Sun’iy intellekt yuzni taniydi, ob’yektni ajratadi, matn yozadi. Ammo odamlar o‘rtasidagi nozik ishora, harakat va niyatlarni anglash masalasida u hali ham insondan ortda. Yangi tadqiqotlar shuni ko‘rsatmoqdaki, harakatdagi ijtimoiy sahnalarni talqin qilishda odamlar hozirgi SI modellaridan ancha ustun.

Jons Xopkins universiteti olimlari olib borgan tadqiqotga ko‘ra, mavjud sun’iy intellekt tizimlari insonlar o‘rtasidagi ijtimoiy o‘zaro ta’sirni — kim kim bilan muloqotda, kim nima qilmoqchi, harakat ortida qanday niyat borligini to‘liq anglab yeta olmayapti. Bu esa o‘z-o‘zini boshqaradigan avtomobillar, yordamchi robotlar va real hayotda odamlar bilan bir makonda harakat qilishi kerak bo‘lgan texnologiyalar uchun jiddiy muammo.

Tadqiqotning bosh muallifi, kognitiv fanlar bo‘yicha dotsent Leyla Isikning ta’kidlashicha, masala faqat ma’lumotda emas — muammo SIning o‘zi qanday «o‘ylaydi» degan savolda.

«Masalan, o‘z-o‘zini boshqaradigan avtomobil piyodalarning niyatini anglashi kerak: u qaysi tomonga o‘tmoqchi, ikki kishi suhbatlashyaptimi yoki ko‘chani kesib o‘tishga tayyorlanyaptimi. Agar sun’iy intellekt odamlar bilan o‘zaro aloqada bo‘lishi kerak bo‘lsa, u inson harakatlarini to‘g‘ri tanishi shart. Bu tadqiqot shuni ko‘rsatyaptiki, hozirgi tizimlar bunga hali qodir emas», — deydi Isik.

Tajriba qanday o‘tkazildi?

Olimlar inson ishtirokchilariga uch soniyalik videolarni namoyish qildi. Ularda odamlar bir-biri bilan muloqotda, yonma-yon harakatda yoki mutlaqo mustaqil holda ko‘rsatilgan. Ishtirokchilar videodagi ijtimoiy o‘zaro ta’sir darajasini birdan beshgacha bo‘lgan shkalada baholashdi.

Shundan so‘ng tadqiqotchilar 350 dan ortiq SI modeliga — til, video va tasvir modellariga inson hatti-harakati va hatto miya faoliyatini bashorat qilish vazifasini yuklashdi.

Natija kutilganidek… insonlar foydasiga chiqdi.

Ishtirokchilar baholashda ko‘p hollarda bir fikrga kelishdi. SI modellari esa hajmi, o‘qitilgan ma’lumoti va turidan qat’i nazar — bunday birdamlikni ko‘rsata olmadi. Video modellar odamlar videoda nima qilayotganini aniq tasvirlay olmadi. Hatto harakatsiz kadrlar asosida ishlaydigan tasvir modellari ham odamlar o‘zaro muloqotdami yoki yo‘qligini ishonchli tarzda aniqlay olmadi.

Qizig‘i shundaki, til modellari inson xulq-atvorini taxmin qilishda, video modellar esa miyadagi asabiy faollikni prognoz qilishda nisbatan yaxshiroq natija ko‘rsatdi. Ammo umumiy manzara baribir ayon: SI ijtimoiy dinamikani “his qilmaydi”.

Statik dunyoda tug‘ilgan intellekt

Olimlar bu muammoning ildizini SI arxitekturasining o‘zida ko‘rishmoqda. Hozirgi neyron tarmoqlar inson miyasining asosan statik tasvirlarni qayta ishlaydigan qismidan ilhomlangan. Holbuki, ijtimoiy sahnalarni anglash uchun miyaning butunlay boshqa — dinamika, harakat va kontekstni qayta ishlaydigan sohalari ishga tushadi.

«Rasmni ko‘rish, ob’yekt va yuzni tanish — bu birinchi qadam edi. Ammo hayot statik emas. Sahnada nima sodir bo‘lyapti, odamlar qanday munosabatda — shuni anglay oladigan SI kerak. Bu tadqiqot shu yo‘ldagi katta qora nuqtani ko‘rsatib beryapti», — deydi tadqiqot mualliflaridan biri Keti Garsiya.

Xulosa shunday: sun’iy intellekt hali juda ko‘p narsani «ko‘rib turib», anglamayapti. Odam esa — ishoradan, harakatdan, sukutdan ham ma’no chiqara oladi. Shunday ekan, hozircha ijtimoiy sahnalarni o‘qish borasida inson miyasiga raqobatchi yo‘q. SI esa hali navbatda — o‘quvchi sifatida.