Συνέντευξη με τον Κωνσταντίνο Δασκαλάκη: Η τεχνητή νοημοσύνη θα καθορίσει το μέλλον

Η Ελλάδα μπαίνει στον μεγάλο δρόμο της Τεχνητής Νοημοσύνης. Επικεφαλής σε αυτή την κολοσσιαία διαδικασία τίθεται ο καθηγητής του διάσημου Αμερικανικού Πανεπιστημίου ΜΙΤ Κωνσταντίνος Δασκαλάκης, ο οποίος είναι από τα πιο φωτεινά μυαλά του κόσμου. Με απόφαση του πρωθυπουργού Κυριάκου Μητσοτάκη, συγκροτείται Συμβουλευτική Επιτροπή Υψηλού Επιπέδου, με στόχο η χώρα μας να αξιοποιήσει τις δυνατότητες και ευκαιρίες της Τεχνητής Νοημοσύνης.

Με τον Έλληνα καθηγητή είχε μιλήσει η συνεργάτης του Lykavitos, δημοσιογράφος Μαλένα Παππά και η συνέντευξη εκείνη μπορεί να χαρακτηριστεί προφητική.

Της Μαλένας Παππά

Έχοντας πλέον περάσει στην Ιστορία ως ένα από τα πιο λαμπρά μυαλά του κόσμου ο καθηγητής του MIΤ, Κωνσταντίνος Δασκαλάκης έχει καθιερωθεί ως ο ποιητής της πληροφορικής. Το 2005 έγινε ευρύτερα γνωστός όταν έλυσε τον επί 55 χρόνια άλυτο γρίφο για την υπολογιστική πολυπλοκότητα της Ισορροπίας του Nash, σε ηλικία μόλις 24 ετών.

Ο μαθηματικός John Forbes Nash, το 1994 βραβεύτηκε με το Nobel οικονομικών επιστημών για την “Ισορροπία Nash”, καθώς αυτή αποτέλεσε ένα από τα θεμέλια της σύγχρονης οικονομικής θεωρίας. Επομένως, η λύση του γρίφου του Nash από τον Κωνσταντίνο Δασκαλάκη, κλόνισε τα θεμέλια των σύγχρονων οικονομικών.

Αν και ο ίδιος αποδίδει ένα μικρό μέρος της μεγάλης αυτής επιτυχίας του στον παράγοντα τύχη, αφού τη στιγμή που σκέφτηκε ένα μέρος της λύσης περίμενε την επανεκκίνηση του υπολογιστή του που είχε “κρασάρει”, η πορεία του από νωρίς ήταν μία αδιάσειστη απόδειξη της διάνοιάς του.

 

Τελείωσε το Λύκειο στη Βαρβάκειο Σχολή με 20, τις προπτυχιακές του σπουδές στο Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Εθνικού Μετσοβίου Πολυτεχνείου με 9,98 και συνέχισε με το διδακτορικό του στο Πανεπιστήμιο του Μπέρκλεϋ. Στα 27 του, εκλέχτηκε επίκουρος καθηγητής του ΜΙΤ και στα 34 του, προάχθηκε σε μόνιμο καθηγητή του Τμήματος Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών, έχοντας απορρίψει ευκαιρίες καριέρας σε εταιρείες κολοσσούς όπως η Google και η Microsoft.

Φέτος τον Αύγουστο, στα 37 του, έγινε ο πρώτος Έλληνας που τιμήθηκε με το βραβείο Rolf Nevanlinna, την κορυφαία διάκριση στο επιστημονικό του πεδίο, για την συνεισφορά του στα υπολογιστικά θεμέλια της θεωρίας των παιγνίων και της τεχνητής εκμάθησης.

 

Το βραβείο Nevanlinna που καθιερώθηκε το 1981 από την Διεθνή Ένωση Μαθηματικών προς τιμή του μαθηματικού Rolf Nevanlinna, απονέμεται κάθε 4 χρόνια σε έναν επιστήμονα έως 40 ετών, ο οποίος έχει σημαντική συμβολή στα μαθηματικά της επιστήμης των υπολογιστών.

 

Στην τηλεφωνική μας επικοινωνία λίγες μέρες μετά τη βράβευσή του και ενώ βρισκόταν ακόμα στο Διεθνές Συνέδριο Μαθηματικών στο Ρίο ντε Τζανέιρο, μιλήσαμε για την συναρπαστική του πορεία και το αξιοθαύμαστο έργο του.

-Διακρίθηκες με το βραβείο Nevanlinna 13 χρόνια μετά την άλλη μεγάλη σου επιτυχία, την επίλυση του γρίφου του Nash και εν μέσω πολλών άλλων βραβεύσεων. Πως έφτασες ως εδώ; Ποιο ήταν το έναυσμα για να ασχοληθείς με το συγκεκριμένο έργο;

Tο Nevanlinna ήταν όνειρο για εμένα. Έμαθα για το βραβείο ως φοιτητής και δεν περίμενα ποτέ να το κατακτήσω. Είναι το Ολυμπιακό μετάλλιο για την επιστήμη των υπολογιστών. Είναι μεγάλη τιμή που μου δόθηκε.

Τώρα πώς έφτασα ως εδώ; Η ερώτησή σου έχει δύο πτυχές. Η μια είναι το πώς μπήκα στη τροχιά που με έφτασε ως εδώ, και η άλλη είναι πώς επέλεξα το αντικείμενό μου.

