Η απουσία κανόνων για την τεχνητή νοημοσύνη, οδηγεί σε απώλεια θετικών λειτουργιών και, ως εκ τούτου, εξασθενεί το ρόλο της

Το κείμενο που ακολουθεί στηρίχτηκε στην παρουσίαση του καθ. Τίμου Σελλή, Διευθυντή της ερευνητικής μονάδας Αρχιμήδης του Ε.Κ. "Αθηνά" στην εκδήλωση By the Book της διοργάνωσης Bring Υour Chair Cozy Festival στις 8 Αυγούστου 2024, στην πλατεία Καταβατής. Πρώτον επιχειρεί να εξηγήσει την εξέλιξη της τεχνητής νοημοσύνης και να διαβλέψει το μέλλον της. Δευτερον θεωρεί ότι η τεχνητή νοημοσύνη λειτουργεί καλά και θα μπορούσε να αποτελέσει ένα σημαντικό επιχειρησιακό εργαλείο ανάπτυξης. Πράγματι, η ύπαρξη προγραμμάτων τα οποία ζωγραφίζουν, παράγουν κείμενα, μιλάνε με φυσική γλώσσα, η ραγδαία ανάπτυξη των κοινωνικών δικτύων στα οποία αφήνουμε όλοι το ψηφιακό μας αποτύπωμα και η διαθεσιμότητα μεγάλης υπολογιστικής ισχύος μας κάνει να μπορούμε να φανταστούμε ότι θα έχουμε ψηφιακούς βοηθούς. Τρίτον θέτει τις προυποθέσεις που θα πρέπει να ισχύουν έτσι ώστε τα προγράμματα τεχνητής νοημοσύνης να αποτελούν πραγματικές καινοτομίες που θα συνεισφέρουν θετικά στην κοινωνία μας.

Το διαχρονικό όραμα της τεχνητής νοημοσύνης

Ιστορικά, οι ερευνητές ασχολήθηκαν με διάφορους ορισμούς της τεχνητής νοημοσύνης οι οποίοι κινούνται σε δύο άξονες: ο πρώτος άξονας αφορά στο εάν ένα σύστημα με νοημοσύνη θα σκέφτεται σαν άνθρώπος ή όχι, ενώ ο δεύτερος άξονας αφορά στο εάν θα συμπεριφέρεται σαν άνθρωπος ή όχι. Από αυτές τις δύο διαστάσεις υπάρχουν τέσσερις πιθανοί συνδυασμοί, και υπήρξαν προσπάθειες δημιουργίας συστημάτων και για τους τέσσερις, οι τρεις έχουν πετύχει ήδη από τη δεκαετία του 80 αλλά ο συνδυασμός «να σκέφτεται και να συμπεριφέρεται σαν άνθρωπος» αργεί να επιτευχθεί.

Προς αποσαφήνιση του φιλοσοφικού ερωτήματος "Μπορεί μια μηχανή να σκεφτεί;", ο Άλαν Τούρινγκ, θεωρούμενος από τους περισσότερους ως πατέρας της Πληροφορικής, σχεδίασε το 1950 το τεστ Τούρινγκ: ένας υπολογιστής περνάει το τεστ αν ένας άνθρωπος που επικοινωνεί με τον υπολογιστή αυτόν, αφού του θέσει κάποιες γραπτές ερωτήσεις, δεν μπορεί να διακρίνει αν οι γραπτές απαντήσεις προέρχονται από άνθρωπο ή από υπολογιστή. Άλλοι ερευνητές έχουν προτείνει ένα συνολικό τεστ Τούρινγκ, το οποίο απαιτεί αλληλεπίδραση με αντικείμενα και ανθρώπους στον πραγματικό κόσμο.

Αν υποθέσουμε ότι κάποιος έχει βγάλει έναν κανόνα για να μετρήσουμε την νοημοσύνη, το λεγόμενο ΙQ, με τον Α ή Β τρόπο, μπορούμε να φανταστούμε ότι θα φτιάξουμε ένα πρόγραμμα το οποίο θα μας κάνει να νομίζουμε ότι ο υπολογιστής έχει μεγαλύτερη νοημοσύνη από τον άνθρωπο! Για παράδειγμα, ο γνωστός υπολογιστής Deep Blue που κέρδισε τον Κασπάροφ πριν από σχεδόν 20 χρόνια θα μπορούσε κάποιος να πει ότι είναι τεχνητή νοημοσύνη.

