Την τελευταία δεκαετία, η τεχνητή νοημοσύνη (συντομογραφία AI στα αγγλικά, MI στα ουγγρικά) έχει γίνει η πιο δημοφιλής τεχνολογία μετά την ευρεία χρήση του Διαδικτύου. Η ανάπτυξή του τροφοδοτείται επίσης από τεράστιες επενδύσεις από τεχνολογικούς γίγαντες, οι οποίοι ξοδεύουν δισεκατομμύρια δολάρια με την ελπίδα να ξεπεράσουν τους ανταγωνιστές τους – ή ακόμα περισσότερο, με το φόβο ότι κάποιος θα τους ξεπεράσει σε μια περιοχή που θα μπορούσε να μεταμορφώσει εντελώς τον κόσμο μας. μελλοντικός. . Η μοίρα δισεκατομμυρίων δολαρίων, ή μάλλον δισεκατομμυρίων δολαρίων, εξαρτάται από το τι είδους καρπούς θα φέρουν αυτές οι εξελίξεις. Σε κάθε περίπτωση, η ανάπτυξη έχει επιταχυνθεί πρόσφατα σε σημείο που ορισμένοι ειδικοί υποστηρίζουν ήδη ότι μια τεχνητή γενική νοημοσύνη, «ευφυής», ακόμα και με την καθημερινή έννοια του όρου, θα μπορούσε σύντομα να δει το φως της δημοσιότητας.

Αυτή δεν είναι μια νέα ιδέα

Σε αυτή την αυξημένη ατμόσφαιρα, είναι εύκολο να ξεχάσουμε ότι η τεχνητή νοημοσύνη δεν είναι καθόλου νέος τομέας. Επιπλέον, η ιδέα της τεχνητά δημιουργημένης νοημοσύνης έχει στην πραγματικότητα ρίζες από την αρχαιότητα και έχει εμφανιστεί με τη μια ή την άλλη μορφή σε όλη τη γραπτή ιστορία. της ανθρωπότητας. Στην ελληνική μυθολογία, ο σιδηρουργός των θεών, ο Ήφαιστος, δημιουργεί ένα μεταλλικό αυτόματο για να υπηρετήσει τους θεούς του Ολύμπου. Ένα στοιχείο της εβραϊκής λαογραφίας είναι η ιστορία ενός γκόλεμ ζυμωμένου από λάσπη, το οποίο (ή το οποίο) ζωντάνεψε μέσω αρχαίων τελετουργιών. Mary Shelley Το μυθιστόρημά του του 1818, ακρογωνιαίος λίθος της λογοτεχνίας επιστημονικής φαντασίας, Φρανκενστάιν πρόκειται αποκλειστικά για τη δημιουργία τεχνητής ζωής. Φριτς Λανγκ Η ταινία του που καθορίζει το είδος, το 1927 Μητρόπολη ενέπνευσε μια ολόκληρη σειρά έργων τρόμου και φαντασίας με τη φιγούρα του Maschinenmensch, δηλαδή του ρομπότ σε ανθρώπινη μορφή, φέρνοντας δολοφονικό χάος.

Ωστόσο, η πραγματική εφαρμογή της τεχνητής νοημοσύνης βρισκόταν στη σφαίρα της επιστημονικής φαντασίας έως ότου εμφανίστηκαν οι πρώτοι ψηφιακοί υπολογιστές μετά το τέλος του Β’ Παγκοσμίου Πολέμου. Ο βασικός χαρακτήρας της ιστορίας είναι ο λαμπρός Βρετανός μαθηματικός Άλαν Τούρινγκο οποίος είναι περισσότερο γνωστός για τον ρόλο του στην αποκρυπτογράφηση του κρυπτογράφησης Enigma με την ομάδα των κωδικοθραυστών Bletchley Park, που θεωρείται άθραυστο.

