Το μέλλον μας με την τεχνητή νοημοσύνη

Το Πεκίνο είναι κάθε μέρα έξι ώρες πιο μπροστά από την Αθήνα. Ενα ολόκληρο τέταρτο ημέρας δηλαδή και, όπως ασταμάτητα γυρίζει ο πλανήτης, ξημερώνει και βραδιάζει πιο πριν στην κινεζική πρωτεύουσα από ό,τι στην Αθήνα. Φαίνεται ότι και σε πράγματα που έχουν σχέση με τους υπολογιστές και την τεχνητή νοημοσύνη η Κίνα βρίσκεται χρονικά πιο μπροστά. Ισως να μπορούμε εκεί να αντικρίσουμε και το αναπόφευκτο δικό μας μέλλον, αν και πρόκειται για κάτι που δεν θα μας ενθουσίαζε μάλλον.

Σε σχολεία της Κίνας μικροσκοπικές μηχανές λήψης επάνω από τον πίνακα εγκαταστάθηκαν πειραματικά από τον Δεκέμβριο του 2017. Κάθε δευτερόλεπτο μια φωτογραφία ολόκληρης της τάξης στέλνεται στα κεντρικά της εταιρείας που έχει αναλάβει όλη αυτή τη διαδικασία και οι αλγόριθμοι βαθιάς μάθησης (Deep Learning) της εταιρείας αναλαμβάνουν να κατατάξουν τη συμπεριφορά των μαθητών σε πέντε κατηγορίες: παρακολουθεί, απαντά, γράφει, μιλάει με τους συμμαθητές του, κοιμάται. Στο τέλος της εβδομάδας γίνεται ανάλυση για καθέναν από τους μαθητές και βγαίνει ένα αριθμητικό αποτέλεσμα το οποίο ο δάσκαλος μπορεί να δει στο κινητό του μαζί με την επίδοση κάθε μαθητή.

Στην αρχή το σύστημα είχε εγκατασταθεί μυστικά, αλλά μετά όλα έγιναν γνωστά και σήμερα γίνεται συζήτηση για το αν θα γενικευτεί και αν θα ζητείται η συναίνεση μαθητών και γονέων. Πάντως διαπιστώθηκε πως ήδη η τεχνολογία αυτή έχει διαχυθεί και στη γειτονική Ταϊβάν.

Η κυβέρνηση της Κίνας (κατά σύμπτωση;), λίγο μετά την ήττα με 4-1 του παγκόσμιου πρωταθλητή Κορεάτη Λι Σεμπόλ στο παιχνίδι «Go» το 2016, αποφάσισε να χρηματοδοτήσει γενναία εταιρείες που ασχολούνται με την ανάπτυξη Deep Learning πακέτων, φροντίζοντας να εφοδιαστούν και με ποταμούς δεδομένων από μηχανές λήψης εγκατεστημένες σε κάθε σημείο της χώρας. Για το 2020 υπήρχε η εκτίμηση ότι θα υπήρχαν πλέον 626 εκατομμύρια κάμερες παντού.

Εγώ το (νέο) ρομπότ

Ο Φρανκ Πασκουάλ είναι καθηγητής στην Brooklyn Law School και μέσα στο 2020 κυκλοφόρησε ένα βιβλίο 230 σελίδων (τεκμηριωμένο με περίπου 750 παραπομπές) με τίτλο «Οι νέοι νόμοι της Ρομποτικής». Ειδικεύεται στα προβλήματα που άρχισαν ήδη και θα συνεχίσουν να αναφύονται στο μέλλον καθώς οι εφαρμογές της τεχνητής νοημοσύνης (ΑΙ) θα μπαίνουν στη ζωή των ανθρώπων.

