Η Τεχνητή Νοημοσύνη ένα πολύ μεγάλο κεφάλαιο το οποίο στο παρόν άρθρο απλώς θα επιχειρήσουμε να το κατανοήσουμε σε ένα ευρύτερο πλαίσιο, ώστε σταδιακά να αναπτύξουμε τα οφέλη, τους κινδύνους, τις εφαρμογές αλλά και τις δυνατότητες που μας παρέχει στην καθημερινότητά μας.
Η Τεχνητή Νοημοσύνη, εδράζει τη λειτουργία της σε ένα κράμα τεχνολογικών αλλά και φιλοσοφικών επιστημών και είναι ένας τομέας της πληροφορικής που ασχολείται με το σχεδιασμό και την υλοποίηση συστημάτων υπολογιστών, υψηλών υπολογιστικών δυνατοτήτων, που προσομοιάζουν στοιχεία της ανθρώπινης λογικής και συμπεριφοράς, που ενέχουν έστω και λίγη ευφυΐα και μπορούν να μάθουν, να ακολουθήσουν μία λογική, να συνθέσουν και κατηγοριοποιήσουν επί μέρους στοιχεία ώστε να συνάγουν συμπεράσματα.
Η λειτουργία της βασίζεται σε ειδικά λογισμικά (software) και πολλά πολλά δεδομένα, που βοηθούν τις μηχανές να προτυποποιήσουν και με ένα τρόπο να κατανοήσουν και στη συνέχεια – που είναι και το ζητούμενο, να προβλέψουν συμπεριφορές και συνθήκες. Ο αγγλικός όρος είναι Artificial Intelligence και συχνά αναφέρεται ως AI.
Η τροφή της τεχνητής νοημοσύνης είναι τα big data, ένας τεράστιος όγκο δεδομένων και πληροφοριών όπως λέει και το όνομά τους, που συνήθως παράγονται με πολύ μεγάλη ταχύτητα και είναι εξαιρετικά δύσκολο να αναλυθούν, να κατηγοριοποιηθούν και να παράγουν αποτέλεσμα όταν δουλεύονται με το «χέρι», καθώς σήμερα, ο παραγόμενος όγκος των δεδομένων είναι πολύ μεγαλύτερος από τον όγκο που μπορούμε να διαχειριστούμε. Η ανάλυση των big data μας δίνει τη δυνατότητα να λαμβάνουμε πιο ολοκληρωμένες αποφάσεις, επειδή έχουμε πολυπληθέστερες πληροφορίες και μας επιτρέπουν να επιχειρούμε με πολύ πιο οργανωμένο τρόπο στην επίλυση σύνθετων προβλημάτων. Πολλοί τομείς παράγουν σημαντικά Big Data, μεταξύ των οποίων περιλαμβάνονται η υγεία, η οικονομία, το μάρκετινγκ κ.α.
Ενδεικτικά στην υγεία, να αναφέρουμε ότι η ανάλυση μεγάλου όγκου δεδομένων που δεν μπορούσαν να αναλυθούν με γυμνό μάτι, μας επιτρέπουν την καλύτερη κατανόηση και πρόληψη διαφόρων ασθενειών αλλά και εύρεση νέων θεραπειών και φαρμάκων.
Ακόμα, αν οι γιατροί έχουν εγκαίρως τα δεδομένα, μέσω των big data, μπορούν να τα επεξεργαστούν και να είναι σε θέση να εντοπίσουν τα προειδοποιητικά σημάδια μιας σοβαρής ασθένειας πριν καν αυτή εμφανιστεί.
Και όπως και οι άνθρωποι, πράγματι μέσω των κατάλληλων λογισμικών οι υπολογιστές, έχουν με ένα τρόπο τη δυνατότητα να μαθαίνουν και να γίνονται καλύτεροι. Τροφοδοτώντας τους με στοιχεία και δεδομένα που μάλιστα τους «διδάσκουμε» μέσω αλγορίθμων και πως να τα μαζεύουν μόνοι τους, σταδιακά είναι σε θέση να βγάλουν συμπεράσματα από μόνοι τους καθώς αναγνωρίζουν μοτίβα και παίρνουν δικές τους αποφάσεις, με ελάχιστη ή και μηδενική ανθρώπινη παρέμβαση και ο απώτερος στόχος είναι να μπορούν να κάνουν προβλέψεις για το μέλλον.