Ο όρος Τεχνητή Νοημοσύνη φτιάχτηκε το 1956 στο Κολλέγιο Ντάρτμουθ από τέσσερις σοφούς ανθρώπους της Πληροφορικής (Τζον Μακάρθι, Μάρβιν Μίνσκυ, Ναθάνιελ Ρότσεστερ & Κλοντ Σάνον) στα πλαίσια ενός καλοκαιρινού συνεδρίου το οποίο είχε στόχο να βάλει ένα όραμα που να λέει τι θέλουν οι συμμετέχοντες για την πληροφορική. Και συγκεκριμένα ότι θέλαν να φτιάξουν τον υπολογιστή ο οποίος όλοι τους πιστεύαν ότι θα πρέπει να υπηρετεί τον άνθρωπο. Ωστόσο ο όρος Τεχνητή Νοημοσύνη όπως χρησιμοποιείται σήμερα έχει ξεφύγει από τον αρχικό ορισμό. Πληθώρα συστημάτων ισχυρίζονται ότι έχουν τεχνητή νοημοσύνη μέσα τους χωρίς όμως να είναι σαφές ούτε τι κάνουν ούτε σε τι βοηθούν τον άνθρωπο.

Στον τομέα της γνωσιακής επιστήμης επικρατεί συχνά η άποψη ότι το να έχει ένα υπολογιστικό σύστημα νοημοσύνη σημαίνει ότι μπορεί να λογοδοτήσει, ισχυρισμός που διαφέρει από αυτό που στην πληροφορική ονομάζεται Explainability (Επεξηγησιμότητα). Το ζητούμενο εδώ δεν είναι το σύστημα να είναι υπόλογο, αλλά να μπορεί να εξηγήσει στον άνθρωπο πώς έφτασε σε ένα συμπέρασμα, παραδείγματος χάριν ότι αυτό που απεικονίζεται είναι μια γάτα και ιδού το γιατί.

Στον τραπεζικό τομέα έχει ξεκινήσει μια προσπάθεια να φτιαχτούν προγράμματα τα οποία θα κάνουν τα ίδια stock trading (διαπραγμάτευση μετοχών) αντί για τον άνθρωπο. Είναι όμως ο στόχος αυτός εφικτός; Eφόσον η εργασία αυτή γίνεται ήδη από ανθρώπους είναι εφικτό να την κάνει και ένα πρόγραμμα. Αυτό που δε γνωρίζουμε είναι αν θα μπορεί το πρόγραμμα να κάνει την εργασία αυτή τόσο αποτελεσματικά όσο ο καλύτερος trader που υπάρχει στην τράπεζα. Ένας δεύτερος παράγοντας που τεκμηριώνει την εφικτότητα είναι το γεγονός ότι έχουν πλέον αναπτυχθεί προγράμματα τα οποία ζωγραφίζουν, παράγουν κείμενα, μιλάνε με φυσική γλώσσα. Ένα τέτοιο είδος αποτελούν τα συστήματα αυτόματης μετάφρασης, τα οποία σήμερα είναι απολύτως αποδεκτά, πόσο μάλλον αφού μπορούν να πάρουν μια έτοιμη μετάφραση που έχει κάνει άνθρωπος και να τη βελτιώσουν, ανοίγοντας το δρόμο για την ανάπτυξη ψηφιακών βοηθών για οτιδήποτε παράγει ο άνθρωπος (εικόνα, βίντεο, ήχο, κείμενο).

