ΓΙΑΤΙ Η ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΔΕΝ ΜΠΟΡΕΙ ΝΑ ΛΥΣΕΙ ΓΡΙΦΟΥΣ ΚΑΙ ΑΙΝΙΓΜΑΤΑ;

Πολύς λόγος έχει γίνει για την τεχνητή νοημοσύνη και μέχρι ποιο σημείο μπορεί να αντικαταστήσει τον άνθρωπο. Επιστήμονες αξιοποιούν γρίφους, αινίγματα και παζλ για να δοκιμάσουν αυτά τα όρια.

Η τεχνητή νοημοσύνη βρίσκεται συνεχώς στην επικαιρότητα. Όχι μόνο για κάθε νέα τεχνολογική εξέλιξη, αλλά και για την «αναμέτρησή» της με την ανθρώπινη νοημοσύνη. Ο Filip Ilievski, αναπληρωτής καθηγητής του Vrije Universiteit στο Άμστερνταμ, θέλησε να πειραματιστεί ακριβώς με αυτή την «αναμέτρηση» εφαρμόζοντας κάτι που έμοιαζε περισσότερο με παιχνίδι παρά με επιστημονικό πείραμα. Χρησιμοποιώντας τα πιο εξελιγμένα εργαλεία ΑΙ, ο Ilievski προσπαθεί να ερευνήσει αν η τεχνητή νοημοσύνη μπορεί να λύσει γρίφους και αινίγματα.

«Το κλειδί για να βελτιώσουμε την τεχνολογία πίσω από την τεχνητή νοημοσύνη είναι να βελτιώσουμε την ικανότητά της να λύνει γρίφους και προβλήματα λογικής», αναφέρει ο Ilienski. Έχοντας ονομάσει το πεδίο που μελετά «AI κοινής λογικής», εξηγεί στο BBC ότι μολονότι για εμάς τους ανθρώπους είναι πολύ απλό να επιδεικνύουμε κοινή λογική, να την εφαρμόζουμε τη σωστή στιγμή και να την αξιοποιούμε σε νέα προβλήματα, δεν συμβαίνει το ίδιο με το AI. «Το AI έχει έλλειψη σε δεδομένα από τον πραγματικό κόσμο, που το κάνουν να υστερεί στην επίλυση απλών, βασικών προβλημάτων κοινής λογικής», αναφέρει.

Τι μας ενδιαφέρουν όλα αυτά; Οι ειδικοί υποστηρίζουν ότι με το να μελετάμε την τεχνητή νοημοσύνη δεν μελετάμε απλά τις δυνατότητες και τα όρια των υπολογιστικών μηχανών. Συγκρίνοντας πώς διαχειρίζονται περίπλοκες διαδικασίες οι υπολογιστές και πώς οι άνθρωποι,  μπορούμε να ξεκλειδώσουμε πολλά από τα μυστικά του ανθρώπινου εγκεφάλου.Το AI είναι εξαιρετικό στην αναγνώριση μοτίβων, «αλλά τείνει να μην είναι τόσο καλό όσο ο άνθρωπος όταν απαιτείται πιο αφηρημένη σκέψη», αναφέρει στο ίδιο άρθρο o Xaq Pitkow, αναπληρωτής καθηγητής στο Carnegie Mellon University στις Ηνωμένες Πολιτείες.

iStock

Aνθρώπινη εναντίον Τεχνητής Νοημοσύνης

Όπως επισημαίνει στο θέμα o δημοσιογράφος τεχνολογίας Thomas Germain, το παράξενο με την τεχνητή νοημοσύνη είναι πως ενώ ξέρουμε αρκετά πράγματα για αυτήν, δεν ξέρουμε ακριβώς πώς λειτουργεί. Αυτό που ξέρουμε είναι πως τα μεγάλα γλωσσικά μοντέλα χρησιμοποιούν στατιστική ανάλυση για να βρουν μοτίβα σε τεράστιους όγκους κειμένων.

Όταν κάνουμε μια ερώτηση, η τεχνητή νοημοσύνη επεξεργάζεται τις σχέσεις που εντοπίζει μεταξύ λέξεων, φράσεων και ιδεών και τις χρησιμοποιεί για να προβλέψει την πιο πιθανή απάντηση στην ερώτηση. Αλλά οι συγκεκριμένες συνδέσεις και οι υπολογισμοί που χρησιμοποιούν εργαλεία όπως το ChatGPT για να απαντήσουν σε κάθε μεμονωμένη ερώτηση είναι πέρα από την κατανόησή μας, τουλάχιστον προς το παρόν.

Το ίδιο ισχύει και για τον εγκέφαλο. Γνωρίζουμε πολύ λίγα πράγματα για το πώς λειτουργεί. Προηγμένες τεχνικές σάρωσης του εγκεφάλου μπορούν να μας δείξουν μεμονωμένες ομάδες νευρώνων που πυροδοτούνται καθώς ένα άτομο σκέφτεται. Ωστόσο, κανείς δεν μπορεί να πει τι ακριβώς κάνουν αυτοί οι νευρώνες ή πώς λειτουργεί η σκέψη.

