Ο Γαλλοκαναδός βραβευμένος το 2018 με Turing Award, δηλαδή, το αντίστοιχο Νόμπελ Πληροφορικής, Yoshua Bengio μπήκε στην αίθουσα συνεντεύξεων με πατερίτσες. Το ατύχημα που του συνέβη στο πόδι κατά την πρώτη μέρα άφιξής του στη Χαιδελβέργη, του άλλαξε, όπως είπε χαριτολογώντας, τα data, καθώς ο εγκέφαλος του χρειάστηκε να επεξεργαστεί και να προσαρμοστεί στα νέα δεδομένα. Ο 55χρονος κορυφαίος ερευνητής, που συχνά αποκαλείται και «πατέρας της τεχνητής νοημοσύνης», άνοιξε στα τέλη Σεπτεμβρίου ως προσκεκλημένος ομιλητής το 7ο Heidelberg Laureates Forum, δηλαδή, την ετήσια «πνευματική ανταλλαγή»-θεσμό μεταξύ διαφορετικών γενεών επιστημόνων από όλο τον κόσμο.
Ο Yoshua Bengio, που έγινε γνωστός για την πρώιμη έρευνά του πάνω στη βαθιά εκμάθηση (deep learning) τη δεκαετία του ’80 και του ‘90 βασίστηκε στην υπόθεση πως κάποιες βασικές αρχές λειτουργίας της ανθρώπινης νοημοσύνης θα τον βοηθούσαν να δημιουργήσει τεχνητή νοημοσύνη. Τελικά κατάφερε να καθιερώσει την βαθιά εκμάθηση και τα νευρωνικά δίκτυα που δημιουργήθηκαν με πρότυπο τον ανθρώπινο εγκέφαλο, ως τις βασικές μεθόδους με τις οποίες λειτουργεί μία σύγχρονη τεχνητή νοημοσύνη (artificial intelligence). Για αυτό μοιράστηκε πέρσι με τον Αγγλοκαναδό Geoffrey Hinton και τον επίσης Γαλλοκαναδό Yan Lecun το βραβείο Turing. «H αρχική μου υπόθεση δείχνει να ενισχύεται όλα αυτά τα χρόνια. Τα πράγματα θα ήταν ευκολότερα βέβαια αν είχαμε κατανοήσει πλήρως τη λειτουργία του ανθρώπινου εγκεφάλου», συμπληρώνει. Η έρευνα των τριών βραβευθέντων και του καθενός χωριστά οδήγησε σε διαδοχικά επιτεύγματα, όπως είναι η υπολογιστική όραση, η αναγνώριση ομιλίας και προσώπου, η αυτόνομη κίνηση οχημάτων, η ρομποτική και άλλοι τομείς του αυτοματισμού.
Μπορούν τα μηχανήματα να αντιληφθούν τον κόσμο;
Κατά τη διάλεξή του με τίτλο: “Deep Learning for AI” ο Bengio έκανε μια αναδρομή στις βασικές αρχές που κρύβονται πίσω από την επιτυχία της βαθιάς εκμάθησης, όπου ένας αλγόριθμος δεν δέχεται σαφείς οδηγίες, αλλά εξάγει μοτίβα από τα δεδομένα και εκτελεί αυτό που του έχει ανατεθεί (π.χ. να αναγνωρίσει ένα πρόσωπο σε μια εικόνα), αλλά και τις εξελίξεις στο πεδίο. «Τα νευρωνικά δίκτυα βελτιώνουν περαιτέρω αυτή τη διαδικασία, μιμούμενα τον τρόπο που λειτουργούν οι νευρώνες του ανθρώπινου εγκεφάλου», σημείωσε ο ίδιος δηλώνοντας πως θα συνεχίσει να εξερευνά το «πάντρεμα» της μηχανικής μάθησης με τη νευροεπιστήμη και τη γνωσιακή επιστήμη, καθώς φαίνεται πως υπάρχει αρκετός δρόμος μπροστά. «Ωστόσο, υποπτεύομαι πως στο μέλλον θα υπάρξουν φωνές που θα μας πουν πως δεν θα έπρεπε να κάνουμε τα μηχανήματα τόσο “ανθρώπινα”», σχολίασε χαμογελαστά. Ο διαπρεπής επιστήμονας υποστηρίζει πως η τεχνητή