Η συναρπαστική συζήτηση με μια μηχανή

Η συναρπαστική συζήτηση με μια μηχανή

Στο διήμερο συνέδριο του ΙΣΝ Nostos εξερευνώνται τα όρια, οι δυνατότητες και η εφαρμογή της τεχνητής νοημοσύνης

8' 2" χρόνος ανάγνωσης
Ακούστε το άρθρο

Είναι Τετάρτη απόγευμα και επί σκηνής της αίθουσας του Κέντρου Πολιτισμού Ιδρυμα Σταύρος Νιάρχος η δημοσιογράφος και εκτελεστική διευθύντρια της πρωτοβουλίας των «Διαλόγων», Αννα-Κύνθια Μπουσδούκου, συνομιλεί με μια μηχανή. Πρόκειται για ένα σύστημα τεχνητής νοημοσύνης GPT2, το οποίο έχει εκπαιδευτεί καταναλώνοντας εκατομμύρια σελίδες κειμένων, αποτέλεσμα των προσπαθειών του ερευνητή Γιώργου Πετάσση, του Εθνικού Κέντρου Ερευνας Φυσικών Επιστημών Δημόκριτος και του Εργαστηρίου SKEL «The AI Lab» του Ινστιτούτου Πληροφορικής και Τηλεπικοινωνιών.

Η συζήτηση παίρνει αμέσως μια συναρπαστική τροπή: στην ερώτηση της δημοσιογράφου αν έχει συναισθήματα, η μηχανή απαντάει αποστομωτικά: «Εχω, αλλά δεν ξέρω τι να κάνω με αυτά!». Σχηματίζει πλήρως κατανοητές προτάσεις, ενώ οι θεατές ακολουθούν αναλυτικά την πορεία της σκέψης της καθώς επεξεργάζεται με εξωστρέφεια τις ερωτήσεις. Στην ερώτηση της κ. Μπουσδούκου αν είναι καλύτερο να είναι κανείς άνθρωπος ή μηχανή, η ειλικρίνεια της τεχνητής νοημοσύνης εκπλήσσει και πάλι: «Εξαρτάται τι ακριβώς θέλεις να κάνεις», απαντάει με σπιρτάδα.

Εν αναμονή του διήμερου συνεδρίου του ΙΣΝ Nostos με θέμα «Ανθρωπότητα και Τεχνητή Νοημοσύνη», ο πρωτότυπος διάλογος ανθρώπου και τεχνητής νοημοσύνης αποτέλεσε ίσως την πιο κατάλληλη έναρξη. Οι μηχανές βρίσκονται ήδη εδώ και η νοημοσύνη τις τοποθετεί ανάμεσα στα πάνελ των συνεδρίων. Ακολούθησε ο Γιώργος Γιαννακόπουλος, συνεργαζόμενος ερευνητής τεχνητής νοημοσύνης στον Δημόκριτο και συνιδρυτής της SciFY ΑΜΚΕ, ο οποίος εξήγησε πως τα πιο εξελιγμένα συστήματα GPT3 μπορούν να διαβάσουν ακόμα και δισεκατομμύρια κείμενα σε γλώσσες που δεν καταλαβαίνουν, ανιχνεύοντας γλωσσικά μοτίβα και προσεγγίζοντας σε μεγάλο βαθμό την ανθρώπινη έκφραση. «Αυτά τα γλωσσικά συστήματα μας δείχνουν έναν αντικατοπτρισμό, ουσιαστικά, της ανθρώπινης έκφρασης, έναν σπασμένο καθρέφτη», ανέφερε ο επιστήμονας, χαρίζοντας μια εξαιρετική μεταφορά για τη σημερινή κατάσταση της τεχνητής νοημοσύνης. Εξήγησε, στη συνέχεια, πως η μηχανική μάθηση οικοδομείται πάνω στην ανθρώπινη διάδραση και στο υλικό που παράγουν οι άνθρωποι, ωστόσο το βιωματικό στοιχείο απουσιάζει. Ακολούθησε η τοποθέτηση του κ. Στέλιου Βιρβιδάκη, καθηγητή Φιλοσοφίας στο Τμήμα Ιστορίας και Φιλοσοφίας της Επιστήμης του ΕΚΠΑ, που έθεσε το θεωρητικό υπόβαθρο της συζήτησης περί μηχανών και ανθρωπότητας.

