Ο Κων/νος Δασκαλάκης και η Τεχνητή νοημοσύνη

Wonderland, Pessiland, Stagnatia
Ο Κων/νος  Δασκαλάκης και η Τεχνητή νοημοσύνη

Είχε αρχίσει να σουρουπώνει στη Θεσσαλονίκη όταν πλήθος κόσμου εμφανίζεται με κατεύθυνση προς το πανεπιστήμιο, στην κεντρική αίθουσα τελετών. Δεν είναι φοιτητές όπως θα μπορούσε να σκεφτεί κανείς, αλλά άνθρωποι όλων των ηλικιών. Από 20 εως 80 χρονών που σχεδόν έτρεχαν βιαστικοί να προλάβουν. Δεν είχαν και άδικο, μισή ώρα πριν ξεκινήσει η εκδήλωση η μεγάλη αίθουσα χωρητικότητας 1500 ανθρώπων ήταν ασφυκτικά γεμάτη. Δεν υπήρχε ούτε εκατοστό ελεύθερου χώρου. Αλλοι τόσοι έξω από την αίθουσα.

Ηταν εκεί με την αγωνία να ενημερωθούν από πρώτο χέρι, όλα όσα αφορούν τα νεότερα για ένα κλάδο της επιστήμης, που σίγουρα θα καθορίσει το ανθρώπινο μέλλον σε όλες του τις διαστάσεις. Την τεχνητή νοημοσύνη.

 

Ηρθαν να ακούσουν ένα λαμπρό μυαλό, έναν Έλληνα που διαπρέπει στο εξωτερικό και που από το 2013 παρά το νεαρό της ηλικίας του, έγινε καθηγητής στο μεγαλύτερο τεχνολογικό ίδρυμα του κόσμου το ΜΙΤ (τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών), τον Κων/νο Δασκαλάκη.

Ο Κων/νος έγινε ευρύτερα γνωστός όταν κατάφερε να λύσει τον γρίφο του Τζων Φορμπς Νας που απασχολούσε τους επιστήμονες της πληροφορικής για 60 χρόνια.

Για την ερευνητική του εργασία στην θεωρητική πληροφορική και την διεπαφή της με τα Οικονομικά, την Στατιστική και την Τεχνητή Νοημοσύνη, έχει βραβευθεί από πολλούς οργανισμούς και επιστημονικά ιδρύματα.

 

Ανοίγοντας την ομιλία του μας έδωσε τον ορισμό της Τεχνικής νοημοσύνης με μια δόση χιούμορ, ως την επιστήμη του να φτιάχνεις μηχανές που κάνουν ότι και οι αντίστοιχες των ταινιών επιστημονικής φαντασίας.

Ο όρος τεχνητή νοημοσύνη αναφέρεται στον κλάδο της πληροφορικής ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα, επίλυση προβλημάτων κλπ.

 

Πώς όμως θα υλοποιηθεί αυτό. Η επιστημονική προσέγγιση μας δίνει 3 διαδρομές

  1. Να κοπιάρουμε τον ανθρώπινο εγκέφαλο. Η νευροεπιστήμη όμως που ασχολείται με την κατανόηση του ανθρώπινου εγκεφάλου βρίσκεται σε αρχικό στάδιο και κάτι τέτοιο είναι ανέφικτο σε ένα εύλογο χρόνο.
  2. Να φτιάξουμε από μόνοι μας εναλλακτικές του ανθρώπινου εγκεφάλου. Δηλαδή υπολογιστικές μεθόδους που θα κάνουν ότι και ο ανθρώπινος εγκέφαλος.(κατανόηση ήχου, φωνής, σκέψης κλπ). Αυτή είναι η κλασική προσέγγιση που έχει δώσει μέτρια αποτελέσματα μέχρι τώρα.
  1. Φτιάχνοντας αλγόριθμο που αυτός θα ψάξει να βρεί έναν άλλο αλγόριθμο που να κάνει αυτό που ο άνθρωπος δεν μπορεί να κάνει, ώστε να γίνει κατανοητό από έναν υπολογιστή (αναδρομή) Αυτή η προσέγγιση είναι και η μέθοδος που έχει φέρει τα περισσότερα αποτελέσματα τα τελευταία 10 χρόνια.(Βαθιά νευρωνικά δίκτυα).Κάπως έτσι φτάσαμε στις εφαρμογές της google όπου μπορούμε πλέον να κάνουμε αναζητήσεις με εικόνα και ήχο, εκτός από τα γνωστά, όπως κείμενο. Κάτι που εφαρμόζει και το γνωστό Amazon Alexa, μια μηχανή που συνομιλεί μαζί σου και άλλα.

Έχουμε επίσης εφαρμογές σε αυτοκινούμενα οχήματα(Tesla), σε παιχνίδια πολύπλοκα όπως το γιαπωνέζικο go η το σκάκι, όπου οι υπολογιστές είναι σε θέση πλέον να κερδίζουν το ανθρώπινο μυαλό.

 

Κατά τον κ. Δασκαλάκη το πρόβλημα με τους αλγόριθμους είναι ακριβώς με τι στοιχεία τους τροφοδοτείς. Ο ανθρώπινος παράγων δηλαδή.

