Τοπικά

Ασπασία Δασκαλοπούλου: «Με την Τεχνητή Νοημοσύνη ευημερία, δημοκρατία και όχι άλλες ανισότητες»

Στις συναρπαστικές δυνατότητες που φέρνει η επέλαση της τεχνητής νοημοσύνης, αλλά και κινδύνους που κρύβει, αναφέρεται σε συνέντευξή της στη «Θ» η Ασπασία Δασκαλοπούλου, αναπληρώτρια καθηγήτρια στο Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Πανεπιστημίου Θεσσαλίας. Έχοντας μέσα από το επιστημονικό της έργο μελετήσει και εξειδικευτεί στην τεχνητή νοημοσύνη παρουσιάζει σήμερα τις θέσεις για τις προκλήσεις από την τεχνολογική επανάσταση που οδηγεί σε άλματα στο μέλλον.
Η Ασπασία Δασκαλοπούλου τα τελευταία 20 χρόνια ζει και εργάζεται στον Βόλο.
Τα κύρια ερευνητικά της ενδιαφέροντα είναι: Ανάλυση και σχεδιασμός δυναμικών κανονιστικών συστημάτων, θεωρητικές θεμελιώσεις τεχνολογίας λογισμικού, κατανεμημένη τεχνητή νοημοσύνη, εφαρμοσμένη λογική, ευφυή συστήματα ενέργειας. Έχει συμμετάσχει σε διάφορα ευρωπαϊκά ερευνητικά προγράμματα και διεθνείς ομάδες εργασίας και συνεργαστεί σε χρηματοδοτούμενα έργα με τα ερευνητικά κέντρα Hewlett-Packard Research Laboratories και Rutherford Appleton Laboratory. Οι προηγούμενες ακαδημαϊκές θέσεις της ήταν στο Brunel University (1996-1999), στο Open University UK (1999-2000) και στο King’s College, University of London.

Στο επιστημονικό σας έργο έχετε μελετήσει και εξειδικευτεί στην τεχνητή νοημοσύνη;
H ενασχόλησή μου με την Τεχνητή Νοημοσύνη (ΤΝ) ξεκίνησε ουσιαστικά όταν βρέθηκα στο Imperial College London για τις διδακτορικές μου σπουδές, το 1991. Υπήρχε τότε εκεί μια φημισμένη και πολύ εμπνευστική ομάδα ακαδημαϊκών και ερευνητών που ασχολούνταν κυρίως με τη συμβολική ΤΝ, δηλαδή την αναπαράσταση και κωδικοποίηση γνώσης για κάποιον τομέα, με τρόπο που να μπορεί να την επεξεργαστεί ένας υπολογιστής για να εξάγει συμπεράσματα από αυτήν. Η συμβολική ΤΝ μας έδωσε πολλές εφαρμογές σε συστήματα αυτόματου σχεδιασμού δράσης, απόδειξης θεωρημάτων, κατανόησης γλώσσας, διάγνωσης σφαλμάτων/ασθενειών, ελέγχου εναέριας κυκλοφορίας, εφαρμογής νομοθεσίας, κ.λπ.
Εκτός από τη συμβολική, υπάρχει μια δεύτερη σχολή ΤΝ, αυτή της Βαθιάς Μάθησης που βασίζεται σε νευρωνικά δίκτυα, που παρουσιάζει σημαντική άνθηση τα τελευταία χρόνια με πάμπολλες εφαρμογές. Οι βασικές ιδέες της δεν είναι καινούργιες, μπορεί κανείς να ανατρέξει στο πρώτο μαθηματικό μοντέλο βιολογικού νευρώνα το 1943. Με τέτοιες τεχνικές βαθιάς μάθησης μπορούμε να κατασκευάσουμε μοντέλα που προβλέπουν τη ζήτηση ηλεκτρικού φορτίου, παρακολουθούν την πορεία καλλιεργειών ή τη λειτουργία δικτύων επικοινωνίας / μεταφορών / συγκοινωνιών, την εξέλιξη φυσικών καταστροφών, όπως οι πυρκαγιές ή πανδημιών, όπως η πρόσφατη του Covid, κ.λπ.