Ας αρχίσω με το πώς μπήκα σε τροχιά. Τα συστατικά ήταν τρία. Πρώτα απ’ όλα, πάντα με ενδιέφεραν τα μαθηματικά. Ο μπαμπάς μου, μαθηματικός, με τσίγκλιζε από μικρό με γρίφους και με τη μαθηματική του σκέψη. Από την άλλη, είχα μεγάλο ενδιαφέρον για τις τέχνες και τα γράμματα κι εδώ ήταν καθοριστική η επιρροή της φιλόλογου μαμάς μου που από πολύ μικρή ηλικία μας έφερε σε επαφή εμένα και τον αδερφό μου με το θέατρο, τον κινηματογράφο και τη λογοτεχνία. Δεν πηγαίναμε απλά θέατρο και κινηματογράφο και δεν διαβάζαμε απλά βιβλία. Τα αναλύαμε με λεπτομέρεια, μπαίναμε στους προβληματισμούς των ηρώων, συζητούσαμε το ιστορικό και κοινωνικό πλαίσιο στο οποίο γράφτηκαν τα έργα, κλπ. Τέλος, πάντα έβρισκα συναρπαστικό το πως λειτουργούν οι υπολογιστές. Όταν ήμουν στην τρίτη δημοτικού ο μπαμπάς μου έφερε σπίτι έναν υπολογιστή Amstrad. Μου φαινόταν ανεξήγητο το πως λειτουργούσε, και γοητευτικό το πως θα μπορούσα να τον διευθύνω εγώ. Κάπως μαγικά, ή ίσως πολύ φυσικά η επιστημονική μου πορεία ήρθε να παντρέψει τα τρία μου ενδιαφέροντα: τα μαθηματικά, τους υπολογιστές και τις ανθρωπιστικές επιστήμες. Η έρευνά μου χρησιμοποιεί μαθηματικά και αλγορίθμους για να καταλάβει τον άνθρωπο, και συνάδει με τα ενδιαφέροντά που καλλιέργησα από πολύ νεαρή ηλικία. Τώρα τα ακριβή βήματα που με έφεραν ως εδώ έχουν και ένα μεγάλο βαθμό τυχαιότητας: τι μαθήματα πήρα, τι βιβλία διάβασα, τι ταινίες είδα, ποιους ανθρώπους γνώρισα. Ήταν σίγουρα καθοριστική η επιρροή του καθηγητή μου Χρίστου Παπαδημητρίου.

Έρχομαι τώρα στο δεύτερο σκέλος της ερώτησής σου, το πώς επέλεξα ως αντικείμενο της έρευνας μου το πάντρεμα των Οικονομικών, της Επιστήμης των Υπολογιστών και των Μαθηματικών. Όταν άρχισα το διδακτορικό μου το 2004 το Ίντερνετ ήταν ακόμα στα πρώτα του βήματα. Είχε περίπου μία δεκαετία ζωής, ωστόσο ήδη διαφαινόταν ότι το πάντρεμα των Υπολογιστών και των Οικονομικών θα έπαιζε καθοριστικό ρόλο για το μέλλον. Σήμερα, 14 χρόνια μετά, το βλέπουμε παντού γύρω μας αν αναλογιστούμε τον όγκο της οικονομικής δραστηριότητας που λαμβάνει χώρα στο Ίντερνετ: από τις δημοπρασίες που τρέχει το Google έως το Amazon, το eBay, το Uber, το AirBnB, κλπ. Όλες αυτές οι εταιρείες βασίζονται σε ένα επιτυχές πάντρεμα της Επιστήμης των Υπολογιστών και των Οικονομικών. Από τα Οικονομικά χρειάζεται η γνώση για το πώς σχεδιάζεις μία αγορά ώστε να προάγεις το επιθυμητό αποτέλεσμα. Από την Επιστήμη των Υπολογιστών χρειάζεται η γνώση για το πώς υλοποιείς μια υπολογιστική πλατφόρμα στην οποία θα αλληλεπιδρούν εκατομμύρια χρήστες. Το μέγεθος για το οποίο μιλάμε είναι τόσο μεγάλο που αν ο σχεδιασμός δεν γίνει σωστά το σύστημα μπορεί να καταρρεύσει. Και για να γίνει ο σχεδιασμός σωστά χρειάζεται γνώση και από τα δύο πεδία. Η έρευνα μου προσπαθεί να κάνει ακριβώς αυτό, να παντρέψει αυτά τα πεδία μεταξύ τους.

Κατά τη βράβευσή του όπως αργότερα αποκάλυψε, στο μυαλό του ήταν η Ελλάδα:

“Ήρθε στο μυαλό μου η Ελλάδα που η συνεισφορά της τόσο στα μαθηματικά όσο και την ευρύτερη ανθρώπινη σκέψη, ήταν έμπνευση σε όλη μου τη ζωή. Στο μυαλό μου ήταν και η πρόσφατη τραγωδία με τις φωτιές της Αττικής και τον άδικο χαμό τόσων ανθρώπων.”

Ένας επιφανής επιστήμονας, ένας υπέροχος Έλληνας, προσηνής, με την απλότητα των ανθρώπων που έχουν πραγματική αξία, με ήθος και ισχυρή Ελληνική συνείδηση, μας γέμισε συγκίνηση και περηφάνια. Ένας άνθρωπος με αξίες, που του μετέδωσαν πολύ νωρίς, η μητέρα του Σοφία και ο πατέρας του Περικλής. “Από παιδί τα ερεθίσματα που λάμβανα στο σπίτι αντιπροσώπευαν τόσο τις θετικές όσο και τις ανθρωπιστικές επιστήμες, και οι γονείς μου έδωσαν μεγάλη έμφαση στην ελληνική παιδεία. Η ελληνική σκέψη ήταν τεράστια έμπνευση για εμένα τόσο γιατί έθεσε τα θεμέλια των μαθηματικών και των επιστημών, όσο και γιατί στο κέντρο της είχε τον άνθρωπο. Ακόμα και τα μαθηματικά αυτά καθεαυτά δεν μπορούν να αποκοπούν από το ανθρωπιστικό τους πλαίσιο.”

