Ανθρώπινη έναντι Τεχνητής Ευφυΐας

Page 1

Ανθρώπινη έναντι Τεχνητής Ευφυΐας
Το παρόν έργο πνευματικής ιδιοκτησίας προστατεύεται κατά τις διατάξεις της ελληνικής νομοθεσίας, (Ν. 2121/1993, όπως έχει τροποποιηθεί και ισχύει σήμερα) καθώς και από τις διεθνείς συμβάσεις περί πνευματικής ιδιοκτησίας. Απαγορεύεται η καθ’ οιονδήποτε τρόπο ή μέσο (ηλεκτρονικό, μηχανικό ή άλλο) αντιγραφή, φωτοανατύπωση και γενικώς αναπαραγωγή, μετάφραση, διασκευή, αναμετάδοση στο κοινό σε οποιαδήποτε μορφή και η εν γένει εκμετάλλευση του συνόλου ή μέρους του έργου χωρίς τη γραπτή άδεια του δικαιούχου συγγραφέα. Τι Τλος Ανθρώπινη έναντι Τεχνητής Ευφυΐας Μία Ανατομία της Σκέψης σε αντιπαραβολή με την Τεχνητή Νοημοσύνη ς υγγρΑ φ ΕΑ ς ιωάννης Β. Κιουστελίδης ςΕ ιρΑ Επιστημονικά
Επιm Ε λ Ε ι Α - Διορθω ς η Μαρίνα ςταμέλου L
- Design myr tilo, λένα παντοπούλου
ιωάννης Β. Κιουστελίδης π ρ ωΤ η Ε ΚΔο ς η Αθήνα, ιούνιος 2024
ΚΕΝΤριΚη ΔιΑθΕςη Βατάτζη 55, 114 73 Αθήνα | Τηλ.:
ocelotos@ocelotos.gr | www.ocelotos.gr
[5358] 0624/03
ayout
Copyright© 2024
is B n 978-618-205-600-4
210 64 31 108
Ιωάννης Β. Κιουστελίδης Ανθρώπινη έναντι Τεχνητής Ευφυΐας Μία Ανατομία της Σκέψης σε αντιπαραβολή με την Τεχνητή Νοημοσύνη — ΑΘΗΝΑ 2024 —
— 5 — Περιεχόμενα ΠΡΟΛΟΓΟΣ ���������������������������������������������������������������������������������������������������� 11 Εισαγωγή: ανθρωποειδής συμπεριφορά και νοημοσύνη �������������������������� 21 Ε1� Ποιες είναι οι δυνατότητες και δυσκολίες συστημάτων Τεχνητής Νοημοσύνης; ��������������������������������������������������������������������������� 21 Ε2� Σε τι διαφέρει από την απλή ονοματοδοσία η ανθρώπινη και η ζωική αντίληψη; 32 Ε3� Τα σύγχρονα ρομπότ ������������������������������������������������������������������������������ 35 Ε4� Τι συνέπειες έχουν για μας αυτές οι παρατηρήσεις;���������������������������� 42 Ε5� Ποια είναι αυτά που η ΤΝ δυσκολεύεται ή αδυνατεί να μάθει χωρίς άμεση συγκέντρωση εμπειρίας; �������������������������������������������������� 46 Ε6� Παρατήρηση για την ορολογία της Τεχνητής Νοημοσύνης ������������� 51 1 Σε τι διαφέρει βασικά η ανθρώπινη από την τεχνητή ευφυΐα; 55 1�1 Οι άδηλοι παράγοντες της ανθρώπινης και ζωικής σκέψης ���� 55 1�2 Τι είναι η διαίσθηση; ����������������������������������������������������������������������� 57 1�2�1 Αυτοσχεδιασμός έναντι μιμητισμού: Γιατί τα συστήματα Τεχνητής ευφυΐας δεν κατανοούν το περιβάλλον τους ����������������������������������������������������������� 58 1�3 Αισθησεοκινητική Κατανόηση ����������������������������������������������������� 60 1�3�1 Αισθησεοκινητική Μάθηση ���������������������������������������������� 67 1�3�2 Oι αισθησεοκινητικές απαρχές της σκέψης �������������������� 70 1�3�3 Οι αρχικές έννοιες είναι εσωτερικευμένοι αισθησεοκινητικοί χειρισμοί �������������������������������������������� 71 1�3�4 Τα νοήματα και το σώμα ��������������������������������������������������� 72 1�4 Αισθησεοκινητική έναντι λεκτικά εκφράσιμης σκέψης ������������ 77 1�4�1 Κατοπτρικοί Νευρώνες������������������������������������������������������ 79 1�5 Η κυκλικότητα των Ορισμών ������������������������������������������������������� 82 1�5�1 Γιατί δημιουργούνται οι λέξεις και πόσο καθορίζουν τους αισθησεοκινητικούς