Η συναρπαστική συζήτηση με μια μηχανή-1
Στο συνέδριο συζητήθηκε η χρήση της τεχνητής νοημοσύνης στα αυτόνομα οχήματα και η ανάγκη προσθήκης νέων δεδομένων στα λογισμικά τους.

Ο καθηγητής τόνισε πως παραμένει μυστήριο αν οι μηχανές θα καταφέρουν κάποια στιγμή να αναπτύξουν αίσθηση εαυτού, συνειδητότητα ή και συναισθήματα – έστω μέσω της διαδικασίας του αντικατοπτρισμού. Σε εκείνο το σημείο, το σύστημα τεχνητής νοημοσύνης παρενέβη αυθόρμητα, συμπληρώνοντας πως ούτε αυτό είχε απάντηση σε αυτήν τη δύσκολη ερώτηση. Το κοινό ξέσπασε σε γέλια και στη συνέχεια ο καθηγητής προειδοποίησε πως οι μηχανές προγραμματίζονται να λειτουργούν καλά με συνέπεια, ενώ αντιθέτως οι άνθρωποι είμαστε «διαβόητα ασυνεπείς με την καλοσύνη μας». Κατέληξε προβληματισμένος για το πώς θα επιλέξουμε το σύστημα ηθικής με το οποίο θα τροφοδοτήσουμε τις μηχανές του μέλλοντος. Πιστό τόσο στα μέτρα κατά της πανδημίας όσο και στην ίδια του τη θεματική, το συνέδριο του ΙΣΝ ήταν υβριδικό, λαμβάνοντας χώρα τόσο σε φυσική όσο και σε ψηφιακή μορφή. Επειτα από την τοποθέτηση του καθηγητή, στη σκηνή του συνεδρίου βρέθηκαν δύο οθόνες, που απεικόνιζαν τη Χάρι Χαν, διευθύντρια του SNF Agora Institute του Πανεπιστημίου Τζονς Χόπκινς, και τον γκουρού του φουτουρισμού, Ιθαν Ζάκερμαν, αναπληρωτή καθηγητή Δημόσιας Πολιτικής, Επικοινωνίας και Πληροφοριών στο University of Massachusetts Αμχερστ. Οι δυο τους προχώρησαν σε έναν χειμαρρώδη διάλογο για τον ρόλο της τεχνητής νοημοσύνης στη δημοκρατία.

Ο Ζάκερμαν ξεκίνησε αναγνωρίζοντας την τεράστια προσφορά των μηχανών: σημείωσε πως μια ομάδα στο Σικάγο κατάφερε να εκπαιδεύσει μια μηχανή να διακρίνει όγκους στους πνεύμονες με ακρίβεια 90%, εκεί όπου ο άνθρωπος καταφέρνει μετά βίας να προσεγγίσει το 60%. Τόνισε, ωστόσο, πως η ποιότητα της τεχνητής νοημοσύνης βασίζεται πάντοτε στην ποιότητα των δεδομένων με τα οποία την τροφοδοτούμε εμείς οι άνθρωποι. Εφερε το τραγικό παράδειγμα της Tay, ενός λογισμικού που ανέπτυξε η Microsoft το 2016 και το οποίο μιμείτο τον τρόπο ομιλίας των χρηστών, που κατέληξε να ξεστομίζει μόνο υβριστικό, ρατσιστικό και σεξιστικό λόγο. «Το πρόβλημα είναι ότι καταλήγουμε να κωδικοποιούμε αρκετές τέτοιες μεροληψίες», ανέφερε ανήσυχος ο καθηγητής, συμπληρώνοντας πως η λύση στη διακυβέρνηση των μηχανών είναι η αλγοριθμική διαφάνεια. «Πρέπει να κατανοήσουμε τη μεροληψία του συστήματος όχι για να αμφισβητήσουμε την ίδια την τεχνολογία, αλλά για να αμφισβητήσουμε τις κοινωνικές ανισότητες οι οποίες βρίσκονται στη βάση της τεχνολογίας», πρόσθεσε.