Σαν παιδί έκανε εν πολλοίς ό,τι και τα υπόλοιπα παιδιά της ηλικίας του.“Έπαιζα μπάσκετ, με γοήτευαν οι ξένες γλώσσες, έπαιζα παιχνίδια με τον αδερφό μου στον υπολογιστή ή γράφαμε προγράμματα. Με τους γονείς μου πηγαίναμε θέατρο και σινεμά τουλάχιστον μια φορά την εβδομάδα. Αγαπημένες οικογενειακές δραστηριότητες ήταν τα ταξίδια στο εξωτερικό ή στην Ελλάδα και οι εξορμήσεις στη φύση. Τα καλοκαίρια τα περνούσα στην Κρήτη παίζοντας πολλές ώρες στην γειτονιά και στην παραλία και διαβάζοντας μυθιστορήματα. Μου άρεσε πολύ η μουσική. Ο αδερφός της μαμάς μου, ο Μάνος, μας έγραφε κασέτες με ροκ μπάντες και έπαιζα πιάνο. Μου λείπει το πιάνο. Θέλω να αγοράσω ένα για το σπίτι μου στην Αμερική και να ξαναγυρίσω σ’ αυτό.”

Ωστόσο, μεγαλύτερη έμφαση υπήρχε στα γράμματα λόγω των ερεθισμάτων και των αξιών του οικογενειακού του περιβάλλοντος. Και όσον αφορά στα μαθηματικά, πάντα εμβάθυνε και προβληματιζόταν σχετικά με τη φιλοσοφία τους και τις αλήθειες που κρύβονται πίσω από αυτά. “Για εμένα τα μαθηματικά δεν ήταν ποτέ μια ξερή επιστήμη. Όταν άκουσα για πρώτη φορά το παράδοξο του Ζήνωνα, για τον Αχιλλέα και την χελώνα, μπήκα σε βαθιές σκέψεις για το τι σημαίνει το άπειρο. Όταν διάβασα τη φράση του Κρητικού φιλοσόφου, Επιμενίδη, ότι “Όλοι οι Κρήτες είναι ψεύτες” μπήκα σε σκέψη, προσπαθώντας να αποφασίσω την αλήθεια ή το ψεύδος αυτής της πρότασης. Το ενδιαφέρον της ρήσης του Επιμενίδη είναι η αυτοαναφορικότητα. Ο Επιμενίδης που είναι ο ίδιος Κρητικός διατυπώνει μία πρόταση η οποία αφορά τους Κρήτες, επομένως και τον εαυτό του. Και αυτό θέτει μια ενδιαφέρουσα πρόκληση στον ακροατή που προσπαθεί να αποφασίσει για την αλήθεια ή το ψεύδος αυτής της πρότασης. Αν η φράση του Επιμενίδη είναι αληθής, τότε όλοι οι Κρήτες είναι ψεύτες, επομένως είναι ψεύτης και ο Επιμενίδης γιατί είναι Κρητικός. Αλλά αν ο Επιμενίδης είναι ψεύτης, τότε η ρήση του είναι ψέμματα, επομένως δεν είναι όλοι οι Κρήτες ψεύτες. Και φτάσαμε έτσι σε αντίφαση: αν θεωρήσουμε ότι η ρήση του Επιμενίδη είναι αληθής, δηλαδή ότι όλοι οι Κρήτες είναι ψεύτες, τότε οδηγούμαστε στο συμπέρασμα ότι δεν είναι όλοι οι Κρήτες ψεύτες! Άρα η ρήση του Επιμενίδη δεν μπορεί να είνα αλήθεια. Αν ο Επιμενίδης λέει ψέματα, τότε δεν είναι όλοι οι Κρήτες ψεύτες, επομένως υπάρχει τουλάχιστον κάποιος Κρητικός που δεν είναι ψεύτης. Αυτός δεν χρειάζεται να είναι ο Επιμενίδης, και επομένως τη γλιτώσαμε χωρίς να φτάσουμε ξανά σε αντίφαση!

Στην ρήση του Επιμενίδη μπορέσαμε να βρούμε διέξοδο στο λογικό παράδοξο που διαφάνηκε αρχικά. Ωστόσο, η αυτοαναφορικότητα της πρότασης του Επιμενίδη έπαιξε καθοριστικό ρόλο σε άλλα λογικά παράδοξα που ανακαλύφθηκαν πολλούς αιώνες αργότερα, στο παράδοξο του Ράσελ, στο θεώρημα του Γκέντελ, στο halting πρόβλημα του Τούρινγκ. Και αυτά τα παράδοξα ήταν με τη σειρά τους καθοριστικά στα θεμέλια των μαθηματικών και την γέννηση της επιστήμης των υπολογιστών!

Δεν θα ήταν αυτή η ιστορία αφορμή για ένα πολύ ενδιαφέρον μάθημα σε οποιαδήποτε τάξη του γυμνασίου ή του λυκείου; Δεν θα ενδιέφερε όλα τα παιδιά; Το να πείσεις κάποιον να λύσει ένα τριώνυμο είναι πολύ πιο δύσκολο! Το τριώνυμο είναι ένα εργαλείο για να φτάσεις σε άλλες αλήθειες, αλλά δεν είναι ποτέ ο σκοπός αυτός καθ’ αυτός.

Δυστυχώς το μάθημα στο σχολείο επικεντρώνεται συχνά σε εκτέλεση βαρετών πράξεων, σε τριγωνομετρικές ασκήσεις, ή γεωμετρικές κατασκευές, χωρίς να καταλαβαίνουν τα παιδιά τι σημαίνουν τα μαθηματικά για τη δική τους ζωή, ποιες είναι οι αλήθειες που κρύβουν, και ποια ήταν η εξέλιξη των ιδεών που τα παρήγαγε.”