Σε ποια συμπεράσματα έχετε καταλήξει για την εξέλιξή της;
Ένα συμπέρασμα για την εξέλιξή της ΤΝ είναι ότι από τη σύλληψή της ως ιδέα τη δεκαετία του 1950, όταν ο Alan Turing δημοσίευσε το περίφημο άρθρο του, στο οποίο περιέγραψε το παιχνίδι της μίμησης, μέχρι σήμερα μετά τον λεγόμενο «μεγάλο χειμώνα» τη δεκαετία του 1970, ξαφνικά αναζωπυρώνεται το ενδιαφέρον σε αυτή την περιοχή, δηλαδή ζούμε μια «μεγάλη άνοιξη». Αυτό είναι αποτέλεσμα πολλής και διεπιστημονικής έρευνας πολλών χρόνων και αντλώντας από πολλές φαινομενικά ξένες μεταξύ τους περιοχές (ψυχολογία, κοινωνιολογία, γλωσσολογία, οικονομική θεωρία, πέρα από τα μαθηματικά, την επιστήμη των υπολογιστών, τις κατανεμημένες αρχιτεκτονικές, το υλικό που απαιτείται για την επεξεργασία πολλών υπολογισμών, κ.λπ.), και αυτή ακριβώς η διεπιστημονική έρευνα κατέστη δυνατή επειδή τέθηκαν ερωτήματα, αμφισβητήθηκαν μέθοδοι και συμπεράσματα, επανεξετάστηκαν και βελτιώθηκαν οι θεωρίες μας. Ακόμα και το μεγάλο σχίσμα μεταξύ της συμβολικής και της νευρωνικής προσέγγισης τελικά γεφυρώνεται προκειμένου να αντλήσουμε τα θετικά της συνέργειας. Δηλαδή συνολικά μας πήγε μπροστά αυτή η ενασχόληση με την ΤΝ, ώθησε τη λεγόμενη φυσική νοημοσύνη, μας έκανε αν θέλετε, συλλογικά, πιο έξυπνους! Όπως εξελίξεις σε άλλα επιστημονικά πεδία κατέστησαν δυνατή την επιτάχυνση στον τομέα της ΤΝ, έτσι πιστεύω η ΤΝ θα λειτουργήσει ως επιταχυντής σε άλλες περιοχές.
Ένα άλλο συμπέρασμα είναι ότι είναι κομβικής σημασίας για την εξέλιξη του πεδίου, αλλά και για την αποδοχή των εφαρμογών που μπορούν να προκύψουν από την κοινωνία, η μελέτη της αλληλεπίδρασης ανθρώπου-μηχανής και της αλληλεπίδρασης μηχανής-μηχανής, εν τέλει της αλληλεπίδρασης ανθρώπου-ανθρώπου μέσω της μηχανής. Συστήματα όπως το περίφημο πια ChatGPT αναδεικνύουν ότι η μηχανή είναι το μέσο για να λάβουν χώρα πραγματικοί ή εικονικοί διάλογοι, και μέσα από αυτούς τους διαλόγους μεταδίδεται, αποσαφηνίζεται και συντίθεται νέα γνώση. Η νοημοσύνη, φυσική ή τεχνητή, είναι κοινωνικό φαινόμενο, και οι προβληματισμοί που εγείρονται σχετικά με την επιτυχία της ΤΝ, τις προκλήσεις που τίθενται, κ.λπ., δεν είναι αμιγώς τεχνολογικοί, αλλά εξετάζονται σε κοινωνικό, αξιακό και πολιτισμικό, πλαίσιο.

