Η ΤΝ είναι καινούργιο φαινόμενο, αλλά δεν είναι νέα επιστήμη. Δημιουργήθηκε το 1956 αλλά πήρε δεκαετίες για να κάνει σημαντική πρόοδο και να γίνει τεχνολογική πραγματικότητα.
Toυ Ιωάννη Βλαχάβα
Γιατί η ΤΝ είναι τώρα στο προσκήνιο; Τώρα έχουμε αρκετά γρήγορους υπολογιστές (GPUs), λογισμικό, ελεύθερες βιβλιοθήκες αλγορίθμων και τεράστιο όγκο δεδομένων, που φιλοξενούνται σε τεράστια ενεργοβόρα Data Centers και φυσικά έχουμε AI βοηθούς και εργαλεία ανάπτυξης εφαρμογών, όπως τα Γλωσσικά Μοντέλα (LLMs) που κάνουν τα πάντα.
Δεν χρειάζεται να γνωρίζει κάποιος προγραμματισμό για να αναπτύξει μια εφαρμογή AI.
Από την ώρα που η ΤΝ έδειξε τις πράγματι εντυπωσιακές ικανότητες της, τέθηκαν θέματα για τον έλεγχο της, τις δικλίδες ασφαλείας που απαιτούνται και πόση εξουσία θα συγκεντρώσουν οι εταιρείες που την αναπτύσσουν.
Παρουσιάστηκε ως ένα επιστημονικό τέρας το οποίο είναι ικανό να αφανίσει την ανθρωπότητα, ξεχνώντας, ελπίζω προσωρινά, τα πυρηνικά όπλα, τους παθογόνους οργανισμούς και την κλιματική κρίση.
Αυτός είναι ο βασικός αφηγηματικός κορμός των σεναρίων αφανισμού από την τεχνητή νοημοσύνη. Πρόκειται για υποθετικές ακολουθίες γεγονότων, των οποίων οι υποστηρικτές ζητούν να ληφθούν σοβαρά υπόψη προτού η τεχνολογία αποκτήσει ανεξέλεγκτη ισχύ.
Η Ευρωπαϊκή ένωση αντέδρασε ψηφίζοντας το AI ACT, το οποίο επέβαλε κανόνες στην ανάπτυξη ΑΙ εφαρμογών, χαρακτηρίζοντας τις εφαρμογές ανάλογα με την επικινδυνότητα τους, το οποίο όμως αναγκάστηκε να χαλαρώσει λόγω αδυναμίας ελέγχου.
Η ΤΝ έχει 2 πρόσωπα, 2 τύπους και 2 είδη εφαρμογών. Το πρώτο αφορά την Αναλυτική ΤΝ (Deep Learning 2010) που έχει τις πιο χρήσιμες αλλά άγνωστες στο ευρύ κοινό εφαρμογές. Λύνουν προβλήματα που ήταν μέχρι τώρα άλυτα. Μεταμορφώνει τις επιχειρήσεις, βιομηχανίες, οργανισμούς και Δημόσιο. Απαλλάσσει τον άνθρωπο από βαρετές, μονότονες ή και επικίνδυνες δουλειές.
Να αναφέρω μερικές, γιατί ο κατάλογος είναι ατελείωτος. Στην Ιατρική το AlphaFold της Google DeepMind (2020) που προβλέπει με ακρίβεια την τρισδιάστατη δομή των πρωτεϊνών από την αλληλουχία των αμινοξέων τους και βραβεύτηκε με Νόμπελ για τη τεράστια συνεισφορά του στην επιστήμη. Ανάλυση ακτινογραφιών και μαγνητικών τομογραφιών, Τηλε-ιατρική, Ρομποτική, Αυτόνομα οχήματα, Ρομποτική Χειρουργική, Ρομπότ Διάσωσης.
Στον Αγροτικό Τομέα: Γεωργία ακριβείας, ανίχνευση ασθενειών και παρασίτων, αυτοματοποιημένη άρδευση, και πολλά άλλα. Στην Εκπαίδευση με τους Εικονικούς βοηθούς διδασκαλίας. Η επίλυση μαθηματικών προβλημάτων και θεωρημάτων που ήταν άλυτα.
