Captainlinux
Η τεχνητή νοημοσύνη δεν κατείχε πάντοτε την περίοπτη θέση που κατέχει σήμερα, αν και είναι ένα ζήτημα που απασχολεί την ανθρωπότητα για χιλιάδες χρόνια. Συγκεκριμένα, από αρκετά νωρίς στην ανθρώπινη ιστορία οι αρχαίοι λαοί, όπως οι αρχαίοι Ελληνικοί λαοί, οι Κινέζοι και οι Αιγύπτιοι φαντασιώνονταν μορφές τεχνητής νοημοσύνης, κυρίως ως ρομπότ, ενώ έκαναν απόπειρες να σχεδιάσουν ή να κατασκευάσουν τέτοιες μηχανές, χωρίς ωστόσο αυτό να είναι εφικτό με τα μέσα της εποχής.
Η πραγματική ιστορία της τεχνητής νοημοσύνης, όπως ορίζεται σήμερα, ξεκινά περί τα μέσα του 20ου αιώνα με την εμφάνιση των ηλεκτρονικών υπολογιστών. Οι επιστήμονες του κλάδου, κυρίως μαθηματικοί, όπως ο Άλαν Τούρινγκ, ο Μάρβιν Μίνσκι, ο Τζον Μακάρθι, έβλεπαν στους υπολογιστές τη δυνατότητα της πραγμάτωσης του ονείρου της ανθρωπότητας, για τη δημιουργία μίας νέας μορφής νοήμονος ζωής. Ιδιαίτερο ενδιαφέρον έχει η ξεχασμένη ιστορία της τεχνητής νοημοσύνης στη Σοβιετική Ένωση, όπου μαθηματικοί της εποχής διεξήγαγαν, ήδη από το 1954, πρωτοπόρα έρευνα που οδήγησε σε σημαντικές ανακαλύψεις που αξιοποιούνται ακόμα και σήμερα στην πληροφορική. Μερικοί από τους γνωστούς σοβιετικούς επιστήμονες ήταν ο Βλάντιμιρ Αρλαζάροφ, ο Λεονίντ Χατσιγιάν, ο Αλεξάντρ Κρόνροντ.
Όμως, η υλοποίηση μίας τεχνητής νοημοσύνης δεν ήταν απλή υπόθεση. Η αρνητική κριτική που υπήρχε αρχικά κατά της τεχνητής νοημοσύνης σε συνδυασμό με τις περιορισμένες δυνατότητες των πρώτων υπολογιστών, δημιούργησε αρκετά σκαμπανεβάσματα. Μάλιστα, τις περιόδους 1974-1980 και 1987-1993, το ερευνητικό ενδιαφέρον και η χρηματοδότηση ήταν τόσο χαμηλά που οι εξαετίες αυτές ονομάστηκαν «χειμώνες της τεχνητής νοημοσύνης». Μόλις το 1997 άρχισε να ξαναγίνεται δημοφιλής ο κλάδος έπειτα από την ήττα του σκακιστή και παγκόσμιου πρωταθλητή Γκάρι Κασπάροφ από έναν σκακιστικό αλγόριθμο. Με τη νέα χιλιετία, έγινε αντιληπτή η δυνατότητα της εισόδου της τεχνητής νοημοσύνης στην παραγωγή με αποτέλεσμα σήμερα να γίνεται λόγος για την 4η βιομηχανική επανάσταση, αυτή της τεχνητής νοημοσύνης.
Η 4η βιομηχανική επανάσταση ήρθε για να μείνει
Η τεχνητή νοημοσύνη αποτελεί ένα σύνολο τεχνολογιών που πλέον έχουν εδραιωθεί στην καθημερινή ζωή. Η 4η βιομηχανική επανάσταση έχει έρθει για να μείνει, με την τεχνητή νοημοσύνη να μπαίνει πλέον στην παραγωγή, αντικαθιστώντας εργαζόμενους σε πνευματικά επαγγέλματα. Οι αλγόριθμοι τεχνητής νοημοσύνης σε συνδυασμό με την επεξεργαστική ικανότητα των ηλεκτρονικών υπολογιστών μπορούν να επιλύουν πολύπλοκα προβλήματα σε πολύ γρήγορο χρόνο. Προβλήματα όπως η αυτόματη μετάφραση ολόκληρων βιβλίων σε μερικά δευτερόλεπτα, η αναγνώριση ενός προσώπου μέσα σε βάσεις δεδομένων με εκατομμύρια εγγραφές, η στατιστική μελέτη για την εξέλιξη μιας πανδημίας και πολλά άλλα, είναι ζητήματα που αδυνατεί να επιλύσει ένας άνθρωπος σε εύλογο χρονικό διάστημα. Για το λόγο αυτό η τεχνητή νοημοσύνη δημιουργεί μία μάγευση στους ανθρώπους, που ενθουσιάζονται από το αποτέλεσμα που μοιάζει εξωπραγματικό και ακούγεται έως και ισάξιο ή ανώτερο της ανθρώπινης νόησης.