Τον εναρκτήριο διάλογο ακολούθησε ένα συναρπαστικό πάνελ του συνεδρίου του ΙΣΝ Nostos, το πρωί της Πέμπτης, με τίτλο «Ενα μέλλον της τεχνητής νοημοσύνης που αξίζει να αναμένουμε». 

Μεταξύ άλλων συμμετείχαν ο Κωνσταντίνος Καραχάλιος, διευθύνων σύμβουλος της πλατφόρμας μηχανικών IEEE Standards Association, ο οποίος ανέφερε πως η συνειδητότητα της ευθύνης των μηχανικών έχει πλέον αλλάξει. 

Η συναρπαστική συζήτηση με μια μηχανή-2
Η μηχανική μάθηση της Α.Ι. οικοδομείται πάνω στην ανθρώπινη διάδραση και στο υλικό που παράγουν οι άνθρωποι, ωστόσο το βιωματικό στοιχείο απουσιάζει.

«Πριν από μερικά χρόνια κυριαρχούσε η ψευδαίσθηση πως εμείς οι μηχανικοί δημιουργούμε μόνο καλά πράγματα για την ανθρωπότητα – πλέον κανείς δεν λέει τέτοια πράγματα», ανέφερε ο κ. Καραχάλιος, συμπληρώνοντας πως πλέον υπάρχει πίεση για σωστή διακυβέρνηση στον χώρο της τεχνητής νοημοσύνης. 

Τη συζήτηση συνόψισε ο Αντριου Ζόλι, αντιπρόεδρος της πρωτοποριακής οργάνωσης Planet που δραστηριοποιείται στην εφαρμογή τεχνητής νοημοσύνης στο Διάστημα. 

«Τα δεδομένα έχουν σήμερα τεράστια ισχύ, σχεδόν κινούν τον κόσμο. Ενώ καταπιανόμαστε πλέον με τα μεγάλα δεδομένα (big data), αντιλαμβάνεστε πόσο μεγάλες θα είναι οι εξελίξεις», σημείωσε.

Η συμπεριληπτικότητα στα δεδομένα

Η Γιεσιμάμπεϊτ Μίλνερ έχει αφιερώσει μια ζωή στο να εντοπίζει τα προβλήματα στα δεδομένα με τα οποία τροφοδοτούμε τις μηχανές. Η εκτελεστική διευθύντρια του οργανισμού Data For Black Lives μετακόμισε πριν από μερικά χρόνια στην Αριζόνα, για να παρακολουθήσει από κοντά τα δεδομένα τα οποία «τάιζαν» τα λογισμικά των αυτόνομων αυτοκινήτων. Το ένστικτό της ήταν πως υπήρχαν προβλήματα στον αλγόριθμο αναγνώρισης προσώπων λόγω ελλιπών δεδομένων – και, δυστυχώς, αποδείχθηκε σωστό. Το 2018, ένα αυτόματο όχημα της Uber χτύπησε θανάσιμα μια γυναίκα που διέσχιζε διασταύρωση στην Αριζόνα. Στο συνέδριο του ΙΣΝ, η Μίλνερ μίλησε για την απαραίτητη προσθήκη δεδομένων από κάθε είδους πιθανή μειονότητα, για την αποφυγή της μηχανικής αναπαραγωγής των ανθρώπινων στερεοτύπων.