Στην εισαγωγή του βιβλίου του παραθέτει πρώτα τους παλιούς, γνωστούς από το 1942, νόμους που διατύπωσε ο Ισαάκ Ασίμοφ και πρέπει να υπακούουν τα «πολιτικώς ορθά» ρομπότ (να μην πληγώσουν άνθρωπο, αλλά και από αδράνειά τους να μη γίνουν αιτία να προκληθεί κάτι κακό σε άνθρωπο, να υπακούουν στις ανθρώπινες διαταγές εκτός από αυτήν που παραβιάζει τον πρώτο νόμο και να προφυλάσσουν τη δική τους ύπαρξη, εκτός αν αυτό παραβιάζει τους δύο προηγούμενους νόμους).

Ρομποτικοί νόμοι

Και στη συνέχεια διατυπώνει τους, κατά τη γνώμη του, καινούργιους, αφού οι νέες τεχνολογίες φαίνεται να γίνονται απειλητικές για κάποιους ανθρώπους. Με χτυπήματα στις μάχες από τα drones (εκεί υπάρχει αντίφαση στον πρώτο νόμο σε σχέση με τους χειριστές τους) ή με την, σε πρώτη ανάλυση, καλοδεχούμενη (;) ανάπτυξη αυτόνομων οχημάτων που θα βγουν στους δρόμους (στέλνοντας στην ανεργία τους επαγγελματίες οδηγούς τους, παραβιάζοντας και πάλι τον πρώτο νόμο).

Οι νέοι ρομποτικοί νόμοι, κατά τον κ. Πασκουάλ, πρέπει να είναι:

1 Τα ρομπότ και η τεχνητή νοημοσύνη πρέπει να συμπληρώνουν τους επαγγελματίες και όχι να τους αντικαθιστούν.

2 Τα ρομποτικά συστήματα και η τεχνητή νοημοσύνη δεν πρέπει να αντιστρατεύονται την ανθρωπότητα.

3 Τα ρομποτικά συστήματα και η τεχνητή νοημοσύνη δεν πρέπει να εντείνουν τον ανταγωνισμό στους εξοπλισμούς.

4 Τα ρομποτικά συστήματα και η τεχνητή νοημοσύνη πρέπει να κάνουν φανερή σε πρώτη ζήτηση την ταυτότητα του κατασκευαστή τους, του ιδιοκτήτη τους και αυτού που τα ελέγχει.

Με βάση αυτούς τους νόμους αναζητείται ο τρόπος για τη «συνύπαρξη της ΑΙ με την ΙΑ» όπως κάπως λογοπαικτικά αυτό παριστάνεται. Εδώ δηλαδή μπαίνει πρωταρχικά το αίτημα για Intelligence Augmentation (ΙΑ), δηλαδή αύξηση της νοημοσύνης μας με τη βοήθεια της ανθρώπινης και της τεχνητής νοημοσύνης μαζί.

Κάτι που θα ήταν εφικτό αν δεν θα είχαμε την επικράτηση των «νόμων της αγοράς». Που σίγουρα θα θεωρήσουν ως πολύ πιο συμφέρουσα την «πρόσληψη» ρομπότ αντί των ανθρώπων. Που αυτά δεν απαιτούν δίκαιο μισθό, κοινωνική ασφάλεια, άδειες και δεν αρρωσταίνουν τόσο συχνά…

Αρχίζοντας
από τον Αριστοτέλη

Σε έναν δίωρης διάρκειας διάλογο μεταξύ του Στίβεν Πίνκερ, καθηγητή στο Τμήμα Ψυχολογίας του Χάρβαρντ, και του Στιούαρτ Ράσελ, καθηγητή της Πληροφορικής στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϊ, σχετικά με την τεχνητή νοημοσύνη και τις επιδράσεις της στο μέλλον των ανθρώπων, οι δυο καθηγητές ξεκίνησαν από το μακρινό παρελθόν και αναφέρθηκαν σε κάτι που έγραψε ο Αριστοτέλης.