Πώς λειτουργεί;
Για τη συμβολική ΤΝ απαιτείται να κατανοήσουμε την υποκείμενη γνώση που διέπει έναν τομέα εφαρμογής, να αναπτύξουμε κατάλληλες συμβολικές αναπαραστάσεις για να κωδικοποιήσουμε αυτή τη γνώση, και να αναπτύξουμε ρητούς μηχανισμούς συλλογισμού που μπορούν να εκτελεστούν γρήγορα, ώστε να παράγονται συμπεράσματα από την αναπαράσταση, σε χρόνο που να είναι πραγματικά χρήσιμα. Η χοντρική ιδέα της Βαθιάς Μάθησης είναι ότι, αντί να κατασκευάσουμε ρητές αναπαραστάσεις γνώσης, πράγμα πολύ δύσκολο για πολλούς τομείς, κατασκευάζουμε μια αρχιτεκτονική νευρώνων που προσομοιάζει έναν εγκέφαλο μέσα στον οποίο μεταδίδονται πληροφορίες, και την εκπαιδεύουμε τροφοδοτώντας την με πολλά παραδείγματα, ώστε να μπορεί να πετύχει τον στόχο για τον οποίο κατασκευάστηκε, π.χ. να αναγνωρίζει γραφικό χαρακτήρα ή ήχο, να παράγει λόγο (γραπτό ή προφορικό), να κατατάσσει εικόνες, να μαθαίνει από τις ενέργειες ενός ανθρώπου και να τις μιμείται (π.χ. συστήματα συστάσεων για ταινίες ή βιβλία, προσωπικοί βοηθοί, συστήματα διάγνωσης σφαλμάτων ή ασθενειών κ.λπ.), να διακρίνει τάσεις και να προβλέπει γεγονότα. Η Βαθιά Μάθηση αναζωογονήθηκε από τη διαθεσιμότητα μεγάλου όγκου δεδομένων και τη δυνατότητα ταχείας επεξεργασίας που επέφεραν οι εξελίξεις στο υλικό των υπολογιστών. Τέτοιες εφαρμογές απαιτούν να διαθέτουμε πολλά δεδομένα για τον τομέα που μας ενδιαφέρει, και πειραματισμό με διαφορετικές αρχιτεκτονικές για την ταχύτερη εκπαίδευση των μοντέλων μας.
Μια κριτική που ασκείται στις εφαρμογές νευρωνικών δικτύων είναι ότι, μολονότι επιτυχημένες εκ του αποτελέσματος, είναι αδιαφανείς, δηλαδή δεν μπορούμε να κατανοήσουμε γιατί παράγεται ένα συγκεκριμένο αποτέλεσμα, και αυτός είναι ένας σημαντικός παράγοντας προκειμένου να αυξηθεί η εμπιστοσύνη της κοινωνίας σε τέτοια συστήματα. Τη δυνατότητα εξέτασης του μηχανισμού εξαγωγής συμπεράσματος μας την προσφέρει η συμβολική ΤΝ και ιδανικά θα θέλαμε, τουλάχιστον για κρίσιμες εφαρμογές, έναν συγκερασμό των δύο προσεγγίσεων, οπότε δεν είναι τυχαίο το ανανεωμένο ενδιαφέρον στη λεγόμενη νευρο-συμβολική ΤΝ, πιο εντατικά από το 2005 και μετά.

