Το μεγαλύτερο παιδί του Μανώλη Κέλλη είναι ο 11χρονος γιος του. Οπως και οι δύο μικρότερες αδερφές του, έτσι και εκείνος δεν βλέπει τηλεόραση, αλλά χρησιμοποιεί καθημερινά το ChatGPT – για να κάνει έρευνα, για περιλήψεις, για επανάληψη. «Αυτό είναι κάτι φυσιολογικό στην οικογένειά μας, Εχουμε Google Home και την Alexa εδώ και πολλά χρόνια, και τα παιδιά έχουν συνηθίσει να μιλούν στην τεχνητή νοημοσύνη. Είναι κομμάτι της καθημερινής μας εμπειρίας», λέει στην «Κ» ο κ. Κέλλης. Στο σπίτι, και οι δύο γονείς είναι απόφοιτοι του MIT.
Ο πολυβραβευμένος επιστήμονας κ. Κέλλης είναι καθηγητής της Επιστήμης των Υπολογιστών και της Τεχνητής Νοημοσύνης. Ταυτόχρονα, είναι επικεφαλής της ομάδας της Υπολογιστικής Βιολογίας στο Εργαστήριο Επιστήμης των Υπολογιστών και Τεχνητής Νοημοσύνης του MIT, από όπου αποφοίτησαν και τα δύο αδέρφια του.
Η τηλεόραση είναι ένα παθητικό μέσο, λέει ο κ. Μανώλης Κέλλης(φώτο αριστερά), και για αυτό δεν υπάρχει στο σπίτι τους. Τα παιδιά του δεν έχουν κινητά τηλέφωνα. Αλλά και τα τρία, το μικρότερο εκ των οποίων θα γίνει 7 ετών τον Φεβρουάριο, αλληλεπιδρούν με εφαρμογές της τεχνητής νοημοσύνης.
«Γιατί ρωτούν, αλληλεπιδρούν, είναι ένας ενεργός ρόλος», δηλώνει, τονίζοντας ότι τόσο ο ίδιος όσο και η σύζυγός του κάνουν ό,τι μπορούν για να ενσταλάξουν στα παιδιά τους τη δίψα για μάθηση.
«Η μεγαλύτερη αλλαγή στην ανθρώπινη φύση»
Ο κ. Κέλλης, ο οποίος θα είναι ένας από τους ομιλητές στο πρώτο MIT Technology Review «EmTech Europe» που λαμβάνει χώρα στην Αθήνα την επόμενη εβδομάδα, θεωρεί ότι η τεχνητή νοημοσύνη θα επιφέρει τη μεγαλύτερη αλλαγή στην ανθρώπινη φύση στην ιστορία της ανθρωπότητας μέχρι τώρα.
Παρότι αναφέρει ότι είμαστε ακόμα στην αρχή,οι συγκεκριμένες τεχνολογίες όπως λέει «θα αλλάξουν την ιατρική, τη χημεία, τη βιολογία, κάθε πλευρά της ανθρώπινης υγείας». Τονίζει ακόμα ότι συστήματα μηχανικής μάθησης μπορούν ήδη να κάνουν πράγματα που οι άνθρωποι προσπαθούσαν να καταφέρουν εδώ και δεκαετίες.
Οι άνθρωποι προσπαθούσαν για χρόνια να καταφέρουν την τριτοταγή δομή των πρωτεϊνών. Τώρα βλέπουμε ότι συστήματα μηχανικής μάθησης μπορούν να το κάνουν καλύτερα από οποιονδήποτε άνθρωπο στο παρελθόν
«Οι άνθρωποι προσπαθούσαν για χρόνια να καταλάβουν την προγραμματιστική γλώσσα του DNA. Οι μηχανές μπορούν τώρα να το κάνουν καλύτερα από ποτέ. Οι άνθρωποι προσπαθούν να καταλάβουν τη γλώσσα της χημείας εδώ και δεκαετίες. Ξανά, οι μηχανές μπορούν να προβλέψουν τη λειτουργία μιας χημικής ουσίας καλύτερα από ποτέ. Οι άνθρωποι προσπαθούσαν για χρόνια να καταφέρουν την τριτοταγή δομή των πρωτεϊνών. Τώρα βλέπουμε ότι συστήματα μηχανικής μάθησης μπορούν να το κάνουν καλύτερα από οποιονδήποτε άνθρωπο στο παρελθόν», λέει στην «Κ».
Περιγράφει την καινοτομία που επιφέρει η εξέλιξη της τεχνητής νοημοσύνης όχι με φόβο ή δισταγμό για ένα μέλλον αβέβαιο, αλλά με άκρατο ενθουσιασμό. Για τον κ. Κέλλη, ο οποίος έχει πολλές φορές υπάρξει καλεσμένος στο δημοφιλές podcast του επιστήμονα πληροφορικής, Λεξ Φρίντμαν, κάποιες από τις απειλές που καταλογίζονται στην περαιτέρω εξέλιξη της τεχνητής νοημοσύνης είναι γελοίες. «Δεν θα προσπαθήσουν οι μηχανές να καταλάβουν την ανθρωπότητα», αναφέρει καθώς «δεν έχουν τις ίδιες ανάγκες που έχουμε εμείς».
