Από το Δημήτρη Δημητριάδη, Futurist & Global Speaker
Ένα ερώτημα που δέχομαι συχνά, τι είναι τελικά η τεχνητή νοημοσύνη;
Πάμε να εξηγήσουμε με απλά λόγια τι σημαίνει τεχνητή νοημοσύνη και ποιες τεχνολογίες θα συγκλίνουν για να δούμε θεαματικά αποτελέσματα στο μέλλον;
Οι βάσεις για όλο αυτό μπήκαν το 1950 κάτι λιγότερο από μια δεκαετία μετά το σπάσιμο της ναζιστικής μηχανής κρυπτογράφησης Enigma.
Βοηθώντας τις Συμμαχικές Δυνάμεις να κερδίσουν το Δεύτερο Παγκόσμιο Πόλεμο, ο μαθηματικός Άλαν Τούρινγκ άλλαξε την ιστορία για δεύτερη φορά με μια απλή ερώτηση:
“Μπορούν οι μηχανές να σκεφτούν;”
Το paper του Turing “Computing Machinery and Intelligence” του 1950, και το καθιερωμένο πια Turing Test, έθεσε το θεμελιώδη στόχο και το όραμα της τεχνητής νοημοσύνης.
Στον πυρήνα της λοιπόν, η τεχνητή νοημοσύνη είναι ο κλάδος της επιστήμης των υπολογιστών που στοχεύει να απαντήσει καταφατικά στο ερώτημα του Turing.
“Μπορούν οι μηχανές να σκεφτούν;”
Είναι δηλαδή η προσπάθεια αναπαραγωγής ή καλύτερα προσομοίωσης της ανθρώπινης νοημοσύνης από μια μηχανή. Υπάρχει βέβαια και ένας εκτεταμένος στόχος της τεχνητής νοημοσύνης που άνθρωποι όπως ο Elon Musk, ο Sam Altman ο Peter Diamadis και άλλοι… προσθέτουν καθημερινά, τόσο πολύ, που κανένας μοναδικός ορισμός δεν είναι καθολικά αποδεκτός και εγώ θα φάω 10 videoς χωρίς να καταλάβει κανένας τι θέλω να πω… αν θέλεις όμως το συζητάμε στα comments αυτού του video.
2 βιβλία για να εξοικειωθείς με το Artificial Intelligence (A.I.).
1. Prediction Machines από τρεις συγγραφείς που έχουν ιστορία στο οικοσύστημα τεχνητής νοημοσύνης Ajay Agrawal, Joshua Gans, Avi Goldfarb του 2018.
2. Και ένα κλασικό The Age of Spiritual Machines το 1999, από τον πατέρα και μεγάλο μέντορα Ray Kurzweil.
Ας δούμε τα βασικά:
Η τεχνητή νοημοσύνη εμπίπτει σε δύο γενικές κατηγορίες:
Narrow A.I. & AGI – Τεχνητή γενική νοημοσύνη
1. Narrow A.I. είναι αυτό που σε πολλές αναφορές είναι το εξειδικευμένο και αδύναμο είδος τεχνητής νοημοσύνης. Λειτουργεί σε περιορισμένο πλαίσιο και είναι μια προσομοίωση της ανθρώπινης νοημοσύνης. Το Narrow A.I. επικεντρώνεται συχνά στην εκτέλεση μιας μεμονωμένης εργασίας και την κάνει εξαιρετικά καλά και υπερβολικά γρήγορα.
Και μιλώντας για νοημοσύνη ενώ αυτά τα μηχανήματα μπορεί να φαίνονται έξυπνα, λειτουργούν υπό πολύ περισσότερους περιορισμούς ακόμη και από την πιο βασική… ανθρώπινη νοημοσύνη (βλέπε ΣΝΙΚ και άλλους Έλληνες τράπερς).
Πάρτε παράδειγμα από ένα απλό Google search που συμπληρώνει τι ψάχνετε με μεγάλη ακρίβεια ή ένα Image recognition software που μπορεί ποια να αναγνωρίσει μια γάτα σε μια εικόνα πολύ γρηγορότερα από έναν άνθρωπο (ναι αυτό με τη γάτα είναι αποδεδειγμένο πείραμα). Ή την Alexa και άλλους personal assistants που μπορούν να απαντήσουν σε ερωτήσεις εγκυκλοπαιδικών γνώσεων. Αυτά είναι όλα παραδείγματα narrow A.I.