νοημοσύνη απέχει ακόμα πολύ από το ανθρώπινο επίπεδο. «Πολλές από τις πρόσφατες βιομηχανικές επιτυχίες βασίστηκαν κυρίως στην μάθηση με επίβλεψη (supervised learning), αλλά ακόμα είναι εύκολο να ξεγελάσουμε πολλά από αυτά τα εκπαιδευμένα συστήματα με αλλαγές που προφανώς δεν θα ξεγελάσουν ένα πραγματικό ανθρώπινο ον», λέει ο ίδιος θεωρώντας ότι τα μηχανήματα μπορούν να καταλάβουν καλύτερα τον κόσμο όταν αλληλεπιδρούν με αυτόν και για αυτό εστιάζει στη μάθηση χωρίς επίβλεψη: «Ας υποθέσουμε ότι ένας μαθητής ή φοιτητής εκπονώντας μια εργασία προσπαθεί να εξαγάγει συμπεράσματα και απαντήσεις. Αντί να απευθυνθεί στον επιβλέποντα καθηγητή για τις σωστές απαντήσεις προκειμένου να συγκρίνει τα δικά του συμπεράσματα και να καταλάβει πού έκανε λάθος, αποτυπώνει τα πράγματα μέσα από την δική του παρατήρηση και εξερεύνηση και τα διασύνδεει για να καταλάβει τι συμβαίνει. Αυτή είναι η μάθηση χωρίς επίβλεψη», καταλήγει.
Χρειάζεται αλληλεπίδραση των μηχανημάτων με το περιβάλλον
O Bengio εστιάζει τώρα στην έννοια των κατανεμημένων αναπαραστάσεων και ιδιαίτερα των λεκτικών αναπαραστάσεων. Μια από τις βασικές γνώσεις στο πεδίο ήρθε με την λεκτική αναπαράσταση ως διανύσματα που αναγνωρίζουν μεν μοτίβα (π.χ. οι γάτες και οι σκύλοι είναι κατοικίδια ζώα), αλλά που μπορούν να κάνουν και λάθος. Ο αλγόριθμος μπορεί να εκπαιδευτεί ώστε να βρει ένα διάνυσμα χαρακτηριστικών. Με την χρήση αυτού έπειτα ο αλγόριθμος μπορεί να μάθει την αναπαράσταση και άλλων μοτίβων. Ωστόσο, ο πρωτοπόρος του AI θέλει τους αλγόριθμους του να καταλαβαίνουν και το "γιατί", δηλαδή να ξεπεράσουν την αναγνώριση των προτύπων και να μάθουν περισσότερα για την αιτία και το αποτέλεσμα. Με άλλα λόγια, ο ίδιος λέει πως η βαθιά εκμάθηση πρέπει να αρχίσει να ρωτάει γιατί συμβαίνουν τα πράγματα και να βρίσκει αιτιώδεις σχέσεις. Η κατανόηση της αιτίας και του αποτελέσματος θα καθιστούσε τα υπάρχοντα συστήματα AI πιο «έξυπνα» και αποτελεσματικότερα. Ένα ρομπότ που καταλαβαίνει ότι τα αντικείμενα με την πτώση σπάνε δεν θα χρειαστεί να πετάξει δεκάδες στο πάτωμα για να το δει. «Το ερώτημα είναι πώς να δώσουμε στα συστήματα AI αυτή την ικανότητα», συμπληρώνει ο καθηγητής, υποστηρίζοντας επίσης πως οι εξελίξεις βασίζονται και στην περαιτέρω χρήση μηχανισμών προσοχής (attention mechanisms): «Ένα τυποποιημένο νευρωνικό δίκτυο επεξεργάζεται όλα τα δεδομένα με τον ίδιο τρόπο. Γνωρίζουμε ότι ο εγκέφαλός μας εστιάζει στον υπολογισμό δίνοντας σημασία σε αυτό που θεωρεί σημαντικό. Η εφαρμογή μηχανισμών προσοχής για αυθαίρετες δομές δεδομένων επιτρέπει σε μηχανές να κάνουν πιο δυνατούς και δυναμικούς υπολογισμούς που μοιάζουν περισσότερο λογικοί και συνειδητοί», καταλήγει.
