Πέμπτη 16 Μαΐου 2019

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ: ΤΡΙΑ ΨΕΜΑΤΑ ΚΑΙ ΜΙΑ ΑΛΗΘΕΙΑ!

ΣΤΕΛΙΟΣ ΧΡΙΣΤΑΚΟΣ*

Κάθε φορά που εξελισσόταν μια βιομηχανική επανάσταση (σήμερα βιώνουμε την 4η Βιομηχανική Επανάσταση), οι άνθρωποι ανησυχούσαν για τις θέσεις εργασίας και την πιθανή ανεργία στο μέλλον, κάτι που είναι απολύτως φυσιολογικό. Associated Press

Ψέμα #1: Οι υπολογιστές είναι τόσο έξυπνοι που θα ελέγχουν τους ανθρώπους και θα κατακτήσουν τον πλανήτη. Αυτό το ψέμα αναφέρεται στη γενική τεχνητή νοημοσύνη, που αφορά υπολογιστές που σκέφτονται σαν άνθρωποι και αποκτούν κάποιου είδους «συνείδηση» ή «αυτογνωσία», που τους επιτρέπει να αναλαμβάνουν πρωτοβουλίες και να λειτουργούν αυτόνομα.
΄Οσο και αν αποτελεί ένα καυτό θέμα στην επιστήμη και στην έρευνα, απέχουμε δεκαετίες από κάποιου τέτοιου είδους μηχανή. Αυτό που μας παρασύρει να νομίζουμε ότι είμαστε κοντά σε μια τόσο έξυπνη μηχανή, είναι κάτι που ήδη υλοποιείται με επιτυχία και αφορά τη λειτουργικότητα των μηχανών σε θέματα περιορισμένης τεχνητής νοημοσύνης.
Παραδείγματα με καλά αποτελέσματα είναι η αναγνώριση εικόνων, η αναγνώριση φωνής και μετάφραση, που στην ουσία απαιτούν αναγνώριση μοτίβων. Βλέπουμε για παράδειγμα μια μηχανή να κερδίζει τον παγκόσμιο πρωταθλητή στο σκάκι, ή να κερδίζει το δημοφιλές (και δύσκολο) Jeopardy ή ακόμα και στο παιχνίδι Go και νομίζουμε ότι αυτή είναι μια πολύ έξυπνη μηχανή που μπορεί να σκέφτεται σαν τον άνθρωπο. Σωστό μεν, αλλά μόνο για το πολύ περιορισμένο πεδίο που αφορά το συγκεκριμένο παιχνίδι με τους κανόνες και περιορισμούς του! Αξίζει να αναφερθεί ότι μέχρι την πρώτη νίκη της μηχανής, το Go ήταν ένας από τους πιο δύσκολους αντιπάλους της τεχνητής νοημοσύνης λόγω της μεγάλης πολυπλοκότητάς του και του τεράστιου αριθμού πιθανών κινήσεων.
Το Go είναι ένα στρατηγικό επιτραπέζιο παιχνίδι που παίζεται κυρίως στην Ανατολική Ασία –Κίνα, Ιαπωνία, Κορέα κ.λπ.– και θεωρείται ότι ξεπερνά σε βάθος άλλα παιχνίδια σαν το σκάκι. Μια μηχανή τεχνητής νοημοσύνης που κερδίζει στο Go (που υπάρχει), δεν σημαίνει ότι έχει την ευφυΐα να κερδίσει και στο σκάκι ή στην ντάμα, γιατί χρειάζεται άλλους είδους κανόνες και «εκπαίδευση». Είναι γεγονός ότι η μηχανή μαθαίνει μόνη της και αυτός είναι ο λόγος που ο χρόνος εκμάθησης είναι πολύ μικρός και η «αντίληψή» της εξελίσσεται πολύ γρήγορα. Η μηχανή μπορεί να κάνει εκατομμύρια προσομοιώσεις, παίζοντας με αντίπαλο τον εαυτό της μέσα σε μερικές ώρες και αυτό αποτελεί και το μεγαλύτερο πλεονέκτημά της. Δεν παύει όμως, αυτή η νοημοσύνη να περιορίζεται στο συγκεκριμένο πεδίο εκμάθησης.

Ψέμα #2: Η τεχνητή νοημοσύνη υλοποιείται πολύ εύκολα, όταν υπάρχουν αρκετά δεδομένα. Πολλοί άνθρωποι ισχυρίζονται –λανθασμένα– ότι μια μηχανή τεχνητής νοημοσύνης μπορεί να καταλήξει σε μια σωστή λύση χρησιμοποιώντας ισχυρούς αλγόριθμους μηχανικής μάθησης, αρκεί να την τροφοδοτήσουμε με πολλά δεδομένα. Αυτό απέχει πολύ από την αλήθεια, η οποία είναι ότι η ποιότητα των δεδομένων είναι πολλαπλάσια πιο σημαντική από την ποσότητα των δεδομένων. Κάθε αλγόριθμος είναι σαν μια αυτόνομη εφαρμογή υπολογιστή και για να λειτουργήσει σωστά απαιτούνται σωστά δεδομένα.
Aξίζει να σημειωθεί ότι ένα μεγάλο μέρος της έρευνας στην τεχνητή νοημοσύνη στρέφεται σε λύσεις και μοντέλα που μπορούν να αιτιολογήσουν την απόφασή τους και να καταδείξουν πώς κατέληξαν σε αυτήν. Επειδή ο τρόπος λήψης αποφάσεων δεν σχετίζεται καθόλου με τον ανθρώπινο τρόπο σκέψης, αν δεν ξέρουμε πώς σκέφτονται και πώς καταλήγουν σε κάποιο συμπέρασμα, αυτό αποτελεί τεράστιο πρόβλημα για τις μελλοντικές αποφάσεις.