Ποιες προκλήσεις δημιουργεί;
Πολλές, σε τεχνολογικό επίπεδο, αλλά θα απαντήσω πιο γενικά. Συνήθως όταν μιλάμε για την ΤΝ οι περισσότεροι χρησιμοποιούμε την ανθρώπινη νοημοσύνη ως σημείο αναφοράς. Μια πρόκληση είναι να μετατοπίσουμε το σημείο αναφοράς από την ανθρώπινη δράση ή σκέψη (που δεν είναι πάντα ευφυής, βέλτιστη, ασφαλής!) στον ορθολογισμό, δηλαδή στην καλύτερη δυνατή (υπό συγκεκριμένες συνθήκες) δράση ή σκέψη. Αυτό από μόνο του εγείρει μια σειρά από ζητήματα, τι αντιλαμβανόμαστε οι άνθρωποι ως καλύτερο δυνατό, πώς το μετράμε, πώς μπορούμε να το αναπαραστήσουμε και εν τέλει να το προσομοιώσουμε και να το αναπαράγουμε σαν συμπεριφορά. Τέτοια ζητήματα τα συζητάμε κατά καιρούς ως ηθικά διλήμματα, όπως το περίφημο δίλημμα του τρόλεϊ. Οι ίδιοι οι άνθρωποι έχουμε πολύ διαφορετικούς τρόπους για να απαντήσουμε τέτοια ηθικά διλήμματα, ανάλογα με το πλαίσιο μέσα στο οποίο τίθενται. Η προσπάθεια να κατασκευάσουμε ορθολογική ΤΝ για να απαντά σε διλήμματα μπορεί να μας βοηθήσει να κατανοήσουμε καλύτερα τον τρόπο που οι ίδιοι λειτουργούμε, και να διευκολύνει μια διερεύνηση και εξέλιξη του δικού μας αξιακού συστήματος.
Μια άλλη πρόκληση που δημιουργείται από την ανάπτυξη της ΤΝ είναι ενεργειακή. Η ανάπτυξη εφαρμογών απαιτεί μεγάλα ποσά ενέργειας για την αποθήκευση μεγάλου όγκου δεδομένων, την εκπαίδευση μοντέλων βαθιάς μάθησης, την προ-επεξεργασία των δεδομένων ή τη μετα-επεξεργασία των αποτελεσμάτων των μοντέλων, για την εκτέλεση εκτεταμένων συμβολικών αναπαραστάσεων με ταχύ τρόπο κ.λπ. Υπολογίζεται ότι μέχρι το 2030 η ενέργεια που θα απαιτείται από τις εφαρμογές πληροφορικής και τηλεπικοινωνιών θα αντιστοιχεί μέχρι και στο 20% της παγκόσμιας!
Και μια τρίτη πρόκληση έχει να κάνει με τη δίκαιη πρόσβαση στην Τεχνητή Νοημοσύνη, στη χρήση των τεχνικών της και στον πλούτο που δυνητικά δημιουργεί. Εκτιμάται ότι μέχρι το 2030 η βιομηχανία της Τεχνητής Νοημοσύνης θα παράγει παγκόσμια οικονομική δραστηριότητα αξίας περίπου 13-15 τρισεκατομμυρίων δολαρίων. Η πρόκληση είναι να χρησιμοποιήσουμε την ΤΝ για να προάγουμε τη συνολική ευημερία και δημοκρατία, και όχι για να δημιουργήσουμε κι άλλες ανισότητες στον κόσμο.

Ποιες ευκαιρίες φέρνει; Ποιους κινδύνους εγκυμονεί;
Δημιουργεί τις συνθήκες για να αναπτύξουμε οικονομία καινοτομίας, με αυξημένη παραγωγικότητα, καλύτερη ποιότητα προϊόντων και υπηρεσιών, αύξηση γνώσης, μαζικότερη πρόσβαση σε αγαθά και υπηρεσίες και εν τέλει ευμάρεια και πρόοδο. Φυσικά υπάρχει ο κίνδυνος της κατάχρησης της τεχνολογίας και ο αποκλεισμός κάποιων από αυτή την οικονομία καινοτομίας. Η ποιότητα των συμπερασμάτων των συστημάτων μας εξαρτάται από την ποιότητα των δεδομένων στα οποία βασίζονται. Ήδη αναπτύσσονται συστήματα που εντοπίζουν μεροληπτικά δεδομένα και αλγόριθμους, σε μια προσπάθεια να αντιμετωπιστεί αυτό το ζήτημα.

