Ενα υπέροχο μυαλό – η διάλεξη του Κωνσταντίνου Δασκαλάκη στο ΑΠΘ

Ένα πρωτοφανές πλήθος συγκεντρώθηκε στις 16 Ιανουαρίου στο Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης για τον Κωνσταντίνο Δασκαλάκη.

O Κωνσταντίνος Δασκαλάκης, που σήμερα είναι 37 ετών, τελείωσε το Τμήμα Ηλεκτρολόγων Μηχανικών του ΕΜΠ, έκανε διδακτορικό στο Berkeley, δούλεψε στη Microsoft ως ερευνητής, έλυσε τον γρίφο του Nash, έναν γρίφο που ταλανίζει πολλές δεκαετίες την επιστημονική κοινότητα και θεωρούνταν «άλυτος» και από τα 27 του διδάσκει στο ΜΙΤ.

Eίναι ένας επιστήμων-σταρ, ένα από τα λαμπρότερα μυαλά που υπάρχουν διεθνώς. Και η διάλεξή του στο Αριστοτέλειο ήταν αντάξια ενός σταρ: 1.500 άτομα στριμώχτηκαν στην Αίθουσα Τελετών για να τον ακούσουν να μιλά για την Τεχνητή Νοημοσύνη: Tο μέλλον τώρα;

Ο Κωνσταντίνος Δασκαλάκης ανεβαίνει στο βήμα. Μέσω της Τεχνητής Νοημοσύνης, είπε, σε μόλις δύο χρόνια θα μπορούμε να έχουμε την προσωπική μας γραμματέα και σε περίπου πέντε χρόνια θα κυκλοφορούν αυτο-οδηγούμενα αυτοκίνητα στους δρόμους, ενώ σε 15 χρόνια η διεπαφή του ανθρώπινου εγκεφάλου με την τεχνολογία θα γίνει ενδεχομένως πολύ πιο άμεση και το όριο που διαχωρίζει το πού ξεκινά ο άνθρωπος και πού αρχίζει η μηχανή πιο δυσδιάκριτο.

"Μπορεί όλο αυτό να ξεφύγει από τον έλεγχο; Ναι, θα μπορούσε όπως έχει συμβεί και με άλλα πράγματα στο παρελθόν. Το να είμαστε όμως αρνητικοί απέναντι στο ποτάμι που έρχεται κατά πάνω μας δεν είναι εποικοδομητικό, αυτό που πρέπει να σκεφτόμαστε, είναι πώς θα το βάλουμε στη σωστή κατεύθυνση"

Ο ίδιος ανέλυσε τρία σενάρια για την εξέλιξη της τεχνητής νοημοσύνης στα επόμενα "πέντε έως 50 χρόνια", επισημαίνοντας ότι αυτό που πιθανότατα θα επικρατήσει είναι η μίξη τους.

Με βάση το πρώτο (θετικό) σενάριο, με τίτλο "Wonderland", η αλληλεπίδραση ανθρώπων- μηχανών είναι θετική και ο πρώτος κερδίζει από την ύπαρξη των δεύτερων. Οι μηχανές κάνουν τις χειρονακτικές εργασίες, ο άνθρωπος έχει περισσότερο ελεύθερο χρόνο ή εκτελεί πνευματικές εργασίες και το ασφαλιστικό σύστημα σώζεται, αφού η έλλειψη νέων ανθρώπων που εργάζονται και καταβάλουν εισφορές αναπληρώνεται από την ύπαρξη των ρομπότ, που δεν χρειάζονται ασφάλιση ή σύνταξη. Προϋπόθεση για να επαληθευτεί αυτό το σενάριο είναι να κατακτήσει η επιστήμη τη γενική νοημοσύνη, δηλαδή η μηχανή να μάθει να χρησιμοποιεί τη διαίσθηση και την εμπειρία που αποκτά από μια νοητική λειτουργία και να τη μεταφέρει σε μια που δεν ξέρει καθόλου (πχ, όταν γνωρίζει να παίζει σκάκι, να μπορεί να χρησιμοποιήσει στρατηγική και στο πόκερ).