Ψέμα #3: Οι μηχανές τεχνητής νοημοσύνης θα μας πάρουν τις δουλειές. Κάθε φορά που εξελισσόταν μια βιομηχανική επανάσταση (σήμερα βιώνουμε την 4η Βιομηχανική Επανάσταση), οι άνθρωποι ανησυχούσαν για τις θέσεις εργασίας και την πιθανή ανεργία στο μέλλον, κάτι που είναι απολύτως φυσιολογικό. Τώρα, η αυτοματοποίηση εργασιών οδηγεί σε αντίστοιχους προβληματισμούς, ιδιαίτερα για τις εργασίες που αυτοματοποιούνται εύκολα και είναι θέσεις χαμηλής ειδίκευσης. Τα τελευταία 200 χρόνια πολλές από τις τεχνολογικές εξελίξεις στόχευαν στην αυτοματοποίηση και αντικατάσταση του εργατικού δυναμικού (π.χ. τρακτέρ, γραμμές παραγωγής, υπολογιστές κ.λπ.). Παρ’ όλα αυτά, το ποσοστό του ενήλικου πληθυσμού που συμμετέχει στην αγορά εργασίας αυξάνεται σταθερά, κάθε δεκαετία.
Δύο παραδείγματα από το παρελθόν καταδεικνύουν πόσο ανεπιτυχείς είναι οι προβλέψεις για την ανεργία από την εξέλιξη της τεχνολογίας. Το πρώτο αφορά την αγροτική παραγωγή. Το 1900 το 40% των θέσεων εργασίας στις ΗΠΑ ήταν στην αγροτική παραγωγή. Σήμερα, το ποσοστό αυτό είναι 2% και αυτό το μικρό ποσοστό τρέφει 320 εκατομμύρια ανθρώπους. Πού πήγαν όλοι αυτοί οι αγρότες; Σε άλλες εργασίες, που δημιούργησαν οι τεχνολογικές εξελίξεις.
Το δεύτερο παράδειγμα αφορά τις θέσεις εργασίας σε βιβλιοθήκες. Το 1992 υπήρχαν στις ΗΠΑ 8.946 βιβλιοθήκες που απασχολούσαν 110.000 εργαζομένους, από τους οποίους 36.000 βιβλιοθηκονόμους. Μετά ιδρύθηκαν η Amazon (1994), η Google (1998) και το 2017 παρουσιάστηκε το Kindle. Το 2012 υπήρχαν 9.082 βιβλιοθήκες, με 137.000 εργαζομένους και 47.000 βιβλιοθηκονόμους.
Και η μία αλήθεια για την τεχνητή νοημοσύνη: Μας απαλλάσσει από τις εργασίες ρουτίνας και τις επικίνδυνες δραστηριότητες, βελτιώνοντας την καθημερινότητα της ζωής μας και την αποτελεσματικότητα της εργασίας μας. Πολύ πρόσφατα χαρακτηριστικά παραδείγματα είναι το ρομπότ «Κολοσσός» πυροσβέστης στη Νοτρ Νταμ, η βοήθεια της τεχνητής νοημοσύνης στη διάσωση σπάνιων ειδών, τα ιατρικά επιτεύγματα από μηχανές τεχνητής νοημοσύνης, οι εφαρμογές μετάφρασης σε κάθε γλώσσα και μία σειρά άλλα μικρά ή μεγάλα επιτεύγματα.
Αυτό που είναι εντυπωσιακό, είναι το εκθετικό αποτέλεσμα που προκύπτει από τη συνεργασία ανθρώπου-μηχανών τεχνητής νοημοσύνης. Είναι εύλογο αποτέλεσμα της χρήσης της τεχνολογίας, υπολογιστών, έξυπνων κινητών και Internet που μας υποβοηθά τις τελευταίες δεκαετίες να ζούμε καλύτερα, με μεγαλύτερη ασφάλεια και να είμαστε πιο αποτελεσματικοί στην εργασία μας. Αυτό μας οδηγεί στη συλλογική νοημοσύνη ομάδων ανθρώπων και ανθρώπων-μηχανών.
Είναι δεδομένο ότι οι άνθρωποι πρέπει να αποκτούν ολοένα και περισσότερες ψηφιακές δεξιότητες, κάτι απολύτως απαραίτητο σε ένα κόσμο που γίνεται όλο και πιο ψηφιακός. Ας ενισχύσουμε λοιπόν τις δεξιότητές μας με βάση την πραγματικότητα που ζούμε και ας δούμε το μέλλον ούτε ουτοπικά, ούτε δυστοπικά, αλλά ρεαλιστικά και λαμβάνοντας πάντα υπόψη το λεγόμενο «παράδοξο του Πολάνυι», που αναφέρει ότι «γνωρίζουμε περισσότερα από αυτά που μπορούμε να εξηγήσουμε»!

* Ο κ. Στέλιος Χριστάκος είναι σύμβουλος επιχειρήσεων και μέλος του Δ.Σ. του Συνδέσμου Επιχειρήσεων Πληροφορικής & Επικοινωνιών Ελλάδος (ΣΕΠΕ).

Πηγή: http://www.kathimerini.gr