μηχανισμούς �������������������������� 84 1�5�2 Πώς μαθαίνουμε να περιγράφουμε καταστάσεις με τη γλώσσα; �������������������������������������������������������������������� 86 1�6 Γιατί ένα ρομπότ δυσκολεύεται να μας μιμηθεί ������������������������� 87 1�7 Ο ρόλος των κινήτρων������������������������������������������������������������������� 88 1�8 Πώς μαθαίνουμε να αυτοσχεδιάζουμε ����������������������������������������� 91 1�9 Αυτοσχεδιασμός έναντι κοινού νου ��������������������������������������������� 92
— 6 — 1�10 Πώς σκεπτόμαστε; (Νοερή Μοντελοποίηση) ��������������������������� 94 1�10�1 Το πείραμα επιλογών του Wason������������������������������������� 96 1�10�2 Η Θεωρία Νοερών Μοντέλων ����������������������������������������� 97 1�10�3 Αντικειμενοποίηση αφηρημένων εννοιών ���������������������� 99 1�10�4 Παραδείγματα επιστημονικής συμπερασματολογίας με βάση κατάλληλη μοντελοποίηση �����������������������������100 1�11 Σε τι διαφέρει η ανθρώπινη αντίληψη από αυτήν των σημερινών Τεχνητών Νευρωνικών Δικτύων ���������������������������� 105 1�12 Πώς θα μπορούσε ένα ρομπότ να μιμηθεί ή να προσομοιώσει την ανθρώπινη σκέψη; ��������������������������������������� 106 1�12�1� Η σταδιακή διαμόρφωση των αισθησεοκινητικών μηχανισμών ���������������������������������������������������������������������� 108 1 12 2 Β ουβή Σκέψη 113 1�12�3 Η Αίσθηση της Όρασης και η Αντίληψη του Χώρου ���� 114 1�12�4 Η ανάγκη αξιολογικών μηχανισμών, αξιολογικών κριτηρίων��������������������������������������������������������������������������� 115 1�13 Συμπεράσματα ������������������������������������������������������������������������������ 118 1�14 Προκλήσεις για τη μελλοντική «Τεχνητή Ευφυΐα» ����������������� 125 1�15 Η φαινομενική ευφυΐα και το Chat GPT ����������������������������������� 129 1�16 Τι είναι υπερευφυΐα; ����������������������������������������������������������������������� 148 ΠΑΡΑΠΟΜΠΕΣ ������������������������������������������������������������������������������������������ 150 ΠΕΡΙΛΗΨΗ ΚΕΦΑΛΑΙΟΥ 1��������������������������������������������������������������������� 152 Τι διαφέρει η Ανθρώπινη από την Τεχνητή Ευφυΐα; Αυτοσχεδιασμός έναντι Μιμητισμού �������������������������������������������������� 152 2� Τα νευρωνικά δίκτυα και οι αδυναμίες τους ������������������������������� 155 2�1 Τα μονόδρομα νευρωνικά δίκτυα και η υπολογιστική όραση ��� 155 2�1�1 Τα δύο Εξελικτικά Στάδια της Τεχνητής Ευφυΐας ������� 156 2�1�2 Πώς Γίνεται η Επεξεργασία Οπτικών Σημάτων στον Εγκεφαλικό Φλοιό ������������������������������������������������� 157 2�1�3 Τι «βλέπουν» τα Τεχνητά Νευρωνικά Δίκτυα ������������� 159 2�1�4 Σε τι διαφέρει η Ανθρώπινη Αντίληψη� Προοπτικές των γενικώς Ευφυών Μηχανών ������������������������������������� 161 2�1�5 Παράδειγμα ενός μονόδρομου Τεχνητού Νευρωνικού Δικτύου ������������������������������������������������������� 164 2�1�6 Τι είδους επεξεργασία των σημάτων κάνει το παραπάνω Τεχνητό Νευρωνικό Δίκτυο; ����������������������� 169 2�1�7 Η έλλειψη προσαρμοστικότητας των Νευρωνικών Δικτύων ������������������������������������������������������ 171