Συγκεκριμένα θυμήθηκαν τη ρήση του: «Ο γιατρός δεν επιλέγει αν θα θεραπεύσει ή όχι». Δηλαδή στην περίπτωση του γιατρού υπάρχει μόνο η επιλογή των μέσων που θα χρησιμοποιήσει, ενώ ο σκοπός είναι δεδομένος και σταθερός. Είναι πάντα το να θεραπεύσει.

Αυτό όμως, κατά τους δυο συνομιλητές, δεν μπορεί να ισχύει πλέον για το ποια κατεύθυνση θα πάρει η έρευνα στην τεχνητή νοημοσύνη, της οποίας ο σκοπός της θεωρείται δεδομένος ήδη και δεν είναι άλλος από το να δημιουργηθούν υπερανεπτυγμένης νοημοσύνης προγράμματα και μηχανήματα, που κάποτε μπορεί να φτάσουν να γίνουν «όντα». Με τη νοημοσύνη τους να υπερβαίνει αυτήν ολόκληρης της ανθρωπότητας. Οπότε οι διάφορες ερευνητικές ομάδες έχουν «απλά» να σκέφτονται το πώς θα επιτευχθεί αυτός ο σκοπός. Μια λάθος πορεία, κατά τους Πίνκερ και Ράσελ.

Πάντως, όπως λέει κάποια στιγμή ο Πίνκερ: «Είμαστε τόσο μακριά στο να καταλάβουμε πώς να κάνουμε κάτι τέτοιο, ώστε όταν ακούω να λένε «θα ανεβάσουμε τα συστήματά μας της Βαθιάς Μάθησης κατά τρεις τάξεις μεγέθους και θα υπερβούμε την ανθρώπινη νοημοσύνη, με πιάνουν τα γέλια».

Η τεράστια απόσταση

Χρειάστηκαν εκατομμύρια φωτογραφίες από γάτες και αναρίθμητες ώρες υπολογιστικής δράσης σε έναν υπερυπολογιστή για να μάθει να αναγνωρίζει τη γάτα σε σχέση με οτιδήποτε άλλο θα του έδειχναν. Και αμέσως αισθάνεσαι δέος όταν σκεφτείς ότι σε ένα παιδάκι αρκεί να του δείξεις μια φωτογραφία ή ακόμη και ένα σχέδιο μόνο και εκείνο για πάντα πλέον θα αναγνωρίζει μια γάτα όπου και όποτε την αντικρίσει. Δεν είναι όμως μόνο το ότι η μηχανή έχει να κάνει πρώτα διαλογή ανάμεσα σε αναρίθμητα πίξελ μόνο και μόνο για να χωρίσει αυτά που ανήκουν στο υπόβαθρο από εκείνα που ανήκουν στο αντικείμενο της οπτικής αναγνώρισης, ενώ ένα μικρό παιδί αμέσως ξέρει πού να κοιτάξει, αφήνοντας τα άχρηστα για την αναγνώριση σημεία εκτός. Είναι και το αν έχει συνείδηση του τι κάνει.

Από εκεί και πέρα υπάρχουν αναρίθμητες θεωρίες για το τι μας διευκολύνει να κατατάσσουμε, να αναγνωρίζουμε και να θυμόμαστε μέχρι την επόμενη αναγνώριση. Μια αξιοπρόσεκτη άποψη έχει να κάνει με τον ρόλο της γλώσσας σε αυτές τις διαδικασίες. Οπου η γλώσσα δεν θεωρείται μόνο όργανο επικοινωνίας με τους άλλους, αλλά και βοήθημα για την τακτοποίηση πραγμάτων στον εγκέφαλό μας.

