Συνέντευξη με έναν από τους θεμελιωτές της Τεχνητής Νοημοσύνης

Σκέφτεστε συχνά τρόπους με τους οποίους μπορεί να βοηθήσει την ανθρωπότητα η τεχνητή νοημοσύνη; Ποια είναι τα πιο σημαντικά προβλήματα που θα μπορούσαμε να αντιμετωπίσουμε με τη βοήθεια της ΤΝ;

Η ΤΝ δεν είναι ένα τελικό προϊόν ή ένα σύστημα που υπάρχει κάπου. Πολλές από τις προσεγγίσεις, τους αλγόριθμους και τις μεθόδους που χρησιμοποιούνται βρίσκονται ακόμα σε βρεφικό στάδιο. Παρόλα αυτά, η ΤΝ ήδη χρησιμοποιείται σε πολλούς τομείς της οικονομίας και αυτό θα συνεχιστεί και μελλοντικά. Τα smartphones, οι μηχανές αναζήτησης, τα social media, οι online αγορές… όλα αυτά έχουν την τεχνητή νοημοσύνη στον πυρήνα τους. Το καλό είναι ότι γίνεται σημαντική δουλειά για την ανάπτυξη νέων εφαρμογών που βασίζονται στις κοινωνικές ανάγκες. Για παράδειγμα, στην υγειονομική περίθαλψη, στην αντιμετώπιση της κλιματικής αλλαγής, στην εκπαίδευση, στη βελτίωση της γεωργίας. To συναρπαστικό είναι ότι πολλά από τα εργαλεία τεχνητής νοημοσύνης που αναπτύσσονται είναι ευρείας χρήσης και μπορούν να εφαρμοστούν σε πολλούς τομείς. Θεωρώ πολύ ενθαρρυντική τη δουλειά που κάνουν οι ακαδημαϊκοί και οι κυβερνήσεις με στόχο την εξερεύνηση εφαρμογών τεχνητής νοημοσύνης στις οποίες δεν εστιάζει επί του παρόντος η βιομηχανία, ίσως επειδή δεν είναι κερδοφόρες. Είναι, όμως, σημαντικές για την κοινωνία.

Ανακάλυψη νέων φαρμάκων με τη βοήθεια της Τεχνητής Νοημοσύνης

Αναφερθήκατε προηγουμένως στην υγειονομική περίθαλψη. Μπορείτε να μας δώσετε μερικά παραδείγματα για το πώς μπορεί να βοηθήσει εκεί η ΤΝ; Όπως για παράδειγμα στην ανάπτυξη νέων φαρμάκων;

Ναι, αυτό είναι μάλιστα κάτι πάνω στο οποίο δούλεψα τον περασμένο χρόνο, λόγω της πανδημίας. Πράγματι, το πρόβλημα με την ανακάλυψη νέων φαρμάκων σήμερα είναι ότι είναι μια πολύ ακριβή και χρονοβόρα διαδικασία. Χρειάζονται περίπου δέκα χρόνια για να ανακαλύψεις ένα νέο φάρμακο. Όταν υπάρχει μια πανδημία ή διάφορες μεταδοτικές ασθένειες σε αναπτυσσόμενες χώρες τις οποίες δεν μπορούμε να ελέγξουμε και σκοτώνουν εκατομμύρια ανθρώπους, όταν εξετάζουμε ζητήματα όπως η αντοχή στα αντιβιοτικά, η οποία είναι τεράστια απειλή για την ανθρωπότητα, τότε η χρήση μιας τεχνολογίας που επιταχύνει τη διαδικασία ανακάλυψης θα μπορούσε να είναι εξαιρετικά χρήσιμη για την κοινωνία μας. Ένας από τους τομείς όπου εστιάζω είναι η έρευνα υποψήφιων φαρμάκων, η οποία μπορεί να αυτοματοποιηθεί. Από τη μία πλευρά, μπορούμε να συλλέξουμε περισσότερα δεδομένα με νέες τεχνικές και, από την άλλη, μπορούμε να αναλύσουμε αυτά τα δεδομένα για να προτείνουμε νέα υποψήφια φάρμακα. Μια τέτοια έρευνα θα μπορούσε να γίνει σε συνεργασία με χημικούς και βιολόγους που γνωρίζουν ποιες περιοχές πρέπει να εξερευνήσουν. Εκεί είναι που μπορεί να χρησιμοποιηθεί η ΤΝ, η οποία, μέσω των δεδομένων που συλλέγονται, θα οδηγήσει στην ανακάλυψη νέων κατευθύνσεων για υποψήφια φάρμακα.

