Nvidia mēģinās izprast mākslīgo neironu tīklu vadītas automašīnas darbību

Mākslīgo intelektu, mākslīgo neironu tīklu un mašīnmācīšanos šobrīd neviens nespēj līdz galam izskaidrot un izprast, jo tehnoloģijas darbība un mācīšanās nav cilvēka roku darbs. Pat Google nespēja izskaidrot, kā Deep Mind AlphaGo spēj uzvarēt cilvēku, jo tehnoloģija patstāvīgi apguva spēles nianses.

Pagājušajā gadā Ņūdžersijā Nvidia izmēģināja eksperimentālu automašīnu, kas būtiski atšķiras no konkurentiem – mākslīgais intelekts šajā auto mācījās no īsta autovadītāja. Tikmēr Google, Tesla un General Motors paļaujas uz automašīnas programmēšanu un pēcāku palaišanu ielās. Nvidia automašīnai inženieri nebija ieprogrammējuši neko, kas saistāms ar pārvietošanos ielās. Sarežģītu, iepriekš noteiktu darbību vietā Nvidia automašīnā mācījās visu kā bērns no pieredzējuša autovadītāja. Iespaidīgi, bet tajā pašā laikā – bīstami.

Nvidia nespēj izskaidrot līdz galam, ko tieši automašīna ir iemācījusies, kā tā interpretējusi autovadītāja darbības. Neviens nezina, kā tieši Nvidia auto pieņem lēmumus ceļu satiksmē. Nvidia autonomā automašīna uzrādīja līdzvērtīgu braukšanas prasmi kā īsts vadītājs, bet neviens nevar pateikt, kad pienāks kāds kritiskais mirklis automašīnas pašbraukšanas algoritmos, jo neviens nezina, kā tie strādā. Tāpat cilvēks, visticamāk, nespēs atrast un novērst kļūdas.

Šobrīd Nvidia uzskata, ka ir iespējams sadalīt mākslīgā intelekta domāšanas gaitu vairākos slāņos, lai inženieriem pavērtu iespēju kaut daļēji izprast notiekošo. Mākslīgā intelekta kļūdas varētu meklēt ar simulācijām. Vienlaikus tiek uzskatīts, ka simulācijas varētu mākslīgo intelektu pārmācīt, lai kļūdas neatkārtotos.