«Η τεχνητή νοημοσύνη δεν έχει ορμές»
Οι άνθρωποι, τονίζει, εξελίχθηκαν αρχικά γιατί οι αισθήσεις μας αναπτύχθηκαν περαιτέρω για να μπορούμε να βρίσκουμε πιο εύκολα φαγητό και συντρόφους. «Ο μόνος λόγος που οι γνωστικές λειτουργίες μας εξελίχθηκαν είναι γιατί ήταν ευεργετικές για την αναπαραγωγή και για την επιβίωσή μας, για να ελέγχουμε καλύτερα τις ορμές μας», δηλώνει.
Η τεχνητή νοημοσύνη δεν έχει ορμές, δεν εξελίχθηκε για λόγους αναπαραγωγής ή ανταγωνισμού, τονίζει, αλλά για να λύνει προβλήματα. «Είναι ένα εργαλείο, ένας βοηθός, δεν είναι ανταγωνιστής. Τείνουμε να ανθρωπομορφοποιούμε την τεχνητή νοημοσύνη, να προβάλλουμε τις ανθρώπινες ιδιότητες, καλές ή κακές, σε εκείνη, πιστεύοντας ότι σκέφτεται, ότι νιώθει, ότι έχει επιθυμίες, ενώ δεν κάνει τίποτα από αυτά», σημειώνει ο κ. Κέλλης. Η τεχνητή νοημοσύνη, συμπληρώνει, είναι εκπληκτική στη δημιουργία αντιλήψεων για τον κόσμο, τις οποίες μετά μπορούμε να χρησιμοποιήσουμε για τις δικές μας ανάγκες και επιθυμίες. Αν κάτι πρέπει να φοβόμαστε, αναφέρει, αυτό έχει να κάνει με τους ανθρώπους, και το πώς θα χρησιμοποιήσουν τις αμέτρητες δυνατότητες που προσφέρει η τεχνητή νοημοσύνη.
Οσον αφορά στο αν πολλοί άνθρωποι θα χάσουν τις δουλειές τους εξαιτίας της τεχνολογικής εξέλιξης της AI, ο κ. Κέλλης απαντά με ποικίλους τρόπους. Πρώτον, θα πρέπει όλοι να κάνουμε μια επιλογή, δηλώνει. Αν κάποιος, ο οποίος πιθανόν έχει καρκίνο, επισκεφθεί έναν γιατρό, θα προτιμήσει η διάγνωσή του να είναι όσο γίνεται πιο ακριβής, ή να μην έχει χάσει ο γιατρός Χ τη δουλειά του; «Είναι πολύ αληθινός κίνδυνος», αναφέρει. Αλλά, τονίζει, αρχικά μπορούμε να δημιουργήσουμε εργαλεία τεχνητής νοημοσύνης που θα βοηθήσουν τον γιατρό Χ να γίνει καλύτερος στη δουλειά του.
Αν καταφέρουμε όλοι οι μαθητές να αποκτήσουν έναν βοηθό τεχνητής νοημοσύνης, που θα τους βοηθήσει να φτάσουν το 100% των δυνατοτήτων τους, ο κόσμος θα γίνει ένα καλύτερο μέρος
Κατά δεύτερον, σχετικά με άλλους κλάδους, μπορούμε να αρχίσουμε να σκεφτόμαστε τι θα γίνει με ανθρώπους των οποίων τις κοινότυπες εργασίες θα μπορούν να κάνουν πλέον 1-2 άτομα, με τη βοήθεια της τεχνητής νοημοσύνης. «Στον σημερινό κόσμο, χρειαζόμαστε χίλιες φορές περισσότερους επιστήμονες από όσους έχουμε τώρα. Αντιμετωπίζουμε την κλιματική κρίση, την ενεργειακή κρίση, χρειαζόμαστε καλύτερους επιστήμονες σε κάθε κλάδο, από τη φυσική, τη μηχανική, και τα μαθηματικά, μέχρι τη χημεία και την ιατρική», δηλώνει. Αν καταφέρουμε όλοι οι μαθητές να αποκτήσουν έναν βοηθό τεχνητής νοημοσύνης, που θα τους βοηθήσει να φτάσουν το 100% των δυνατοτήτων τους, ο κόσμος θα γίνει ένα καλύτερο μέρος, εξηγεί.
«Χρειαζόμαστε περισσότερες δουλειές»
Ταυτόχρονα, τονίζει, χρειαζόμαστε περισσότερες δουλειές, και περισσότερους ανθρώπους, καθώς έχουμε δημιουργήσει μια τεράστια οικονομία, και οι άνθρωποι προσπαθούν σκληρά να καλύψουν τις ανάγκες της. «Η τεχνητή νοημοσύνη μπορεί να επαναφέρει την ισορροπία», σημειώνει ο κ. Κέλλης, συμπληρώνοντας ότι πρέπει να γίνει κομμάτι όχι μόνο της εκπαίδευσης των τωρινών μαθητών, αλλά να εκπαιδευθούν πάνω στη χρήση των εργαλείων της και ενήλικες, από όλους τους εργασιακούς τομείς.