 

Αντιθέτως για τον Δασκαλάκη η αναζήτηση και αποκάλυψη της αλήθειας ήταν πάντα ο σκοπός. Στο “ταξίδι” του αυτό, τον συνοδεύει πάντα ως “ηθική πυξίδα”, η “Σατραπεία” του Καβάφη. “Μου υπενθυμίζει τους ευγενείς λόγους για τους οποίους ερωτεύτηκα την επιστήμη: να καταλάβω τον κόσμο γύρω μου και να συνεισφέρω και εγώ στην ανθρώπινη σκέψη.»

Όσο για την αναζήτησή του αυτόν τον καιρό, επικεντρώνεται στην τεχνητή νοημοσύνη. 

“Πιο πρόσφατα με έχει γοητεύσει το πως θα παντρέψω τους αλγορίθμους και τη στατιστική για να αναπτύξω υπολογιστικά συστήματα με νοητικές ικανότητες παρόμοιες με αυτές του ανθρώπου και να συνεισφέρω στα θεμέλια της τεχνητής νοημοσύνης.

Η τεχνητή νοημοσύνη θα καθορίσει το μέλλον και είναι σημαντικό να αναπτυχθεί στα σωστά μαθηματικά θεμέλια.

Συγκεκριμένα δουλεύω στα αλγοριθμικά και στα μαθηματικά θεμέλια που θα την κάνουν πιο αξιόπιστη και λιγότερο εξαρτημένη από τα δεδομένα, που αποτελούν δύο τεράστιες προκλήσεις.

Για παράδειγμα, να μιλήσω για μια συνεργασία που έχω με τον αδερφό μου, το Νίκο, που είναι καθηγητής ψυχιατρικής στο Χάρβαρντ. Ο σκοπός της συνεργασίας μας είναι να ανακαλύψουμε τη διασύνδεση μεταξύ γενότυπου και φαινοτύπου ψυχικών ασθενειών.

Από μαθηματική σκοπιά, η πρόκληση εδώ είναι ότι η σχέση μεταξύ γενότυπου και φαινοτύπου είναι περίπλοκη και τα δεδομένα που έχουμε είναι λίγα αναλογικά με την πολυπλοκότητα των μηχανισμών που προσπαθούμε να ανακαλύψουμε. Ακόμα και πρόσβαση σε μερικές χιλιάδες δείγματα να έχουμε, που θεωρείται τεράστιο δείγμα για ιατρικές έρευνες, το μέγεθος του δείγματος είναι ελάχιστο σε σχέση με την πολυπλοκότητα των ασθενειών που προσπαθούμε να καταλάβουμε.

Ένα από τα ενδιαφέροντα μου είναι η στατιστική σε πολλές διαστάσεις, δηλαδή, πως από λίγα δεδομένα για πολυδιάστατα φαινόμενα, να εξάγεις χρήσιμη πληροφορία. Θέλω να συνδυάσω τα ενδιαφέροντά μου αυτά, με την έρευνα του αδερφού μου.

Η τεχνητή νοημοσύνη ως επιστημονικό πεδίο πάει πίσω αρκετά χρόνια και τυγχάνει εναλλασσόμενων περιόδων μεγάλης προόδου και μεγάλων προσδοκιών αλλά και απογοήτευσης και ενδοσκόπησης.

Πράγμα αναμενόμενο δεδομένου ότι οι απαιτήσεις μας από αυτό το επιστημονικό πεδίο, της ανάπτυξης μηχανών με νοητικές ικανότητες παρόμοιου επιπέδου με αυτές του ανθρώπου, είναι τεράστιες.

Τώρα διανύουμε μία δεκαετία με ξέφρενη πρόοδο που σηματοδοτείται από μια σημαντική κατάκτηση της τεχνητής νοημοσύνης που μέχρι πρότινος θεωρούταν άθλος: την κατανόηση φωνής και εικόνας σε επίπεδο κοντά σε αυτό του ανθρώπου. Το εξαιρετικό επίπεδο στο οποίο έχουμε φτάσει αποδεικνύεται και από τις πολλές καινούριες εφαρμογές αυτής της τεχνολογίας όπως τα Amazon Alexa, Apple Siri, Google assistant, Microsoft Cortana, Google Image Search και τα αυτο-οδηγούμενα αυτοκίνητα.

– Τι συνετέλεσε σε αυτήν την εξέλιξη;

Συνετέλεσαν τρεις παράγοντες: η διαθεσιμότητα πολλών δεδομένων, η κατασκευή εξαιρετικά γρήγορων υπολογιστικών συστημάτων με ικανότητα παράλληλης επεξεργασίας και η επινόηση καινούριων αλγορίθμων και αρχιτεκτονικών συστημάτων τεχνητής νοημοσύνης.