Αυτά είναι απλά, λίγα παραδείγματα ΤΝ που υπάρχουν σήμερα
Το 2ο πρόσωπο αφορά στην Παραγωγική ΤΝ (Generative AI) (2020). Δημιουργεί νέο περιεχόμενο (κείμενο, εικόνες, κώδικα). Έκανε την ΤΝ γνωστή στο ευρύ κοινό. Έχει Θεαματικά αποτελέσματα και ευθύνεται για όλη την κριτική που δέχεται η ΤΝ σήμερα. Σε αυτήν ανήκουν τα Μεγάλα Γλωσσικά Μοντέλα (Large Language Models – LLMs).
Η Παραγωγική ΤΝ χρησιμοποιεί χιλιάδες διαθέσιμα δεδομένα (κείμενα, αρχεία ήχου, εικόνες, βίντεο) και δημιουργεί ένα εντελώς νέο σύνολο ίδιων δεδομένων που ακολουθούν το ίδιο μοτίβο/κατανομή (pattern) με τα αρχικά. Υπολογίζουν για κάθε λέξη στο λεξικό την πιθανότερη επόμενη λέξη με βάση τις προηγούμενες ή τις γειτονικές λέξεις μιας πρότασης.
Έτσι έχουν μάθει τη γραμματική, τη δομή, το συντακτικό και το γενικό νόημα μιας ανθρώπινης γλώσσας. Αυτή είναι η Ευφυΐα της ΤΝ! Οι πιθανότητες. The Power of Thinking Without Thinking. Και όμως δουλεύουν ομολογουμένως εξαιρετικά καλά.
Οι περισσότεροι από εμάς πλέον χρησιμοποιούμε ένα εμπορικό Γλωσσικό Μοντέλο, είτε ελεύθερα ή με συνδρομή, όπου είτε δίνουμε απευθείας μια ερώτηση/εντολή χωρίς παραδείγματα είτε δίνουμε οδηγίες (Prompting), όπως τον Στόχο (Goal): Τι ακριβώς θέλουμε να κάνει το AI, το Περιβάλλον (Context): Ποιες πληροφορίες ή δεδομένα θα το βοηθήσουν, τη Μορφή (Output): Ποια είναι η επιθυμητή μορφή, το μήκος ή το ύφος και τα Όρια (Boundaries): Τι πρέπει να αποφύγει ή να προσέξει.
Οι κίνδυνοι από αυτήν τη χρήση, πέρα από την σημαντική ευκολία και αύξηση παραγωγικότητας που προσφέρουν σε όλους τους τομείς, είναι κυρίως κοινωνικοί, όπως:
Μεροληψία (bias) και Προκατάληψη, στερεότυπα με βάση το φύλο, την εθνικότητα, τη θρησκεία, το επάγγελμα, την ηλικία, πολιτικές πεποιθήσεις που καταλήγουν σε ενίσχυση κοινωνικών ανισοτήτων, η χρήση προσωπικών δεδομένων, η διαφάνεια – υπευθυνότητα – λογοδοσία για εσφαλμένες αποφάσεις/ενέργειες, η χειραγώγηση και τελικά η υποβάθμιση του γνωσιακού μας επιπέδου με αντίκτυπο στον πολιτισμό και τις τέχνες.
Η ενημέρωση των ανθρώπων από Γλωσσικά Μοντέλα θα οδηγήσει σε απομόνωση και μοναδική επικοινωνία με εικονικούς χαρακτήρες.
Επίσης υπάρχει σημαντικός κίνδυνος από την παραπληροφόρηση, την παραπλάνηση (Deepfake news) και τις ψευδαισθήσεις (Hallucinations) και σίγουρα την πλήρη αυτονομία για κρίσιμες αποφάσεις που αφορούν την ελευθερία, την υγεία και την ευζωία του ατόμου.
Άφησα για το τέλος τη δεύτερη και προφανώς πιο επικίνδυνη χρήση τους, που για αυτήν γίνονται και όλες οι συζητήσεις περί αφανισμού της ανθρωπότητας.
