Istinitost tvrdnji kreiranih umjetnom inteligencijom

Razne aplikacije koje koriste umjetnu inteligenciju postaju sve prisutnije u svakodnevnom životu. Takve aplikacije se počinju koristiti u poslovima koji su donedavno smatrani kao vrhunski intelektualni rad, pa čak i umjetnost. Rezultati takvih aplikacija su često vrlo precizni i točni, osobito kada se radi o rutinskom prepoznavanju informacija koje se mogu naći na više mjesta u prostranstvima interneta. Međutim, kada se radi o nečemu gdje ne postoje pouzdani izvori aplikacije znaju iznijeti tvrdnje koje su potpuno nepovezane sa upitom, ili čak i suprotne od istine.

Kako bi se greške izbjegle aplikacije umjetne inteligencije koje komuniciraju sa ljudima trebati će puno više podučiti o tome što su to tvrdnje, podaci i informacije, te na procjeni njihove pouzdanosti i relevantnosti.

Tvrdnja je sve što netko tvrdi. Ona može biti točna ili netočna, precizna ili neprecizna, vjerodostojna ili suluda, osnovana ili neosnovana, može zbunjivati ili razotkrivati, može biti pametna ili glupa, može biti zabavna ili dosadna, a može biti bombastična ili ekstremna.

Tvrdnja može biti izrečena kroz jednu jednostavnu rečenicu, ili više rečenica, a može biti iznesena kroz sliku ili film. Može sadržavati jedan ili više podatak, te jednu ili više informacija.

Podatak je poznata ili pretpostavljena činjenica na osnovi koje se oblikuje neka informacija. Podatci sami za sebe nemaju neko značenje, a značenje dobivaju tek kada se pretvore u obavijest ili informaciju.

Informacija ili obavijest je skup podataka koji imaju neko značenje. Podatci su osnova za oblikovanje informacije. Kada se podatcima, uz pomoć postojećeg znanja i inteligencije pridodaje određeno značenje tada se podatci pretvaraju u informaciju. Znanje i inteligencija omogućuju prepoznavanje podataka i razumijevanje informacija. Za to je bitan i jezik kojim su podatci povezani u informaciju u kontekstu na koji se odnose. Znanje i inteligencija kojim čovjek raspolaže čini okruženje za tumačenje i vrednovanje novih informacija, a time i stvaranje novoga znanja.

U stvaranju novih znanja bitno je za svaki novi podatak i svaku novu informaciju procijeniti točnost, to jest provjeriti stupanj pouzdanosti. Također je potrebno utvrditi relavantnost, to jest koliko je informacija bitna u nekom kontekstu.

Informacije različitog stupnja pouzdanosti i relevantnosti su temelj za kreiranje tvrdnji.

Tvrdnja može biti činjenica koja se može provjeriti eksperimentalno, ili matematički. Neke osnovne matematičke činjenice su aksiomi i oni se ne provjeravaju. Aksiomi ili postulati su temeljne istine koje se ne dokazuju, te služe kao osnova za neke temeljne matematičke, logičke ili stručne teorije. U stvaranju neke teorije aksiomi su osnovni definirani pojmovi koji moraju biti neovisni jedan o drugome i međusobno ne suprotstavljeni.

Činjenice se također mogu dokazivati originalnim dokumentima, fotografskim slikama, te audio ili video snimkama. Međutim, svim ovakvim činjenicama potrebno je provjeriti autentičnost. Ako je na originalima vršena bilo kakva intervencija moguće je da se radi o umjetničkim intervencijama, satiri ili lažima.

Činjenice se mogu dokazivati i osobnim svjedočenjem pojedinca ili grupe ljudi što ima visok nivo pouzdanosti, te indirektnim svjedocima čija je pouzdanost puno manja. Ali, potrebno je provjeriti i pouzdanost svjedoka. Svjedoci mogu zaboraviti što su vidjeli ili čuli te mogu iznositi svoja vjerovanja, a ako imaju interes za laganje mogu i lagati.

Tvrdnja može biti ne samo činjenica već i neka pretpostavka, hipoteza, teorija, stručno mišljenje, dogma, predrasuda, indicija, mit, stav, vjerovanje, mišljenje većine javnosti i slično. Koliko netko može efikasno odjeliti činjenice od pretpostavki, teorija, dogmi ili stavova ovisi o njegovom znanju, inteligenciji i iskustvu.

Kao bi se razdijelile činjenice od pretpostavki, hipoteza ili teorija služi znanost. Problem je kada znanstvenici puni različitih informacija nisu dovoljno inteligentni da bi mogli razlikovati teorije od činjenica pa mnogi znanstvenici, čak i u fizici vole tvrditi kako su teorije važnije od činjenica. A istina je kako teorija o nekom fenomenu vrlo rijetko uspijeva spojiti sve poznate činjenice povezane sa tim fenomenom. A ako postoji samo jedna činjenica koja se nikako ne može uklopiti u neku teoriju to znači kako torija ne valja. U praksi mnogi znanstvenici vole takve činjenice proglasiti za paradokse kako ne bi morali priznati da im postojeće teorije ne valjaju. A ako znanstvenici nisu dovoljno inteligentni da razluče činjenice od pretpostavki, hipoteza, teorija i stručnih mišljenja to umjetna inteligencija može još i manje.

