100 odcinek podcastu Biznes Myśli
Biznes,  Podcast

Zima AI


Czy zbliża się kolejna zima AI,  a może jednak wiosna?

Czym właściwie jest zima w tym kontekście?

Na kogo to wpływa i jak?

Skąd bierze się natura tego  zjawiska?

Czy jest się czego bać?

Jakiego rozwoju AI możemy się spodziewać?

Na te i wiele innych pytań znajdziesz odpowiedzi w 100 odcinku podcastu Biznes Myśli. Dowiesz się o trendach w branży AI oraz przemyśleniach Vladimira, które prowokują do krytycznego myślenia i zadawania kolejnych pytań.


Zaczynamy 100-ny odcinek podcastu. Można było dzisiaj zrobić podsumowanie tego, co wydarzyło się wstecz, natomiast myślę, że wystarczy powiedzieć, że podcast już ma ponad 4 lata i skupić się na czymś ważniejszym. Jednak w Biznes Myśli mówimy o przyszłości, która zaczyna się już teraz, dlatego pozwolę sobie w tym odcinku zamiast mówić o tym, co się wydarzyło, skupić się na przyszłości.


Od razu powiem, że mówienie o przyszłości jest tematem złożonym.  Mało tego, wierzę, że nasza przyszłość nie jest jednoznacznie określona i możemy wpływać na to, co faktycznie wydarzy się. Też dodam, że wierzę, że istnieje coś takiego jak los. Tylko musiałbym wyjaśnić, jak to jest możliwe, aby dwie sprzeczne idee mogły współgrać razem. Mogą!



Dzisiejszy odcinek możemy potraktować trochę jako moje notatki o przyszłości, aby  zachować pewną moją obecną wizję, posłuchać jej za jakiś czas i dokonać kalibracji. Mówiąc wprost pozwolę sobie w tym odcinku na więcej moich subiektywnych przemyśleń. Też jestem ciekaw, co o nich myślisz.



Zależy mi na tym, aby jak najszybciej wyłapywać nieścisłość w moim myśleniu i re-trenować nową wersję. Pozwala to iść do przodu, ulepszać się. Wtedy każdy może na tym zyskać. Mało tego, nawet bardzo liczę na to, że odezwiesz się i dasz znać, na ile pewne pomysły z Tobą rezonują lub które do Ciebie nie przemawiają i podzielisz się swoją wizją 🙂



Czym jest czas?


Skoro chcemy mówić o przyszłości, warto zastanowić się, czym jest przyszłość? Jak definiujesz przyszłość? Tak po ludzku zwykle mówimy, że przyszłość to jest coś, co odbędzie się za jakiś czas np. za rok, 5 lat czy nawet za 50 lat. Innymi słowy, definicja przyszłości zależy od czasu.




W takim razie, czym jest czas? I tu jest pewien kłopot.  Pytanie brzmi bardzo dziwnie. Teraz prawie każdy ma przy sobie ma zegarek, więc chyba powinno być wiadome, czym jest czas. Możemy powiedzieć –  to jest coś, co mierzy się w sekundach, minutach i godzinach. W  takim razie, czym jest sekunda?


Tutaj na pomoc może przyjść np. Główny Urząd Miar z definicją sekundy. Natomiast nawet w tym wypadku nie wszystko jest jasne. Zobacz, definicja  “sekundy” do 19 maja 2019:




Czas równy 9 192 631 770 okresom promieniowania odpowiadającego przejściu między dwoma nadsubtelnymi poziomami stanu podstawowego atomu cezu 133.


Od 20 maja 2019 definicja zmieniła się. Brzmi już trochę bardziej groźnie:


Sekunda, oznaczenie s, jest to jednostka SI czasu. Jest ona zdefiniowana poprzez przyjęcie ustalonej wartości liczbowej częstotliwości cezowej ∆νCs, to jest częstotliwości nadsubtelnego przejścia w atomach cezu 133 w niezaburzonym stanie podstawowym, wynoszącej 9 192 631 770, wyrażonej w jednostce Hz, która jest równa s-1.


To jest piękne, jak zmieniają się definicje. Z jednej strony to dobrze, bo człowiek rozwija się. Z drugiej strony  brakuje dopisku ostrzegawczego w takim stylu:


Uważaj! Tak naprawdę nikt nie wie, co to jest sekunda, ale najlepsze, co można powiedzieć w tej chwili, to taka definicja i możesz być pewny, że z czasem zmienimy tę definicję.