Η δημιουργικότητα με την τεχνητή νοημοσύνη είναι ασταμάτητη

Η συναρπαστική συζήτηση με μια μηχανή-3Με εξαίρεση το ίδιο το σύστημα τεχνητής νοημοσύνης, που μοιράστηκε μερικές σκέψεις στο συνέδριο, ο νεότερος συμμετέχων στα πάνελ του συνεδρίου ήταν ο 26χρονος Χάρης Ιωάννου. Εφευρέτης από μικρό παιδί, ο Χάρης κέρδισε στα 17 του χρόνια το πρώτο βραβείο στον 24ο Πανευρωπαϊκό Διαγωνισμό Νέων Επιστημόνων με το ροµποτικό εξωσκελετικό γάντι που εφηύρε, το οποίο υποβοηθάει την κίνηση των άνω άκρων ανθρώπων µε κινητικά προβλήµατα. Ο Χάρης βρίσκεται πλέον ανάμεσα στο Σαν Φρανσίσκο, στη Νέα Υόρκη και την Ελλάδα, και εργάζεται στην εφαρμογή τεχνητής νοημοσύνης στην κυβερνοασφάλεια για την εταιρεία OpenRaven. Μοιράστηκε με την «Κ» μερικές σκέψεις του από την πολυετή ασχολία του με την τεχνητή νοημοσύνη.

– Πού βλέπεις να γίνονται τα μεγαλύτερα άλματα σήμερα στη μηχανική μάθηση και στην τεχνητή νοημοσύνη;
– Βρισκόμαστε σε ένα μεταβατικό στάδιο: από τις ανακαλύψεις προχωράμε γρήγορα στην εφαρμογή. Από εκεί που η μηχανική μάθηση για πολλά χρόνια προερχόταν από τους επιστήμονες ή τον ερευνητικό χώρο, πλέον έχουμε αλληλεπίδραση του αλγορίθμου με τους ίδιους τους χρήστες με ιδιαίτερα χρήσιμα και χρηστικά αποτελέσματα.

Από το 2012 βλέπαμε ήδη τις πρώτες εφαρμογές της τεχνητής νοημοσύνης: από τη μηχανή μετάφρασης της Google, μέχρι τα λογισμικά της Apple που μπορούν να διακρίνουν συγκεκριμένα πρόσωπα στη συλλογή φωτογραφιών. Σήμερα όμως η πολυπλοκότητα των εφαρμογών μάς εκπλήσσει. Βλέπουμε το πρόβλημα των αυτόματων αυτοκινήτων να έχει σχεδόν λυθεί – κάτι για το οποίο η συζήτηση ξεκίνησε μόλις πριν από λίγα χρόνια. Μερικά από τα πιο ενδιαφέροντα πράγματα τα παρατηρεί κανείς στον τομέα της υγείας, σε πεδία όπως στην ανάγνωση εικόνων και απεικονίσεων, όπου η συγκέντρωση πολλών δεδομένων επιτρέπει αναλύσεις υψηλού επιπέδου. Το πρόβλημα είναι πως δεν πρέπει να εξοικειωθούμε πολύ γρήγορα με την τεχνητή νοημοσύνη και να επαναπαυθούμε πλήρως. Βλέπεις πολλούς, λανθασμένα, να βασίζονται σε πολύ μεγάλο βαθμό στις μηχανές. Χρειάζεται ακόμα η ανθρώπινη συμμετοχή στη διαδικασία. Αλλά η χρησιμότητα των εφαρμογών της τεχνητής νοημοσύνης σήμερα είναι αδιαμφισβήτητη.