Το 1948, ο Τούρινγκ έπιασε δουλειά στο Πανεπιστήμιο του Μάντσεστερ για να δουλέψει στον πρώτο υπολογιστή της Βρετανίας, το «Manchester Baby». Η έλευση των υπολογιστών αύξησε το ενδιαφέρον για «ηλεκτρονικούς εγκεφάλους», προφανώς ικανούς για εντυπωσιακά πνευματικά επιτεύγματα. Ο Τούρινγκ ενοχλούνταν όλο και περισσότερο από τις δογματικές συζητήσεις σχετικά με το γεγονός ότι οι έξυπνες μηχανές δεν μπορούν να υπάρχουν και ήθελε να τελειώσει τη συζήτηση με ένα άρθρο που δημοσιεύτηκε στο περιοδικό MIND το 1950. Πρότεινε μια μέθοδο — την οποία ονόμασε «παιχνίδι μίμησης», αλλά τώρα γνωστή ως δοκιμή Turing — για να αποφασιστεί εάν μια μηχανή μπορεί να θεωρηθεί έξυπνη. Ένας ανθρώπινος συνεντευκτής συμμετέχει σε μια συνομιλία με μια μηχανή ή έναν άνθρωπο σε ηλεκτρονική μορφή, επομένως δεν μπορεί να γνωρίζει με ποιον έχει να κάνει. Ο Τούρινγκ υποστήριξε ότι

Εάν μια μηχανή δεν μπορεί να διακριθεί αξιόπιστα από έναν άνθρωπο σε μια τέτοια δοκιμή, τότε αυτή η μηχανή θεωρείται έξυπνη.

Την ίδια στιγμή πέρα ​​από τον ωκεανό Τζον ΜακΚάρθι ένας Αμερικανός επιστήμονας άρχισε επίσης να ανησυχεί για την πιθανότητα ύπαρξης ευφυών μηχανών. Το 1955, συγκεντρώνοντας υποτροφίες για ένα επιστημονικό συνέδριο την επόμενη χρονιά, «εφηύρε» τον όρο «τεχνητή νοημοσύνη». Ο McCarthy είχε μεγάλες ελπίδες για αυτό το γεγονός: πίστευε ότι με τη συγκέντρωση ερευνητών από όλους τους σχετικούς κλάδους, η τεχνητή νοημοσύνη θα μπορούσε να δημιουργηθεί σε λίγες εβδομάδες. Μικρή πρόοδος σημειώθηκε στο συνέδριο, αλλά οι επιστήμονες που συγκέντρωσε ο McCarthy δημιούργησαν ένα νέο επιστημονικό πεδίο και οι σημερινοί προγραμματιστές τεχνητής νοημοσύνης μπορούν να θεωρηθούν επιστημονικοί απόγονοί του.

Μηχανική μάθηση

Στα τέλη της δεκαετίας του 1950, υπήρχαν μόνο λίγοι ψηφιακοί υπολογιστές στον κόσμο. Παρόλα αυτά, ο McCarthy και οι συνεργάτες του είχαν ήδη δημιουργήσει προγράμματα που μπορούσαν να μάθουν, να λύνουν προβλήματα, να λύνουν λογικούς γρίφους και να παίζουν παιχνίδια. Θεωρήθηκε ότι η πρόοδος θα ήταν ταχεία, ειδικά καθώς οι υπολογιστές γίνονταν γρήγορα φθηνότεροι και ταχύτεροι. Αλλά η δυναμική μειώθηκε και μέχρι τη δεκαετία του 1970 οι χρηματοδότες της έρευνας απογοητεύτηκαν από υπερβολικά αισιόδοξες προβλέψεις για τον ρυθμό ανάπτυξης. Οι επιδοτήσεις καταργήθηκαν και ο ΜΙ στιγματίστηκε. Στη δεκαετία του 1980, κύματα ενθουσιώδους αισιοδοξίας σάρωσαν και πάλι το πεδίο ακολουθώντας νέες προσεγγίσεις, αλλά η ανάπτυξη χτύπησε για άλλη μια φορά σε τοίχο – και οι ερευνητές της τεχνητής νοημοσύνης για άλλη μια φορά κατηγορήθηκαν για «υπερβολικές προσδοκίες για μια σημαντική ανακάλυψη».