Myślę, że wtedy to byłoby bardziej uczciwe…

Podam Ci jeszcze inny przykład. Newton był zwolennikiem tego, że czas jest jednostajny w całym Wszechświecie. Einstein już trochę poszedł dalej i powiedział, że czas jest względny, zależy chociażby od prędkości. To jest przykład, jak naukowcy zmieniają swoje zdanie. I jeszcze raz powtórzę, że to jest dobre. Na tym polega rozwój. Jedynie brakuje mi ostrzeżeń, aby nie traktować ostatniej wersji jako źródła prawdy, tylko kolejny etap przejściowy. Tutaj pomaga krytyczne myślenie, które warto trenować  i zadawać pytania, czy rzeczywiście jest tylko jedna wersja.



Swoją drogą, w uczeniu maszynowym pod tym względem jest więcej pokory, bo w głowie od razu jest świadomość, że każdy wytrenowany model myli się. Pytanie tylko, jak bardzo i na ile ten model już może być przydatny w pewnym kontekście. To podejście brzmi bardziej zdroworozsądkowo  niż to, że ostatnia wersja jest bez błędu.



Najgorsze jest to, że my jako ludzie próbujemy zdefiniować czas poprzez czas. Mówiąc tak po ludzku, jest coś, czego nie wiemy  i próbujemy to zdefiniować przy pomocy tego, że nie wiemy czym jest. Przykład: X to taki bla-bla-bla-bla zależy od X. No pięknie. Pewnie każdy sprzedawca może teraz uśmiechnąć się i nawet zainspirować się tym chwytem 😉



Dlaczego mówimy o definicji sekundy czy czasu? Pytanie dotyczyło, czym jest przyszłość, bo chcemy o tym porozmawiać i wychodzi na to, że w sumie nie wiemy, czym jest przyszłość (przynajmniej z naukowego punktu widzenia), bo nadal brakuje zrozumienia, jak działa nasz świat! Chociaż warto przyznać, że świat nauki mocno posunął się do przodu w ostatni dziesięciolecia i zaczyna, chociaż odrobinkę lepiej go zrozumieć lub wydaje nam się, że lepiej go rozumiemy znów ;). Mam teraz na myśli takie kierunki jak teoria strun, teoria superstrun, M-teoria.



Zadam Ci być może trochę zaskakujące pytanie, jak myślisz: czy da się cofnąć się w czasie?


Jeszcze można porozmawiać na temat czasu w kontekście czarnych dziur, ale na razie to darujmy, bo inaczej po tych moich pytaniach możesz być przekonany, że czas to jedynie iluzja w symulacji. A może to jest prawda, bo skąd jest pewność, że jest inaczej? 😉 



Pomyślałem, aby w tym odcinku podzielić się przemyśleniami na temat naszej przyszłości i też powiązać to z tematem tak zwanej sztucznej inteligencji. Można to zrobić na różne sposoby. Można np. podejść jako inżynier tylko ze strony technicznej i popatrzeć, jakie algorytmy są obecnie dostępne, jakie są trendy (i to z resztą też zrobimy). Z drugiej strony takie podejście jest bardzo ograniczone. Można pominąć ważne rzeczy, takie jak zewnętrzne czynniki. Chciałem powiedzieć: “przez pewien czas”, chociaż nadal nie wiemy, czym jest ten czas, Próbowaliśmy to zdefiniować, ale zostawmy to już, bo nie chcę, aby odcinek był tylko filozoficzny.



Na razie pozostańmy przy pierwszym wniosku, że obecna nauka zbyt mało wie o świecie, o ile nawet nie potrafi zrozumieć, czym tak naprawdę jest czas. To podejście super-pewności (między innym wśród naukowców) też przenika w wielu różnych dziedzinach, między innymi do światu ML/AI. Natomiast najciekawsze jest coś innego.



