Sztuczna inteligencja może łatwo wpaść w pułapkę identyfikowania materii nieożywionej jako życia w innych światach, twierdzą dwaj badacze z Michigan State University, którzy przetestowali sztuczną inteligencję na symulowanym życiu w programie komputerowym.
„Wcześniej widzieliśmy, że sztuczna inteligencja ma dużą piętę achillesową, gdy próbuje klasyfikować rzeczy różniące się od rzeczy przedstawionych w przykładach szkoleniowych” – powiedział Space.com Christoph Adami z Michigan. „Nazywamy te próbki „poza dystrybucją” i niezwykle łatwo jest błędnie sklasyfikować sztuczną inteligencję”.
Adami jest biologiem obliczeniowym, który wykorzystuje komputery do stosowania teorii informacji w badaniach ewolucji i biologii. Jedną z jego wiodących założeń jest to, że życie można zdefiniować na podstawie jego zdolności do kodowania informacji i ich replikowania. W tym celu w 1993 roku opracował program komputerowy Avida. Uruchamia on cyfrowe organizmy zapisane w postaci kodu, które mogą się replikować, kopiując się i konkurując o zasoby – w tym przypadku o czas procesora – zupełnie jak organizmy żyjące w prawdziwym życiu. Chociaż wykorzystanie życia cyfrowego w badaniach ewolucyjnych pozostaje kontrowersyjne, zapewnia Adamiemu ogromny zbiór danych na temat symulowanych form życia, które sztuczna inteligencja można przetestować.
Spędzając trzy miesiące na analizie komputerowej na tysiącu równoległych maszyn, Adami i jego uczeń Ankit Gupta poprosili sztuczną inteligencję o określenie, które programy w Avidzie mają właściwości życia, a które nie. Programy dotyczące życia i programów innych niż życie mają bardzo podobne kodowanie, więc różnica nie jest oczywista – i równie dobrze mogłoby tak być na innej planecie, gdzie życie mogłoby mieć różnice w biologii. Ziemia życie.
Adami i Gupta zaczęli od programów reprezentujących losową sekwencję cząsteczek i poprosili sztuczną inteligencję o ich sklasyfikowanie. Następnie zaczęli modyfikować tę sekwencję cząsteczek, aby oszukać sztuczną inteligencję, tak aby myślała, że widzi życie, jedna zmiana na raz, za każdym razem sprawdzając, czy nastąpiła zmiana w pewności sztucznej inteligencji, że jest to życie lub nie-życie.
„W ciągu około 15 zmian możemy sprawić, że sztuczna inteligencja będzie miała całkowitą pewność co do klasyfikacji życia, podczas gdy w rzeczywistości ani razu nie miała 100% pewności, czy to rzeczywiście życie” – powiedział Adami.
Co więcej, niezależnie od kolejności, w jakiej zaczynali, sztuczna inteligencja była ciągle oszukiwana.
Wiele osób w środowisku naukowym uważa sztuczną inteligencję za nieocenione narzędzie, ponieważ może przetwarzać ogromne ilości danych i wyszukiwać w nich wzorce. Sam Adami uważa, że sztuczna inteligencja ma do odegrania ważną rolę, jednak jak widzimy na co dzień, sztuczna inteligencja ma skłonność do zmyślania i identyfikowania wzorców, które nie istnieją.
„To naprawdę sprowadza się do tego, w czym sztuczna inteligencja została przeszkolona” – powiedział Adami. Jeśli zapytasz sztuczną inteligencję o dane, na których została przeszkolona, zazwyczaj udzieli prawidłowej odpowiedzi. Na przykład, jeśli wyszkolisz sztuczną inteligencję do rozpoznawania zdjęć jabłek, a następnie poprosisz ją o wybranie owocu ze zbioru danych zawierającego również zdjęcia artykułów nieżywnościowych, praktycznie przez cały czas będzie ona udzielać poprawnych odpowiedzi. Jeśli jednak zastąpisz zdjęcia jabłek zdjęciami bananów i poprosisz o zidentyfikowanie owocu, będzie miało trudności i zacznie błędnie identyfikować rzeczy.
Dzieje się tak dlatego, że banany reprezentują dane „niedostępne”. Sztuczna inteligencja nie była szkolona na bananach, które mają zupełnie inny kształt niż jabłka, dlatego też sztuczna inteligencja nie wie, co o nich myśleć.
Podobnie nie wiemy, jak będą wyglądać obce drobnoustroje, a mogą one zupełnie różnić się od drobnoustrojów lądowych, na których szkolono sztuczną inteligencję. Innymi słowy, obce życie nie byłoby rozpowszechnione, a sztuczna inteligencja nie miałaby kontekstu, w którym mogłaby stwierdzić, czy jakiś konkretny zbiór cząsteczek jest życiem, czy nie.
„Musisz znać swoje dane treningowe, a jeśli wiesz, że dane testowe należą do tej samej dystrybucji co dane treningowe, wszystko będzie dobrze” – powiedział Adami. „Ale nie można tego zagwarantować w przypadku życia pozaziemskiego”.
Może to stanowić problem w przypadku misji mających na celu poszukiwanie życia.
Jeśli łazik marsjański uda się na Czerwoną Planetę, rozetnie skałę i bezpośrednio zobaczy coś, co wygląda na życie mikrobiologiczne, jakie znamy, odpowiedź będzie jednoznaczna i będzie można ją przetestować tradycyjnymi metodami. Jednak wiele prób wykrycia życia prawdopodobnie nie będzie tak praktycznych, polegających na danych ze spektrometrii mas w celu identyfikacji cząsteczek i procesów związanych z życiem. Może to obejmować próby wykrycia życia w atmosfera z Wenuslub w oceanie Europylub na egzoplanety za pośrednictwem Obserwatorium Światów Mieszkalnychktóry NASA zamierza wystrzelić w latach 40. XXI wieku, aby bezpośrednio fotografować egzoplanety w przestrzeni kosmicznej strefa mieszkalna z gwiazdy.
„Oznacza to, że gdyby na misji znajdowała się sztuczna inteligencja badająca określone próbki spektrometrii mas, istnieje bardzo duża szansa, że chociaż została przeszkolona w terenie na wielu próbkach biotycznych i abiotycznych, nadal mogłaby wydać pozytywny werdykt, gdy nie ma to absolutnie nic wspólnego z życiem” – mówi Adami.
Następnym krokiem, powiedział Adami, jest wyjście ze świata cyfrowego i przeprowadzenie tego samego testu z danymi ze świata rzeczywistego.
Adami i Gupta zaprezentują swoje odkrycia w sierpniu podczas konferencji na temat sztucznego życia 2026, która odbędzie się w Waterloo w Kanadzie.