Το πρόβλημα
της υπερ-νοημοσύνης

Τα προβλήματα που μπορεί να προκαλέσει στο μέλλον η υπερανάπτυξη της ΑΙ όταν δεν θα συνοδεύεται από ΙΑ, δηλαδή από κάποια σοφά σχεδιασμένη εξέλιξη, χωρίζονται σε πιο άμεσα ορατά και σε άλλα που χάνονται στο βάθος του αιώνα και τρομάζουν περισσότερο τους ειδικούς. Βαθιά Μάθηση, προγραμματισμός με θεωρία πιθανοτήτων και χρήση μεθόδων της Μπαγεσιανής Στατιστικής αναμένεται ότι θα σαρώσουν τον επαγγελματικό προσανατολισμό. Κανείς άνθρωπος δεν θα χρειάζεται να είναι πίσω από τα τηλέφωνα κάθε επιχείρησης. Υπάρχει η προοπτική (και ο φόβος μαζί) οι κυβερνήσεις να δίνουν επιδόματα σε αρκετούς από τους πολίτες τους για να κάθονται (ήσυχοι και) άνεργοι, ενώ και εκείνοι με τη σειρά τους θα υποφέρουν πλέον από την ανία.

Ομως ακόμη πιο πίσω (για άλλους ύστερα από 20, 30, 40 χρόνια, για άλλους στο τέλος του αιώνα) φαίνεται να μας περιμένει κάτι πιο σκοτεινό. Η απροσδιόριστη ακόμη συμπεριφορά μιας υπερ-νοήμονος οντότητας που μπορεί να προκύψει από όλες αυτές τις προσπάθειες. Που θα είναι πιο νοήμων από όλα τα ανθρώπινα μέσα μαζί. Και κάποιοι μπορεί να πιστεύουν πως αυτό δεν μπορεί να συμβεί, αλλά άλλοι φοβούνται πως θα πάθουμε ό,τι κάναμε εμείς επικρατώντας στον πλανήτη σε βάρος των πιθήκων, των άλλων ζώων και των φυτών επάνω στη Γη. Και αυτό έγινε επειδή αποδειχθήκαμε «εξυπνότεροι» από αυτά και συμπορεύθηκαν νοημοσύνη με δίψα για επικράτηση, που εξασφάλιζε αναπαραγωγική επιτυχία.

Οι πλέον αισιόδοξοι πιστεύουν πως αν δώσουμε από νωρίς πολλές δυνατότητες δημιουργίας σε ένα τέτοιο σύστημα, όπως αναφέρθηκε πιο πριν, με το να μην υπάρχει ένας μόνο και εμμονικά αναζητούμενος στόχος, τα πράγματα δεν θα ξεφύγουν.

Αλλιώς, μπορεί το υπερ-νοήμον σύστημα, αποκτώντας έναν μόνο στόχο, όπως για παράδειγμα είναι η (αγαθή) προσπάθεια να βρει το φάρμακο του καρκίνου, ενδέχεται να δει όλους τους ανθρώπους ως δυνάμει πειραματόζωα και να τους «εμφυτεύσει» καρκινικούς όγκους για να έχει τα απαραίτητα δισεκατομμύρια δεδομένων για την έρευνά του!

Απίθανο; Οποιος ζήσει θα το διαπιστώσει. Ας μην ξεχνάμε πάντως πως είμαστε ήδη σε μια εποχή που το πακέτο για την αναγνώριση προσώπων της Amazon, το Rekognition, το 2018, όταν του έδωσαν να σαρώσει τα πρόσωπα των μελών του Κογκρέσου, έβγαλε (κάνοντας λάθος βέβαια) 28 από αυτά ότι πρέπει να είναι άτομα παραβατικά! Και ύστερα από δύο ολόκληρα χρόνια, τον Ιούνιο του 2020, η εταιρεία εδέησε να αναστείλει (όχι να σταματήσει εντελώς) για έναν χρόνο την πώληση του πακέτου αυτού σε αστυνομίες ανά τον κόσμο…

Νευρωνικά δίκτυα χιλιάδων ενδιάμεσων επιπέδων μεταξύ εισόδου και εξόδου, με απομιμήσεις των νευρικών κυττάρων συνδεδεμένες κατά χιλιάδες σε κάθε επίπεδο, ωχριούν μπροστά στον ανθρώπινο εγκέφαλο με τα 86 δισεκατομμύρια νευρικά κύτταρά του συνδεδεμένα με αφάνταστη πολυπλοκότητα.