Οι ευφυείς λογισμικοί πράκτορες (Intelligent Agents) μετρούν πάνω από 2 δεκαετίες ύπαρξης. Είναι συστήματα λογισμικού που προσπαθούν να λύνουν προβλήματα για τα οποία σχεδιάστηκαν με κύριο χαρακτηριστικό την αυτονομία, την αντιδραστικότητα, την επικοινωνία με άλλους πράκτορες, την προσαρμοστικότητα, κλπ. Τέτοιοι πράκτορες λειτουργούν ήδη σε δορυφορικά συστήματα. Το πρόβλημα τους ήταν και είναι η ενσωμάτωση της γνώσης, που γίνεται κυρίως από κάποιον προγραμματιστή.
Αυτό που άλλαξε τα τελευταία χρόνια σε αυτά τα συστήματα είναι η ενσωμάτωση της Παραγωγικής ΤΝ που δίνει τη δυνατότητα στους πράκτορες να αντλούν γνώση από κάθε διαθέσιμη πηγή (Agentic AI). Αυτό τους κάνει πράγματι πανίσχυρους και ικανούς να λύσουν οποιοδήποτε πρόβλημα.
Και το πρόβλημα δεν έγκειται στα 10 τουλάχιστον χαρακτηριστικά που διαθέτουν, αλλά στο ένα από αυτά, την αυτονομία, το οποίο αποτελεί ισχυρό εργαλείο για εφαρμογές αλλά ταυτόχρονα και απειλή.
Ιστορικά μιλώντας, ταυτόχρονα με τη διάδοση της πληροφορικής, αναπτύχθηκαν και οι κακόβουλοι ιοί (computer viruses). Αμέσως μετά αναπτύχθηκαν τα anti-virus συστήματα και τα συστήματα λειτουργούν κανονικά με αυστηρά μέτρα προστασίας και έτσι αναπτύχθηκε ο κλάδος της κυβερνοασφάλειας.
Τώρα με το Agentic AI, πρέπει (και θα γίνει) να αναπτυχθούν αμυντικά συστήματα ΑΙ τα οποία θα μας προφυλάσσουν από την κακόβουλη χρήση τους. Η ανθρωπότητα μέχρι τώρα έχει δείξει ότι σε κάθε απειλή, προβάλλει μια ασπίδα (του Αχιλλέα;) και αμύνεται. Το κρίσιμο διάστημα πάντα είναι μεταξύ της απειλής και των αντιμέτρων. Και στα windows, μετά από τόσα χρόνια λειτουργίας, ανακαλύπτονται συνεχώς κενά ασφάλειας και γίνονται updates.
Τώρα αν σε αυτό κρίσιμο διάστημα, γίνει η καταστροφή της ανθρωπότητας, θα είμαστε άξιοι της μοίρας μας. Νομίζω όμως ότι προηγούνται άλλες καταστροφές που απαιτούν κυρίως ανθρώπινη ευφυΐα για να τις αντιμετωπίσουμε, όπως για παράδειγμα της κλιματικής κρίσης και της λειψυδρίας.
Επιπλέον να αναφέρω ότι αυτά τα προβλήματα δεν λύνονται με απαγορεύσεις και νομοθετικές ρυθμίσεις. Να νομοθετήσεις για το αυτονόητο, ότι δεν επιτρέπεται ένα σύστημα να προκαλεί βλάβη σε υποδομές άλλου ανθρώπου ή και στον ίδιο τον άνθρωπο; Σε τι διαφέρει η βλάβη από ένα σύστημα ΑΙ από οποιοδήποτε άλλο σύστημα ή άνθρωπο; Ούτε φραγμούς στην επιστημονική εξέλιξη μπορείς να βάλεις. Άλλωστε όπως ανέφερα και στη αρχή του άρθρου μέχρι και βραβείο Νόμπελ στην Ιατρική πήραν συστήματα ΑΙ. και θα δούμε και άλλα πολλά γιατί με την πάροδο του χρόνου, η Τεχνητή Νοημοσύνη θα γίνεται όλο και πιο εξελιγμένη, πιο εκλεπτυσμένη και πιο ισχυρή.
Ιωάννης Βλαχάβας (https://intelligence.csd.auth.gr/people/vlahavas/)
Καθηγητής Τεχνητής Νοημοσύνης, ΑΠΘ και Ιδρυτής της RealMINT.ai (https://www.realmint.ai/)