Z jednej strony, my jako cywilizacja często przeszacowujemy pewne rzeczy, chociażby w prognozowaniu AI, ale z drugiej strony są pewne rytmy rozwoju. To, co próbuję powiedzieć, to jest to, że my jako ludzie czasem mamy przemyślenia, że będziemy w punkcie B, dlatego że nam się wydaje, że tam będzie. Może tak być, że faktycznie  tam dotrzemy, tylko nie z powodu naszej mądrości, ale dlatego, że taki jest bieg wydarzeń. Wiem, że to brzmi dość enigmatycznie, ale obiecałem, że czasem będą myśli subiektywne, które mają na celu pokazać alternatywny punkt widzenia.



Mogę Ci podać bardzo prosty przykład. Zobacz, jak często planujesz rzeczy co chcesz osiągnąć, ale pierwsza wersja “jak to osiągnąć” prawie zawsze jest totalnie oderwana od rzeczywistości.  Tylko faktycznie pewne rzeczy uda się osiągnąć. Teraz pytanie, co było przyczyną? Czy ten mało świadomy plan “jak” na początku? Częściowa to można wyjaśnić tym, że robimy kolejne iteracje i poprawiamy się. To brzmi sensownie, ale nie do końca.



Jak dołączasz się do zespołu jako junior, to dobry manager nigdy nie będzie Ci mówić wprost rozwiązania (bo wtedy uzależnia Ciebie od niego), ale sprawi, że w Twoim życiu wydarzą się pewne rzeczy, aby Cię olśniło, co masz zrobić. Wtedy jesteś na 100% pewny, że to Ty wymyśliłeś realizację planu. Manager jest zadowolony, bo pracownik wreszcie zaczął robić to, co trzeba było zrobić.  Czy to oznacza, że robiąc rzeczy (także w przypadku AI), działamy w pewnym rytmie i we współpracy z ledwie zauważalną “ręką” nazwijmy to Architekta tej Symulacji?  Brzmi pewnie trochę zaskakująco.



Zadam pytanie pomocnicze.  Kiedy coś Ci wyszło, jak można upewnić się, że ten pomysł, który wpadł Ci do głowy jest Twoim pomysłem?  Zwróć uwagę na słowa “wpadł”. Skąd? 🙂


Wiem, że rozgrzebuje kolejny grubszy wątek, skąd biorą się myśli. O myślach możesz posłuchać i poczytać w 30-ym odcinku Biznes Myśli.


Prędkość



Pamiętasz głównie hasło podcastu? Biznes Myśli: świat zmienia się szybciej niż myślisz.

świat zmienia się szybciej niż myślisz.


To jest jedno z kluczowych zdań, które powinno być Twoim kompasem. Spróbujmy porozmawiać o przyszłości, chociaż nadal nie wiemy, czym jest. Załóżmy, że są to odstępy w kalendarzu.



Popatrzmy ogólnie na świat, nawet bez AI/ML. Myślę, że każdy zgodzi się, że świat rozpędził się. Wszystko dzieje się znacznie szybciej, do większości ludzi  dociera do większej ilości  informacji. Można nawet powiedzieć, że jednym z kluczowych problemów ludzkości jest otyłość… I nie mam teraz na myśli dodatkowych kilogramów, tylko otyłość informacyjną. 


Każdy z nas jest bombardowany komunikatami ze wszystkich możliwych stron. Nasz biedny mózg nie za bardzo może w tym się odnaleźć, co powoduje szereg kłopotów.



Teraz dąży do tego, aby “zatrzymać się” na chwilę, o ile jest to możliwe i zaobserwować fakt, że świat przyspieszył i to znacząco. AI/ML gdzieś w tym też pomaga, ale najważniejsze jest wyłapać rytm, który my jako obserwatorzy możemy zauważyć.



Dlaczego warto to zauważyć? Bo to jest przyczyną, reszta tylko realizacją. Innymi słowy, nie wiesz dokładnie, jakie algorytmy A czy B wystrzeliły, ale wiesz, że on będzie, bo życie pędzi w swoim cyklu.


Zróbmy eksperyment. W jaki sposób, tak po ludzku, możemy zauważyć prędkość? Jedziesz w samochodzie. Czujesz, kiedy samochód jedzie szybciej, prawda? Mijasz obiekty szybciej, też jest głośniej itd. Chociaż warto też zauważyć, że jak jedziesz szybciej po trasie np. 120 czy 140 km na godzinę i potem wracasz do miasta, gdzie maks do 50 km/h,  to wydaje się, że te 50 po 120 są znacznie wolniejsze, niż jak zwykle poruszasz się w ciągu dnia po mieście. Chcę tylko odnotować ten fakt, za chwilę nam się przyda.