Οι προβλέψεις που γίνονται για την άνοδο της θερμοκρασίας στη γη και τις συνέπειές της ή για τα αποθέματα φυσικών πόρων είναι από τα πιο απλά παραδείγματα.
Αυτό που ωστόσο μπορεί να ακούγεται ακόμα πιο παράξενο είναι ότι η τεχνητή νοημοσύνη μπορεί να αναγνωρίζει ακόμα και τα συναισθήματά μας, όχι μόνο από τον τρόπο που γράφουμε, αλλά και από το ηχόχρωμα της φωνής μας όταν κάνουμε συζήτησή με ένα συνομιλητή μας. Και αν πρόκειται για βίντεο, ακόμα και από τις εκφράσεις μας. Μάλιστα, όσο περισσότερα δεδομένα “διαβάζει” η μηχανή, τόσο περισσότερο μαθαίνει και έχει σημαντικά περισσότερες πιθανότητες ώστε να είναι πιο ακριβής στις αποφάσεις της.
Η πραγματικότητα είναι ότι σχεδόν οποιαδήποτε διεργασία μπορεί πλέον να αυτοματοποιηθεί και με τη βοήθεια των μηχανών να γίνεται ταχύτερα και με μεγαλύτερη ακρίβεια απ’ ότι αν την έκανε ένας άνθρωπος. Πολλές μεγάλες επιχειρήσεις πλέον έχουν αυτοματοποιήσει την αρχική επιλογή βιογραφικών που θα εξετάσουν, ότι μόνο με κριτήριο τα απαραίτητα προσόντα, αλλά και τα διαπροσωπικά χαρακτηριστικά του εργαζόμενου και το κατά πόσο μπορεί και θέλει να κάνει τη συγκεκριμένη εργασία. Ακόμα και το αν ο χαρακτήρας του ταιριάζει με την κουλτούρα της επιχείρησης.
Επίσης, οι μηχανές προσπαθούν να βγάλουν συμπεράσματα βάσει παλαιότερων στοιχείων που συνέλεξαν, ώστε, όπως και εμείς οι άνθρωποι, να αξιοποιούν τις παρελθοντικές γνώσεις για να “προβλέψουν” μια μελλοντική έκβαση. Π.χ. προτάσεις για αγορές όμοιων αγαθών από τα sites που ψωνίζουμε.
Άλλα παραδείγματα που συναντάμε πιο συχνά είναι οι «φίλες» μας Siri και Alexa, ένα τυπικό δείγμα «προσωπικών βοηθών» που ακούν, μας μαθαίνουν καθημερινά και μας υπακούουν ανεξάρτητα αν μια μέρα τους μιλήσουμε με βραχνιασμένη φωνή γιατί κρυώσαμε. Όπως και ο τρόπος που πλέον εύκολα, με μια ματιά ανοίγουμε το κινητό μας, μέσω της αναγνώρισης προσώπου, ανεξάρτητα από τη γωνία που το κοιτάμε και τα ρούχα που φοράμε.
Και έχουμε και τις έξυπνες μηχανές φυσικά. Αυτο-οδηγούμενα αυτοκίνητα, που ο επιβάτης κάθεται πίσω και απολαμβάνει τη διαδρομή ενώ αυτά λειτουργούν με τη βοήθεια αισθητήρων, αναλύοντας συνεχώς πολλαπλά δεδομένα εν μέσω μίας ατυποποίητης κυκλοφορίας και παίρνουν συνεχώς αποφάσεις σε πραγματικό χρόνο.
Αλλά και το έξυπνο ψυγείο, που μπορεί να προτείνει συνταγές με βάση το περιεχόμενο του αλλά και να μας ενημερώνει για ελλείψεις ή τρόφιμα κοντά στη λήξη τους.