Βάσει του δεύτερου -αρνητικού- σεναρίου, με τίτλο "Pessiland", η επιστήμη κατακτά την γενική νοημοσύνη, αλλά αυτή δεν είναι προσβάσιμη σε όλους, αλλά μόνο σε εργαστήρια εταιρειών ή κρατών, που τη χρησιμοποιούν για ιμπεριαλιστική επιρροή. "Αν πάμε σε αυτή την κατεύθυνση, το σενάριο είναι προφανώς δυστοπικό" επισήμανε ο καθηγητής.

Το τρίτο σενάριο, με τίτλο "Stagnatia", για το οποίο ο δρ Δασκαλάκης επισήμανε ότι "έχει αρκετές πιθανότητες (επαλήθευσης)", είναι αυτό κατά το οποίο ενώ υπάρχουν ολοένα και περισσότερες εφαρμογές ειδικής τεχνητής νοημοσύνης (πχ αναγνώριση εικόνας και ήχου ή μετάφραση), η επιστήμη δεν καταφέρνει να κάνει το άλμα στη γενική τεχνητή νοημοσύνη και επικρατεί σχετική στασιμότητα.

Όταν ο αλγόριθμος "βλέπει" μια χελώνα σαν ...καραμπίνα

Κατά τον δρα Δασκαλάκη, σήμερα ένας από τους βασικούς προβληματισμούς της ανθρωπότητας είναι η αξιοπιστία της τεχνολογίας."Υπάρχουν μεγάλα θέματα αξιοπιστίας και ένας από τους λόγους είναι ότι όταν τα δεδομένα με τα οποία τροφοδοτείς τον αλγόριθμο είναι ελλιπή ή μη αντιπροσωπευτικά, μπορεί να οδηγήσουν σε λανθασμένες ή ελλιπείς νοητικές λειτουργίες. Πχ, έγινε γνωστό ότι ένα αυτοκίνητο Tesla έπεσε σε φορτηγό σταματημένο στην αριστερή λωρίδα. Γιατί συνέβη αυτό; Ίσως γιατί ποτέ στα δεδομένα που εισήχθησαν για να προπονηθεί ο αλγόριθμος στην αναγνώριση εικόνας δεν υπήρχε αυτοκίνητο σταματημένο στην αριστερή λωρίδα του δρόμου, επειδή αυτό σπάνια συμβαίνει. Ο αλγόριθμος θα επεξεργαστεί τα ελλιπή δεδομένα που τού δώσαμε και θα ενσωματώσει την έλλειψη" σημείωσε, ενώ πρόσθεσε ότι φοιτητές του ΜΙΤ επιτέθηκαν στον καλύτερο αλγόριθμο αναγνώρισης εικόνας και τον έκαναν να "πιστέψει" ότι μια τρισδιάστατη χελώνα τυπωμένη σε εκτυπωτή 3D ήταν ...καραμπίνα. "Δεν έχουμε τόσο αξιόπιστη Τεχνητή Νοημοσύνη σήμερα. Προσπαθούμε να φτιάξουμε τρόπους προστασίας αλγορίθμων από τέτοιου είδους επιθέσεις" επισήμανε.

Ποιος αποφασίζει ποιος θα χάσει τη ζωή του;

'Ενα άλλο θέμα, πρόσθεσε, έχει να κάνει με ηθικά διλήμματα. "Ενα κλασικό πρόβλημα είναι το εξής. Σκεφτείτε ότι φτιάχνουμε αυτοοδηγούμενα αυτοκίνητα που κινούνται μαζικά στους δρόμους. Αναπόφευκτα κάποιο από αυτά θα βρει τον εαυτό του σε φάση αναγνώρισης του γεγονότος ότι σε μερικά δευτερόλεπτα θα γίνει ένα αναπόφευκτο ατύχημα με εμπλοκή πεζών. Ο αλγόριθμος που οδηγεί καταλαβαίνει τότε ότι έχει δύο δυνατότητες: να πάει ευθεία και να σκοτώσει τους πεζούς ή να πάει αριστερά, να χτυπήσει στο στηθαίο και να σκοτώσει τους επιβαίνοντες. Δεν μπορεί να σώσει και τους δύο. Πώς θα πάρει την απόφαση; Ο αλγόριθμος μπορεί επίσης να καταλαβαίνει ότι οι πεζοί είναι ένα παιδάκι 8 χρονών, ο μπαμπάς του, 41, και ο σκύλος τους και οι επιβαίνοντες μια έγκυος γυναίκα 30 ετών και το αγοράκι της. Πώς εγώ που σχεδιάζω τον αλγόριθμο θα λάβω την απόφαση για το ποιος θα ζήσει";