Spójrz na życie naszych rodziców czy dziadków? Jak dużo wydarzeń było w ich życiu? Jak długo pracowali w jednym miejscu pracy? Czy posiadali kalendarz z dużą liczbą spotkań  i szereg spotkań, od których nasz mózg szaleje dość mocno. Zobacz też ten efekt, kiedy jedziesz znacznie szybciej, to trochę spowalniając już wydaje Ci się, że jedziesz wolno. Zmniejszając ilość spotkań, wcale nie oznacza, że jedziemy wolno, nadal pędzimy tylko trochę wolniej 😉 Dodam jeszcze tutaj jedno zdanie. Spróbuj przeprowadzić eksperyment i wyjechać w góry np. na tydzień samodzielnie.  Najlepiej, aby nie było ludzi dookoła i zobacz, co będzie się działo z Twoim ciałem, myślami.  



Podsumujmy. Tak się stało, że żyjemy w czasie, kiedy świat rozpędza się coraz szybciej. Nie wierz na słowo, obserwuj, mierz na różne sposoby, aby to stwierdzenie się stało oczywistym. Czy to dobrze, czy źle?  Myślę, że to pytanie nie jest właściwe. To jest podobnie jak rozważać, czy doba 24h to jest dobrze czy źle? Być może powinna być trochę dłuższa? To nie są decyzje, na które mamy wpływ.


Cykle w życiu AI


Cykl w naszym życiu jest czymś naturalnym. Mamy dzień i noc, mamy 4 sezony w roku itd. W rozwoju AI też są cykle. Nawet mają swoje nazwy. Istnieją tak zwane AI Spring (czyli wiosny) i AI Winter (czyli zimy).

Tak jak można domyśleć się – AI Spring jest wtedy, kiedy wszystko kwitnie i wiele dzieje się. Natomiast AI Winter odwrotnie, kiedy spada zainteresowanie tematem AI.



Cycle of AI booms and busts. Źródło: Chart from TechnologyStories.com



Są różne sposoby, jak zmierzyć rozwój AI, ale weźmy jeden z klasycznych. Mamy już za sobą dwa boomy (i też dwie zimy pod koniec lat  60. pierwsza i pod koniec lat 80. druga).  Teraz mamy trzeci boom i być może już za niedługo będzie trzecia zima.



Spróbujmy lepiej zrozumieć źródło tak zwanej “zimy” w AI. Co to oznacza w praktyce?


Podam Ci kilka cytatów.


Marynarka wojenna ujawniła dziś zarodek komputera elektronicznego, który, jak się spodziewa, będzie w stanie chodzić, mówić, widzieć, pisać, rozmnażać się i być świadomym jego istnienia.


Źródło: NEW NAVY DEVICE LEARNS BY DOING; Psychologist Shows Embryo of Computer Designed to Read and Grow Wiser. New York Times 1958.



Maszyny będą w stanie w ciągu dwudziestu lat wykonywać każdą pracę, jaką może wykonać człowiek.

Herbert Simon, 1960



Z przekonaniem spodziewam się, że w ciągu 10-15 lat z laboratorium wyłoni się coś, co nie jest zbyt daleko od słynnego robota science fiction.

Claude Shannon, 1961


Jestem bardzo optymistycznie nastawiony do ostatecznego wyniku pracy nad maszynowym rozwiązywaniem problemów intelektualnych. W ciągu naszego życia maszyny mogą przewyższyć nas pod względem ogólnej inteligencji.


Marvin Minsky, 1961



Jak słyszysz te wiadomości, to wydaje się, że są  z “wczoraj”. Prawda? Natomiast te cytaty znanych ludzi lub z popularnych magazynów (np. New York Times) są z lat 60. 




Teraz pomyśl. Jeżeli pewne autorytety (naukowcy w tym przypadku) mówią tak optymistycznie o pewnych wydarzeniach. A następnie tego nie doświadczamy, to jakie emocje może to wywołać w szerszym gronie odbiorców? Frustracja lub rozczarowanie, prawda?



