Η ΟΧΙ ΚΑΙ ΤΟΣΟ ΑΒΟΛΗ ΣΤΙΓΜΗ ΠΟΥ Η ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΠΗΡΕ ΤΑ ΠΡΩΤΑ ΤΗΣ ΒΡΑΒΕΙΑ ΝΟΜΠΕΛ

Επιστήμονες που άνοιξαν τον δρόμο για την ανάπτυξη της τεχνητής νοημοσύνης και άλλοι που την αξιοποίησαν με πρωτοποριακό τρόπο τιμούνται με τα βραβεία Νόμπελ Φυσικής και Χημείας για το 2024.

Τα βραβεία Νόμπελ απονέμονται ετησίως από το 1901 σε πέντε τομείς: Φυσική, Χημεία, Ιατρική, Λογοτεχνία, Ειρήνη. Φέτος, για πρώτη φορά στην ιστορία τους, δύο από αυτά απονεμήθηκαν στην τεχνητή νοημοσύνη. Για την ακρίβεια, σε μοντέλα μηχανικής μάθησης που αναγνωρίστηκαν για τη μεταμορφωτική τους επίδραση σε πολλούς κλάδους.

Προφανώς και αναμένεται συνέχεια, μετά την πρώτη ιστορική αυτή βράβευση.

Το Νόμπελ Φυσικής 2024 απονεμήθηκε στους Τζον Χόπφιλντ και Τζέφρι Χίντον, για ανακαλύψεις που βοήθησαν στην εξέλιξη του machine learning, μέσω εργαλείων από τη φυσική.

Σχεδίασαν τεχνητά νευρωνικά δίκτυα που λειτουργούν ως συνειρμικές μνήμες και βρίσκουν μοτίβα σε μεγάλα σύνολα δεδομένων. Η δουλειά τους προωθεί τη μηχανική μάθηση, ιδιαίτερα στη δημιουργία μοντέλων νευρωνικών δικτύων που μιμούνται εγκεφαλικές λειτουργίες, όπως η μάθηση και η μνήμη.

Τα νευρωνικά δίκτυα που δημιουργούνται μέσω της έρευνάς τους αποτελούν τον πυρήνα πολλών εφαρμογών της τεχνητής νοημοσύνης που χρησιμοποιούνται σήμερα – στην αναγνώριση εικόνας, την υγειονομική περίθαλψη και την επεξεργασία της φυσικής γλώσσας.

Το Νόμπελ Χημείας κατέληξε εξ ημισείας στα χέρια του Ντέιβιντ Μπέικερ, και των Ντέμη Χασάμπης (κυπριακής καταγωγής) και Τζον Μ. Τζάμπερ. O πρώτος έκανε τον υπολογιστικό σχεδιασμό των πρωτεϊνών.

Ο Ντέιβιντ Μπέικερ, στο University of Washington. © 2024 Lindsey Wasson/AP Photo

Οι δυο τελευταίοι, οι οποίοι διευθύνουν το Deepmind της Google (βρετανοαμερικανικό ερευνητικό εργαστήριο Artificial Intelligence) χρησιμοποίησαν την τεχνητή νοημοσύνη για την πρόβλεψη των πολύπλοκων δομών των πρωτεϊνών. Όλοι μαζί έλυσαν ένα πρόβλημα της βιολογίας που παρέμενε άλυτο για μισό αιώνα.

Η ανακάλυψή τους βοηθά τους απανταχού ερευνητές να ανακαλύψουν νέα φάρμακα, όπως και στην προώθηση της βιοτεχνολογίας. Προσφέρουν μια καλύτερη κατανόηση της ανθεκτικότητας στα αντιβιοτικά (τη νέα μάστιγα του πλανήτη) και τη δημιουργία εικόνων ενζύμων που είναι ικανά να διασπάσουν το πλαστικό (άλλο ένα τεράστιο πρόβλημα της σύγχρονης κοινωνίας).