— 7 — 2�1�8 Γιατί ο άνθρωπος μαθαίνει κάτι νέο χωρίς εκτενή επανεκπαίδευση ������������������������������������������������������������ 173 2�1�9 Τα Συνελικτικά Νευρωνικά Δίκτυα και η Αναγνώριση Μορφών (Pattern Recognition) ��������� 174 2�1�10 Εφαρμογές των μονόδρομων ΤΝΔ ����������������������������� 177 2 1 11 Η άποψη του Geoffrey Hinton για το πού υστερούν τα ΣΝΔ ����������������������������������������������������������� 179 2�1�12 Οι διαφορές των τεχνητών από τις φυσικές νευρωνικές συνδέσεις ���������������������������������������������������� 180 2�1�13 Τι είναι αναγκαίο για την απομίμηση βιολογικών νευρωνικών δικτύων������������������������������������������������������182 2�2� Oι Μετασχηματιστές και η επεξεργασία λόγου ��������������������� 186 2 2 1 Πώς μαθαίνουν οι Η/Υ να μιλούν – Ενσωματώσεις 188 2�2�2 Ο Chat GPT και ο κοινός νους (common sense) ������ 200 ΠΑΡΑΠΟΜΠΕΣ�����������������������������������������������������������������������������������������207 ΠΕΡΙΛΗΨΗ ΚΕΦΑΛΑΙΟΥ 2 ������������������������������������������������������������������� 208 Τα (τεχνητά) Νευρωνικά Δίκτυα και οι Αδυναμίες τους ���������������������� 208 3� Οι Αφηρημένες Έννοιες και η Σκέψη ����������������������������������������� 213 3�1 Τι είναι αφηρημένες έννοιες; Ενσώματη νόηση ��������������������� 213 3�2 Τι είναι η γλώσσα; ����������������������������������������������������������������������� 214 3�3 Τι είναι αφηρημένη έννοια; ������������������������������������������������������� 220 3�4 Η μεταβλητή σημασία των αφηρημένων εννοιών ����������������� 223 3�5 Η Κωδικοποίηση των Συγκεκριμένων και Αφηρημένων Εννοιών ���������������������������������������������������������������������������������������� 226 3�6 Άτυπες ή άδηλες ή μη τυπικές ή έμμεσες ιδιότητες αντικειμένων και ενεργειών ������������������������������������������������������ 227 3�7 Πώς συλλαμβάνονται αφηρημένες έννοιες ��������������������������� 229 3�8 Κατανόηση και Μοντελοποίηση� Η Θεωρία Νοερών Μοντέλων ������������������������������������������������������������������������������������ 230 3�9 Θεωρίες Ενσώματης Νόησης ���������������������������������������������������� 232 3�10 Νοερή Μοντελοποίηση ������������������������������������������������������������� 235 3�11 Τι προσφέρουν οι θεωρίες Ενσώματης Νόησης; �������������������� 237 3�12 Τι είναι οι Μεταφορές; ��������������������������������������������������������������� 238 3�13 Νεκρές Μεταφορές �������������������������������������������������������������������� 241 3�14 Ο Θάνατος των Μεταφορών ���������������������������������������������������� 244 3�15 Η Θεωρία Μεταφορών των Lakoff και Johnson ������������������� 245 3�16 Άλλα προβληματικά σημεία της Θεωρίας Μεταφορών �������� 251
— 8 — 3�17 Η Προσπάθεια Αναγωγής της Μαθηματικής Σκέψης σε «Μεταφορές» �������������������������������������������������������������������������� 252 3�18 Η «μεταφορική» δημιουργία της Λογικής �������������������������������� 254 3�19 Τελικά, τι είναι οι αφηρημένες έννοιες; ������������������������������������� 257 ΠΑΡΑΠΟΜΠΕΣ�������������������������������������������������������������������������������������������259 ΠΕΡΙΛΗΨΗ ΚΕΦΑΛΑΙΟΥ 3 260 Οι Αφηρημένες Έννοιες και η Σκέψη �������������������������������������������������������� 260 4� Σύγκριση Βιολογικών με Τεχνητά Νευρωνικά Δίκτυα –Πώς λειτουργούν τα Βιολογικά