Δηλώσεις από επικεφαλής τεχνολογικών κολοσσών περιγράφουν ένα δυστοπικό μέλλον. Σας βρίσκουν σύμφωνη ή αντίθετη; Τι να περιμένουμε να αλλάξει στη ζωή μας;
Είναι λογικό να αντιμετωπίζεται με σκεπτικισμό η ΤΝ, όπως με σκεπτικισμό ή ακόμα και εχθρότητα αντιμετωπίστηκαν κι άλλες τεχνολογίες παλιότερα. Ο σκεπτικισμός, βέβαια, του γενικού κοινού πηγάζει από έναν φόβο απέναντι σε κάτι που ακόμη δεν είναι πολύ καλά κατανοητό και υποκρύπτει και μια ανασφάλεια αποκλεισμού από το μέλλον. Ο σκεπτικισμός των επικεφαλής τεχνολογικών κολοσσών είναι, νομίζω, διαφορετικός. Περισσότερο εγείρει ενδιαφέρον για την περιοχή, τόσο κοινωνικό, όσο και επενδυτικό, παρά εδράζεται σε πραγματική ανησυχία ότι θα προκύψουν άμεσα ενσυνείδητα ρομπότ που θα μας καταστρέψουν. Οπότε θεωρώ καλό το να διατυπώνονται ανησυχίες και προβληματισμοί, ακόμα και διογκωμένα, γιατί έτσι παράγεται διάλογος, και ο διάλογος είναι απαραίτητος για τη διερεύνηση και ανακάλυψη της αλήθειας.
Η ζωή μας έχει ήδη αλλάξει, και θα συνεχίσει να αλλάζει, και είναι στο χέρι μας η τεχνολογία να χρησιμοποιηθεί ώστε αυτές οι αλλαγές να είναι θετικές. Πλέον περισσότεροι άνθρωποι και με ευκολότερο τρόπο, με έναν διάλογο για παράδειγμα με ένα σύστημα ΤΝ, μπορούν να μάθουν ιστορία, οικονομικά, προγραμματισμό, κ.λπ., δηλαδή υπάρχει η ευκαιρία να διευρυνθεί η πρόσβαση στη γνώση, και η συμμετοχή στη δημιουργία πολιτισμού.

Ποιες θέσεις εργασίας θα επηρεαστούν και σε ποια επαγγέλματα;
Υπάρχουν ήδη αναφορές, π.χ. της Goldman Sachs, ότι η ΤΝ μπορεί να επηρεάσει 300 εκατομμύρια θέσεις εργασίας. Όμως, και η εισαγωγή των Ηλεκτρονικών Υπολογιστών και της αυτοματοποίησης, που είχε πιστωθεί παρόμοιους φόβους παλιότερα, τελικά δημιούργησε νέους τομείς δραστηριότητας και περισσότερες θέσεις εργασίας από όσες κατάργησε. Με εργαλεία ΤΝ μπορούν να επανακαταρτιστούν άνθρωποι για να δραστηριοποιηθούν σε πιο προσοδοφόρα επαγγέλματα, με πιο γρήγορο και ισότιμο τρόπο, μπορούμε να απαλλαγούμε από εργασίες που τις θεωρούμε επικίνδυνες, να ανακτήσουμε ελεύθερο χρόνο που θα μπορούμε να διοχετεύσουμε σε άλλες δραστηριότητες. Ας μην υποτιμάμε την ανθρώπινη επινοητικότητα.

Ποια μέτρα προστασίας χρειάζεται έγκαιρα να ληφθούν ώστε να περιοριστούν οι κίνδυνοι;
Όπως συνέβη και με άλλες καινοτομίες, θα αναπτυχθεί αναγκαστικά το κανονιστικό πλαίσιο για την ανάπτυξη εφαρμογών ΤΝ. Διαβάζω αυτό τον καιρό το βιβλίο του Calestus Juma «Innovation and its Enemies: Why People Resist New Technologies», και κρατώ μια σκέψη του, ότι πρέπει η επιχειρηματικότητα να ξαναγίνει κοινωνική, δηλαδή να συνεισφέρει στο κοινό καλό. Η πορεία της νέας τεχνολογίας ορίζεται και από την ισορροπία των κοινωνικών δυνάμεων, και μια κοινωνία μορφωμένη και συμμετέχουσα είναι πολύ ισχυρή.

Προηγούμενο ΆρθροΕπόμενο Άρθρο
Μοιραστείτε το