Η σημαντική τεχνολογική πρόκληση που αντιμετωπίζαμε στο παρελθόν ήταν ότι ο υπολογιστής δεν έχει εγγενή ικανότητα να κατανοήσει το περιεχόμενο μιας εικόνας ή μιας φωνητικής κυματοσειράς. Ας επικεντρωθούμε στις εικόνες καθώς παρόμοια πράγματα ισχύουν για τη φωνή. Για τον υπολογιστή μια εικόνα είναι απλώς μια ακολουθία από πίξελς καθένα από τα οποία έχει κάποιο χρώμα και κάποια ένταση χρώματος. Ωστόσο είναι αδιανόητο να περιγράψει κανείς με μαθηματικό τρόπο τι σε μία ακολουθία από πίξελς συνιστά περιεχόμενο. Δεν υπάρχει απλή μαθηματική συνάρτηση που μπορούμε να μετατρέψουμε σε πρόγραμμα που θα τρέξει ο υπολογιστής για να αποφανθεί για το περιεχόμενο της εικόνας, τι είναι για παράδειγμα μία γάτα. Μια γάτα μπορεί να κάνει ένα εκατομμύριο διαφορετικά πράγματα σε μια εικόνα. Μπορεί να τρέχει ή να ξαπλώνει, να είναι en face ή προφίλ ή να φαίνεται από πίσω ή να φαίνεται μόνο ένα κομμάτι του σώματός της, να έχει σηκωμένη την ουρά, να ανοίγει το στόμα της, να ακροβατεί, να έχει διαφορετικό τρίχωμα, να είναι πολλών διαφορετικών ειδών, κλπ κλπ. Είναι τρομακτικά πιο δύσκολο από το να ορίσεις μαθηματικά τι είναι μια γραμμή, ένα κύκλος ή ένα τετράγωνο.

Καθώς μεγαλώνει ο άνθρωπος αναπτύσσει μία ευρύτερη κατανόηση του κόσμου γύρω του που του επιτρέπει αν του δείξεις την εικόνα μιας γάτας να αναγνωρίσει ότι πρόκειται για γάτα, ακόμα και αν δεν έχει δει το συγκεκριμένο είδος γάτας στο παρελθόν ή ακόμα και αν δεν έχει δει γάτα στην ίδια στάση ή ενασχόληση στο παρελθόν.

Εφόσον συνειδητοποιήσαμε ότι δεν μπορούμε να μεταφέρουμε την εμπειρία μας στον υπολογιστή υπό μορφή προγράμματος που μπορεί να εκτελέσει ώστε να αποφανθεί για το περιεχόμενο εικόνας ή ήχου, αλλάξαμε την προσέγγισή μας στο πρόβλημα.

Αποφασίσαμε να του «δείξουμε» πάρα πολλά παραδείγματα εικόνων που περιέχουν π.χ. γάτες και πάρα πολλά παραδείγματα εικόνων που δεν περιέχουν γάτες και να τον αφήσουμε να αναπτύξει από μόνος του την δική του έννοια γάτας.

Βέβαια για να βρεθεί καλός ορισμός σε κάτι τόσο δύσκολο να οριστεί μαθηματικά χρειάζεται να δώσουμε στον υπολογιστή την ικανότητα να επιλέξει από μια εξαιρετικά πλούσια οικογένεια από πιθανούς ορισμούς. Και για να το κάνει αυτό αξιόπιστα ο υπολογιστής χρειάζονται πολλά παραδείγματα, μεγάλη υπολογιστική ισχύς, και έξυπνοι αλγόριθμοι πλοήγησης στους εξαιρετικά πολυδιάστατους χώρους από πιθανούς ορισμούς.

Το σωστό μείγμα αυτών των συστατικών προέκυψε τα τελευταία 10 χρόνια. Η ανθρωπότητα έχει αφήσει πλέον ένα τεράστιο ψηφιακό αποτύπωμα από το οποίο μπορεί να αντληθεί πλούσιο εκπαιδευτικό υλικό, ενώ ταυτόχρονα έχουν βελτιωθεί οι αλγόριθμοι επεξεργασίας μεγάλου όγκου δεδομένων και έχουμε πλέον πολύ ισχυρά υπολογιστικά συστήματα στα οποία μπορούμε να τρέξουμε τους αλγορίθμους μας.

-Εκτός από θαυμασμό, υπάρχει και έντονος σκεπτικισμός για τη συγκεκριμένη τεχνολογική εξέλιξη, με σενάρια ακόμα και για απειλή της ανθρωπότητας. Πόσο πιθανό είναι ένα τέτοιο ενδεχόμενο; Υπάρχουν ασφαλιστικές δικλείδες κατά τον προγραμματισμό;

Πολύ καλό ερώτημα! Όλοι αυτοί οι προβληματισμοί είναι πολύ σημαντικοί και είναι υγιές και να τους έχουμε και να τους συζητούμε, είτε οι κίνδυνοι είναι άμεσοι, είτε όχι.

Λόγω της φύσης της, η τεχνητή νοημοσύνη τσιγκλίζει τη φαντασία του ανθρώπου ώστε γρήγορα να οδηγείται σε σενάρια πότε ουτοπικά, πότε δυστοπικά, πότε ουδέτερα. Πολύς κόσμος σκέφτεται ότι μία έξυπνη μηχανή θα μπορούσε δυνητικά να υποδουλώσει τον άνθρωπο. Ίσως ο κίνδυνος αυτός να αφορά ένα απώτερο μέλλον.

Ένας κίνδυνος που θεωρώ αφορά ένα πολύ πιο άμεσο μέλλον προκύπτει από το γεγονός ότι σιγά-σιγά η τεχνητή νοημοσύνη εισέρχεται ολοένα και περισσότερο στη ζωή μας, με τρόπους πολύ συχνά μη αντιληπτούς. Για παράδειγμα οι αλγόριθμοι της Google, της Microsoft και του Facebook αποφασίζουν τι περιεχόμενο και διαφημίσεις θα δούμε στις πλατφόρμες τους. Οι αλγόριθμοι αυτοί μπορούν να χειραγωγηθούν και έχουν χειραγωγηθεί με σκοπό σκοτεινοί παίκτες να επηρεάσουν αντιλήψεις και εκλογικά αποτελέσματα.

