Delirium

Delirium

Current track

Title

Artist


ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

on 15/03/2020

Η τεχνητή νοημοσύνη βρέθηκε στο στόχαστρο των επιστημόνων από πολύ νωρίς. Ανέκαθεν ο άνθρωπος επιθυμούσε την κατασκευή μιας νοήμονος (τεχνητής) οντότητας η οποία:
• Δεν θα κουράζεται
• Δεν θα διαμαρτύρεται
• Θα είναι ακριβής
• Θα μπορεί να εργάζεται αδιαλείπτως και τάχιστα
• Και άλλα που πιθανώς μου διαφεύγουν

Ας ξεκινήσουμε όμως λίγο διαφορετικά. Τι είναι τεχνητή νοημοσύνη; Σύμφωνα με την επιστημονική προσέγγιση, ο όρος τεχνητή νοημοσύνη αναφέρεται στον κλάδο της πληροφορικής ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα, επίλυση προβλημάτων κλπ. Ο Τζον Μακάρθι όρισε τον τομέα αυτόν ως «επιστήμη και μεθοδολογία της δημιουργίας νοημόνων μηχανών».

Κατά την γνώμη μου, τεχνητή νοημοσύνη, είναι οτιδήποτε δύναται να πάρει μια απόφαση. Ακόμη και το ρελέ ασφαλείας στο σπίτι μας, είναι μια τεχνητή νοημοσύνη (κι ας μην περίπλοκο λογισμικό). Και, ναι, υπάρχουν τεχνητές νοημοσύνες σε επίπεδο λογισμικού αλλά και σε επίπεδο υλισμικού (όπως είναι το ρελέ για παράδειγμα). Και τα πράγματα γίνονται ακόμη πιο ενδιαφέροντα, όταν συζητάμε για τον συνδυασμό των δυο.

Πράγματι, την σήμερον ημέρα, σχεδόν όλη μας η καθημερινότητα κατακλύζεται από τεχνητές νοημοσύνες οι οποίες προσπαθούν να μας κρατήσουν ασφαλείς, να επιταχύνουν τις εργασίες μας, να απλοποιήσουν την καθημερινότητά μας, ακόμη και να ενισχύσουν την διασκέδασή μας. Μελέτες πολλών ετών χρειάστηκαν για τον σχεδιασμό των λογισμικών.
Στο λογισμικό τα πράγματα είναι πολυ-παραγοντικά. Διάφοροι παράγοντες συντελούν στην δημιουργία μιας τεχνητής νοημοσύνης, με κυρίαρχο τα νευρωνικά δίκτυα. Η δημιουργία ενός νευρωνικού δικτύου, έχει τις ρίζες της στην κατανόηση της λειτουργίας του ανθρώπινου εγκεφάλου. Ο άνθρωπος καθώς μεγαλώνει (και μαθαίνει) δημιουργεί νευρωνικές συνάψεις, όπως για παράδειγμα «βρίσκομαι σε μια διάβαση εντός δρόμου που διέρχονται αυτοκίνητα. Αν είναι σταματημένα τότε περπατώ, αλλιώς περιμένω»

Αυτό θα μπορούσαμε να πούμε πως είναι απλό νευρωνικό δίκτυο με έναν κόμβο απόφασης που εξετάζει το αν διέρχονται αυτοκίνητα ή όχι. Αν όχι, τότε δίνει (ηλεκτρικό) σήμα στα πόδια μας να περπατήσουν, αλλιώς όχι. Ακριβώς αυτό, μιμείται και η τεχνητή νοημοσύνη. Και το μιμείται σε έναν πολύ καλό βαθμό, όπου πλέον έχουμε μαθηματικά μοντέλα που απαρτίζουν τα BDTs (Boosted Decision Trees) ή και απλούστερα MLPs (Multi Layer Perceptron) με αποτέλεσμα να έχουμε ιδιαιτέρως ακριβή αποτελέσματα.

Ας σταθούμε λιγάκι εδώ. Άραγε, οποιοδήποτε νευρωνικό δίκτυο είναι κατάλληλο για οτιδήποτε; Σαφώς και όχι. Κι αυτό γιατί η μαθηματική υλοποίηση του νευρωνικού δικτύου, πρέπει να αντιστοιχεί σε κάποιο μοντέλο ή, εν γένει, να περιγράφει μια συγκεκριμένη κατάσταση/συμπεριφορά. Οι επιστήμονες παρατήρησαν αυτό το πρόβλημα σχετικά νωρίς κι έτσι έγινε μια κίνηση προς τα νευρωνικά δίκτυα γενετικών αλγορίθμων. Όπως κατανοείτε από το όνομα, τα συγκεκριμένα νευρωνικά δίκτυα, εξελίσσονται – δεν είναι στατικά. Δημιουργούν συνάψεις εκ νέου, τροποποιούν υπάρχουσες συνάψεις και, ουσιαστικά, προσπαθούν να «μαθαίνουν» από το περιβάλλον στο οποίο εκτίθενται. Με αυτόν τον τρόπο, τα συγκεκριμένα δίκτυα ομοιάζουν όλο και περισσότερο στον άνθρωπο.