Οι Ντέμης Χασάμπης και Τζον Μ. Τζάμπερ, στα γραφεία της DeepMind, στο Λονδίνο. © 2024 Alastair Grant/AP Photo

Οι δυο όψεις της τεχνητής νοημοσύνης

Κάπως έτσι ήρθε η ώρα να θέσουμε εκ νέου το ερώτημα αν η τεχνητή νοημοσύνη είναι φίλη μας ή εχθρός μας, και ποιο μπορεί να είναι το διακριτό όριο μεταξύ αυτών των δυο «ιδιοτήτων».

Προφανώς για να καταλήξουμε αν όλα αυτά που συμβαίνουν είναι καλά ή αν θα γυρίσουν μπούμερανγκ, θα χρειαστεί να εξηγήσουμε τι είναι μηχανική μάθηση. Το machine learning (μηχανική μάθηση) είναι υποπεδίο στην πληροφορική που μελετά και κατασκευάζει αλγόριθμους, οι οποίοι μαθαίνουν από τα δεδομένα και κάνουν σχετικές προβλέψεις. Δηλαδή, δίνουμε πληροφορίες στη μηχανή, τις επεξεργάζεται και τις αναλύει σε ταχύτητες που άνθρωποι θα χρειάζονταν δεκαετίες.

Ο εμπνευστής του όρου, Arthur Samuel, είχε γράψει το 1959 πως «η μηχανική μάθηση χρησιμοποιεί εξελιγμένους αλγόριθμους ανάλυσης δεδομένων που δίνουν στους υπολογιστές την ικανότητα να μαθαίνουν, χωρίς να έχουν προγραμματιστεί αναλυτικά».

Ο ίδιος ήταν δημιουργός ενός εκ των πρώτων προγραμμάτων μηχανικής μάθησης: δημιούργησε ένα πρόγραμμα που έπαιζε ντάμα μόνο του, χωρίς φυσικό παίκτη, και βελτιωνόταν με τον καιρό.

Το machine learning δεν πρέπει να συγχέεται με την υπολογιστική στατιστική (κλάδος που επικεντρώνεται στην πρόβλεψη μέσω της χρήσης υπολογιστών), καθώς εφαρμόζεται σε σειρά υπολογιστικών εργασιών, αρχής γενομένης από τον σχεδιασμό. Επίσης, δεν υπάρχει ρητός προγραμματισμός αλγόριθμων.

Ο άνθρωπος που ήταν μισό αιώνα μπροστά από την εποχή του (κι ας μην πήρε ποτέ Νόμπελ)

Η διερεύνηση της «νοημοσύνης των μηχανών», ωστόσο, άρχισε από τον Alan Turing. Είναι ο άνθρωπος που –μεταξύ πολλών άλλων– ανέπτυξε μηχανή ικανή να αποκωδικοποιεί τα στρατιωτικά και ναυτικά σήματα των Ναζί. Αυτή η ιστορία έγινε ταινία με τίτλο «The Imitation Game», που προβλήθηκε το 2014 και προτάθηκε για οκτώ Όσκαρ (πήρε το Best Adapted Screenplay).

O Alan Turing (1912-1954), το 1936. © Alamy/Visualhellas.gr

Το 1950, ο Alan Turing δημοσίευσε εργασία του με τίτλο «Computing Machinery and Intelligence» (Υπολογιστικές μηχανές και Νοημοσύνη), που άλλαξε άρδην την επιστήμη των υπολογιστών και την τεχνητή νοημοσύνη. Πρότεινε να ασχοληθεί η ανθρωπότητα με την ερώτηση «μπορούν να σκεφτούν οι μηχανές;» και να προσδιορίσει την έννοια των όρων «μηχανή» και «σκέψη», εξηγώντας πως είναι επικίνδυνο ο ορισμός να αντικατοπτρίζει στο έπακρο την κανονική χρήση των λέξεων.