Τελικά, ως τεχνητή νοημοσύνη σήμερα παρουσιάζεται σχεδόν όλη η Πληροφορική, κάτι που ερχεται σε αντίθεση με το αρχικό όραμα που είχαν οι ιδρυτές της πριν από 70 σχεδόν χρόνια. Οσον αφορά τους κλάδους της Πληροφορικής που συνθέτουν το μεγαλύτερο μέρος της τεχνητής νοημοσύνης, περιλαμβάνουν την Επεξεργασία Φυσικής Γλώσσας, για να επικοινωνεί ένα σύστημα με επιτυχία σε μια ανθρώπινη γλώσσα, την Αναπαράσταση Γνώσης, για να αποθηκεύει αυτά που γνωρίζει ή ακούει, την Αυτοματοποιημένη Συλλογιστική, για να απαντά σε ερωτήσεις και να εξάγει νέα συμπεράσματα, τη Μηχανική Μάθηση, για να προσαρμόζεται σε νέες συνθήκες και να εντοπίζει και να εξάγει πρότυπα, την Υπολογιστική Όραση και Αναγνώριση Ομιλίας, για να αντιλαμβάνεται τον κόσμο, και τη Ρομποτική για να χειρίζεται αντικείμενα και να κινείται.

Τεχνολογικές εξελίξεις που αλλάξαν το παράδειγμα της τεχνητής νοημοσύνης

Η λεγόμενη επανάσταση της τεχνητής νοημοσύνης δε θα είχε συμβεί εαν δεν είχε αφήσει ο σύγχρονος άνθρωπος ένα ψηφιακό αποτύπωμα παντού στο διαδίκτυο με τόση πληροφορία που θα επέτρεπε σε κάποιον να κάνει την καλύτερη επεξεργασία και να παράξει το καλύτερο αποτέλεσμα. Παραδείγματος χάριν, εαν ένας άνθρωπος είχε στη διάθεσή του όλες τις μεταφράσεις που έχουν κάνει 100 εκατομμύρια άνθρωποι στον κόσμο, όπως συμβαίνει σήμερα με το σύστημα Claude, είναι σίγουρο ότι θα μπορούσε να παράξει κι εκείνος μια καλή μετάφραση. Το ότι κάτι τέτοιο δεν ήταν εφικτό μέχρι πρόσφατα, οφείλεται σε δύο λόγους. Αφενός η υπολογιστική ισχύς που ήταν διαθέσιμη μέχρι σήμερα δεν επέτρεπε στον άνθρωπο να φτάσει μέχρι αυτό το σημείο και αφετέρου τα δεδομένα που ήταν διαθέσιμα δεν ήταν αρκετά. Η μεγάλη διαφορά τώρα είναι η ανάπτυξη πολύ ισχυρών υπολογιστών και η παραγωγή ενός τόσο μεγάλου αριθμού ανθρώπινων δεδομένων που να επιτρέπουν την εξαγωγή νέων συμπερασμάτων με ακρίβεια.

Αυτό που συμβαίνει σήμερα (και με την βοήθεια τεχνικών Τεχνητής Νοημοσύνης) είναι ουσιαστικά η Τέταρτη Βιομηχανική Επανάσταση γνωστή και ως Industry 4.0. Στην ιστορία των επαναστάσεων που έχουν γίνει από την ατμομηχανή και μετά, έγινε καταρχήν βήμα προς την κατεύθυνση των ψηφιακών τεχνολογιών και πλέον έχουμε καταφέρει να μπορούμε να βάλουμε τεχνητά δημιουργήματα, γνωστά και ως ρομπότ, να δουλέψουν μαζί με τον άνθρωπο, για να βοηθήσουν τον άνθρωπο. Οχι για να κάνουν μια αυτόνομη δουλειά επειδή είναι πιο έξυπνα ή πιο ικανά. Στο χώρο της υγείας, σοβαροί και σημαντικοί καρδιολόγοι, σε ένα υποθετικό σενάριο όπου ένα σύστημα τεχνητής νοημοσύνης που θα ήταν διαθέσιμο, θα είχε δει ένα δισεκατομμύριο καρδιογραφήματά και θα αποφαινόταν ότι σε ένα καρδιογράφημα υπάρχει μαρμαρυγή, θα του δείχναν εμπιστοσύνη. Ωστόσο ο φόβος ότι ο άνθρωπος, παρόλη την εμπειρία του, παύει πλέον να είναι ο ειδικός, δεν είναι βάσιμος, αντίθετα, παραμένοντας ο ειδικός μπορεί κανείς να δεχτεί μια βοήθεια από ένα μηχάνημα που όμως γνωρίζει ότι ο τρόπος που έχει φτιαχτεί έχει ελεγχθεί από ειδικούς για το συγκεκριμένο σκοπό και πως με αυτό θα πάει μπροστά.