Ο ρατσιστής αλγόριθμος

Κατά τον δρα Δασκαλάκη, η Τεχνητή Νοημοσύνη είναι σαν ένα μωρό. Το μωρό έρχεται στον κόσμο με γενετικά χαρακτηριστικά, αλλά εν πολλοίς είναι tabula rasa. Οι γονείς τού δίνουν δεδομένα και στόχους. Αν τα δεδομένα που λαμβάνει το μωρό περιέχουν ρατσιστικές απόψεις ή προκαταλήψεις ή θέσεις, αυτές τις θέσεις θα τις υιοθετήσει. Το ίδιο ισχύει και για την Τεχνητή Νοημοσύνη, η οποία μαθαίνει από την αλληλεπίδραση με τους ανθρώπους.

Χαρακτηριστικό είναι το παράδειγμα ενός chat bot (σ.σ. ρομπότ που κάνει διάλογο μέσω κειμένου ή ήχου). Μια ομάδα χρηστών του επιτέθηκε, παρέχοντάς του ρατσιστικό και συνωμοσιολογικό περιεχόμενο. "Μέσα σε 17 ώρες έγινε τρελός ρατσιστής και συνωμοσιολόγος" σημείωσε ο καθηγητής.

Τίθενται επίσης ζητήματα αμεροληψίας, γιατί αν τα δεδομένα είναι ελλιπή, η τεχνητή νοημοσύνη θα υιοθετήσει στατιστικές που δεν είναι αντιπροσωπευτικές. Κι εδώ για παράδειγμα το ερώτημα είναι: έστω πως φτιάχνω τεχνολογία που αποφαίνεται αν κάποιος είναι άξιος λήψης δανείου, αλλά έχω ελλιπή στοιχεία για μια πληθυσμιακή ομάδα. Τι γίνεται τότε; "Πρέπει να προστατέψουμε την τεχνητή νοημοσύνη από το να κάνει τέτοια στατιστικά λάθη, αλλά το πρόβλημα είναι ότι η στατιστική είναι δύσκολη επιστήμη" σημείωσε.

Στο πάτωμα, όρθιοι, ή στα σκαλιά. Η Αίθουσα Τελετών του ΑΠΘ αποδείχτηκε πολύ μικρή για τον σταρ του ΜΙΤ.

Οι τυχεροί βρήκαν μια καρέκλα να καθίσουν. Άλλοι παρακολούθησαν τη διάλεξη του Έλληνα του MIT όρθιοι.

Οι νεότεροι κάθισαν στο δάπεδο. Ο Δασκαλάκης περιέγραψε έναν νέο κόσμο μέσα από τη «μαγεία», όπως τη χαρακτήρισε, της Τεχνητής Νοημοσύνης: οι υπολογιστές νίκησαν τον Γκάρι Κασπάροφ στο σκάκι τη δεκαετία του '90, τον καλύτερο παίκτη σε παιχνίδι γνώσεων το 2011, τον πρωταθλητή ενός αρχαίου ασιατικού παιχνιδιού στρατηγικής, του GO, το 2015 και πέρυσι έναν πρωταθλητή του πόκερ. «Ειδικά στην περίπτωση του Go», εξήγησε ο Δασκαλάκης, «ο υπολογιστής έκανε κινήσεις οι οποίες στην αρχή φαίνονταν λάθος σύμφωνα με την ανθρώπινη διαίσθηση αλλά ήταν αυτές που εν τέλει του έδωσαν τη νίκη»

Ο Κωνσταντίνος Δασκαλάκης στη διάλεξή του. «Βρισκόμαστε σε μια καμπή για την ανθρωπότητα που η πρόοδος θα γίνει από όλους μας. Όλοι οι έχουμε πρόσβαση στην τεχνολογία και θα καθορίσουμε πού θα πάει το ποτάμι αυτό» είπε.

Δείτε το εντυπωσιακό βιογραφικό του

Φωτογραφίες-Konstantinos Tsakalidis / SOOC-πηγή:http://www.thestival.gr/