Η κατάσταση άρχισε να αλλάζει τον 21ο αιώνα, με την ανάπτυξη μιας νέας γενιάς συστημάτων τεχνητής νοημοσύνης ικανά για βαθιά μάθηση και βασισμένα σε τεχνητά νευρωνικά δίκτυα – αλλά στο επίπεδο της σκέψης, αυτό δεν έχει τίποτα ξανά. Το νευρικό σύστημα των ζώων και του ανθρώπου αποτελείται από μια τεράστια μάζα διασυνδεδεμένων νευρώνων. Ο ανθρώπινος εγκέφαλος, για παράδειγμα, περιέχει δεκάδες δισεκατομμύρια νευρώνες, ο καθένας από τους οποίους έχει κατά μέσο όρο περίπου 7.000 συνδέσεις μεταξύ τους. Κάθε νευρώνας αναγνωρίζει απλά μοτίβα σημάτων που προέρχονται από το συνδετικό του δίκτυο και στέλνει ηλεκτροχημικά σήματα με βάση αυτό. Η ανθρώπινη νοημοσύνη γεννιέται με τον ένα ή τον άλλο τρόπο από αυτές τις απλές συνδέσεις και αλληλεπιδράσεις. Στη δεκαετία του 1940 Warren McCulloch Και Γουόλτερ Πιτ Αμερικανοί ερευνητές έχουν αναγνωρίσει τη δυνατότητα μοντελοποίησης ενός τέτοιου συστήματος με ηλεκτρονικά κυκλώματα. Έτσι γεννήθηκε ο τομέας της έρευνας και σχεδιασμού τεχνητών νευρωνικών δικτύων.

Αν και οι επιστήμονες εργάζονταν συνεχώς πάνω σε αυτό ακολουθώντας τις ιδέες των McCulloch και Pitts, χρειαζόταν περαιτέρω πρόοδος για να μπορέσουν να υλοποιηθούν τέτοια συστήματα. Μια από τις απαραίτητες προόδους Τζέφρι Χίντον και παραδόθηκε από τους συναδέλφους του τη δεκαετία του 1980. Η δουλειά τους πυροδότησε μια ξαφνική αναβίωση του ενδιαφέροντος για τον τομέα, αλλά ο ενθουσιασμός γρήγορα έσβησε όταν έγινε σαφές ότι η τεχνολογία υπολογιστών της εποχής δεν μπορούσε να δημιουργήσει αρκετά ισχυρά νευρωνικά δίκτυα. Ωστόσο, ο νέος αιώνας έφτασε και η κατάσταση έχει αλλάξει: σήμερα ζούμε στην εποχή των τεράστιων και φθηνών υπολογιστικών δυνατοτήτων και αποθήκευσης δεδομένων, που επιτρέπουν τη λειτουργία δικτύων βαθιάς μάθησης που σήμερα βρίσκονται στην αρχή της ανάπτυξης της AI.

Τα νευρωνικά δίκτυα βρίσκονται επίσης στο πλαίσιο της τεχνητής νοημοσύνης της εφαρμογής που έχει λάβει τη μεγαλύτερη προσοχή τελευταία, το ChatGPT, που διατέθηκε από το OpenAI τον Νοέμβριο του 2022. Το ChatGPT και τα νευρωνικά δίκτυα που τρέχουν προς τα πίσω, το καθένα αποτελείται από ένα τρισεκατομμύριο μονάδες, κέρδισαν αμέσως δημοτικότητα και σήμερα εκατοντάδες εκατομμύρια άνθρωποι χρησιμοποιούν τις υπηρεσίες τους καθημερινά. Ίσως ένα από τα μυστικά της επιτυχίας του είναι ότι μοιάζει ακριβώς με το ΕΜΕΙΣ, που παλιότερα μπορούσαμε να δούμε μόνο στους κινηματογράφους.