Γιατί διστάζουμε να εξαντλήσουμε όλες τις δυνατότητες που προσφέρει η τεχνητή νοημοσύνη ώστε να βοηθήσουμε την ανθρωπότητα;

Αρχικά, η τεχνογνωσία και τα κεφάλαια που απαιτούνται για την ανάπτυξη χρήσιμων εφαρμογών τεχνητής νοημοσύνης είναι συγκεντρωμένα σε ελάχιστα μέρη του κόσμου. Πρέπει λοιπόν να φροντίσουμε να υπάρξει εκδημοκρατισμός αυτής της γνώσης και να διευκολυνθεί η πρόσβαση σε κάποια από τα παραγόμενα σύνολα δεδομένων. Πρόκειται για ένα μεγάλο πρόβλημα στον τομέα της υγείας, είτε επειδή τα δεδομένα παράγονται σε εταιρείες που τα αποκρύπτουν για να έχουν ανταγωνιστικό πλεονέκτημα, είτε για λόγους απορρήτου. Επίσης, απαιτείται η παροχή ευρύτερης εκπαίδευσης παγκοσμίως, ιδίως στον τομέα της τεχνητής νοημοσύνης, έτσι ώστε να μπορούν οι νέοι στις αναπτυσσόμενες χώρες να συμμετάσχουν στην ανάπτυξη της οικονομίας τους χρησιμοποιώντας την τεχνητή νοημοσύνη. Τέλος, υπάρχει ακόμα ένα εμπόδιο που σχετίζεται με την αδράνεια των κοινωνιών μας. Οι κυβερνήσεις δεν αλλάζουν εύκολα τους κανονισμούς. Οι εταιρείες δεν αλλάζουν εύκολα τον τρόπο λειτουργίας τους. Το οικονομικό μας σύστημα ευνοεί ορισμένους τύπους εφαρμογών, αλλά όχι απαραίτητα αυτές που έχουν μεγάλη σημασία για την κοινωνία, όπως η ανακάλυψη νέων φαρμάκων. Η βιομηχανία δεν διεξάγει επαρκή έρευνα πάνω στα αντιβιοτικά και υπάρχει τεράστια ανάγκη για αυτό.

Υπερβολικές προσδοκίες από τα «έξυπνα» υπολογιστικά συστήματα

Ποια είναι η πιο υπερεκτιμημένη πτυχή της ΤΝ σήμερα; Και ποια η πιο υποτιμημένη;

Δυστυχώς, η τεχνητή νοημοσύνη δεν απεικονίζεται ρεαλιστικά στην επιστημονική φαντασία. Η τεχνητή νοημοσύνη δε σημαίνει μαγεία. Τα σημερινά συστήματα ΤΝ απέχουν πολύ από την ανθρώπινη νοημοσύνη. Υπάρχει μια τάση να δείχνουμε υπερβολική εμπιστοσύνη ή να έχουμε υπερβολικές προσδοκίες από τα σημερινά συστήματα ΤΝ. Στο μέλλον, αν δεν αυτοκαταστραφούμε λόγω της ζημιάς του περιβάλλοντος, είναι πολύ πιθανό να καταφέρουμε να κατασκευάσουμε μηχανές εξίσου έξυπνες με τους ανθρώπους. Τώρα, όμως, απέχουμε πολύ από αυτό και δεν είμαστε σε θέση να κάνουμε εκτιμήσεις για το πότε μπορεί να συμβεί.
Μια άλλη παρανόηση έχει να κάνει με διάφορες εσφαλμένες αντιλήψεις που επικρατούν σχετικά με την επιστήμη. Οι ταινίες επιστημονικής φαντασίας απεικονίζουν μοναχικούς επιστήμονες που κάνουν τεράστιες ανακαλύψεις σε κάποιο απομονωμένο μέρος ολομόναχοι. Δεν λειτουργεί έτσι η επιστήμη. Η επιστήμη προχωρά αργά, με μικρά βήματα, και η πρόοδος επιτυγχάνεται μέσω συλλογικών προσπαθειών. Βασιζόμαστε ο ένας στο έργο του άλλου. Δουλεύουμε σε ομάδες. Αυτή η εικόνα είναι πολύ διαφορετική από αυτά που βλέπουμε σε ταινίες επιστημονικής φαντασίας.