ΝΔ και σε τι υστερούν τα Τεχνητά Νευρωνικά Δίκτυα ���������������������������������������������������������� 267 4�1 Εισαγωγή ��������������������������������������������������������������������������������������� 267 4 2 Το νευρικό σύστημα των Σπονδυλωτών 270 4�3 Ο εγκέφαλος ��������������������������������������������������������������������������������� 273 4�3�1 Ο προμήκης μυελός (medulla oblongata) και η Γέφυρα (pons) ���������������������������������������������������������������� 273 4�3�2 Υποθάλαμος ��������������������������������������������������������������������� 274 4�3�3 Υπόφυση ��������������������������������������������������������������������������� 274 4�3�4 Παρεγκεφαλίδα ���������������������������������������������������������������� 275 4�3�5 Το Μεσολόβιο ������������������������������������������������������������������� 276 4�3�6 Το Μεταιχμιακό Σύστημα και η Αμυγδαλή ������������������ 276 4�3�7 Ο Θάλαμος ����������������������������������������������������������������������� 277 4�3�8 Τα Βασικά Γάγγλια ����������������������������������������������������������� 278 4�3�9 Ο Εγκεφαλικός Φλοιός ��������������������������������������������������� 279 4�4 Πώς λειτουργούν οι βιολογικοί νευρώνες �������������������������������� 286 4�4�1 Τα Νευρικά Κύτταρα ������������������������������������������������������� 286 4�4�2 Δομή των νευρώνων �������������������������������������������������������� 287 4�4�3 Η Νευρωνική Σηματοδότηση ����������������������������������������� 288 4�4�4 Η λειτουργία των Συνάψεων ������������������������������������������ 291 4�4�5 Σε τι διαφέρουν κυρίως οι νευρώνες από άλλα κύτταρα ����������������������������������������������������������������������������� 292 4�4�6 Νευροδιαβιβαστές και Νευροδιαμορφωτές ����������������� 294 4�4�7 Η σημασία του ιππόκαμπου για τη μνήμη �������������������� 295 4�5 Η δημιουργία συνάψεων ������������������������������������������������������������� 297 4�5�1 Το Συναπτικό κλάδεμα ���������������������������������������������������� 298 4�5�2 Αισθητηριακή εμπειρία και κρίσιμες περίοδοι ������������� 301 4�6 Η Δημιουργία Μνημών: Μακροχρόνια Ενδυνάμωση και Μακροχρόνια Καταστολή ���������������������������������������������������� 302 4�7 Συνειρμικοί Μηχανισμοί σε Βιολογικά Συστήματα ����������������� 308
— 9 — 4�8 Ρυθμιστικοί Συνειρμοί και Επίκτητα Ανακλαστικά ��������������� 309 4�9 Η αποθήκευση εκφράσιμων και σιωπηρών μνημών και η συνεχής μεταβολή των νευρωνικών συνδέσεων����������������� 313 4�10 Πειραματική τεκμηρίωση της διαμόρφωσης της μακροχρόνιας μνήμης ��������������������������������������������������������������� 314 4 11 Σύγκριση Τεχνητών με Φυσικούς Συνειρμούς �����������������������317 4�12 Η σ υνεισφορά αισθησεοκινητικών μηχανισμών στην αναγνώριση μορφών και στη βελτίωση της ικανότητας αντιλήψεως ���������������������������������������������������������������������������������� 318 4�13 Η εξελικτική οργάνωση της ανθρώπινης μνήμης και η λειτουργικότητα ενδιάμεσων εξελικτικών σταδίων �������������� 320 4�14 Τα κίνητρα ως μηχανισμοί αξιολόγησης και καταγραφής της πληροφορίας – Σύγκριση με τον μηχανισμό οπισθοδιάδοσης �������������������������������������������������������������������������� 323 4�15 