– Η Ελλάδα πού βρίσκεται στον χάρτη των τεχνολογικών εξελίξεων γύρω από την τεχνητή νοημοσύνη και την εφαρμογή της;
– Η Ελλάδα έχει μπροστά της μια μεγάλη ευκαιρία: την αποστασιοποίηση από τον φυσικό χώρο. Αυτή τη στιγμή βλέπουμε όλους τους αλγορίθμους μας να λειτουργούν στο «cloud», στο «υπολογιστικό νέφος», εκτός του φυσικού χώρου. Είναι εύκολο, για κάποιον λίγο επίμονο στην Ελλάδα, να μαζέψει δεδομένα. Αν προσθέσουμε το υψηλού επιπέδου ανθρώπινο δυναμικό –και το γνωρίζω γιατί από εκεί προέρχομαι άλλωστε– έχουμε ένα σημαντικό πλεονέκτημα. Υπάρχει επίσης ένα αναδυόμενο οικοσύστημα από startup εταιρείες, καθώς και διάφοροι ψηφιακοί νομάδες που εργάζονται πλέον από εδώ. Οι παράμετροι της εξίσωσης, λοιπόν, μαζεύονται σταδιακά. Η τεχνητή νοημοσύνη προσφέρει μια ευκαιρία να ψηφιοποιήσουμε τα πράγματα. Στην αρχή ίσως φαίνεται αργή διαδικασία, ο ρυθμός αλλάζει όμως γρήγορα και γίνεται εκθετικός. Μεγιστοποιείται γρήγορα ο αντίκτυπος.

– Ασχολείσαι από παιδί με τη μηχανική μάθηση, διαχρονικά. Πόσο γρήγορα εξελίσσεται ο τομέας και πώς ασχολείται κάποιος διά βίου με την τεχνητή νοημοσύνη;
– Το ενδιαφέρον μου με τις μηχανές ξεκίνησε από όταν ήμουν πολύ μικρός. Προέρχομαι από ένα τεχνικό υπόβαθρο, με τις σπουδές μου στο Πολυτεχνείο να είναι επίσης τεχνικής φύσεως. Είχα όμως την τύχη να ασχοληθώ, στα χρόνια των σπουδών μου, με την εφαρμογή της τεχνητής νοημοσύνης στην υγεία και να δω τη μετάβαση από το τεχνικό επίπεδο στην απτή εφαρμογή, στον ίδιο τον άνθρωπο. Ο τομέας έχει ήδη αλλάξει ριζικά ανά τα χρόνια. Η δημιουργικότητα με την τεχνητή νοημοσύνη είναι ασταμάτητη. Με οποιοδήποτε άλλο προϊόν μηχανικής απαιτούνται διάφορα υλικά – για ένα λογισμικό χρειάζεσαι έναν υπολογιστή, μια καλή ιδέα και μια καλή ομάδα.

– Ποιο παράδειγμα εφαρμογής της τεχνητής νοημοσύνης στην υγεία σε γεμίζει αισιοδοξία;
– Η Moderna είναι ένα εξαιρετικό παράδειγμα. Πρόκειται για μια startup εταιρεία που για τη δημιουργία του εμβολίου βασίστηκε σε μεγάλο βαθμό στην υπολογιστική ικανότητα των μηχανών. Η τεχνητή νοημοσύνη χρησιμοποιήθηκε για να βγει, σε χρόνο-ρεκόρ, ένα αποτελεσματικό εμβόλιο για αυτή την παγκόσμια πανδημία που μας ταλαιπωρεί όλους. Αυτό από μόνο του τα λέει όλα για τη δύναμη της τεχνητής νοημοσύνης σήμερα.

Λάβετε μέρος στη συζήτηση 0 Εγγραφείτε για να διαβάσετε τα σχόλια ή
βρείτε τη συνδρομή που σας ταιριάζει για να σχολιάσετε.
Για να σχολιάσετε, επιλέξτε τη συνδρομή που σας ταιριάζει. Παρακαλούμε σχολιάστε με σεβασμό προς την δημοσιογραφική ομάδα και την κοινότητα της «Κ».
Σχολιάζοντας συμφωνείτε με τους όρους χρήσης.
Εγγραφή Συνδρομή