|
Οι
πρώτες συζητήσεις γύρω από την τεχνητή νοημοσύνη
έγιναν το 1950, από πρωτοπόρους της Πληροφορικής
όπως ο Άλαν Τιούρινγκ, που ήθελαν να
δημιουργήσουν υπολογιστικά συστήματα πολύ πέρα
από όσα φανταζόταν ο μέσος άνθρωπος της εποχής.
Είναι η ΑΙ που γνωρίζουμε σήμερα κοντά στο όραμα
που είχαν αυτοί οι στοχαστές; Σύμφωνα με τον
αρχικό ορισμό από τους Marvin Minsky και John
McCarthy, η Τεχνητή Νοημοσύνη (ΤΝ) αφορά κάθε
εργασία που εκτελείται από ένα πρόγραμμα ή μία
μηχανή και θα απαιτούσε νοημοσύνη αν ένας
άνθρωπος εκτελούσε την ίδια δραστηριότητα.
Ωστόσο, αυτός ο ορισμός είναι πολύ ευρύς και δεν
αντικατοπτρίζει πλέον την πραγματικότητα.
Ταχύτατες τεχνολογικές εξελίξεις έχουν
καταστήσει ορισμένες δραστηριότητες που
θεωρούνταν έξυπνες στο παρελθόν, όπως την οπτική
αναγνώριση χαρακτήρων (OCR), πλέον καθημερινές,
και συσκευές όπως τα γνωστά μας κομπιουτεράκια
(υπολογιστικές μηχανές), να μοιάζουν λιγότερο…
νοήμονα. Σήμερα οι επιστήμονες του κλάδου έχουν
προχωρήσει σε πιο συγκεκριμένους και σύνθετους
ορισμούς και η τεχνολογία της τεχνητής
νοημοσύνης ανοίγει συνέχεια νέα μονοπάτια και
δυνατότητες. Στόχος μας δεν είναι να εμβαθύνουμε
σε σύνθετους ορισμούς που ίσως μπλέκουν. Η ΤΝ
παραμένει ένα ισχυρό τεχνολογικό εργαλείο που
όχι μόνο υποστηρίζει και βελτιώνει την
καθημερινότητά μας σήμερα, αλλά με τους
καταιγιστικούς ρυθμούς με τους οποίους
εξελίσσεται, διαμορφώνει ριζικά το μέλλον μας –
τόσο ατομικά όσο και συλλογικά, ως ανθρωπότητα.
Πόσο
κοντά βρίσκεται η τεχνητή νοημοσύνη στην
ανθρώπινη και πόσο την εμπιστεύονται οι
άνθρωποι;
Από τον
παραπάνω, αρχικό ορισμό, δεν είναι εύκολο να
καταλάβουμε ακριβώς τι είναι η Τεχνητή
Νοημοσύνη, αλλά μπορούμε να προσεγγίσουμε την
κατανόησή της από το τι δεν είναι. Στην
πραγματικότητα, ο ντόρος που γίνεται τελευταία
με την τεχνητή νοημοσύνη αφορά ένα συγκεκριμένο
είδος, που ονομάζεται Generative AI και
βασίζεται στη μελέτη δομημένων γλωσσικών και
οπτικών μοντέλων και στη συνέχεια τη σύνθεση
(εικόνας, κειμένου κ.λπ.), με τον ίδιο τρόπο που
πιθανόν θα το έκανε ένας άνθρωπος. Η Generative
ΑΙ δεν έχει λογική ή ηθική, όμως είναι πολύ καλή
στο να μελετά και να μιμείται την ανθρώπινη
διανόηση μέσω της γλώσσας, γι’ αυτό και μπορεί
συχνά να μας θυμίζει μια νοήμονα οντότητα.
Πρόκειται για κάτι πολύ περιορισμένο και αρκετά
μακριά από αυτό που προσεγγίζει περισσότερο την
ανθρώπινη νοημοσύνη. Κάτι τέτοιο εμπίπτει σε μια
υποκατηγορία έρευνας της ΤΝ, την Artificial
General Intelligence (AGI), την τεχνητή
νοημοσύνη όπως την οραματίζονται κάποιοι από
τους μεγαλύτερους επιστήμονες της ανθρωπότητας,
μια τεχνητή οντότητα ικανή να λαμβάνει αποφάσεις
και να τις εκτελεί χωρίς καθόλου ανθρώπινη
παρέμβαση, δεν υπάρχει ακόμη. Οι πιο αισιόδοξοι
τοποθετούν την πιθανότητα επίτευξής της κοντά
στο τέλος της δεκαετίας που διανύουμε ή στις
αρχές τις επόμενης, ενώ άλλοι μιλούν για έναν
χρονικό ορίζοντα που εκτείνεται πέρα από το
2040. Κάποιοι αμφισβητούν αν θα γίνει ποτέ
δυνατόν. Η αλήθεια είναι ότι είναι δύσκολο να
προβλέψουμε τόσο μακριά σε ένα τόσο σύνθετο
θέμα.