Φυσικά υπάρχουν και κακά παραδείγματα. Σε ένα νέο που διαβάσαμε πρόσφατα, ένας 15χρονος εδώ στον κοντινό μας Ασπρόπυργο, παίζοντας απλώς με μια ψηφιακή εφαρμογή στον υπολογιστή του, αφαίρεσε τα ρούχα από τις φωτογραφίες δύο κοριτσιών, μικρότερων από τον ίδιο. Κατόπιν μοίρασε τις επεξεργασμένες, επί της ουσίας πλαστές, αλλά απόλυτα ρεαλιστικές και αληθοφανείς εικόνες σε φίλους του μέσω Διαδικτύου. Το εργαλείο που χρησιμοποίησε ο έφηβος δράστης προκειμένου να παρουσιάσει γυμνές τις ανύποπτες ανήλικες ικανοποιώντας πανεύκολα την άκρατη δημιουργικότητά του δεν ήταν τίποτα άλλο από Τεχνητή Νοημοσύνη.
Κάτι αντίστοιχο συνέβη και με την πρώτη «συνέντευξη» που παραχώρησε ο θρύλος της Formula 1 Μίχαελ Σουμάχερ, παρόλο που ο Γερμανός πρωταθλητής βρίσκεται σε κώμα την τελευταία δεκαετία, ερμητικά προστατευμένος στην οικεία του και χωρίς την παραμικρή επαφή με τον έξω κόσμο, μετά τον σοβαρό τραυματισμό του στο κεφάλι τον Δεκέμβριο του 2013.
Έχουμε πάρα πολλές εφαρμογές, παραδείγματα αλλά και κινδύνους για την τεχνητή νοημοσύνη και σίγουρα θα χυθεί πολύ μελάνι στο θέμα αυτό.
Πάντως, ο άνθρωπος προς το παρόν μοιάζει να έχει αιφνιδιαστεί από την τρομακτική ταχύτητα με την οποία προοδεύει η Τεχνητή Νοημοσύνη. Η νέα εκδοχή μιας παλιάς, σχεδόν αρχέγονης φοβίας απέναντι στα υπερβολικά έξυπνα μηχανήματα ξυπνά με τη μορφή μιας ζοφερής δυστοπίας, όπου το ανθρώπινο στοιχείο θα χρειαστεί να πολεμήσει τις μηχανές προκειμένου να επιβιώσει, όπως στις ταινίες που βλέπαμε πριν από την έλευσή της.
Όπως είπε ο Στίβεν Χόκινγκ, «εάν η Τεχνητή Νοημοσύνη αρχίσει να σχεδιάζει μηχανήματα με ανώτερη Τεχνητή Νοημοσύνη από τους έμψυχους προγραμματιστές, το αποτέλεσμα θα είναι μηχανές με νοημοσύνη που θα υπερβαίνει την ανθρώπινη τόσο πολύ όσο η νοημοσύνη των ανθρώπων ξεπερνά εκείνη των σαλιγκαριών».
Για το λόγο αυτό παγκόσμιοι φορείς αλλά και κυβερνήσεις, μεταξύ των οποίων και η δική μας, συστήνουν φορείς για να δημιουργηθεί ένα πλαίσιο ηθικής και ελεγχόμενης χρήσης της τεχνητής νοημοσύνης. Στην Ελλάδα πρόεδρος της σχετικής συμβουλευτικής επιτροπής είναι ο Κωνσταντίνος Δασκαλάκης, Καθηγήτής στο ΜΙΤ.
Γιατί ο φόβος είναι ότι αν οι ηλεκτρονικοί υπολογιστές, ή αλλιώς κάποια μηχανήματα, είναι πλέον τόσο ευφυή ώστε να μιμούνται και να υποκαθιστούν τον άνθρωπο σε τέτοιον βαθμό ώστε η διαφορά του τεχνητού από το φυσικό να είναι δυσδιάκριτη, τότε το πρόβλημα με την Τεχνητή Νοημοσύνη είναι πολύ πιο βαθύ και σοβαρό. Ελπίζουμε ότι ο Άνθρωπος θα καταφέρει να προστατευτεί από τον Εαυτό του!
Με την Μανίνα Παραρά και το Γεώργιο Δεληκώστα