«Αντ’ αυτού, θα αντικαταστήσω την ερώτηση με μια άλλη, που σχετίζεται στενά και εκφράζεται με σχετικά σαφείς λέξεις», είχε πει. Ήταν το αν μπορεί ένας υπολογιστής να μιλήσει σαν άνθρωπος και, τελικά, αν οι μηχανές μπορούν να κάνουν ό,τι ο άνθρωπος, ως σκεπτόμενη οντότητα.

Για τη δοκιμή της θεωρίας του δημιούργησε το Imitation Game (Παιχνίδι Μίμησης) που πέρασε στην ιστορία ως Turing Test. Εξέτασε τη δυνατότητα των μηχανών να μαθαίνουν από την εμπειρία, βασική ιδέα στη μηχανική μάθηση, που οδήγησε στην ιδέα της μέτρησης της τεχνητής νοημοσύνης.

Χειρόγραφο του Alan Turing, που πουλήθηκε σε δημοπρασία. © 2015 Kin Cheung/AP Photo

Τι είναι το Turing Game

Ένας ανακριτής (C) κάνει ερωτήσεις μέσω γραπτών μηνυμάτων σε δ;yο ανθρώπους (Α και Β) για τους οποίους δεν έχει την παραμικρή ιδέα. Στόχος είναι να προσδιορίσει ποιος είναι ο άντρας και ποια η γυναίκα (Χ και Υ). Ο στόχος του άντρα είναι να εξαπατήσει τον ανακριτή και της γυναίκας να τον βοηθήσει.

Το ερώτημα που τίθεται είναι: αν αντικατασταθούν οι άνθρωποι από μια «έξυπνη μηχανή» (που χρησιμοποιεί σύστημα τεχνητής νοημοσύνης), μπορεί αυτή να ξεγελάσει τον ανακριτή πως είναι άντρας ή γυναίκα;

Σήμερα ξέρουμε πως μπορεί. Στο δεκαετία του 1950, λίγοι. Ο Turing είχε προβλέψει ότι έως το 2000 θα υπάρχει προγραμματισμός υπολογιστών που θα παίζουν το Turing Game τόσο καλά, που ο μέσος ανακριτής δεν θα έχει πάνω από 70% πιθανότητες να κάνει σωστή αναγνώριση στο πεντάλεπτο της ανάκρισης.

Δεν είχε προβλέψει πως το «παιδί» του θα πάρει Νόμπελ, και μάλιστα δύο. Γεγονός που υπογραμμίζει την ολοένα αυξανόμενη σημασία της τεχνητής νοημοσύνης στην επιστημονική ανακάλυψη.

Όπως βέβαια συμβαίνει με κάθε ανακάλυψη, η χρήση ενός εργαλείου που μπορεί να μας βοηθήσει σε όλα τα επίπεδα μπορεί να μας καταστρέψει όταν χρησιμοποιηθεί με λάθος τρόπο. Ένα χαρακτηριστικό παράδειγμα είναι οι επιθέσεις που γίνονται παντού στον πλανήτη με μη επανδρωμένα αεροσκάφη που ελέγχουν χειριστές από την άλλη άκρη του κόσμου. Αυτό, ωστόσο, δεν αναιρεί τη δυνατότητα που υπάρχει πια να οδηγηθούμε σε εξελίξεις που θα κάνουν μια δυσάρεστη ανάμνηση πολλά από όσα ταλαιπωρούν σήμερα την ανθρωπότητα.

Καταλήγουμε έτσι στο ότι αυτό που χρειάζεται πρωτίστως είναι η κατανόηση του φαινομένου, ώστε να απομακρυνθούμε από αχρείαστες κινδυνολογίες και θεωρίες συνωμοσίας, δεδομένου ότι όποιος έχει smartphone έχει διαθέσει όλα τα στοιχεία που τον αφορούν προς πάσα χρήση. Εκτός και αν δεν περνάτε τη μισή σας μέρα στο διαδίκτυο.