Η εμπιστοσύνη που η ανθρωπότητα δείχνει ή δεν
δείχνει στην τεχνολογία, και ειδικά στην AI,
είναι κάτι γνώριμο στην κοινή ιστορία ανθρώπων
και υπολογιστών. Είναι κοινώς παραδεκτό πως οι
άνθρωποι, διαχρονικά, δεν εμπιστεύονται εύκολα
τεχνολογίες, πριν αυτές καθιερωθούν. Ένα πολύ
ενδιαφέρον παράδειγμα είναι η περίπτωση
των υπολογιστών. Αρχικά, “υπολογιστές”
ονομαζόταν οι… άνθρωποι που έκαναν υπολογισμούς.
Οι “ανθρώπινοι υπολογιστές” χρησιμοποιούνταν
μέχρι και τις πρώτες μέρες της πληροφορικής και
ήταν υπεύθυνοι για την εκτέλεση πολύπλοκων
μαθηματικών υπολογισμών “με το χέρι”. Είχαν
χρησιμοποιηθεί εκτενώς στην επιστήμη, τη
μηχανική και άλλους τομείς στους οποίους ήταν
απαραίτητοι πολύπλοκοι υπολογισμοί, καθώς τότε
οι άνθρωποι δεν εμπιστεύονταν ακόμη τους
ηλεκτρονικούς υπολογιστές. Ένα παράδειγμα
αποτελεί η περίπτωση της μαθηματικού της
NASA, Katherine Johnson, η οποία το 1962 κλήθηκε
από τους αστροναύτες της αποστολής να
επαληθεύσει τους υπολογισμούς που έγιναν από
έναν από τους πρώτους ηλεκτρονικούς υπολογιστές
που χρησιμοποιήθηκαν στη NASA, έναν IBM, γιατί
δεν εμπιστεύονταν τα αποτελέσματά του. Εν τέλει,
η Johnson συνέχισε να εργάζεται παράλληλα με
τους υπολογιστές μέχρι να αποδειχθεί ότι ήταν
όντως αξιόπιστοι, ενώ στη συνέχεια
εργάστηκε με αυτούς ενισχύοντας σημαντικά την
δουλειά της, αλλά και την εξέλιξη των ίδιων των
ηλεκτρονικών υπολογιστών με την εμπειρία της.
Σταδιακά οι άνθρωποι άρχισαν να εμπιστεύονται
τους ηλεκτρονικούς υπολογιστές όλο και
περισσότερο μέχρι που σήμερα η χρήση τους είναι
εδραιωμένη και τα πλεονεκτήματα τους
αδιαμφησβήτητα. Στην περίπτωση της Generative
AI, επειδή ακριβώς χρησιμοποιεί μια γλώσσα που
κατανοούμε (ένα χαρακτηριστικό ανθρώπινο
γνώρισμα), μας είναι πιο εύκολο να της
προσδώσουμε ανθρώπινες ιδιότητες
(ανθρωπομορφισμός) και να την εμπιστευτούμε
ευκολότερα. Αυτό δεν σημαίνει ότι μπορούμε ή
πρέπει να την εμπιστευτούμε τυφλά σαν
τεχνολογία, πριν και αυτή περάσει τη φάση
ωρίμανσης και εδραίωσής της.
Πώς η
Generative AI αλλάζει τη θεώρησή μας για τη
σχέση τεχνολογίας-ανθρώπου
Καθώς οι
άνθρωποι είναι ακόμη διστακτικοί, αλλά οι
προοπτικές είναι πολλές, το ερώτημα είναι: πόσο
μπορεί να εξελιχθεί η AI και πώς μας επηρεάζει;
Σε αντίθεση με τα παραδοσιακά συστήματα τεχνητής
νοημοσύνης που σχεδιάστηκαν για την επίλυση
συγκεκριμένων προβλημάτων, η Generative AI
μπορεί να δημιουργήσει νέο περιεχόμενο βάσει
ενός συνόλου κανόνων ή παραδειγμάτων. Αυτός ο
τύπος AI χρησιμοποιείται σε διάφορους τομείς,
από την τέχνη και τη μουσική μέχρι τα οικονομικά
και την ιατρική.