Απέχουμε πολύ από το να γίνουμε μια κοινωνία τύπου Star Trek; Μια κοινωνία, δηλαδή, που θα έχει σημειώσει την επιστημονική πρόοδο που βλέπουμε στις ταινίες και τις σειρές Star Trek; Σε παλαιότερη συνέντευξή σας είχατε περιγράψει το Star Trek ως μια εκδημοκρατισμένη και τεχνολογικά προηγμένη κοινωνία.

Πράγματι. Μπορεί να μην το έχει παρατηρήσει ο περισσότερος κόσμος, αλλά, στο Star Trek, το οικονομικό σύστημα είναι πολύ διαφορετικό. Οι άνθρωποι έχουν επαρκή υλικά αγαθά στη ζωή τους. Το σημαντικό (για αυτούς) είναι να καταφέρουν κάτι (μέσω της δουλειάς τους) ώστε να συνεισφέρουν στην κοινωνία.
Το Star Trek, ειδικά η σειρά «Η Επόμενη Γενιά», παρουσιάζει φουτουριστικές ιδέες σχετικά με την ΤΝ από τεχνολογικής άποψης. Η απεικόνισή τους είναι λίγο καρικατουρίστικη, αλλά δεν είναι τόσο αποτυχημένη σε σχέση με άλλα βιβλία και ταινίες επιστημονικής φαντασίας.

Η τεχνητή νοημοσύνη γνωρίζει κατά καιρούς περιόδους μηδαμινής ζήτησης και επενδύσεων δημοσίου συμφέροντος, αλλά και περιόδους με σημαντικές καινοτομίες. Αυτά τα σκαμπανεβάσματα είναι γνωστά και ως «χειμώνες» και «καλοκαίρια» της ΤΝ. Αυτήν τη στιγμή διανύουμε ένα καυτό καλοκαίρι. Μας περιμένει άραγε ένας ακόμα χειμώνας;

Ποτέ δεν μπορείς να το αποκλείσεις, αλλά πιστεύω ότι έχουμε περάσει μια κρίσιμη καμπή. Μέχρι πρόσφατα η τεχνητή νοημοσύνη απασχολούσε κυρίως τον ακαδημαϊκό χώρο και δεν ήταν ιδιαίτερα κερδοφόρα για τη βιομηχανία. Στη δεκαετία του ’90 θυμάμαι διάφορες startup που ισχυρίζονταν ότι χρησιμοποιούν τεχνητή νοημοσύνη, έμπειρα συστήματα και άλλα τέτοια. Ωστόσο, ποτέ δεν «εκτοξεύθηκε» όλο αυτό γιατί η τεχνολογία δεν είχε αγγίξει το κατώτατο επίπεδο απόδοσης που θα επέφερε σημαντικά κέρδη. Αλλά έχουμε ξεπεράσει αυτό το επίπεδο τώρα.
Τα επόμενα χρόνια σίγουρα θα συνεχίσουν να υπάρχουν εταιρείες που θα επενδύουν στην τεχνητή νοημοσύνη και σε προϊόντα ΤΝ, όπως και φοιτητές που θα θέλουν να κάνουν αντίστοιχες σπουδές ώστε να βρουν εύκολα δουλειά. Στην πραγματικότητα, υπάρχει ένα τεράστιο χάσμα μεταξύ της ζήτησης σ’ αυτόν τον τομέα και του αριθμού των αποφοίτων με την απαιτούμενη εμπειρία. Παρόλο, λοιπόν, που ίσως δούμε σκαμπανεβάσματα στη βιομηχανία, η ΤΝ ήρθε για να μείνει.