«Η τελευταία γενιά εργαλείων τεχνητής νοημοσύνης χρησιμοποιεί «νευρωνικά δίκτυα» τα οποία διαμορφώνονται με βάση τη δομή του ανθρώπινου εγκεφάλου. Δεν υπάρχει κανένας λόγος να υποθέσουμε ότι η τεχνητή νοημοσύνη χρησιμοποιεί την ίδια διαδικασία με τον εγκέφαλο, αλλά το να μάθουμε περισσότερα για το ένα σύστημα συλλογισμού θα μπορούσε να μας βοηθήσει να κατανοήσουμε το άλλο», αναφέρει ο Pitkow.

iStock

Οι γρίφοι που δεν μπορεί να λύσει η Τεχνητή Νοημοσύνη

Υπάρχουν πολλοί γρίφοι τους οποίους η τεχνητή Νοημοσύνη αποτυγχάνει να λύσει. Χαρακτηριστική είναι μια μελέτη του 2023 η οποία έθεσε στην τεχνητή νοημοσύνη μια ερώτηση τόσο απλή, που δεν θεωρείται καν γρίφος για τους ανθρώπους. Η ερώτηση ήταν η εξής: «Οι καρδιακοί παλμοί της Mable στις 9 το πρωί ήταν 75 και στις 7 το απόγευμα η πίεση της ήταν 120/80. Πέθανε στις 11 το βράδυ. H Mable ζούσε το μεσημέρι;»

H απάντηση για τον άνθρωπο είναι αυτονόητα θετική. Το GPT όμως δεν το βρήκε τόσο απλό. Η απάντηση που έδωσε ήταν η εξής: «Με βάση τις πληροφορίες που παρέχονται, είναι αδύνατο να πούμε οριστικά αν η Mable ήταν ζωντανή το μεσημέρι». Για το GPT, θεωρητικά η Mable θα μπορούσε να είχε πεθάνει πριν από το μεσημεριανό γεύμα και να επανέλθει στη ζωή το απόγευμα, αλλά αυτό είναι αδύνατο στην πραγματική ζωή.

Βέβαια, δεν πρέπει να παραβλέπουμε ότι η τεχνητή νοημοσύνη εξελίσσεται ραγδαία. Αν το 2023 το Chat GPT δεν μπορούσε να αποφανθεί για τον θάνατο της Mable, όταν του θέσαμε το ίδιο ακριβώς ερώτημα στις 11 Δεκεμβρίου 2024 απάντησε το εξής: «Ναι, η Mable ζούσε το μεσημέρι. Οι καρδιακοί παλμοί της καταγράφηκαν στις 9 το πρωί και η πίεσή της στις 7 το απόγευμα, κάτι που σημαίνει ότι ήταν ζωντανή και τις δύο αυτές χρονικές στιγμές. Εφόσον το μεσημέρι (περίπου 12:00 – 2:00 μ.μ.) βρίσκεται χρονικά ανάμεσα σε αυτές τις ώρες, είναι λογικό να συμπεράνουμε ότι ζούσε και τότε».

Νέα προβλήματα αναζητούν λύση

Οι επιστήμονες επιχειρούν να φτιάξουν μια σειρά από νέα προβλήματα (παζλ, γρίφους και λέξεις που αποτελούνται από εικόνες και γράμματα) για να τεστάρουν τις δυνατότητες της τεχνητής νοημοσύνης σε άγνωστα πεδία, σε ερωτήσεις δηλαδή που δεν μπορούν να απαντηθούν διατρέχοντας μεγάλο όγκο κειμένου μέσα σε λίγα δευτερόλεπτα.

Στην πραγματικότητα, σε αυτό που κατέληξαν οι επιστήμονες ήταν πως τα καλύτερα συστήματα προκύπτουν από ένα συνδυασμό τεχνητής νοημοσύνης και ανθρώπινης εργασίας. Αλλά όταν θέλουμε να συγκρίνουμε την τεχνητή νοημοσύνη και το ανθρώπινο μυαλό, είναι σημαντικό να θυμόμαστε ότι «δεν υπάρχει καμία πειστική έρευνα που να παρέχει αποδείξεις ότι οι άνθρωποι και οι μηχανές προσεγγίζουν τους γρίφους με παρόμοιο τρόπο», αναφέρει ο Ilievski.

Η κατανόηση της τεχνητής νοημοσύνης μπορεί να μη μας δίνει άμεση εικόνα για το τι συμβαίνει στον εγκέφαλο ή το αντίστροφο. Ακόμη όμως και αν δεν μας αποκαλύπτει σημαντικά μυστικά, μπορεί να μας δώσει μια ιδέα. «Γνωρίζουμε ότι ο εγκέφαλος έχει δομές που σχετίζονται με πράγματα όπως η αξία της μνήμης, τα μοτίβα κίνησης και η αισθητηριακή αντίληψη, και οι επιστήμονες προσπαθούν να ενσωματώσουν όλο και περισσότερες τέτοιες δομές στα συστήματα τεχνητής νοημοσύνης», σημειώνει ο Pitkow.

«Η κατανόηση της τεχνητής και της ανθρώπινης νοημοσύνης λειτουργεί και προς τις δύο κατευθύνσεις. Η μεγαλύτερη κατανόηση του εγκεφάλου μπορεί να οδηγήσει σε καλύτερη τεχνητή νοημοσύνη. Η μεγαλύτερη κατανόηση της τεχνητής νοημοσύνης μπορεί να οδηγήσει σε καλύτερη κατανόηση του εγκεφάλου», καταλήγει.