Η τεχνητή νοημοσύνη λειτουργεί καλά, όχι καλύτερα από τον άνθρωπο, αν τα δεδομένα στα οποία στηρίζεται είναι καλά. Για παράδειγμα, συστήματα στην Αμερική, μπορεί να προτείνουν ότι ο τυπικός εγκληματίας είναι Αφροαμερικανός σε συγκεκριμένη ηλικία, που ζεί σε συγκεκριμένες πόλεις. Αυτό συμβαίνει επειδή τα δεδομένα στα οποία έχει εκπαιδευτεί ένα τέτοιο σύστημα είναι μόνο παραβατών και μπορεί στα καταγεγραμμένα στοιχεία να υπάρχει περισσότερη πληροφορία για αυτές τις κατηγορίες παραβατών. Αντίστοιχα φαινόμενα εμφανίζονται στην υγεία: παραδείγματος χάριν, είναι πιθανό ένα σύστημα το οποίο κάνει μια γνωμάτευση να στηρίζεται μόνο σε δεδομένα μη-υγιών ατόμων (πιθανολογώντας ότι ο λόγος που οδηγεί κάποιον να εξεταστεί μάλλον θα προκαλέσει μια διάγνωση κάποιου προβλήματος υγείας). Υπό αυτή την έννοια αν δε παραχθούν άλλα τόσα δεδομένα υγιών ανθρώπων δεν θα μπορέσει ποτέ να υπάρξει ένα σύστημα το οποίο από μόνο του θα μπορεί κοιτώντας μια ακτινογραφία η βλέποντας κάποιες εξετάσεις να κρίνει αν έχει ο ασθενής κάποιο πρόβλημα. Άρα κι εδώ η σημασία της ποιότητας των δεδομένων είναι κρίσιμη.

Συστήματα που χρησιμοποίησαν πάρα πολλά δεδομένα όπως το ChatGPT γίναν εφικτά λόγω της ύπαρξης του διαδικτύου, όχι μόνο με την έννοια των ιστοσελίδων αλλά και των κοινωνικών δικτύων και παρόμοιων συστημάτων που αναπτύχθηκαν τελευταία χρόνια και στα οποία οι χρήστες έχουν αφήσει τεράστιες ποσότητες δεδομένων. Στο διαδίκτυο ακολουθείται η εξής λογική: κάποιος βάζει ένα όνομα μαζί με μια φωτογραφία και ορίζει με αυτόν τον τρόπο ότι αυτό που απεικονίζεται στη φωτογραφία είναι π.χ., πάνθηρας. Συνήθως δε υπάρχουν αρκετά παραδείγματα της ίδιας έννοιας για να τα χρησιμοποιήσει ένα σύστημα και όταν ένας άνθρωπος δει μια φωτογραφία π.χ., του πάνθηρα, να του βγάλει το σύστημα το σωστό όνομα.