Πρέπει να δημιουργήσουμε συστήματα Τεχνητής Νοημοσύνης με «κοινή λογική»

Ζούμε σε μια εποχή τεράστιων λογισμικών, όπως το GPT 3, το οποίο χρησιμοποιεί μηχανική μάθηση για την παραγωγή κειμένου που μοιάζει με ανθρώπινο. Τέτοιου είδους μοντέλα έχουν εκπληκτικά αποτελέσματα κάποιες φορές, αλλά δεν έχουν καμία σχέση με τον τρόπο που μαθαίνουν οι άνθρωποι. Μας οδηγούν τελικά προς τη σωστή ή τη λάθος κατεύθυνση;

Εξαρτάται από το ποιος είναι ο στόχος. Αν ο στόχος σου είναι βραχυπρόθεσμος και θέλεις να βελτιώσεις τα υπάρχοντα προϊόντα που χρησιμοποιούν φυσική γλώσσα – για παράδειγμα αυτά που στοχεύουν στην κατανόηση ή τη σύγκριση κειμένων, όπως οι μηχανές αναζήτησης – οι προσπάθειες που γίνονται είναι στη σωστή κατεύθυνση. Όσο περισσότερα δεδομένα εισάγουμε και όσο μεγαλύτερα είναι τα μοντέλα, τόσο καλύτερη είναι η απόδοση.
Ωστόσο, δεν πιστεύω ότι η κλιμάκωση των προσπαθειών αρκεί εδώ. Ακόμη και αν χρησιμοποιούσαμε όλα τα κείμενα που έχουν γραφτεί από τις απαρχές της ανθρωπότητας μέχρι σήμερα, και πάλι δεν θα ήταν αρκετά για να φτιάξουμε μια μηχανή που κατανοεί τη φυσική γλώσσα. Επομένως απαιτείται ένας επανασχεδιασμός, ώστε να δημιουργήσουμε συστήματα που έρχονται σε επαφή όχι μόνο με κείμενα ως δεδομένα αλλά και με βίντεο ή ακόμα και συστήματα που αλληλεπιδρούν με τον κόσμο, ίσως μέσω ρομπότ ή εικονικού περιβάλλοντος. Πρέπει να φτιάξουμε ένα μοντέλο που να κατανοεί τον κόσμο. Η ενισχυτική μάθηση βάσει μοντέλου κινείται προς αυτήν την κατεύθυνση. Προσπαθεί να αναπτύξει μοντέλα που κατανοούν το περιβάλλον τους.

Εννοείτε συστήματα που διαθέτουν κοινή λογική, αν κατάλαβα καλά.

Ακριβώς.

Δεν είναι έτοιμες οι κοινωνίες μας για ένα σύστημα τεχνητής νοημοσύνης ανθρώπινου επιπέδου

Πόσο απέχουμε από την ανάπτυξη αυτών των συστημάτων και από την Τεχνητή Γενική Νοημοσύνη;