«Υπάρχουν μεγάλα θέματα αξιοπιστίας και ένας από τους λόγους είναι ότι όταν τα δεδομένα με τα οποία τροφοδοτείς τον αλγόριθμο είναι ελλιπή ή μη αντιπροσωπευτικά, μπορεί να οδηγήσουν σε λανθασμένες ή ελλιπείς νοητικές λειτουργίες. Ενσωματώνεις δηλαδή  το λάθος στο αποτέλεσμα. Πχ, έγινε γνωστό ότι ένα αυτοκίνητο Tesla έπεσε σε φορτηγό σταματημένο στην αριστερή λωρίδα. Γιατί συνέβη αυτό; Ίσως γιατί ποτέ στα δεδομένα που εισήχθησαν για να εκπαιδευθεί ο αλγόριθμος στην αναγνώριση εικόνας δεν υπήρχε αυτοκίνητο σταματημένο στην αριστερή λωρίδα του δρόμου, επειδή αυτό σπάνια συμβαίνει. Ο αλγόριθμος θα επεξεργαστεί τα ελλιπή δεδομένα που του δώσαμε και θα ενσωματώσει την έλλειψη»

«Δεν έχουμε τόσο αξιόπιστη Τεχνητή Νοημοσύνη σήμερα, πρόσθεσε. Προσπαθούμε να φτιάξουμε τρόπους προστασίας αλγορίθμων από επιθέσεις χάκερ».

 

Η ηθική διάσταση της τεχνικής νοημοσύνης

«Ένα κλασικό πρόβλημα είναι το εξής. Σκεφτείτε ότι φτιάχνουμε αυτοοδηγούμενα οχήματα που κινούνται μαζικά στους δρόμους. Αναπόφευκτα κάποιο από αυτά θα βρει τον εαυτό του σε φάση αναγνώρισης του γεγονότος ότι σε μερικά δευτερόλεπτα θα γίνει ένα αναπόφευκτο ατύχημα με εμπλοκή πεζών. Ο αλγόριθμος που οδηγεί καταλαβαίνει τότε ότι έχει δύο δυνατότητες: να πάει ευθεία και να σκοτώσει τους πεζούς ή να πάει αριστερά, να χτυπήσει στο στηθαίο και να σκοτώσει τους επιβαίνοντες. Δεν μπορεί να σώσει και τους δύο. Πώς θα πάρει την απόφαση; 

Πώς εγώ που σχεδιάζω τον αλγόριθμο θα λάβω την απόφαση για το ποιός θα ζήσει»; Αυτά είναι θέματα που απασχολούν έντονα την επιστημονική κοινότητα.

 


Tabula rasa


Η Τεχνητή Νοημοσύνη είναι σαν ένα μωρό. Το μωρό έρχεται στον κόσμο με γενετικά χαρακτηριστικά, αλλά στην ουσία είναι tabula rasa. Οι γονείς(ο προγραμματιστής), του δίνουν δεδομένα και στόχους
.

Αν τα δεδομένα που λαμβάνει το μωρό περιέχουν πχ ρατσιστικές απόψεις ή προκαταλήψεις, αυτές τις θέσεις θα τις υιοθετήσει. Κοινώς υπάρχει αλληλοεπίδραση από την οποία μαθαίνει.

Όπως έγινε σε ένα chat bot, όπου μια ομάδα χρηστών του επιτέθηκε παρέχοντάς του ρατσιστικό περιεχόμενο. «Μέσα σε λίγες ώρες έγινε τρελός ρατσιστής».

 

Ποιο είναι όμως το μέλλον της Τεχνητής νοημοσύνης τα επόμενα 50 χρόνια ? Εδώ ο καθηγητής έδωσε τρείς εκδοχές.

 


W
onderland, Pessiland, Stagnatia


Με βάση το πρώτο σενάριο, με τίτλο «Wonderland», η αλληλεπίδραση ανθρώπων- μηχανών είναι θετική και ο πρώτος κερδίζει από την ύπαρξη των δεύτερων. Οι μηχανές κάνουν τις χειρωνακτικές εργασίες, ο άνθρωπος έχει περισσότερο ελεύθερο χρόνο ή εκτελεί πνευματικές εργασίες
.

Ακόμα και το ασφαλιστικό πρόβλημα μπορεί να βοηθηθεί.

Για να γίνει όμως εφικτό αυτό το σενάριο, θα πρέπει να κατακτήσει η επιστήμη τη γενική νοημοσύνη, δηλαδή η μηχανή να μάθει να χρησιμοποιεί τη διαίσθηση και την εμπειρία που αποκτά από μια νοητική λειτουργία και να τη μεταφέρει σε μια που δεν ξέρει καθόλου, όπως κάνει το ανθρώπινο μυαλό.

Το δεύτερο σενάριο είναι το αρνητικό η δυστοπικό αν θέλετε.

«Pessiland», η επιστήμη κατακτά την γενική νοημοσύνη, αλλά αυτή δεν είναι προσβάσιμη σε όλους, αλλά μόνο σε εργαστήρια εταιρειών ή κρατών, που τη χρησιμοποιούν για ιμπεριαλιστική επιρροή. 

Το τρίτο σενάριο, με τίτλο «Stagnatia», της στασιμότητας, το οποίο ο δρ Δασκαλάκης επισήμανε ότι «έχει αρκετές πιθανότητες », είναι αυτό κατά το οποίο ενώ υπάρχουν ολοένα και περισσότερες εφαρμογές ειδικής Τεχνητής Νοημοσύνης, η επιστήμη δεν καταφέρνει να κάνει το άλμα στη γενική τεχνητή νοημοσύνη και επικρατεί σχετική στασιμότητα.

 

Η παρουσίαση, όπως και οι απαντήσεις στις ερωτήσεις που ακολούθησαν από τον Κων/νο Δασκαλάκη, καταχειροκροτήθηκαν από το ενθουσιώδες κοινό. 

Η εκδήλωση τελείωσε με την προτροπή του καθηγητή προς την ακαδημαϊκή κοινότητα, να εκπαιδεύει ειδικά με περισσότερες έρευνες τους Έλληνες φοιτητές ώστε να έχουμε πολλούς περισσότερους σε πανεπιστήμια επιπέδου ενός ΜΙΤ.