Ενώ η
Generative AI έχει τη δυνατότητα να φέρει
επανάσταση σε πολλούς κλάδους, αντιμετωπίζει
επίσης και αρκετές προκλήσεις. Ακόμα δεν είναι
100% προφανές σε ποιες δραστηριότητες και
εργασίες καθώς και ακριβώς πώς μπορεί να
χρησιμοποιηθεί με ασφάλεια και επιτυχία. Τα
γλωσσικά μοντέλα πάνω στα οποία βασίζεται μπορεί
να είναι πολύ επιτυχημένα στο να παράγουν
πληροφορίες φαινομενικά όπως ένας άνθρωπος, αλλά
αυτό δεν σημαίνει ότι αυτές οι πληροφορίες είναι
100% σωστές. Μία ακόμη μεγάλη πρόκληση είναι ότι
τα συστήματα Generative AI μπορούν να
χρησιμοποιηθούν για τη δημιουργία ψευδούς
περιεχομένου, όπως deepfakes ή fake news. Αυτό
μπορεί να έχει σοβαρές επιπτώσεις, ειδικά σε
περιπτώσεις όπου η αλήθεια είναι σημαντική, όπως
στη δημοσιογραφία ή την πολιτική και τη λήψη
αποφάσεων. Υπάρχει επίσης ο κίνδυνος τα
συστήματα Generative AI να χρησιμοποιηθούν για
τη δημιουργία επικίνδυνου περιεχομένου όπως
κακόβουλο λογισμικό ή επιθέσεις phishing. Γι’
αυτό και νομοθέτες και τεχνολόγοι συζητούν
εντατικά και εργάζονται πάνω στη θέσπιση κανόνων
και συστάσεων ώστε η λήψη αποφάσεων να μη
βασίζεται (ακόμη) αποκλειστικά σε ΑΙ,
τουλάχιστον όχι μέχρι να φτάσουμε στο σημείο να
την εμπιστευόμαστε τυφλά. Η εξέλιξή της είναι
τόσο γρήγορη, που σύντομα θα γνωρίζουμε πότε να
την χρησιμοποιούμε και πότε να την
εμπιστευόμαστε.
Ωστόσο,
παρά τις προκλήσεις, η Generative AI και
γενικότερα η τεχνητή νοημοσύνη έχει τεράστιες
δυνατότητες. Μπορεί να μας βοηθήσει να είμαστε
πιο δημιουργικοί, παραγωγικοί και αποδοτικοί
στις εργασίες μας και να λύσουμε πολύπλοκα
προβλήματα που προηγουμένως ήταν πέρα από τις
δυνατότητές μας. Μπορεί, επίσης, να μας βοηθήσει
να κατανοήσουμε και να αναλύσουμε δεδομένα με
νέους τρόπους, οδηγώντας μας σε νέες ανακαλύψεις
και καινούριες ιδέες. Ναι, θα επηρεάσει βαθύτατα
πολλά επαγγέλματα και ειδικότητες, και σε
κάποιες περιπτώσεις ίσως θέσει εκτός εργασίας
ανθρώπους που δεν θα καταφέρουν να προσαρμόσουν
ή να εξελίξουν τις δεξιότητές τους σε σχέση με
τις νέες αυτές τεχνολογίες. Όμως ταυτόχρονα θα
ανοίξει νέες δυνατότητες, θα δημιουργήσει νέες
θέσεις εργασίας και θα ενισχύσει σημαντικά τις
ικανότητες και την αποτελεσματικότητα πολλών
εργαζομένων. Κάποιες φορές αυτών των ίδιων που η
δουλειά τους θα αλλάζει λόγω της τεχνητής
νοημοσύνης. Ξεπερνώντας αυτές τις προκλήσεις και
διασφαλίζοντας ότι η τεχνολογία αυτή
χρησιμοποιείται για το καλό του ανθρώπου και της
κοινωνίας μας, έχει τη δυναμική να
επανασχεδιάσει τον τρόπο που εργαζόμαστε και
ζούμε.
* Ο
Φίλιππος Ζακόπουλος είναι Managing Partner
Found.ation.
Πρώτη
δημοσίευση στο Money Review |