Ανησυχία για το μέλλον
Ο Yoshua Bengio είναι καθηγητής Επιστήμης Υπολογιστών στο Πανεπιστήμιο του Μόντρεαλ του Καναδά, ιδρυτής και επιστημονικός διευθυντής του Mila (Quebec Artificial Intelligence Institute) και συνιδρυτής της Element AI, μιας εταιρείας που παρέχει προϊόντα λογισμικού για πρακτικές επιχειρηματικές εφαρμογές του AI. Ωστόσο ο βραβευμένος επιστήμονας δεν κρύβει την ανησυχία του για την μη κατάλληλη χρήση του ΑΙ (artificial intelligence). Τον περασμένο Δεκέμβριο μάλιστα, στην ετήσια συνάντηση Neural Systems Processing (NeurIPS) στην πόλη του υποστήριξε δημόσια πως πρέπει να εξελιχθεί η τεχνολογία με περισσότερη υπευθυνότητα αναφερόμενος στην διακήρυξη με δεοντολογικές κατευθυντήριες γραμμές για το AI, την Montreal declaration for responsible development of artificial intelligence ( https://www.declarationmontreal-iaresponsable.com/ ), που εκπονήθηκε από το Université de Montréal, σε συνεργασία με το Fonds de recherche du Québec και προσκαλώντας δημόσιους και ιδιωτικούς φορείς εξουσίας να την υπογράψουν: «Στη χρήση του ΑΙ υπάρχει μια ισχυρή ηθική διάσταση. Με ανησυχούν, για παράδειγμα, τα killer drones, η επιτήρηση (surveillance) ή η αναγνώριση προσώπων (face recognition), η οποία έχει πιθανά και θετικά οφέλη. Εκτός από τα ζητήματα ασφαλείας πρέπει να λαμβάνονται υπόψη και τα ηθικά ζητήματα. Οι κίνδυνοι της κατάχρησης από φορείς εξουσίας και, ιδιαίτερα από αυταρχικές κυβερνήσεις είναι ρεαλιστικοί. Ουσιαστικά, το AI είναι ένα εργαλείο που μπορεί να χρησιμοποιηθεί από καθέναν που βρίσκεται στην εξουσία για να διατηρήσει αυτή την εξουσία και να την ενισχύσει. Ένα άλλο ζήτημα είναι ότι το AI μπορεί να ενισχύσει τις διακρίσεις (π.χ. μεταξύ φυλών ή φύλου) και τις προκαταλήψεις, καθώς αυτές είναι παρούσες στα δεδομένα στα οποία εκπαιδεύεται η τεχνολογία, αντανακλώντας τη συμπεριφορά των ανθρώπων», αναφέρει ο καθηγητής. Ο ίδιος αποκαλύπτει πως κατά καιρούς με επιστολές σε κυβερνήσεις και στον ΟΗΕ προσπαθεί να τους παρακινήσει να υπογράψουν διεθνείς συνθήκες (όπως π.χ. ήταν η Συνθήκη της Οττάβα για την Κατάργηση των Ναρκών κατά Προσωπικού) που εμποδίζουν την ακατάλληλη χρήση τέτοιων συστημάτων, αλλά, όπως σημειώνει, μέχρι στιγμής η ανταπόκριση είναι μηδαμινή.