Da bi umjetna inteligencija postala pouzdanija morali bi ju naučiti da razlikuje različite tvrdnje po tome dali su te tvrdnje;

a) eksperimentalno ili matematički provjerene i ponovno provjerljive činjenice,

b) dokumentima ili snimcima utvrđene činjenice, te pouzdanost tih dokumenata,

c) pretpostavke, hipoteze, teorije, te dali postoje činjenice (paradoksi) koji su suprotni tim teorijama,

d) stručna mišljenja, te tko je i gdje ta stručna mišljenja definirao,

e) nečiji stavovi, dogme, indicije, mitovi, predrasude, mišljenja javnosti i slično.

Umjetna inteligencija u procijeni pouzdanosti najčešće koristi izvore informacija koje dijeli na relevantnije i na manje relevantne, a ne po stupnju eksperimentalne ili matematičke provjerljivosti. Računala relevantnost najčešće izračunava na broju pregleda nekog podatka ili izvora, na broju komentara i lajkova, na osnovu ocjene sadržaja recenzenata i čitatelja i slično. Kada neka informacija ima više izvora koji su označeni kao relevantni nju se tretira kao pouzdaniju, ali se najčešće ne provjeravaju sami izvori. Mnoge znanstvene tvrdnje se temelje na ranijoj stručnoj literaturi, a kada se pogleda ta literatura vidi se da se te iste tvrdnje temelje na nekoj još ranijoj stručnoj literaturi. A kada se i ta stručna literatura provjeri često se iste te tvrdnje temelje na još ranijoj stručnoj literaturi koja se često više ne može ni pronaći u originalnom obliku. Kako bi se to izbjeglo umjetna inteligencija bi kao jedini pouzdani izvor trebala promatrati jedino originalne i višestruko provjerene znanstvene eksperimente. A ako njih nema tada bi trebalo vjerovati jedino originalnim dokumentima o nečemu, ili originalnim snimkama nekih događaja, a sve što je naknadno mijenjano treba tretirati kao nepouzdano. Kako se razvijaju i aplikacije koje mogu filmske mijenjati fotografije i filmske snimke uskoro će se pojaviti filmovi snimljeni bez glumaca. Kako bi se spriječila manipulacija snimkama umjetna inteligencija će kod procjene pouzdanosti tvrdnji informacija i podataka morati provjeravati i medij na kojem se neki podatci nalaze. Sve što se nalazi na serverima koji se mogu brisati i ponovno pisati bit će nepouzdano, a vjerovat će se samo podacima koji se nalaze na dugovječnim memorijskim sustava kao što su permanentni optički diskovi WORM (Write-once read-many). Na ovakvim memorijama podatak se može upisati, ali ga naknadno nije moguće izbrisati. Može ga se samo čitati, te doznati kada je podatak upisan i tko ga je upisao. Nove verzije istih datoteka se mogu upisati, ali stare verzije ostaju i dalje dostupne. Umjetna inteligencija će na ovaj način spremljene podatke moći tretirati kao pouzdane, a ako se o istoj stvari pronađu različiti podatci kao pouzdani će se tretirati oni koji su ranije zapisani. Radi zaštite podataka povremeno se radi beckup kojima se povremenim kopiranjem sprječava gubljenje podataka, a kada se neki podatci izgube vjeruje se najstarijim podacima koji su o nečemu sačuvani. Radi očuvanja pouzdanosti serveri će morati i kod beckupa najvažnijih trajnih podataka koji se vremenom ne mijenjaju koristiti trajne staklene memorije koje se ne mogu brisati. Osim toga, takvi serveri će moći biti pouzdani tek ako sistemsko vrijeme na njima ne mogu mijenjati ni administratori, kako se ne bi dogodilo da netko izmjenom sistemskog vremena napravi kopiju nekih podataka sa antidatiranim vremenom upisa.

A nakon što se ovakvim tehničkim rješenjima osigura pouzdanost snimljenoga potrebno je provjeravati i postoje li potpuno pouzdane činjenica koje su suprotne tvrdnji sadržanoj u nekoj informaciji, te takve informacije treba obilježiti kao nepouzdane.

Kako bi procjena pouzdanosti bila kvalitetnija potrebno je kvalitetnije procijeniti i relevantnost ne samo informacija, izvora informacija i autora informacija već i relevantnost svake pojedine informacije i tvrdnje, što često ovisi o kontekstu. Nešto što je bitno u jednom kontekstu može biti sasvim nebitno u nekom drugom kontekstu. Zato je kod kreiranja svake tvrdnje potrebno osim pouzdanosti informacije definirati i kontekst, te precizirati stupanj važnosti pojedinih informacija za taj kontekst. Na tom poslu kreatori aplikacija umjetne inteligencije morat će još puno raditi, kako bi te aplikacije preuzele rutinske intelektualne poslove, kao što su prenošenje znanja, statističke analize naizgled nepovezanih podataka i kreiranje stručnih mišljenja.

A ljudima će i nakon toga preostati bavljenje kreativnim ili zabavnim poslovima koji nisu samo kopije postojećih umjetničkih ili stručnih rješenja. Istraživanja neistraženog i inovativno rješavanje problema ostati će nešto što umjetna inteligencija neće moći raditi ni simulacijama, ni pretragama baza podataka.