Czym skutkuje taka zima? No zwykle to jest zmniejszanie lub wcale ograniczanie dofinansowanie różnych grantów. Czy to jest takie złe? To pewnie zależy, generalnie nauka zwykle nie ma pieniędzy i potrzebuje wsparcie. Z drugiej strony, dość często ciężko to jest nazwać nauką, tylko jakąś walką o granty. Dlatego odcinanie od pieniędzy to jest pewien sposób uzdrowienia systemu. Podobnie, jak wilk łapie zajączki, to głównie chore. Podobnie jest tutaj. Jak komuś zależy, to i tak będzie robił swoje.



Czy jest możliwa trzecia zima AI? O tym ostatnio mówi się dość dużo. Są pewne symptomy boomu. Zobacz.




Źródło: Number of ML publications on, Jeffrey Dean [2020]



W 2015 roku The Guardian przewidział, że „od 2020 roku zostaniesz stałym kierowcą na tylnym siedzeniu”. W 2016 Business Insider zapewnił nas, że „do 2020 r. na drogach będzie jeździć 10 milionów samojezdnych samochodów”. Elon Musk obiecał w 2019 roku, że „za rok będziemy mieli ponad milion samochodów z w pełni autonomiczną jazdą (…)”. Żadne z tych twierdzeń na razie nie spełniło się. To były cytaty z publikacji, która pojawiła się 28 kwietnia 2021 Why AI is Harder Than We Think.  



W tej publikacji jest wiele ciekawych przykładów, skąd pojawiją się nieporozumienia. Między innymi chodzi o bardzo optymistyczne wypowiedzi autorytetów. Dość ciekawa publikacja, warto poznać ją.





Popatrzmy na krzywe Gartner, na rok 2020. Widać, że computer vision jest w dołku.  Deep Learning, NLP, Machine Learnig toczą się ku dołowi (czyli już  po górce największego hype’u). Prawie w dołku jest też temat chatbotów.  Można powiedzieć, że są to pewne oznaki zimy. 

To zadajmy pytanie wprost. Czy jest możliwa trzecia zima w AI? Wszystko w tym życiu jest możliwe, chociaż trzeba przyznać, że nawet jeśli ona (ta zima) będzie, to będzie miała zupełnie inny wymiar. Poprzednie zimy odnosiły się i były zależne od tego świata akademickiego bardziej – są uczelnie i coś rzeźbią z AI/ML. To tam głównie odbywały się rewolucje w tej branży, ale wiele się zmieniło. 



Teraz ML przenika do przemysłu. Nawet jak już nic nowego nie zostanie wymyślone, to i tak jest sporo rzeczy, które działają i rozwiązują konkretne problemy. Dają namacalną wartość dla biznesu.






Mi osobiście  nie do końca podobają się krzywe z zimą AI, kiedy bierze się pod uwagę tylko jeden wymiar – pieniędzy (i rzeczy z tym związane wprost). Formuła w tym przypadku jest taka: jak jest entuzjazm na AI, to pompuje się więcej pieniędzy, jak nie ma entuzjazmu – jest mniej pieniędzy. Owszem pieniądze są potężne i mogą wpłynąć na wiele obszarów, ale wracając do czasu… Mimo tego, że nie wiemy, czym dokładnie jest, to jest poczucie, że jest potężniejszy niż pieniądz, prawda? 😉


Mimo tego, że mówią czas to pieniądz.  Ale to pewnie dlatego, że często ludzie marnują czas i traktują go “taniej” niż powinni. Natomiast szybko można zauważyć, że czas jest droższy, ponieważ ciężko go odzyskać. 



General AI





“Jest to stosunkowo łatwe do wykonania przez komputery prezentujące wyniki na poziomie dorosłych w testach inteligencji lub podczas gry w warcaby, trudne lub niemożliwe, aby  dać im umiejętności jednorocznego dziecka, jeśli chodzi o spostrzegawczość i mobilność.”

Hans Moravec



To twierdzenie, też jest znane jako Paradoks Moraveca.



W różnych komunikatach na temat AI jest zwracana uwaga na to, że jak pojawia się kolejny przełom w wąskim zadaniu, to określa się to dość często jako “kolejny krok do General AI”. To jest mylące, bo może być prawdą i nieprawdą. Prawdą jest w tym sensie, że robiąc kolejną rzecz, stwarzamy pewne warunki, aby dostrzegać swoje błędy i tym samym pośrednio posuwamy się dalej.  Ale konkretnie ten krok niekoniecznie jest tym rozwiązaniem, które będzie pomocne. Zresztą zacytuję, aby lepiej wyjaśnić, co mam na myśli.