Ένα ακόμη δύσκολο κομμάτι, αφορά στην αυστηρότητα λήψης αποφάσεων. Χωρίς να οδηγηθούμε σε βαθιές λεπτομέρειες, γνωρίζουμε ότι όταν κάνουμε μια μέτρηση, αυτή η μέτρηση ακολουθείται από ένα σφάλμα. Στο προηγούμενο παράδειγμα, όπου είχαμε το ερώτημα, «πότε περνάμε τον δρόμο», αν μετρήσουμε λάθος τα αυτοκίνητα, θα είναι λάθος κι η απάντηση. Ας πάμε ένα βήμα παραπέρα. Υποθέστε ότι δεν μετράμε αυτοκίνητα, αλλά μύγες. Γιατί μύγες; Γιατί είναι μικρές και χρειάζεται καλύτερα όργανα για να ανιχνευθούν. Μου επιτρέπετε ακόμη ένα βήμα παρακάτω; Ας πούμε ότι δεν είδα (σαν άνθρωπος) όλες τις μύγες αλλά νιώθω σίγουρος και αποφασίζω να περάσω! Η τεχνητή νοημοσύνη, τι θα κάνει; Πως θα ορίσει το «είδα όλες τις μύγες»; Ουσιαστικά η ερώτηση αφορά την ανεκτικότητά της. Στις αρχές, η τεχνητή νοημοσύνη, δεν ήταν καθόλου ανεκτική. Οδηγούταν κυρίως από μια συνάρτηση βήματος και ήταν άσπρο ή μαύρο. Κι αυτό το πρόβλημα, λύθηκε με τους γενετικούς αλγορίθμους.

Τότε οι επιστήμονες, συνειδητοποίησαν ότι είναι σημαντικό για ένα νευρωνικό δίκτυο, να εξελιχθεί ελεύθερα. Συνεπώς, θα πρέπει να αρκεί μόνο η πρωτόγονη κατάστασή του (σαν να λέμε ο αρχικός του αλγόριθμος) και τα υπόλοιπα θα τα υλοποιήσει μόνο του εν καιρώ.

Εδώ υπάρχει μια διαφορά. Ας γυρίσουμε στο αρχικό θέμα με έναν κόμβο που λαμβάνει αποφάσεις. Στον ανθρώπινο νου, ένας κόμβος ζευγνύει δύο (ή και παραπάνω) καταστάσεις (και αναλόγως την ζεύξη, λαμβάνεται η απόφαση) χρησιμοποιώντας ερεθίσματα, ορμόνες κτλ. Σαφώς, στο λογισμικό αυτό είναι αδύνατο. Ο ανθρώπινος νους έχει συναίσθημα. Και το συναίσθημα, είναι αυτό που μας ξεχωρίζει από μια τεχνητή νοημοσύνη ή από ένα ρομπότ. Το συναίσθημα είναι ο λόγος που κουραζόμαστε, που δεν ενεργούμε ντετερμινιστικά. Το συναίσθημα απουσιάζει από την τεχνητή νοημοσύνη. Και όσο και αν θέλουμε να την αφήσουμε ελεύθερη, δεν γίνεται γιατί την φτιάχνουμε εμείς (και δεν είμαστε θεοί).

Για παράδειγμα, δείτε τα ρομπότ της Microsoft και της Google που ανέπτυξαν ναζιστική διάθεση. Οι εταιρείες έπαυσαν τις λειτουργίες τους. Όμως, καλώς ή κακώς, αυτό είναι μια παρεμβολή (διότι σε μια κοινωνία, υπάρχουν όλοι).

Άραγε, θα μπορούσαν να τα επαναφέρουν σε λειτουργία, να τους εξηγήσουν τα κακά του ναζισμού και τότε εκείνα να αλλάξουν συμπεριφορά;

Θα φανεί στο μέλλον.

Από τον Εμπεδοκλή

Δήλωση αποποίησης ευθύνης :

Οι απόψεις και οι πεποιθήσεις που εκφράζονται σε αυτό το άρθρο ανήκουν αποκλειστικά στον συγγραφέα και δεν αντιπροσωπεύουν ή ταυτίζονται απαραίτητα με εκείνες του Delirium Station.


Send us a message 
Enter your username