Σε ένα άμεσο μέλλον η τεχνητή νοημοσύνη θα χρησιμοποιείται σε αυτοδηγούμενα αυτοκίνητα, ή στην ιατρική για την επεξεργασία ιατρικών απεικονίσεων, αντικαθιστώντας σιγά-σιγά τον άνθρωπο σε γνωστικές εργασίες που άπτονται της αναγνώρισης εικόνας και ήχου.

Το ερώτημα που προκύπτει λοιπόν είναι πόσο αξιόπιστη είναι η τεχνολογία που θα χρησιμοποιείται σε αυτές τις εφαρμογές που θα επηρεάζουν κρίσιμα τη ζωή μας. Δυστυχώς, πολλή από την τεχνολογία που χρησιμοποιείται ήδη δεν είναι αξιόπιστη σε ικανοποιητικό βαθμό.Έτσι η εφαρμογή της ενέχει μεγάλους κινδύνους. 

Για να εξηγήσω τον κίνδυνο, να περιγράψω ως παράδειγμα μία εργασία τεσσάρων προπτυχιακών φοιτητών του MIΤ οι οποίοι ανακάλυψαν μία αδυναμία σε συστήματα αναγνώρισης εικόνων. Σχεδίασαν και τύπωσαν μία χελωνίτσα σε έναν 3-D printer και έβαψαν το καβούκι της με ελαφρώς περίεργα μοτίβα καταφέρνοντας να μπερδέψουν το καλύτερο σύστημα αναγνώρισης εικόνας ώστε να περνάει την χελωνίτσα για καραμπίνα!

Αν ένας τρομοκράτης μπορούσε παρόμοια να κάνει την καραμπίνα του να περνιέται για τσάντα, θα θέλαμε το σύστημα αυτό να χρησιμοποιείται για να εγγυηθεί την ασφάλεια ενός αεροδρομίου;

Η τεχνολογία που έχουμε αυτή τη στιγμή δεν είναι ικανή στο να αντισταθεί σε ενορχηστρωμένες επιθέσεις που προσπαθούν ενεργά να την ξεγελάσουν.

Ο λόγος που αυτές οι επιθέσεις είναι αποτελεσματικές είναι ότι η τεχνολογία αναγνώρισης εικόνων που έχουμε αναπτύξει μέχρι τώρα στηρίζεται όπως είπαμε νωρίτερα σε πάρα πολλά παραδείγματα εικόνων. Αυτά τα παραδείγματα χρησιμοποιούνται ως εκπαιδευτικό υλικό ώστε ο υπολογιστής να αναπτύξει από μόνος του αντίληψη για τον κόσμο. Να καταλάβει μέσα από τα παραδείγματα που του δίνουμε τι είναι γάτα, τι είναι χελώνα, τι είναι καραμπίνα κλπ. Κατά τα άλλα ο υπολογιστής είναι ελεύθερος να αναπτύξει οποιαδήποτε αντίληψη του κόσμου είναι συμβατή με τα παραδείγματα που του παρέχουμε. Ως εκ τούτου, μπορεί να αναπτύξει μια εντελώς διαφορετική αντίληψη του κόσμου από την δική μας! Αν στις εικόνες που του έχουμε παρέχει δεν υπάρχει αντιπαράδειγμα για μια εναλλακτική από την δική μας αντίληψη, τότε δεν μπορούμε να αποτρέψουμε τον υπολογιστή από το να υιοθετήσει αυτήν την εναλλακτική αντίληψη. Και επειδή δεν μπορούμε να περιγράψουμε την δική μας αντίληψη με μαθηματικό τρόπο δεν μπορούμε να εξασφαλίσουμε ότι η αντίληψη που θα υιοθετήσει ο υπολογιστής θα είναι η ίδια με τη δική μας. Αν ο υπολογιστής υιοθετήσει εναλλακτική αντίληψη του κόσμου, τότε δεν μπορούμε να εγγυηθούμε αν θα κατηγοριοποιήσει με τον ίδιο τρόπο με εμάς μια εικόνα που αποκλίνει από τα παραδείγματα που του δείξαμε μέχρι τώρα, όπως ας πούμε μια χελωνίτσα με περίεργα μοτίβα στο καβούκι της!

Το ανθρώπινο σύστημα αναγνώρισης εικόνας είναι πολύ πιο αξιόπιστο από αυτό των υπολογιστών. Ένας σημαντικός παράγοντας σε αυτό είναι ότι ο άνθρωπος δεν βλέπει μόνο εικόνες αλλά αλληλεπιδρά με τον κόσμο με πολλούς άλλους τρόπους. Ωστόσο και ο άνθρωπος μπορεί να μπερδευτεί από μια ενορχηστρωμένη «επίθεση» στην αντίληψή του! Για παράδειγμα οι πίνακες του Έσερ εκ πρώτης όψης φαίνονται νορμάλ παρ’ ότι εμπεριέχουν αντιφάσεις που ανακαλύπτουμε κατόπιν πιο λεπτομερούς μελέτης. Όμως για αυτές τις «επιθέσεις» στην ανθρώπινη αντίληψη χρειάζεται η μαεστρία του Έσερ, ενώ το να επιτεθούμε σε συστήματα αναγνώρισης εικόνας είναι πολύ πιο τετριμμένο.

Πριν αρχίσουμε να υιοθετούμε καινούριες τεχνολογίες σε κρίσιμες εφαρμογές χρειαζόμαστε εγγυήσεις ότι είναι ισχυρές σε πιθανές επιθέσεις. 

Τέλος, διαφωνώ με το πλαίσιο στο οποίο τίθενται οι προβληματισμοί περί πιθανής υποδούλωσης της ανθρωπότητας από τις μηχανές και ειδικά με την ύπαρξη δίπολου μεταξύ μηχανής και ανθρώπου.