Ωστόσο πίσω από αυτό το βαρύγδουπο όνομα, η τεχνητή νοημοσύνη δεν είναι παρά ένα ανθρώπινο δημιούργημα, που βασίζεται σε πολύπλοκα μαθηματικά, στατιστικά και άλλα επιστημονικά μοντέλα. Η τεχνητή νοημοσύνη αποτελεί ένα έργο δεκαετιών από χιλιάδες ακαδημαϊκούς και άλλους επιστήμονες σε όλο τον κόσμο, που έχουν επενδύσει αμέτρητες εργατοώρες αξιοποιώντας τη γνώση που έχει συσσωρεύσει η ανθρωπότητα κατά τους αιώνες για να δημιουργήσουν μία από τις πιο φιλόδοξες τεχνολογίες που υπάρχουν. Όμως, το όραμα της δημιουργίας μιας νοήμονος μορφής ζωής παραμένει ακόμα ένα σενάριο επιστημονικής φαντασίας.
Η ηθική του επιστήμονα αποτυπώνεται άμεσα στην «ηθική» του αλγορίθμου
Οι αλγόριθμοι τεχνητής νοημοσύνης στην ουσία τους είναι προγράμματα που λειτουργούν σε έναν υπολογιστή, όπως και κάθε άλλο πρόγραμμα που χρησιμοποιεί ο κάθε άνθρωπος στην καθημερινότητα του. Οι αλγόριθμοι βασίζονται σε δεδομένα τα οποία τα επεξεργάζονται με διάφορους τρόπους και μέσω μαθηματικών και στατιστικών μοντέλων, παράγουν τα αποτελέσματα τους. Όμως, πίσω από αυτή τη διαδικασία που γίνεται αυτόματα, οι εργαζόμενοι άνθρωποι είναι αυτοί που δημιουργούν τους αλγόριθμους, ορίζουν τα ερωτήματα, επιλέγουν τα δεδομένα και ερμηνεύουν τα αποτελέσματα. Οι αλγόριθμοι είναι μία έξυπνη μηχανή σάλτσας, όπου ο άνθρωπος βάζει τις ντομάτες, γυρνάει το μοχλό και η μηχανή βγάζει τη σάλτσα. Η διαφορά της τεχνητής νοημοσύνης με τη μηχανή σάλτσας, είναι πως η τεχνητή νοημοσύνη μπορεί να εκπαιδευτεί ώστε να πολτοποιεί τη σάλτσα με καλύτερο τρόπο, αλλάζοντας την εσωτερική λειτουργία εντός κάποιων ορίων. Μάλιστα κάποιοι αλγόριθμοι που εμπίπτουν στον όρο της μηχανικής μάθησης, έχουν τη δυνατότητα να εξελίσσονται και να προσαρμόζονται μέσω της εκπαίδευσης τους με αρκετά σύνθετους τρόπους.
Η εκπαίδευση ενός αλγόριθμου είναι πολύ διαφορετική από την εκπαίδευση ενός ανθρώπου. Για παράδειγμα μία από τις πολλές περιπτώσεις αλγορίθμου αφορά εκείνον που αναλύει φωτογραφίες οχημάτων και ξεχωρίζει ποια οχήματα είναι λεωφορεία και ποια ΙΧ. Για την εκπαίδευση του αλγορίθμου, ο προγραμματιστής του θα χρειαστεί να βρει αρχικά μερικές χιλιάδες φωτογραφίες οχημάτων για να δημιουργήσει ένα σετ δεδομένων εκπαίδευσης. Η επιλογή των φωτογραφιών μπορεί να γίνει είτε με τυχαίες φωτογραφίες είτε με επιλεγμένες. Ουσιαστικά, ο προγραμματιστής καλείται να επιλέξει ποιες ντομάτες θα βάλει στη μηχανή της σάλτσας. Έπειτα στο στάδιο της εκπαίδευσης κάθε φωτογραφία από τα δεδομένα εκπαίδευσης δίνεται στον αλγόριθμο για ανάλυση μαζί με το αποτέλεσμα, δηλαδή εάν περιέχει ένα ΙΧ ή ένα λεωφορείο. Κατά τη διάρκεια της εκπαίδευσης ο αλγόριθμος δημιουργεί μία μαθηματική συνάρτηση –μία καμπύλη για το στατιστικό του μοντέλο, για παράδειγμα μία καμπύλη λογιστικής παλινδρόμησης, με βάση τα δεδομένα εκπαίδευσης. Αφού τελειώσει η εκπαίδευση του αλγορίθμου, ο αλγόριθμος χρησιμοποιεί την καμπύλη που έχει δημιουργήσει για να κατατάξει τα οχήματα σε κάθε νέα φωτογραφία που του δίνεται. Δηλαδή, ο αλγόριθμος δημιουργεί τον μηχανισμό άλεσης της ντομάτας, με βάση τις ντομάτες εκπαίδευσης, και έπειτα μπορεί να αλέσει κάθε νέα ντομάτα σε πολτό.