Οσον αφορά στο εργαστηριακό κομμάτι της δικής του εργασίας, ο κ. Κέλλης λέει στην «Κ» πως προσπαθούν να καταλάβουν τη μοριακή βάση των ανθρώπινων ασθενειών: «Τι προκαλεί μια ασθένεια, και πώς μπορούμε να το ανατρέψουμε». Επιχειρούν να καταλάβουν όχι απλά τη συσχέτιση ορισμένων ασθενειών με τον τρόπο ζωής και τον γενετικό κώδικα ενός ασθενούς, αλλά την αιτιότητα. «Δεν λέμε ας πούμε, “όταν τρως πολύ, είσαι παχύσαρκος, ή όταν είσαι παχύσαρκος, τρως πολύ” αλλά “προκαλούν τα γονίδιά σου την παχυσαρκία και μετά τρως πολύ για να συντηρήσεις αυτή τη μάζα σώματος, ή ισχύει το αντίθετο;”», αναφέρει.
Προσπαθούν να καταλάβουν τον γενετικό μηχανισμό πίσω από ασθένειες όπως, παραδείγματος χάριν, το Αλτσχάιμερ ή ο καρκίνος, και να αντιληφθούν ποια γονίδια έχουν σχέση αιτιότητας μαζί τους. Ταυτόχρονα επιχειρούν να αντιληφθούν ποιες πρωτεΐνες θα πρέπει να στοχοποιήσουν για να αλλάξουν την ασθένεια. Στη συνέχεια, προσπαθούν να μεταφράσουν την ενδελεχή παρατήρηση μιας ασθένειας, σε φάρμακα.
Υπάρχει πράγματι γενετική συσχέτιση, η οποία προκαλεί τα λιποκύτταρα ενός ατόμου να διαφοροποιηθούν σε «μηχανές» ενεργειακής αποθήκευσης, έναντι «μηχανών» καύσης θερμίδων
Ας πάρουμε και πάλι το παράδειγμα της παχυσαρκίας. Φυσικά, η υπερκατανάλωση φαγητού είναι ένας παράγοντας, όπως και η έλλειψη άσκησης, λέει ο κ. Κέλλης. «Αλλά υπάρχουν και γενετικοί παράγοντες;», ρωτάει. Υπάρχει πράγματι γενετική συσχέτιση, όπως δηλώνει, η οποία προκαλεί τα λιποκύτταρα ενός ατόμου να διαφοροποιηθούν σε «μηχανές» ενεργειακής αποθήκευσης, έναντι «μηχανών» καύσης θερμίδων. «Οταν τα λιποκύτταρα διαφοροποιούνται, μπορούν να επιλέξουν να προγραμματίσουν τον εαυτό τους είτε για να καίνε θερμίδες για παραγωγή ενέργειας, ή για να τις αποθηκεύουν ως λιπίδια», εξηγεί. Αλλά αυτό που έδειξαν στο εργαστήριο, τονίζει, είναι ότι μπορεί γενετικά ένας άνθρωπος να τρώει το ίδιο με έναν άλλον, να ασκούνται το ίδιο, και όμως ο ένας να καίει τις θερμίδες, και ο άλλος να τις αποθηκεύει. «Αυτό μας βοήθησε να αναπτύξουμε φάρμακα που μας επιτρέπουν να επαναπρογραμματίσουμε τα λιποκύτταρα, και έτσι να ενεργοποιήσουμε την καύση των θερμίδων», δηλώνει ο κ. Κέλλης.
Οι άνθρωποι, τονίζει, βλέπουμε με τα μάτια μας, αντιλαμβανόμαστε με το μυαλό μας, παρατηρούμε τη φυσική που υπάρχει στο δικό μας επίπεδο. Αλλά οι μηχανές δεν περιορίζονται σε αυτό. Η γενετική τεχνητή νοημοσύνη δρα μετασχηματιστικά στη βιολογία γιατί μπορεί να καταλάβει τη γλώσσα του DNA, όλα τα μοτίβα συμπεριφοράς 20.000 γονιδίων που εκφράζονται σε 20 εκατομμύρια κύτταρα, σε εκατοντάδες ιστούς και τύπους στο ανθρώπινο σώμα. «Οι μηχανές μπορούν να πουν “ορίστε κάποιες απαντήσεις που σχετίζονται με φλεγμονές, άλλες με τη μεταφορά λιπιδίων, άλλες με τη μείωση της διαγωνιστικής λειτουργίας”», εξηγεί. «Μπορούμε», λέει στην «Κ» ο κ. Κέλλης, «να λάβουμε τόσες παραπάνω πληροφορίες πλέον από τον ίδιο όγκο δεδομένων».
Εξασφαλίστε εδώ το εισιτήριό σας για το 1ο MIT Technology Review «EmTech Europe» στην Ελλάδα.