Δεν έχω μαντικές ικανότητες. Η επιστήμη πάντως προχωρά με μικρά βήματα. Μερικές φορές ξεπερνάς ένα κρίσιμο κατώφλι και κάνεις μια σημαντική ανακάλυψη, αλλά είναι δύσκολο να προβλέψεις πότε θα συμβεί αυτό.
Γενικά δεν μου αρέσει ο όρος Τεχνητή Γενική Νοημοσύνη και θα εξηγήσω γιατί. Σύμφωνα με τον αρχικό ορισμό που δόθηκε και όπως μαρτυρά και ο ίδιος ο όρος, μιλάμε για μια γενική μορφή νοημοσύνης. Με βάση, όμως, τα μαθηματικά, όπως και πολλά εμπειρικά στοιχεία, φαίνεται ότι δεν υπάρχει μια ξεκάθαρα γενική νοημοσύνη. Η ανθρώπινη νοημοσύνη δεν είναι γενική. Είμαστε καλοί σε κάποια πράγματα και κακοί σε άλλα. Επομένως, η νοημοσύνη μας είναι μεν γενική, αλλά όχι απόλυτα. Γι’ αυτό και προτιμώ να χρησιμοποιώ τον όρο «νοημοσύνη ανθρώπινου επιπέδου».
Και για να επανέλθω στην ερώτηση ως προς το πότε θα φτάσουμε σ’ αυτό το σημείο. Δεν νομίζω ότι είναι κάτι που θα συμβεί μια συγκεκριμένη χρονιά. Αντ’ αυτού, θα δούμε πρόοδο σε διαφορετικές πτυχές της νοημοσύνης. Δεν θα σημειωθεί ίδια πρόοδος στο σύνολο των ανθρώπινων ικανοτήτων.

Αναφέρεστε σε συστήματα που μπορούν να προσαρμοστούν στην αλλαγή, δεδομένου ότι αυτό αποτελεί παράγοντα που διακρίνει τον άνθρωπο από τις μηχανές, σωστά;

Και οι μηχανές μπορούν να προσαρμοστούν στην αλλαγή, απλώς εμείς τα καταφέρνουμε πολύ καλύτερα. Μπορούμε να προσαρμοστούμε πολύ γρήγορα στην αλλαγή. Αυτό είναι ένα από τα συναρπαστικά πεδία έρευνας αυτήν τη στιγμή στον τομέα της μηχανικής μάθησης.

Είναι έτοιμη η κοινωνία μας να υποδεχτεί τέτοια συστήματα, συστήματα «νοημοσύνης ανθρώπινου επιπέδου», όπως τα αποκαλέσατε προηγουμένως;

Δεν νομίζω. Πιστεύω ότι δεν διαθέτουμε την απαραίτητη σοφία σε ατομικό και συλλογικό επίπεδο ώστε να διασφαλίσουμε ότι ισχυρότατες τεχνολογίες, όπως η τεχνητή νοημοσύνη ή η βιοτεχνολογία, θα είναι εναρμονισμένες με τις αξίες μας, θα χρησιμοποιούνται με τρόπο που θα ωφελεί την ανθρωπότητα και δεν θα έχουν καταστροφικά αποτελέσματα. Οι άνθρωποι που έχουν εξουσία μπορούν να εκμεταλλευτούν και να καταχραστούν τις ισχυρές τεχνολογίες, πράγμα που μπορεί να οδηγήσει σε συγκέντρωση της εξουσίας, σε συγκέντρωση του πλούτου. Και αυτό δεν είναι καλό για τη δημοκρατία. Τα αποτελέσματα μπορούν να αποβούν μοιραία για το περιβάλλον και να καταπατηθούν ανθρώπινα δικαιώματα. Πρέπει να αφιερώσουμε χρόνο στη σύσταση των κατάλληλων κανονισμών σε εθνικό και διεθνές επίπεδο. Πρέπει να επενδύσουμε περισσότερο στις καλές πτυχές της ΤΝ, για παράδειγμα – στις καλές κοινωνικές εφαρμογές της τεχνητής νοημοσύνης. Αλλά πρέπει και να αποφύγουμε τον αρνητικό αντίκτυπο. Διότι, αν η ΤΝ χρησιμοποιείται συνεχώς με τρόπους που οι περισσότεροι άνθρωποι αντιλαμβάνονται ως κακόβουλους, όπως στα πλαίσια της παρακολούθησης, του ελέγχου και της χειραγώγησης των ανθρώπων μέσω της διαφήμισης, τότε ο κόσμος θα αποκηρύξει την τεχνολογία και την επιστήμη, όπως έχει ήδη αρχίσει να συμβαίνει . Επομένως, για να προοδεύσουν οι κοινωνίες μας, είναι απαραίτητο να διαχειριστούμε πολύ προσεκτικά την εφαρμογή της τεχνολογίας.