Θεωρώ ότι ο άνθρωπος του μέλλοντος θα είναι υβριδικός, δεν θα υπάρχει δηλαδή τόσο καθαρή διάκριση μεταξύ ανθρώπου και μηχανής.

Οι άνθρωποι θα μπορούν να προσαυξάνουν τη νοημοσύνη τους χρησιμοποιώντας μηχανική νοημοσύνη. Υπάρχουν οι απαρχές αυτής της τεχνολογίας όπου διεπαφή με τον εγκέφαλο χρησιμοποιείται π.χ. σε πιθήκους για την κίνηση μηχανικών μελών. Αν ο κόσμος του μέλλοντος που θα απαρτίζεται από υβριδικούς ανθρώπους δεν είναι ουτοπικός και μαστίζεται από συγκρούσεις και σχέσεις εξουσίας και υποδούλωσης, αυτό θα προκύψει για τους ίδιους λόγους που ο κόσμος μας σήμερα δεν είναι ουτοπικός και έχει αυτά τα προβλήματα, και αυτοί είναι τελικά λόγοι ηθικής του ανθρώπου. Εξ’άλλου, όπως λέει ο Σοφοκλής: «Πολλὰ τὰ δεινὰ κοὐδὲν ἀνθρώπου δεινότερον πέλει.»

-Πως και πότε θα επηρεάσει αυτή η τεχνολογία την αγορά εργασίας; Πως θα μπορέσει ο άνθρωπος να αντεπεξέλθει σε αυτήν την νέα πραγματικότητα;

 

Η τεχνολογία έχει τα τελευταία είκοσι χρόνια και συνεχίζει σε αυξανόμενους ρυθμούς να αλλάζει ριζικά την αγορά εργασίας. Να δώσω μερικά τρανταχτά παραδείγματα. Οι διαφημίσεις στο Ίντερνετ έχουν αλλάξει εντελώς τον τρόπο που διαφημίζονται τα προϊόντα στους καταναλωτές. Η διαφήμιση έχει γίνει πιο στοχευμένη, πιο αυτοματοποιημένη και πιο παγκοσμιοποιημένη. Εφαρμογές όπως το Uber, το Lyft, και το Taxibeat έχουν αλλάξει ριζικά τον τομέα των μεταφορών, τουλάχιστον στις χώρες που τις αφήνουν να λειτουργήσουν. Το Airbnb έχει αλλάξει εντελώς τον τουρισμό. Οι εφαρμογές διαδικτυακής αναζήτησης συντρόφου έχουν αλλάξει τελείως αυτόν τον τομέα επίσης. Οι εφαρμογές κοινωνικής δικτύωσης έχουν επηρεάσει ριζικά την δημοσιογραφία και ευρύτερα τον τρόπο που μεταδίδονται οι πληροφορίες. Είναι πάμπολα τα παραδείγματα όπου ολόκληρες βιομηχανίες ή κοινωνικά συστήματα έχουν ήδη αλλάξει ριζικά με τη χρήση καινούριων τεχνολογιών. Είναι πάμπολλα τα παραδείγματα όπου ολόκληρες βιομηχανίες ή κοινωνικά συστήματα έχουν ήδη αλλάξει ριζικά με τη χρήση καινούριων τεχνολογιών. Μια πολύ καινούρια εξέλιξη είναι τα κρυπτονομίσματα όπως το Bitcoin που μέλλει, σύντομα ίσως, να αλλάξουν τη φύση των οικονομικών συστημάτων και των συναλλαγών.

 

Είναι πολλές και οι αλλαγές που περιμένουμε να επέλθουν σε ένα βάθος 5 ή 10 χρόνων με την εξέλιξη της τεχνητής νοημοσύνης. Οι πιο προφανείς είναι τα αυτο-οδηγούμενα αυτοκίνητα, η χρήση τεχνολογιών τεχνητής νοημοσύνης στην Ιατρική, και ευρύτερα η χρήση της επιστήμης των δεδομένων σε όλους τους τομείς της οικονομίας. Οι αλλαγές αυτές μπορεί να έρθουν πολύ πιο άμεσα αλλά αυτό θα εξαρτηθεί όπως συζητήσαμε νωρίτερα από το πόσο γρήγορα θα βελτιωθεί η αξιοπιστία αυτών των τεχνολογιών, και ποιο θα είναι το νομοθετικό πλαίσιο που θα καθορίζει τη χρήση τους. Μπορεί για παράδειγμα σε πρώτη φάση να έχουμε αυτο-οδηγούμενα αυτοκίνητα με επιβλέποντες οδηγούς, και σε δεύτερο στάδιο να επιτραπεί η χρήση εντελώς αυτόνομων οχημάτων.

Αναμφίβολα διατρέχουμε μια καινούρια βιομηχανική επανάσταση που θα αλλάξει ριζικά τη φύση της ανθρώπινης εργασίας και θα αφήσει ένα μεγάλο αποτύπωμα στην οργάνωση της οικονομίας και της κοινωνίας μας.

Είναι λογικό να υπάρχουν προβληματισμοί ως προς το ποιες θα είναι οι αλλαγές αυτές και πως θα προετοιμαστούμε για αυτές. Σίγουρα θα πρέπει να υπάρξει μέριμνα για αυτούς που θα εκτοπιστούν από την εργασία τους, και θα πρέπει τα κέρδη και τα οφέλη από την χρήση καινούριων τεχνολογιών να μοιράζονται σωστά. Θα χρειαστεί ένα καινούριο κοινωνικό συμβόλαιο.