2. Τεχνητή Γενική Νοημοσύνη (AGI): Το AGI, που μερικές φορές αναφέρεται ως “Strong A.I.”, είναι το άγιο δισκοπότηρο του A.I. και είναι το είδος της τεχνητής νοημοσύνης που βλέπουμε στις ταινίες επιστημονικής φαντασίας, όπως τα ρομπότ πρωταγωνιστές του Westworld ή o DATA από το Star Trek.
Το AGI είναι μια μηχανή με γενική νοημοσύνη και, όπως και ένας άνθρωπος, μπορεί να εφαρμόσει αυτή τη νοημοσύνη για να λύσει οποιοδήποτε πρόβλημα. Το ποιο κοντινό παράδειγμα που έχουμε σε Τεχνητή γενική νοημοσύνη είναι το GPT-5 του OpenA.I. σε απλά ελληνικά το Generative Pre-trainer Transformer 5 είναι ένα μοντέλο γλωσσικής αυτοανάπτυξης που χρησιμοποιεί μοντέλα βαθιάς μάθησης – deep learning για την παραγωγή κειμένου που πλησιάζουν την ανθρώπινη ευφυΐα και έχει εκπαιδευτεί σε πάνω από 175 δισεκατομμύρια παραμέτρους – έχει δηλαδή καταπιεί το internet, την Wikipedia και μερικές εκατοντάδες gigabyte βιβλίων που είναι διαθέσιμα online.
Το machine learning ή στα ελληνικά Μηχανική μάθηση! Μεγάλο μέρος του Narrow A.I. τροφοδοτείται από καινοτομίες στη μηχανική μάθηση και τη βαθιά μάθηση.
Η κατανόηση της διαφοράς μεταξύ της τεχνητής νοημοσύνης, της μηχανικής μάθησης και της βαθιάς μάθησης προκαλεί απλά πονοκέφαλο.
Ο Φρανκ Τσεν τα λέει σωστά:
Η τεχνητή νοημοσύνη είναι ένα σύνολο αλγορίθμων που προσπαθούν να μιμηθούν την ανθρώπινη νοημοσύνη. Η μηχανική μάθηση είναι μία από αυτές και η βαθιά μάθηση είναι μία από αυτές τις τεχνικές μηχανικής μάθησης.
Με απλά λόγια, η μηχανική μάθηση τροφοδοτεί δεδομένα σε ένα υπολογιστικό σύστημα και χρησιμοποιεί στατιστικές τεχνικές για να τον βοηθήσει να «μάθει» και να βελτιωθεί σιγά σιγά σε μια εργασία, χωρίς να έχει προγραμματιστεί ειδικά για αυτήν την εργασία, εξαλείφοντας την ανάγκη για εκατομμύρια γραμμές κώδικα που να ορίζουν αυτή την εργασία σε σενάρια ή πίνακες αποφάσεων.
Και μια και σε έκαψα φουλ, να σου πω ότι η μηχανική μάθηση αποτελείται τόσο από την εποπτευόμενη μάθηση (χρησιμοποιώντας δομημένα σετ δεδομένων) όσο και από τη μη εποπτευόμενη μάθηση (χρησιμοποιώντας γενικά σύνολα δεδομένων που δεν έχουν συγκεκριμένη δομή).
Ο Δημήτρης Δημητριάδης είναι αφοσιωμένος στην «εξερεύνηση» του μέλλοντος. Είναι ειδικός στον σχεδιασμό των εταιρειών «του αύριο» και ερευνητής στην Ειδική Γραμματεία Μακροπρόθεσμου Σχεδιασμού στην Προεδρία της Ελληνικής Κυβέρνησης. Δίνει ομιλίες σε διεθνείς φορείς όπως το U.S. Department of State, η Ευρωπαϊκή Επιτροπή, το TEDxAUEB κ.ά. Η έρευνά του έχει παρουσιαστεί σε έντυπα όπως η Herald Tribune, το Fortune, η Lifo, η Athens Voice κ.ά. Εδώ και πολλά χρόνια εκπαιδεύει ένα μοντέλο τεχνητής νοημοσύνης για να δίνει συμβουλές στην ανιψιά του όταν εκείνος δεν θα είναι εκεί.