Τα δεδομένα ως πόρος για την τεχνητή νοημοσύνη

Εξαιτίας της μεγάλης σημασίας που έχουν τα δεδομένα για την τεχνητή νοημοσύνη, αυτό που απαιτείται, όπως το έχουν ήδη κάνει και άλλα κράτη, είναι η διακυβέρνηση των δεδομένων (data governance). Συγκριμένα, θα πρέπει, σε επίπεδο κυβέρνησης, να οριστεί ο ρόλος Chief Data Officer που θα ελέγχει τη συμμόρφωση των δεδομένων με κανόνες που θα οριστούν, θα είναι παρόμοιοι με αυτούς που ισχύουν ήδη για τα προσωπικά δεδομένα και θα εξασφαλίζουν τα σωστά επίπεδα ποιότητας των δεδομένων. Παραδείγματος χάριν, με αφορμή την πρόσφατη δυνατότητα που δόθηκε στους πολίτες για την Επιστολική Ψήφο, έτυχε σε κάποιους το ονοματεπώνυμό τους να είναι καταχωρημένο διαφορετικά στην ΑΑΔΕ και στους εκλογικούς καταλόγους με αποτέλεσμα να δυσκολευτούν να συμμετάσχουν στη ψηφοφορία. Ένας επιπλέον λόγος για τον οποίο το θέμα των δεδομένων πρέπει να ληφθεί σοβαρά υπόψη είναι έτσι ώστε να μπορούν οι επιστήμονες να στηρίξουν τις τρέχουσες ανάγκες αναπτύσσοντας καινούργιες τεχνικές τεχνητής νοημοσύνης.

Η τεχνητή νοημοσύνη ως πόρος για την κοινωνία

Η ουσία με την τεχνητή νοημοσύνη είναι ότι δεν πρόκειται για τεχνολογικό φαινόμενο αλλά κοινωνικό, εξ ου και δεν πρέπει να τη φοβόμαστε. Ωστόσο πρέπει να γίνει κατανοητό ότι μόνο οι καινοτομίες που εξυπηρετούν πραγματικά κάποια ανθρώπινη ανάγκη πετυχαίνουν μακροπρόθεσμα. Ένα χαρακτηριστικό παράδειγμα είναι αυτό των αυτοκινούμενων οχημάτων τα οποία θεωρούνται από πολλούς ότι είναι τεχνητή νοημοσύνη. Παρόλο που έχουν αναπτυχθεί τεχνολογικά, υπάρχουν και μάλιστα χρησιμοποιούνται, πόσο μάλλον που έχουν υπάρξει και ατυχήματα, οι μεγάλες αυτοκινητοβιομηχανίες σταματήσαν πρόσφατα τα σχετικά project. Αυτό είναι μια ένδειξη ότι αν και τεχνολογικά ένα αυτοκίνητο που οδηγεί μόνο του είναι κάτι πάρα πολύ ωραίο, δεν προέκυψε από μια πραγματική ανάγκη του ανθρώπου. Αντίθετα τα οχήματα αυτά φτιάχτηκαν με την ελπίδα ότι θα προκαλούνται λιγότερα ατυχήματα, θα εκπέμπονται λιγότερα καυσαέρια, θα υπάρχει καλύτερη την κυκλοφορία στους δρόμους κάτι που όμως γίνεται και με χρήση λεωφορείων αλλά και με άλλους τρόπους ήδη. Αδιαμφισβήτητα η τεχνολογία κέρδισε πάρα πολλά από τη συγκεκριμένη έρευνα με αποτέλεσμα μικρότερες καινοτομίες οι οποίες διευκολύνουν πραγματικά τον άνθρωπο, όπως είναι η αυτόματη ειδοποίηση όταν το όχημα εξέρχεται από τη λωρίδα και η αυτόματη επιβράδυνση όταν το όχημα αντιληφθεί κίνδυνο σύγκρουσης, να έχουν υιοθετηθεί από τα καινούρια (μη αυτοκινούμενα) οχήματα.

Συνοψίζοντας, η τεχνητή νοημοσύνη όπως είναι σήμερα είναι η εξέλιξη της ψηφιακής τεχνολογίας και ό,τι έχει να κάνει με τον ψηφιακό μετασχηματισμό ξεκινώντας από τη παραδοσιακή βιομηχανία και επεκτεινόμενη σε πάρα πολλούς τομείς. Πόσο σημαντικό είναι οτιδήποτε γίνεται να γίνεται με κανόνες και κάτω από το πρίσμα του να σκεφτόμαστε τι επιπτώσεις έχει στην κοινωνία μας! Είναι σημαντικό να καταλάβουμε ότι μόνο οι καινοτομίες που εξυπηρετούν πραγματικά κάποια ανθρώπινη ανάγκη πετυχαίνουν μακροπρόθεσμα.