-Πως θα μπορούσαν οι καινούριες τεχνολογίες να συμβάλουν στην ανάπτυξη της ελληνικής οικονομίας;

Πολύ καίριο ερώτημα. Σημαντικό γνώρισμα των καινούριων τεχνολογιών είναι ότι μπορούν να βελτιώσουν δραματικά τη λειτουργικότητα μιας αγοράς. Αυτός είναι και ο βασικός λόγος που οι διαφημίσεις στο Ίντερνετ, και εταιρίες όπως οι Uber, Lyft, Taxibeat, Airbnb, κλπ, είναι τόσο επιτυχημένες. Πολλές φορές η δυσλειτουργικότητα μιας αγοράς οφείλεται σε τριβές που υπάρχουν στο να βρεθούν και να συναλλαγούν αυτοί που συμμετέχουν στην αγορά. Οι τριβές αυτές μπορούν να μειωθούν αν μεταφερθεί η αγορά σε μια υπολογιστική πλατφόρμα που χρησιμοποιεί αλγορίθμους και γρήγορη επικοινωνία για να φέρει σε επαφή αυτούς που θέλουν να συναλλαγούν.

Πιστεύω οι καινούριες τεχνολογίες μπορούν να συμβάλουν στην ανάπτυξη της ελληνικής οικονομίας με δύο τρόπους.

Θα ήθελα η Ελλάδα να γίνει παγκόσμιος παίκτης σε εξαγώγιμη τεχνολογία πληροφορικής.

Ο λόγος που πρέπει να ποντάρουμε στον τομέα της πληροφορικής είναι ότι η καινοτομία σε αυτόν τον τομέα δεν απαιτεί τεράστιο εξοπλισμό και αρχικό κεφάλαιο. Επομένως ακόμα και μια μικρή χώρα σαν την Ελλάδα, που διαθέτει όμως καταρτισμένο προσωπικό και επιστημονικό ταλέντο, μπορεί να συμμετέχει στο παγκόσμιο τεχνολογικό και επιχειρηματικό γίγνεσθαι στον τομέα της πληροφορικής. Βέβαια χρειάζεται το κατάλληλο νομοθετικό πλαίσιο που να διευκολύνει την επιχειρηματικότητα και την καινοτομία, χρειάζονται επενδυτικά κεφάλαια και αναβάθμιση των πανεπιστημίων μας.

Εκτός βέβαια από το να παράγουμε καινούρια τεχνολογία θα πρέπει να χρησιμοποιήσουμε και την υπάρχουσα ώστε να εξαλείψουμε τις πάμπολλες δυσλειτουργίες που υπάρχουν στην ελληνική οικονομία.

-Όπως σε ποιους τομείς; Στην γραφειοκρατία του κράτους, στην Υγεία, στην Παιδεία, στις συναλλαγές, στον τουρισμό και στα logistics.

-Θα μπορούσε να συμβάλλει και σε θέματα προστασίας των πολιτών, όπως για παράδειγμα στις πυρκαγιές στο Μάτι;

Μιλάς για ένα τραγικό παράδειγμα δυσλειτουργίας του κράτους που είχε δραματικά αποτελέσματα. Η τεχνολογία θα μπορούσε να χρησιμοποιηθεί για να εκσυγχρονίσει και να συντονίσει τις αρχές προστασίας των πολιτών και να ειδοποιήσει αυτόματα τους ανθρώπους που βρίσκονται σε απειλούμενες περιοχές να εγκαταλείψουν τα σπίτια τους.

Πρέπει να αγκαλιάσουμε τις καινούριες τεχνολογίες αντί να τις πολεμάμε. Μία παρανόηση που υπάρχει στο μυαλό πολλών και εξηγεί πολλά από τα δεινά της χώρας μας είναι η εξής, ότι υπάρχει μία πίτα με συγκεκριμένο μέγεθος και ο σκοπός είναι το πώς θα φάμε περισσότερο από αυτήν την πίτα. Ακόμα χειρότερα μπορεί να μην μας νοιάζει αν η πίτα μικραίνει, αρκεί το δικό μας μερίδιο να μεγαλώνει. Η σωστή νοοτροπία είναι πως θα συνεισφέρουμε όλοι στο να μεγαλώσει η πίτα για να φάμε όλοι παραπάνω. Χρησιμοποιώντας την τεχνολογία μπορούμε να μεγαλώσουμε την πίτα για όλους μας.

Προφανώς, επιλύοντας μία δυσλειτουργία της αγοράς μπορεί κάποιοι να χάσουν από το μερίδιο τους προσωρινά. Όμως αν αυτό μεγαλώσει την πίτα για όλους, τότε η αλλαγή αυτή πρέπει να γίνει! Δεν πρέπει κανείς με στενόμυαλα και εγωιστικά κίνητρα να ανακόπτει την πρόοδο της οικονομίας. Θα πρέπει το κράτος να μεριμνά για τον κόσμο που εκτοπίζεται, να τον επανεκπαιδεύει και να τον οδηγεί σε πιο παραγωγικές εργασίες.

Αλλά να διατηρείται μία μη παραγωγική οικονομία επειδή κάποια γκρουπ ανθρώπων θα μετατοπιστούν είναι πολύ απλά μία συνταγή για καταστροφή.

– Άρα, η Ελλάδα έχει πολύ μεγάλα περιθώρια βελτίωσης αφού δυσλειτουργούν σχεδόν τα πάντα.

Ακριβώς! Οπότε πρέπει να το δούμε θετικά. Αφού υπάρχουν τόσες δυσλειτουργίες και έχουμε επιβιώσει, σε κάποιο βαθμό τουλάχιστον, φαντάσου τι θα μπορούσαμε να καταφέρουμε εξαλείφοντας τες!

 

 

 

Ακολουθήστε το Lykavitos.gr στο Google News
και μάθετε πρώτοι όλες τις ειδήσεις