Λεξιλόγιο (τωρινό και του μέλλοντος)

ΑΙ: Ο όρος «τεχνητή νοημοσύνη» (Artificial Intelligence, ΑΙ) καλύπτει όλες τις προσπάθειες από το 1956 μέχρι σήμερα ώστε οι υπολογιστές να μιμηθούν τον τρόπο που σκέφτονται οι άνθρωποι. Αυτό αποδείχθηκε πως ήταν κάτι πολύ δύσκολο να γίνει από μια μηχανή. Χαρακτηριστικός είναι ο ορισμός των Rich & Knight, του 1990, σύμφωνα με τον οποίο «τεχνητή νοημοσύνη είναι η μελέτη του πώς να κάνουμε τους υπολογιστές ικανούς να κάνουν πράγματα στα οποία προς το παρόν οι άνθρωποι τα καταφέρνουν καλύτερα».
Αλγόριθμοι: Στη βάση πάντως των προσπαθειών αυτών βρίσκεται η χρήση των αλγορίθμων, που είναι συγκεκριμένες και προκατασκευασμένες «συνταγές» από κανόνες, διατεταγμένους έτσι ώστε, αν ακολουθούνται πιστά και στη σωστή σειρά, να λύνεται κάποιο πρόβλημα.
Περιορισμένη ή αδύναμη ΑΙ (Narrow AI):
Το «προς το παρόν» στον ορισμό των Rich & Knight έχει σημασία, διότι αναφέρεται στη σημερινή κατάσταση των πραγμάτων. Αν θέλουμε να είμαστε αυστηροί, όσα περιγράψαμε έχουν να κάνουν με τη λεγόμενη «περιορισμένη ΑΙ», όπου μερικές φορές μπορεί ο υπολογιστής να κάνει πράγματα πιο γρήγορα και πιο αξιόπιστα από τους ανθρώπους, αλλά θεωρείται πως είναι περιορισμένος να δρα σε συγκεκριμένα θέματα. (Η ταξινόμηση των εικόνων στην εφαρμογή Pinterest ανήκει στην Narrow AI.)
Ισχυρή ΑΙ (AGI – Artificial General Intelligence): Η ΑΙ χωρίζεται σε δύο μεγάλες γενικές κατηγορίες που αναφέρονται κυρίως στην εξάρτηση της εφαρμογής της από τη συμμετοχή του ανθρώπινου παράγοντα. Την περιορισμένη ή αδύναμη ΑΙ και τη γενικευμένη ή αλλιώς ισχυρή ΑΙ. Η γενικευμένη – AGI (Artificial General Intelligence) είναι ο επόμενος στόχος που έχει προκαλέσει και πολλές συζητήσεις για το πόσο εφικτός είναι (αλλά και πόσο επιθυμητός επίσης). Πρόκειται για τη νοημοσύνη που θα ξεπεράσει το σύνολο της ανθρώπινης νοημοσύνης και θα κινείται πλέον εντελώς αυτόνομα. Προς το παρόν, πάντως, αναπτύσσεται κοπιωδώς η περιορισμένη ΑΙ.
Μηχανική μάθηση (Machine Learning, ML): Θεωρείται ως ένα υποσύνολο της ΑΙ. Προέκυψε από την παρατήρηση για το πώς μαθαίνουν οι άνθρωποι. Αντί να βάλουν τους υπολογιστές (= τις μηχανές) να μάθουν πρώτα γραμματική και συντακτικό, δηλαδή να τους γράψουν λεπτομερείς κανόνες συμπεριφοράς για κάθε δυνατή περίπτωση, μιμήθηκαν το πώς μαθαίνουν τα παιδιά. Αρχίζοντας από απλά πράγματα και πηγαίνοντας σε πιο περίπλοκα. Με την επεξεργασία πολλών δεδομένων και κάποια υποτυπώδη καθοδήγηση ο υπολογιστής «μαθαίνει».