(…) pierwsza małpa, która wspięła się na drzewo, zbliżała się do lądowania na Księżycu.

Stuart Dreyfus



Jaka jest korelacja pomiędzy wspinaniem się na drzewa i lądowaniem na Księżycu? To są zupełnie innego poziomu problemy. Z drugiej strony, trzeba przyznać, że człowiek najpierw wlazł na drzewo i dopiero potem poleciał na księżyc. Tylko pomiędzy tymi zdarzeniami było kilka tysięcy lat. Czy rozwiązania, które są potrzebne, aby wleźć na drzewa skutkowały tym, że polecieliśmy na Księżyc?



Jak zadaje to pytanie, to ono brzmi absurdalnie, ale najciekawsze jest to, że można odpowiedzieć: “tak to prawda” lub “to nieprawda”, w zależności od tego,  z jakiej perspektywy na to patrzysz. Podobnie jest w AI. Te nasze lokalne osiągnięcia nie są czymś, co wprost nas przybliża do General AI, ale w zasadzie potencjalnie zbliżamy się ku General AI.




Na rok 2021 można powiedzieć, że bardzo ciekawymi rozwiązaniami, które robią wrażenia to model GPT-3 od Open AI. Dość często mówi się o tym, że to jest duży krok w stronę General AI. Mam nadzieje, że już to omówiliśmy i ta analogia z małpą, która wspina się na drzewo oraz lądowaniem na księżycu do Ciebie przemawia. W tym przypadku to jest bardzo podobna sytuacja.



Z drugiej strony, czy to oznacza, że General AI jest jeszcze daleko? Obecnie możemy stwierdzić, że Deep Learning ma swoje ograniczenia. Potrafi rozwiązać dobrze wąsko wyprofilowane problemy, ale ma duży kłopoty z adaptacją, też dość często potrzebuje dużo danych, etykietek itd.



Między innymi dlatego pojawia się taki trend jak self-learning lub small-data o trendach w AI warto opowiedzieć osobno. Możemy powiedzieć, że Deep Learning już robi dobrą robotę co do rozwiązywania konkretnych problemów, ale osiągnięcie General AI w tym przypadku jest trudne, bo to narzędzie jest ograniczone.



Kolejna ważną rzeczą jest to, czym tak naprawdę jest General AI. Dzisiaj próbowaliśmy zdefiniować, czym jest czas. Było ciężko i porzuciliśmy to. Teraz można było spróbować zdefiniować, czym jest inteligencja! Temat bardzo złożony. Bo istnieje wiele rodzajów inteligencji.



Innym wątkiem jest,  skąd w ogóle bierze się  myślenie, że istnieje tylko taka inteligencja którą posiada człowiek? Np. delfiny są inteligentne także, a w pewnych aspektach znacznie bardziej niż człowiek.



Podam Ci przykład.

Okręty podwodne z pociskami balistycznymi o napędzie atomowym są szczególnie trudne do wykrycia. I dlatego stają się kluczowym składnikiem „nuklearnej triady” Stanów Zjednoczonych, Rosji i Chin. Ale piętą achillesową pojazdów podwodnych jest problem z komunikacją (fale radiowe po prostu nie przedostają się dobrze przez słoną wodę). Jeszcze w latach 50’ych w Stanach Zjednoczonych był tajemniczy projekt o nazwie Combo. Już jest opublikowany i można się z nim zapoznać. 



Głównym pomysłem było wygenerowanie wiadomości (nieodróżnialnych dla ludzi od komunikacji delfinów), w których osadzone są elementy tajnej komunikacji ludzi (okręty podwodne i ich kwatery główne). W 1970 roku DARPA przystąpiła do projektu, co zwielokrotniło jego finansowanie. Stawka w sukcesie Combo była bardzo wysoka. Natomiast nie udało się. Projekt został zamknięty.



Teraz Chiny próbują wznowić ten projekt. Idea jest taka. Skoro GPT-3 potrafi generować fajne teksty (w tym wiersze), to niech spróbuje wygenerować rozmowę delfinów, ale w taki sposób, aby dało się potem to z powrotem odczytać. Projekt jest pilotażowy, ale szansa, że może się udać, jest znacznie większa niż w poprzedniej iteracji. 