Δεν θα βγει από τον υπολογιστή

Η χρήση του ChatGPT είναι σαν να συνομιλείτε απλά με κάποιον που φαίνεται έξυπνος και γνώστης. Ωστόσο, αυτό που κάνουν τα νευρωνικά σας δίκτυα είναι στην πραγματικότητα πολύ απλό. Όταν πληκτρολογούμε κάτι “για”, το ChatGPT απλώς προσπαθεί να προσδιορίσει ποιο κείμενο θα εμφανίσει. Για να γίνει αυτό, χρησιμοποιεί τεράστιο όγκο δεδομένων (συμπεριλαμβανομένου σχεδόν όλου του περιεχομένου κειμένου που έχει δημοσιευτεί ποτέ στο Διαδίκτυο). Τα εκτεταμένα νευρωνικά δίκτυα και οι τεράστιες ποσότητες δεδομένων επιτρέπουν στο πρόγραμμα να περάσει τη δοκιμή Turing με όλους τους πρακτικούς όρους.

Η επιτυχία του ChatGPT τροφοδότησε επίσης θεμελιώδεις φόβους: Τι γίνεται αν δημιουργήσουμε κάτι που δεν μπορούμε να ελέγξουμε; Είναι ο εφιάλτης του Frankenstein, της Metropolis ή του Terminator. Με βάση τις πραγματικά εντυπωσιακές δυνατότητες του ChatGPT, φαίνεται εύκολο να πιστέψει κανείς ότι αυτή είναι μια πραγματική και κοντινή πιθανότητα, αλλά παρ’ όλη τη γνώση του, δεν πρέπει να φανταστεί κανείς υπερβολική πραγματική ευφυΐα πίσω από τις απαντήσεις του ChatGPT . Δεν πρόκειται για το μυαλό: το πρόγραμμα εμφανίζει μόνο κείμενα που φαίνονται σχετικά. Δεν σκέφτεται γιατί του ζητάμε συνταγές για τηγανίτες ή τα τελευταία σκορ από την αγαπημένη μας ποδοσφαιρική ομάδα – στην πραγματικότητα, δεν σκέφτεται τίποτα. Δεν έχει ούτε πεποιθήσεις ούτε επιθυμίες και δεν έχει άλλο σκοπό από το να εμφανίζει κείμενα επιλεγμένα σύμφωνα με ορισμένα κριτήρια.

Δεν πρόκειται να κατέβεις από τον υπολογιστή σου και να καταλάβεις τον κόσμο.

Φυσικά, αυτό δεν σημαίνει ότι δεν υπάρχουν κίνδυνοι στη χρήση της τεχνητής νοημοσύνης. Ένα από τα πιο πρόσφατα επί του παρόντος είναι ότι το ChatGPT και παρόμοιες εφαρμογές μπορούν να χρησιμοποιηθούν για την παραγωγή βιομηχανικών ποσοτήτων παραπληροφόρησης, για παράδειγμα από όσους επιθυμούν να επηρεάσουν τα αποτελέσματα μιας εκλογής. Επίσης, δεν γνωρίζουμε σε ποιο βαθμό αυτά τα συστήματα εντοπίζουν τις δικές μας ανθρώπινες προκαταλήψεις και λάθη από τα δεδομένα που χρησιμοποίησαν για να τα εκπαιδεύσουν. Στην πραγματικότητα, το πρόγραμμα δεν κάνει τίποτα άλλο από το να προσπαθεί να καταλάβει τι θα γράφαμε ως απάντηση στην ερώτηση που τέθηκε – έτσι ώστε η μεγάλης κλίμακας εφαρμογή αυτών των τεχνολογιών να μπορεί πραγματικά να κρατήσει έναν τεράστιο καθρέφτη για την ανθρωπότητα. Και δεν είμαστε σίγουροι ότι θα μας αρέσει αυτό που βλέπουμε εκεί.

Το άρθρο Ντανιέλ Λιθουανία μεταφρασμένο.