Η αποτελεσματικότητα του αλγορίθμου προκύπτει μέσα από τη διαδικασία της εκπαίδευσης και συνδέεται άμεσα με την ποιότητα των δεδομένων εκπαίδευσης. Αν στην μηχανή σάλτσα ο χειριστής βάλει σάπιες και καλές ντομάτες μαζί, τότε η σάλτσα που θα βγει θα αποτελεί μείγμα από καλή και σάπια σάλτσα. Για παράδειγμα ένας αλγόριθμος αναγνώρισης ανθρώπινων προσώπων, που εκπαιδευτεί μόνο σε πρόσωπα λευκών, πιθανά θα εμφανίσει πρόβλημα στην αναγνώριση ανθρώπων με διαφορετικό χρώμα δέρματος, και κατ’ επέκταση θα είναι ένας ρατσιστικός αλγόριθμος. Για το λόγο αυτό η τεχνητή νοημοσύνη δεν είναι μία τεχνολογία πλήρως αντικειμενική και αμερόληπτη.
Η ηθική του επιστήμονα αποτυπώνεται άμεσα στην «ηθική» του αλγορίθμου. Ένας αλγόριθμος τεχνητής νοημοσύνης είναι «κενός», tabula rasa, και δεν ούτε συναισθήματα ούτε συνείδηση. Αυτά τα στοιχεία του ανθρώπου, οδηγούν σε προβλήματα μεροληψίας στην κρίση του αλγορίθμου. Μάλιστα μία βασική κατεύθυνση για την καταπολέμηση του προβλήματος αποτελεί η διεύρυνση των κοινωνικών χαρακτηριστικών που χαρακτηρίζουν τους ανθρώπους που συμμετέχουν στην ανάπτυξη μίας τεχνητής νοημοσύνης. Για την απόδειξη της σημασίας που έχουν τα δεδομένα και η ηθική του επιστήμονα στην εκπαίδευση του αλγορίθμου, μία ερευνητική ομάδα του MIT των ΗΠΑ δημιούργησε τον Νόρμαν, μία ψυχοπαθή τεχνητή νοημοσύνη.
Ο Νόρμαν είναι ένας αλγόριθμος που αναλύει φωτογραφίες και προσπαθεί να περιγράψει το περιεχόμενο τους. Οι ερευνητές εκπαίδευσαν τον Νόρμαν δίνοντας του φωτογραφίες που αναπαριστούσαν βίαιες σκηνές από θανάτους ανθρώπων. Μετά την εκπαίδευση, έδωσαν στο Νόρμαν να αναλύσει τις γνωστές αφηρημένες εικόνες που χρησιμοποιούνται από ψυχολόγους για να κρίνουν την ψυχική κατάσταση ενός ασθενή. Στο αφηρημένο σχέδιο, που μία συνηθισμένη τεχνητή νοημοσύνη έβλεπε μια πεταλούδα με ανοιχτά φτερά, ο Νόρμαν έβλεπε έναν άνδρα που τον πυροβολούν μπροστά στη γυναίκα του. Ο Νόρμαν μεροληπτεί υπέρ του θανάτου και της καταστροφής, αφού αυτό είναι το μόνο που γνωρίζει.