Bardzo ciekawy wątek, teraz nie będę go rozwijał dalej. Mam nadzieje, że udało mi się Ciebie przekonać, że inteligencja ma wiele wymiarów i nawet to, co nas otacza, może mieć inny wymiar inteligencji. Jak myślisz, czy liczba możliwych rodzajów inteligencji jest ograniczona?


Rytm i AI oraz prognoza



Spróbujmy popatrzeć na sprawę w innym wymiarze, niż klasyczny wykres z zimami i wiosnami.  Zauważmy pewien rytm. Najpierw spróbujmy złapać go na poziomie, kiedy wydarzyły się najbardziej istotne i przełomowe rzeczy, aby sprawdzić,  czy jest pewna relacja. Od razu zwrócę uwagę, że czas zaokrągliłem. Np. rozkwit Deep Learningu zaczął się od 2012 roku (bo wtedy pojawiły się fajne zastosowanie sieci konwolucyjnych – CNN), natomiast odnoszę ten rok do przedziału: 2010 – 2020.  Wymienię najpierw trzy przedziały i potem popatrzymy na przyszłość.



  1. 100 lat: ~1850-1950 – Ada Lavelas i jej publikacja 
  2. ~50 lat: Od lat 50ych do 90ych (40 lat) definicja AI/prosta sieć + więcej było systemów opartych manualnej konfiguracji.
  3. ~20 lata: 1990 – 2010 – machine learning
  4. ~10 lata: 2010 – 2020 – deep Learning => CNN



Teraz spróbujmy zrobić prognozowanie. Widać, że te okresy zawężają się. Coraz mniej potrzebujemy czasu, by dokonać kolejnego odkrycia. Może założyć, że to dalej będzie kontynuowane.


  1. ~ 5 lat: 2020-2025  transformers/self-supervised learning i podobne
  2. ~ 3lata: 2025-2028 🤔🤔🤔
  3. ~ 2 lata: 2028-2031 🤔🤔🤔




Interesując tu kilka rzeczy. Jeśli ten rytm nadal zachowa się, a nic nie wskazuje póki co, że będzie inaczej, to nastąpi  moment, kiedy jeszcze bardziej przyspieszymy i nawet mniej niż w rok będziemy dokonywać rewolucyjnych zmian. To brzmi trochę przerażająco.




Podam Ci przykład ze świata  programistycznego. Ostatnio jest dość głośno o języku Rust. Szybki język, który daje fajne możliwości i konkuruje między innymi z C++ (klasyczny język, który przeżył już wiele konkurentów). Ciekawostka Rusta jest taka, że jego pierwszy kompilator był napisany na OCaml (inny język oprogramowania), ale każda kolejna wersja kompilatora jest rozwijany w Rust. To jest rekurencja, kiedy nie wiadomo gdzie jest początek. Mówiąc tak po ludzku, jest sobie pewien system (język oprogramowania), który ma pewne ograniczenia i on sam siebie rozbudowuje dodając kolejne warstwy. Oczywiście stwierdzenie “sam siebie” to jest pewna przesada, bo człowiek tam jest zaangażowany. Natomiast chodzi mi bardziej o to, że nie to jest zamknięty ekosystem.



Co jeśli te przełomowe rozwiązania już na tyle rozpędzą się, że każde kolejne będzie kawałkiem poprzedniego? Mam na myśli to,  że człowiek już nie będzie musiał wprost tłumaczyć wielu rzeczy. Z resztą podejście self-supervised lelarning (czy jeden z rodzajów contrastive self-supervised learning) jest właśnie trochę o tym.




Najważniejsze,  co próbuję powiedzieć to to, że widoczny jest  rytm przyspieszenia w naszym życiu. AI/ML ma podobnie. Jest dużo szumu i nieporozumień, dlatego próbowałem pokazać Ci trochę inny punkt widzenia i wyjaśnić, co mam na myśli mówiąc rytm.



Warto też zrozumieć przyczyny poprzednich zim i jakie były ich skutki. Zrozumieć, że obecnie możemy mieć do czynienia z czymś innym – odmiennym wydaniem zimy, która może być znacznie krótsza, a pewnie przez niektórych nawet niezauważalna, ale co ciekawe nawet można powiedzieć, że w pewnym sensie “zima” może okazać się potrzebna, aby dokonały się pewne kolejne przełomowe odkrycia na skutek pewnego oczyszczenia branży z napompowanych medialnie obietnic lub gróźb i nadużywania słowa AI, bo sie klika. 




