fbpx

Ο Κωνσταντίνος Δασκαλάκης εντυπωσίασε τους φοιτητές του ΑΠΘ με την ομιλία του!


Έλληνας καθηγητής του MIT, Κωνσταντίνος Δασκαλάκης, έδωσε μια σπουδαία διάλεξη στο ΑΠΘ, σε μια αίθουσα γεμάτη από κόσμο που βρέθηκε εκεί να ακούσει τον δικό μας «Αϊνστάιν», να μιλά για την τεχνολογία στη ζωή των ανθρώπων.

Θέμα της διάλεξης του ήταν τα θετικά που μπορεί να χαρίσει η επερχόμενη εποχή της τεχνητής νοημοσύνης, αλλά και τους κινδύνους που κρύβει. Ο βραβευμένος με Κalai από την Διεθνή Ένωση Θεωρίας Παιγνίων και το βραβείο έρευνας του ιδρύματος Giuseppe Sciacca του Βατικανού καθηγητής, παραδέχτηκε πως ίσως να χρειαστούν αρκετές δεκαετίες μέχρι να έρθει αυτή η νέα εποχή, ωστόσο φάνηκε ιδιαίτερα αισιόδοξος. Σύμφωνα με τον ίδιο, τα επόμενα 5-15 χρόνια θα έχουμε αυτοοδηγούμενα αυτοκίνητα κι η επικοινωνία ανθρώπινου εγκεφάλου-τεχνολογίας θα είναι πιο άμεση, καθιστώντας μάλιστα τον διαχωρισμό τους πιο δύσκολο.

«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», είπε χαρακτηριστικά.

Για να κάνει πιο κατανοητή την εξέλιξη της τεχνητής νοημοσύνης, την ανέλυσε σε τρία διαφορετικά σενάρια:

Το πρώτο σενάριο, Wonderland, έχει ως θέμα την θετική αλληλεπίδραση μεταξύ ανθρώπων και μηχανών, με τους ανθρώπους να έχουν εν τέλει μεγάλο κέρδος από τη σχέση αυτή.  Οι μηχανές αντικαθιστούν τα άτομα σε χειρονακτικές εργασίες, με αποτέλεσμα να διασφαλίζουν περισσότερο ελεύθερο χρόνο, ενώ παράλληλα το πρόβλημα του ασφαλιστικού λύνεται, καθώς τα ρομπότ δεν απαιτούν ασφάλιση ή σύνταξη. Για να επιτύχει ωστόσο αυτό το σενάριο, θα πρέπει η μηχανή να μάθει να χρησιμοποιεί τη διαίσθηση και την εμπειρία (π.χ όταν γνωρίζει να παίζει σκάκι, να μπορεί να χρησιμοποιήσει την ίδια λογική και στο πόκερ).

Το δεύτερο σενάριο, «Pessiland», έχει να κάνει με τη χρήση της γενικής νοημοσύνης από το κράτος, τις εταιρίες κι όχι από τους απλούς πολίτες. Επομένως μιλάμε για το αρνητικό της υπόθεσης κι όπως είπε κι ο ίδιος ο καθηγητής: «Αν πάμε σε αυτήν την κατεύθυνση, το σενάριο είναι προφανώς δυστοπικό.»

Το τρίτο και τελευταίο σενάριο, «Stagnatia», αφορά την εξέλιξη της επιστήμης στην ειδική τεχνητή νοημοσύνη (π.χ αναγνώριση εικόνας και ήχου) και ταυτόχρονα την αδυναμία της να κάνει την υπέρβαση στη γενική τεχνητή νοημοσύνη, με αποτέλεσμα να επικρατεί στασιμότητα.

Έθιξε ακόμη και το θέμα που απασχολεί τους περισσότερους όσον αφορά την εξέλιξης της τεχνολογίας, τη σχέση ηθικής-τεχνολογίας, αναφέροντας το εξής παράδειγμα: «Ένα 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»;

Επιπλέον, στην προσπάθεια του να καταλάβει ο κόσμος τον τρόπο με τον οποίο λειτουργεί η τεχνητή νοημοσύνη, την συσχέτισε με ένα μωρό. Όπως ένα μωρό, έτσι και εκείνη «υιοθετεί» τις απόψεις των ανθρώπων που την καθοδηγούν. Σαν παράδειγμα έδωσε ένα chat boy (ρομπότ που κάνει διάλογο μέσω ήχου και κειμένου), το οποίο δέχτηκε επίθεση ρατσιστικού και συνωμοσιολογικού περιεχομένου από μια ομάδα χρηστών. «Μέσα σε 17 ώρες έγινε τρελός ρατσιστής και συνωμοσιολόγος», σημείωσε ο καθηγητής.

Ενώ τίθενται και θέματα αμεροληψίας, γιατί αν τα δεδομένα είναι ελλιπή, τότε η τεχνητή νοημοσύνη θα υιοθετήσει στατιστικές που δεν είναι αντιπροσωπευτικές. Για παράδειγμα φτιάχνω μια τεχνολογία που αποφαίνεται αν κάποιος είναι άξιος λήψης δανείου, αλλά έχω ελλιπή στοιχεία για μια πληθυσμιακή ομάδα. Όπως τόνισε ο δρ. Δασκαλάκης: «Πρέπει να προστατέψουμε την τεχνητή νοημοσύνη από το να κάνει τέτοια στατιστικά λάθη, αλλά το πρόβλημα είναι ότι η στατιστική είναι δύσκολη επιστήμη.»

Για όσους δε γνωρίζουν, ο δρ Δασκαλάκης είναι απόφοιτος των Ηλεκτρολόγων του Ε.Μ.Π. Έκανε διδακτορικό στο Πανεπιστήμιο του Μπέρκλεϋ, και εργάστηκε ως μεταδιδακτορικός ερευνητής στη Microsoft. Η έρευνά του επικεντρώνεται στην θεωρητική πληροφορική και την διεπαφή της με τα Οικονομικά, την Στατιστική και την Τεχνητή Νοημοσύνη. Έχει μεταξύ άλλων τιμηθεί με το βραβείο της καλύτερης διδακτορικής διατριβής στην πληροφορική από τον διεθνή οργανισμό επιστήμης των υπολογιστών ACM, με το βραβείο Kalai από την διεθνή ένωση Θεωρίας Παιγνίων, το βραβείο εξαιρετικής δημοσίευσης από την διεθνή ένωση εφαρμοσμένων μαθηματικών SIAM, το Career Award από το Ίδρυμα Επιστημών της Αμερικής, το βραβείο Πληροφορικής του Ιδρύματος Sloan και την ερευνητική υποτροφία της Microsoft.

 

#ΤΟΥ ΙΔΙΟΥ ΑΡΘΡΟΓΡΑΦΟΥ

#BEST OF INTERNET

#BEST OF INTERNET