Αυτό που έχει ουσιαστικά σημασία είναι πως ακόμα και μία πολλά υποσχόμενη τεχνολογία, όπως η τεχνητή νοημοσύνη, που προβάλλεται ως η μαγική λύση για ένα σωρό ζητήματα δεν είναι υπεράνω κριτικής. Κάθε τεχνολογική εφεύρεση φέρει τα προβλήματα του δημιουργού της και είναι κοινωνική ευθύνη η κρίση της και η εφαρμογή της
Αυτόνομη οδήγηση, κοινωνικές ανάγκες και ιδιωτικές απαντήσεις
Η οδήγηση είναι μία ιδιαίτερα δύσκολη διαδικασία. Οι κακοσχεδιασμένες πόλεις και δρόμοι, καθώς και ο τεράστιος αριθμός αυτοκινήτων παγκοσμίως απαιτούν τη συνεχή εγρήγορση των οδηγών σε βαθμό τέτοιο που διευκολύνεται το ανθρώπινο λάθος, οδηγώντας σε αμέτρητα ατυχήματα. Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας, 1,3 εκατομμύρια άνθρωποι πεθαίνουν ετησίως σε τροχαία δυστυχήματα, ενώ οι συνολικές ζημιές από τα ατυχήματα αγγίζουν έως και το 3% του ΑΕΠ για τις περισσότερες χώρες.
Η πιο ελπιδοφόρα πρόταση για τη μείωση των ατυχημάτων είναι η αυτόνομη οδήγηση μέσω τεχνητής νοημοσύνης, που έχει αρχίσει να εμφανίζεται στους δρόμους βγαίνοντας σταδιακά από το πειραματικό στάδιο που βρισκόταν την τελευταία δεκαετία. Εταιρίες από όλο τον κόσμο με πρώτη την αμερικανική Τέσλα αναπτύσσουν οχήματα με αυτόματους πιλότους που στοχεύουν στην πλήρη αυτόνομη οδήγηση, χωρίς την ανάγκη παρέμβασης από τον οδηγό. Η μείωση του ανθρώπινου παράγοντα θα συμβάλει στη μείωση των ατυχημάτων, καθώς η τεχνητή νοημοσύνη έχει εξαιρετική ικανότητα στην πρόληψη ατυχημάτων, χωρίς αυτό να σημαίνει πως δεν γίνονται θανατηφόρα λάθη.
Όμως, αυτή η τόσο αναγκαία τεχνολογία θα αργήσει να διαδοθεί ευρέως, καθώς το κέρδος έρχεται πάνω από τις ανθρώπινες ζωές. Τα προϊόντα που παρέχουν οι εταιρείες, όπως η Τέσλα, απευθύνονται σε ένα περιορισμένο κοινό λόγω της υψηλής τιμής τους. Υπάρχουν βέβαια και πιο οικονομικές λύσεις, από κινέζικες κυρίως εταιρίες, αλλά αυτές θα αργήσουν να εμφανιστούν στη Δύση εξαιτίας του συνεχούς οικονομικού πολέμου κατά της Κίνας. Επιπλέον ο τρόπος ανάπτυξης τους γίνεται με όρους μείωσης του κόστους και όχι προστασίας του ανθρώπου. Χαρακτηριστικό ζήτημα των ημερών είναι η απόφαση της Τέσλα, να διαθέτει στους πελάτες δοκιμαστικές εκδόσεις (Beta) του αυτόματου πιλότου οι οποίες σίγουρα θα εμφανίσουν σφάλματα κατά την οδήγηση, πράγμα που σημαίνει πως θα υπάρξουν ατυχήματα που θα μπορούσαν να είχαν αποφευχθεί εάν η εταιρία πλήρωνε περισσότερα για την δοκιμή των οχημάτων της.
Εξίσου σημαντικό έλλειμμα είναι πως η μέθοδος που ακολουθείται για την ανάπτυξη των αυτόματων πιλότων, αντιμετωπίζει το κάθε αυτοκίνητο ως μία μονάδα και μόνο, που με βάση τα δικά του όργανα (κάμερες και ραντάρ) προσπαθεί να αναγνωρίσει το περιβάλλον γύρω του και να αποφύγει τα ατυχήματα. Μία πιο συλλογική πρόταση, θα ήταν η ανάπτυξη συστημάτων αυτόνομης οδήγησης που να βασίζονται στη συνεργασία και την ανταλλαγή πληροφοριών μεταξύ των οχημάτων για την πρόληψη ατυχημάτων. Ωστόσο αυτό θα απαιτούσε αρκετούς πόρους που καμία καπιταλιστική οικονομία δεν διατίθεται να προσφέρει, για την συντονισμένη αντικατάσταση όλων των οχημάτων.