Ostatnio w prowadzonym przez nas dla newonce.radio podcaście „Prawilnie Przypominamy” rozmawialiśmy z mec. Mikołajem Pietrzakiem, dziekanem Okręgowej Rady Adwokackiej w Warszawie, m.in. o szansach i zagrożeniach związanych z używaniem sztucznej inteligencji przez adwokatów. Kontynuowaliśmy rozmowę długo później, spierając się o niektóre aspekty AI. Dyskusja zbiegła się w czasie z nabyciem na potrzeby naszej działalności prawniczej narzędzia Chat GPT 4. Postanowiliśmy sprawdzić, czy może ono być dla nas przydatne. Zwłaszcza w obliczu tezy prof. Noama Chomskiego, że sztuczna inteligencja to po prostu narzędzie plagiatowe, wydało nam się to ryzykowne, ale przyjęliśmy, że dopóki nie używamy Chatu GPT jako wsparcia w konstruowaniu naszych wypowiedzi pisemnych lub ustnych, przy wykorzystaniu tych samych sformułowań, które narzędzie podpowiada, będziemy mogli bezpiecznie z niego korzystać i obserwować, jak wpływa na nasze środowisko pracy.
Jak ona to robi?
Chcieliśmy zacząć od lekkiej podbudowy teoretycznej, ale ku naszemu zdumieniu okazało się, że nikt tak naprawdę nie wie, jak sztuczna inteligencja działa. Wyjaśnił nam to prof. Andrzej Dragan. Wiadomo, że chodzi o uczenie maszynowe, algorytmy przetwarzania danych, sieci neuronowe i przetwarzanie głębokie, ale nikt nie wie, dlaczego żadnemu z nas nie udaje się pokonać komputera w szachy, pokera czy jakąkolwiek inną grę. Obecnie pokonanie maszyny jest niemożliwe. Co gorsza, nie wiemy, jak maszyna to tak naprawdę robi.
Czytaj więcej:
Zasadniczo celem sztucznej inteligencji jest zrekonstruowanie charakterystycznego dla człowieka sposobu postrzegania rzeczywistości i wchodzenia z nią w interakcje, a kolejnym jest przekroczenie ludzkich ograniczeń w tym obszarze. O wielu kwestiach związanych z postrzeganiem rzeczywistości przez człowieka wiemy właściwie niewiele. Na poziomie nauk zajmujących się ludzkim umysłem wciąż nie rozwiązano licznych zagadek. Nie wiadomo nawet dokładnie, jak działa ludzki mózg. Trudno świadomie kopiować coś, czego się nie zna. Zresztą maszyna uczy się obecnie dużo wolniej niż człowiek. Trzeba wtłoczyć do niej bardzo dużo danych, by czytelne stały się dla niej wzorce. Dlatego na przykład zupełnie inaczej szkoli się kierowcę, który potrzebuje ok. dwudziestu godzin, by „załapać”, na czym polega względnie bezpieczna jazda samochodem, niż maszynę, która ma zostać kierowcą autonomicznego samochodu. Ta musi posiąść niepomiernie więcej danych, by zrozumieć, jak prowadzić samochód i jak zachowywać się w określonych sytuacjach na drodze.
Sztuczna inteligencja jest jednak atrakcyjna, ponieważ dzięki inteligencji rozwiązujemy problemy. Uczenie maszynowe, dzięki rozpoznaniu wzorców w danych i umożliwionemu przez to prognozowaniu, potrafi pomóc w zrozumieniu potężnych zbiorów danych. Z drugiej strony można pewne procesy automatyzować lub przyspieszać.