Εστίαση στις αναπτυσσόμενες χώρες
Ο καθηγητής προτείνει στους επιστήμονες να ρίξουν λίγο τους ρυθμούς στην κούρσα του έντονου ανταγωνισμού στο πεδίο του AI και να ενισχύσουν τη συνεργασία μεταξύ των χωρών κάνοντας την τεχνολογία πιο προσιτή στον αναπτυσσόμενο κόσμο: «Θα μπορούσαμε να διευκολύνουμε τους επιστήμονες από τις αναπτυσσόμενες χώρες να έρθουν στην Ευρώπη ή την Αμερική. Ήδη δυσκολεύονται να κάνουν έρευνα με λίγους πόρους, αλλά επιπλέον εάν δεν έχουν πρόσβαση στην διεθνή επιστημονική κοινότητα, νομίζω ότι είναι πραγματικά άδικο. Η ευρεία συμμετοχή και συνεργασία ενισχύει την δημοκρατία στην έρευνα. Η χρήση του AI από μόνη της τείνει να οδηγήσει σε συγκεντρώσεις εξουσίας, χρήματος και ερευνητικού δυναμικού. Ακόμη και σε μια δημοκρατία μπορεί να συγκεντρωθεί υπερβολική δύναμη σε χέρια λίγων και αυτό είναι επικίνδυνο». Σύμφωνα με τον διαπρεπή ερευνητή οι επιστήμονες υπολογιστών θα πρέπει να προωθούν τις εφαρμογές του ΑΙ που βοηθούν τις φτωχότερες χώρες να καταπολεμήσουν την κλιματική αλλαγή και να βελτιώσουν την υγειονομική περίθαλψη και την εκπαίδευση. Για αυτό και ερευνητές από όλο τον κόσμο εργάζονται τώρα από κοινού για να προωθήσουν τη συνεργασία που στοχεύει στην κλιμάκωση του AI προς όφελος της ανθρωπότητας και τη μεγιστοποίηση του θετικού αντίκτυπου του σε ολόκληρο τον κόσμο. «Έχω πολλές ελπίδες! Θα ήθελα να δω περισσότερες εφαρμογές της μηχανικής και της βαθιάς εκμάθησης να επηρεάζουν θετικά πολλούς ανθρώπους. Διαθέτουμε εργαλεία που θα μπορούσαν να είναι χρήσιμα για την επίλυση μεγάλων προβλημάτων, αλλά μόνο μιλώντας σε ανθρώπους που αντιμετωπίζουν πραγματικά κοινωνικά προβλήματα ενισχύουμε τις δυνατότητες και τον θετικό αντίκτυπο της τεχνολογίας», καταλήγει ο ερευνητής.
Η 4η βιομηχανική επανάσταση βρίσκεται προ των πυλών
Διανύουμε την 4 η Βιομηχανική επανάσταση που θα επιφέρει μοιραία και έναν κοινωνικό μετασχηματισμό και τον ρωτάω αν ανησυχεί για αυτό: «Υπάρχει μια ανησυχία, αλλά και μια υπερβολή γενικά. Το ΑΙ επιτρέπει μεγάλης κλίμακας, “έξυπνες” αυτοματοποιήσεις που μπορεί να επιφέρουν σχετικά γρήγορες και δραματικές αλλαγές στην απασχόληση και την αγορά εργασίας συγκριτικά με το παρελθόν. Ακόμη και αν δημιουργηθούν νέες θέσεις απασχόλησης, κάποιες από τις παλιές θα καταργηθούν πολύ γρήγορα. Συνιστώ την έγκαιρη προσαρμογή και την διαρκή επιμόρφωση. Δυστυχώς η χρήση υψηλής τεχνολογίας αποφέρει πλούτο που συγκεντρώνεται σε λίγες χώρες, κάτι που θα μπορούσε να είναι επικίνδυνο επειδή το αρνητικό κόστος των εν λόγω τεχνολογιών (από την άποψη της απώλειας θέσεων εργασίας) επιβαρύνει τους φτωχότερους πληθυσμούς. Δυστυχώς χρειάζεται χρόνος για την μετάβαση και για να αλλάξεις το σύστημα προκειμένου να κινητοποιήσεις τη διαδικασία μετασχηματισμού», καταλήγει ο καθηγητής. Η συζήτηση με τον Yoshua Bengio δεν τελειώνει ποτέ, αλλά δυστυχώς έχει χρονικό όριο. Λαμβάνοντας υπόψη την εξάρτηση των ανθρώπων από την τεχνολογία, που σε κάποιες περιπτώσεις αγγίζει τα όρια της παθολογίας, δεν θα μπορούσα να μην τον ρωτήσω ολοκληρώνοντας, αν τελικά η τεχνολογία απελευθερώνει ή υποδουλώνει τους ανθρώπους. «Εξαρτάται αποκλειστικά από μας. Δεν είναι ζήτημα της τεχνολογίας, Είναι ζήτημα ανθρώπινης σοφίας και σύνεσης!», μου απάντησε με απόλυτη σιγουριά και βγήκε από την αίθουσα. Πηγή: Καθημερινή