Dlatego nawet jeśli zima nastąpi, to raczej będzie dobrze. Bo znikną sztucznie pompowane  pieniądze w tej branży lub będzie ich znacznie mniej i faktycznie będzie liczył się wynik i rozwiązywanie problemów, a nie robienie “AI dla AI i dla grantów”, dodatkowo będzie mniej szumu i można będzie spokojnie pracować. 



Powiem tak, Ci którzy rzeczywiście potrafią wykorzystać potencjał Data Science i Machine Learning, aby rozwiązywać problemy raczej nie powinni się obawiać zim, bo skoro potrafią to robić dobrze, to przynoszą konkretną wartość biznesowi i zarabiać i poradzą sobie bez dofinansowania.



Nie próbuję teraz krytykować dofinansowań, bo są potrzebne, ale po to, aby dzięki dodatkowym środkom móc jeszcze lepiej rozwiązywać zdefiniowane problemy, a nie po to, aby tworzyć problemy, bo mamy dofinansowanie 😉 A tak niestety dosyć często  się dzieje.



A więc jeśli działasz w branży dlatego, że umiesz wykorzystań potencjał Data Science i Machine Learning, aby generować dużą wartość, to pewnie poradzisz sobie z dofinansowaniem lub bez. 



Podam Ci  przykład 🙂 Załóżmy, że jutro będzie ogłoszenie, że wszystkie projekty z self-driving car będą zamrożone (to nie jest prawdą, ale załóżmy). Czy to sprawi,  że przestaniesz używać swojego własnego samochodu? Oczywiście, że nie. Bo to już działa, jest sprawdzone. To samo jest w ML/AI. To co przekazuję np. w moim kursie Data Science i praktyczne Machine Learning od podstaw, to jest wiedza, którą da się zastosować. To działa!


Czy będzie zima, czy nie będzie – wszystko jedno. Jest pewna wiedza, która jest sprawdzona i sprawdza się. Mało tego, należy to potraktować jako pewny  fundament. Tak jak teraz ciężko znaleźć firmę, która nie ma strony internetowej czy aplikacji (lub chociażby profilu w social mediach), to koniecznym stanie się wprowadzenie ML, który działa już teraz i generuje konkretne przychody!



Ten odcinek nieco odbiega od poprzednich i jest trochę filozoficzny. Taki odcinek chciałem przygotować już od dawna i akurat 100 stał się dobrym pretekstem, aby to właśnie teraz wybrzmiało. Mam nadzieje, że udało mi się pokazać Ci, jak ważne jest krytyczne myślenie w życiu, a także w biznesie.





Nagłówki gazet często bombardują nas tytułami ze słowami autorytetów zapewniając o tym, jak będzie wyglądała przyszłość lub jaki jest obecnie stan wiedzy o świecie i naszej planecie. A niestety pewne jest jedno: śmierć i podatki, jak mówił Benjamin Franklin.





Zima AI jest zdefiniowanym pojęciem, media i eksperci straszą co jakiś czas tym branżę, ale zamiast się bać lub próbować przewidzieć, czy i kiedy nastąpi, warto  zastanowić się, jak być anty-kruchym i odpornym na wstrząsy, które są częścią natury i kultury i w zasadzie bywają bardzo potrzebne. 




Zapisz się, a otrzymasz:

  1. Wartościowe materiały przygotowane przez gości podcastu, prezenty dla słuchaczy.
  2. Zniżkę (10% lub większą) na trening uczenia maszynowego.
  3. Aktualności na temat sztucznej inteligencji w zakresie nauki, technologii i biznesu.
  4. Będziesz na bieżąco ze wszystkimi odcinkami Biznes Myśli.
Rozpędź swój biznes sztuczną inteligencją! Powered by ConvertKit

Od 2013 roku zacząłem pracować z uczeniem maszynowym (od strony praktycznej). W 2015 założyłem inicjatywę DataWorkshop. Pomagać ludziom zaczać stosować uczenie maszynow w praktyce. W 2017 zacząłem nagrywać podcast BiznesMyśli. Jestem perfekcjonistą w sercu i pragmatykiem z nawyku. Lubię podróżować.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *