelta” “kaatuvat seinät”, koska semanttisten verkkojen käsitteet saavat suorat, aistihavaintoihin perustuvat vastineensa reaalimaailmassa ja robotin voidaan perustellusti väittää oikeasti ymmärtävän maailmankuvansa sisällön.
Arkkitehtuurin molemmilla yllä lyhyesti kuvatuilla osapuolilla on vahvuutensa ja heikkoutensa. Toisiaan täydentäen niillä mahdollisuus muodostaa monimutkaisessa ja odottamattomuuksia täynnä olevassa reaalimaailmassa kohtuullisesti selviytyvä oppiva kognitiivinen arkkitehtuuri. Symbolinen osakokonaisuus huolehtii enemmän tai vähemmän formaalista, käsitteellisestä, kielellisesti ilmaistavissa olevasta tiedosta, mutta konnektionistinen osa oppii hallitsemaan merkittävämmän siitä tietämyksestä, josta käytetään nimitystä “common sense” -ymmärrys. Molempien puolien opettaminen laajojen esimerkkiharjoitusten avulla selviämään kulloisessakin sovellusympäristössä on silti valtava tehtävä, jonka haasteellisuutta ei saa väheksyä.
3. Haasteen reaaliteetit
Olemassaolevat, yleensä aliresulssoidut AGI-hankkeet, tuntuvat tähtäävän suoraan SAGI-tasoiseen yleiseen tekoälyyn, jolta odotettaisiin pian toteutuksen koulutusvaiheen jälkeen jopa selvästi ihmisen ylittävää kognitiivista suorituskykyä. Näissä hankkeissa on käytännössä aina poissuljettu ajatus, että symbolinen toiminnallisuus jäisi ensimmäisen kertaluvun predikaattilogiikkaan perustuvalle tasolle, vaikka se probabilistisellä laajennuksella varustettuna mahdollistaisi robotin selviämisen suurimmasta osasta tavallisen ihmisen arkipäivän toiminnoista.
Minä arvioisin, että AGI-kehitys on hyvin vastavanlaisessa tilanteessa kuin ilmaa painavamman lentokoneen kehitys 110v sitten. Silloinkin akateemisesta osaamisesta olisi ollut valtavasti hyötyä, mutta professoritason teoreetikot tuhlasivat resulsseja mm. kiistelemäällä siitä, voisiko lentokoneen toteuttaminen edes teoriassa olla mahdollista. Tällöin potin korjasivat riittävästi tietoja ja ymmärrystä hankkineet, ei-akateemiset, käytännön toteuttamisen taitavat ammattilaiset, polkupyörämekaanikot, jotka saivat ensimmäisen lentokoneen rakennettua, kykenemättä ratkaisemaan niitä satoja differentiaaliyhtälöryhmiä, joita oikeaoppinen toteutus olisi periaattessa edellyttänyt.
Myös arvioitaessa WAGI:n toteutusta, sillä edellytyksellä, että huolellisesti kerätään monipuolisesti olemassaolevaa kokemusta ja teoriaa tekoälyn perusteista, ongelmista joihin on törmätty ja nykyisistä ratkaisuyrityksistä, nytkin riittävillä taidoilla ja ammatillisella osaamisella varustautunut, ei-akateeminenkin hakkeriryhmä voisi saavuttaa merkittävää edistystä tällä alueella. Haasteena pidän aluetta saman suuruusluokkaisena kuin esim. Linux-käyttöjärjestelmän kehitys on ollut.
Automaatiolta, kehittyneeltä tekoälyltä ja robotiikalta odotetaan paljon, kun pohdiskellaan tulevaisuuden mahdollisia yhteiskuntia. Mutta näitä teknologian alueita myös ihan oikeutetusti pelätään, pidetään vaarallisina. Automaatio voi syrjäyttää merkittävän osan ihmisistä ja aiheuttaa suurta yhteiskunnallista eriarvoisuutta ja talousjärjestelmän epävakautta. Tekoäly ja robottien ajatellaan voivan syrjättää koko ihmiskunnan. Vaikka monet pitävät näitä pelkoja “scifiluokan” huolina, näissä peloissa on perusteensa. Ihmiskunnan ongelmat ja muut vaarat ovat niin suuria, että tarvitsemme ylimääräistä älyllistä lisäkapasiteettia. Vaikka ihmisen ylittävää koneälyä on järkevää tavoitella, varovaisuus on tarpeeen.
Olisi järkevää ottaa esim. 10v aikalisä varsinaisen superälyn, todellisen “yleisen tekoälyn”, Artificial General Intelligence, AGI:n kehittämisessä siinä vaihessa, kun on ensin onnistuttu toteuttamaan sellainen juuri ja juuri keskivertoihmisen kykyjä hipova, mutta vielä helposti hallittava tekoälyarkkitehtuuri, jolta esim vielä puuttuu kyky rekursiivisesti kehittää itseään teknisellä tasolla. Tällaisella järjestelmällä, “heikolla AGI:lla” voi olla toteutettuna monia AGI:n keskeisiä ja kriittisiä ominaisuuksia, kuten esimerkiksi arvo- ja tavoitehierarkia sekä motivaatiojärjestelmä, joita pidetään oleellisina “vahvan AGI:n” (Strong AGI, SAGI), turvallisuustekijöinä. Heikon AGI:n (Weak AGI, WAGI, "Semi-AGI") laaja soveltaminen tietojärjestelmissä ja robotiikassa vaikkapa 10v ajan antaa meille arvokasta kokemusta, jonka pohjalta voimme varovasti alkaa nostaa AGI:n kykyjä ihmisen kognitiivisten kykyjen toiselle puolelle.
Koska yleisen tekoälyn toteuttaminen on riippuvaista, paitsi arkkitehtorisesta ja algoritmisesta osaamisesta, myös tietokonelaitteiston kehitystasosta, SAGI voisi syntyä “vahingossa” helpommin vasta sitten, kun laitteisto-osaaminen on nykyistä oleellisesti korkeammalla tasolla. Nykylaitteistoilla vaara ei vielä ole yhtä merkittävä. Siksi meillä on turvallisuussyistä itse asiassa kova kiire hankkia tämä arvokas kokemus WAGI:a käyttäen ja toteuttaa käyttökelpoinen WAGI niin pian kuin mahdollista, ennen kuin laitteistoresulssit kasvavat nykyisiä merkittästi, valtavasti suuremmiksi.
Luonnollisesti WAGI:n toteuttamisesti olisi myös lähes vallankumoukselliset vaikutukset maailmantaloudelle; koska sen avulla yli 50% nykyisestä ihmistyöstä on korvattavissa tuottavammalla vaihtoehdolla, josta seuraa suuria ongelmia. Nämä ongelmat, syrjäytyneiden ihmisten ostovoiman katoaminen ja syrjäytettyjen hyvinvoinnin turvaaminen, on ehdottavasti ratkaistava ja ratkaisujen valmistelu on alettava jo nyt. Mutta koska SAGI:n toteutumista ei voi estää kuin globaali romahdus, ei WAGI:n kehittelyä ole syytä yhtään viivyttää.
Edellä perustellusta syystä olisi juuri nyt syytä etsiä ja kokeilla ennakkoluulottomasti erilaisia heikon AGI:n, WAGI:n toteutustapoja ja jakaa sekä vertailla kokemuksia avoimesti. Tältä pohjalta esittelen tässä kirjoituksessa vielä omia skenaarioitani em. päämäärän saavuttamiseksi.
2. Yleinen periaate
Useat tahot ovat ihan viime vuosina päätyneet siihen ratkaisuperiaatteeseen, että eteenkin kognitiivisen robotiikan kuin myös mahdollisesti muiden tietojärjestelmien AGI-arkkitehtuuri, on toteutettava sellaisella “hybridiarkkitehtuurilla”, jossa yhdistetään symbolinen, perinteinen AI-toteutustapa konnektionistiseen, ei-symboliseen toteutukseen. Periaatteena on, että hahmotyyppisten tulosignaaleiden (esim. visuaalinen, auditiivinen data ym.) analysointi sekä monimutkaisten toimilaitteiden (esim. robottien raajat) ohjaukset toteutetaan ei-symbolisella, konnektionistisella, nisäkkäiden aivokuoren arkkitehtuuria muistuttavalla hierarkisella toiminnallisuudella. Sen sijaan symbolinen, merkkipohjainen ja käsitteellinen ajattelu jätetään semanttisista verkoista muodostuneen, perinteisen tekoälytoteutuksen hallittaviksi. Nämä hybridiarkkitehtuurin kaksi osarakennetta integroidaan kuitenkin varsin kiinteästi toisiinsa siten, että klassinen “symbol grounding” ongelma saa ratkaisunsa kun merkittävä osa symbolisen puolen käsitteistä “maadoittuu” suoraan konnektionistisen puolen hallitsemiin hahmoihin. Täten esim. Searlen “Kiinalaiselta huoneelta” “kaatuvat seinät”, koska semanttisten verkkojen käsitteet saavat suorat, aistihavaintoihin perustuvat vastineensa reaalimaailmassa ja robotin voidaan perustellusti väittää oikeasti ymmärtävän maailmankuvansa sisällön.
Arkkitehtuurin molemmilla yllä lyhyesti kuvatuilla osapuolilla on vahvuutensa ja heikkoutensa. Toisiaan täydentäen niillä mahdollisuus muodostaa monimutkaisessa ja odottamattomuuksia täynnä olevassa reaalimaailmassa kohtuullisesti selviytyvä oppiva kognitiivinen arkkitehtuuri. Symbolinen osakokonaisuus huolehtii enemmän tai vähemmän formaalista, käsitteellisestä, kielellisesti ilmaistavissa olevasta tiedosta, mutta konnektionistinen osa oppii hallitsemaan merkittävämmän siitä tietämyksestä, josta käytetään nimitystä “common sense” -ymmärrys. Molempien puolien opettaminen laajojen esimerkkiharjoitusten avulla selviämään kulloisessakin sovellusympäristössä on silti valtava tehtävä, jonka haasteellisuutta ei saa väheksyä.
3. Haasteen reaaliteetit
Olemassaolevat, yleensä aliresulssoidut AGI-hankkeet, tuntuvat tähtäävän suoraan SAGI-tasoiseen yleiseen tekoälyyn, jolta odotettaisiin pian toteutuksen koulutusvaiheen jälkeen jopa selvästi ihmisen ylittävää kognitiivista suorituskykyä. Näissä hankkeissa on käytännössä aina poissuljettu ajatus, että symbolinen toiminnallisuus jäisi ensimmäisen kertaluvun predikaattilogiikkaan perustuvalle tasolle, vaikka se probabilistisellä laajennuksella varustettuna mahdollistaisi robotin selviämisen suurimmasta osasta tavallisen ihmisen arkipäivän toiminnoista.
Minä arvioisin, että AGI-kehitys on hyvin vastavanlaisessa tilanteessa kuin ilmaa painavamman lentokoneen kehitys 110v sitten. Silloinkin akateemisesta osaamisesta olisi ollut valtavasti hyötyä, mutta professoritason teoreetikot tuhlasivat resulsseja mm. kiistelemäällä siitä, voisiko lentokoneen toteuttaminen edes teoriassa olla mahdollista. Tällöin potin korjasivat riittävästi tietoja ja ymmärrystä hankkineet, ei-akateemiset, käytännön toteuttamisen taitavat ammattilaiset, polkupyörämekaanikot, jotka saivat ensimmäisen lentokoneen rakennettua, kykenemättä ratkaisemaan niitä satoja differentiaaliyhtälöryhmiä, joita oikeaoppinen toteutus olisi periaattessa edellyttänyt.
Myös arvioitaessa WAGI:n toteutusta, sillä edellytyksellä, että huolellisesti kerätään monipuolisesti olemassaolevaa kokemusta ja teoriaa tekoälyn perusteista, ongelmista joihin on törmätty ja nykyisistä ratkaisuyrityksistä, nytkin riittävillä taidoilla ja ammatillisella osaamisella varustautunut, ei-akateeminenkin hakkeriryhmä voisi saavuttaa merkittävää edistystä tällä alueella. Haasteena pidän aluetta saman suuruusluokkaisena kuin esim. Linux-käyttöjärjestelmän kehitys on ollut.
Tilaa:
Blogitekstit (Atom)
Tekstit