Οι προοπτικές της Τεχνητής Νοημοσύνης ����������������������������� 328 ΒΙΒΛΙΟΓΡΑΦΙΑ ����������������������������������������������������������������������������������������� 329 ΠΕΡΙΛΗΨΗ ΚΕΦΑΛΑΙΟΥ 4 ������������������������������������������������������������������� 330 Σύγκριση Βιολογικών με Τεχνητά Νευρωνικά Δίκτυα (ΤΝΔ) ������������� 330 ΠΑΡΑΡΤΗΜΑ 1 Οι μαθηματικοί τύποι της Οπισθοδιάδοσης (backpropagation) ��������� 335 ΠΑΡΑΡΤΗΜΑ 2 Βασικές μαθηματικές διεργασίες των Μετασχηματιστών Γλώσσας ��� 342 Αυτοπροσοχή & Συνάφεια (Self-attention & context) �������������������������� 353 Μαθηματική περιγραφή της διαδικασίας ������������������������������������������������ 357 Ενδεικτική Βιβλιογραφία �������������������������������������������������������������������������� 369
— 11 — ΠΡΟΛΟΓΟΣ Οι εφημερίδες και τα περιοδικά αναφέρονται σήμερα συνεχώς στα νέα επιτεύγματα των λεγόμενων «Ευφυών Συστημάτων» ή της «Τεχνητής Νοημοσύνης»� Διαβάζουμε, παραδείγματος χάριν, για το σύστημα επεξεργασίας γλώσσας Chat GPT, που κάνει αυτόματη παραγωγή κειμένου με κάθε είδους προδιαγραφές: επαγγελματικές επιστολές, αφηγήσεις, περιλήψεις, ακόμα και ποίηση ή αυτόματη μετάφραση σε άλλη γλώσσα� Μπορούμε μάλιστα να έχουμε άμεση εμπειρία αυτών των δυνατοτήτων, γιατί το Chat GPT είναι ελεύθερα διαθέσιμο στο διαδίκτυο, ενώ έχει πρόσφατα ενσωματωθεί και στη μηχανή αναζήτησης της Microsoft Bing� Με το Chat GPT μπορούμε ακόμα να διεξαγάγουμε και περισσότερο ή λιγότερο ενημερωμένους διαλόγους για όποιο θέμα και αν μας απασχολεί� Παρομοίως, έχουμε συστήματα «υπολογιστικής όρασης» (computer vision), δηλαδή αυτόματης αναγνώρισης αντικειμένων μέσα σε εικόνες που καταγράφει μία ψηφιακή κάμερα� Τέτοια συστήματα δίνουν τη θέση και το όνομα των διάφορων αντικειμένων και επιτρέπουν έτσι τη λειτουργία αυτόνομων οχημάτων εφοδιασμένων με κάποιο πρόγραμμα ηλεκτρονικού υπολογιστή, που αντιδρά κατάλληλα σε όσα δείχνει η εικόνα� Το Facebook χρησιμοποιεί, μάλιστα, ένα τέτοιο σύστημα για να κάνει τις σκηνές του περιβάλλοντος προσιτές στους τυφλούς κατονομάζοντας τα διάφορα αντικείμενα, ενώ η εφαρμογή Google Photos το χρησιμοποιεί για να προσθέτει ετικέτες σε προσωπικές φωτογραφίες� Τέλος, δοκιμάζονται ήδη στους δρόμους αυτο-οδηγούμενα αυτοκίνητα, που αποφεύγουν κάθε είδους εμπόδια, ανθρώπους και οχήματα� Έτσι, οι κατασκευαστές τους ελπίζουν ότι αυτά θα μπορούν σύντομα να μας μεταφέρουν με ασφάλεια και οικονομία στους προορισμούς μας� Φαίνεται, μάλιστα, ότι σε μερικά χρόνια θα υπάρχουν ρομπότ-υπηρέτες, που θα μαθαίνουν να εκτελούν απλές δουλειές σε ένα σπίτι ή γραφείο μιμούμενα τους ανθρώπους και θα ακολουθούν «κατά γράμμα» τις εντολές μας διευκολύνοντας τη δουλειά μας� Όλα αυτά είναι εξαιρετικά χρήσιμα και εντυπωσιακά επιτεύγμα-
— 12 — τα� Εντούτοις, αυτόνομα ρομπότ-υπηρέτης, ρομπότ-εργάτης ή ρομπότ-τεχνίτης θα αργήσουν πολύ να εμφανισθούν και το ιδιοφυές ρομπότ, το γνήσια δημιουργικό ρομπότ, γενικά το γνήσια ιδιοφυές σύστημα Τεχνητής Νοημοσύνης (ΤΝ), βρίσκεται μάλλον μόνο στην επιστημονική φαντασία και τη φαντασία των ενθουσιωδών οπαδών της ΤΝ� Όπως θα δούμε ήδη στην Εισαγωγή, αυτά τα επιτεύγματα δεν προκύπτουν από αυτοτελή «μηχανική σκέψη», αλλά από την εμφανή ή και αφανή αξιοποίηση ανθρώπινης νοημοσύνης� Για παράδειγμα, το Chat GPT έχει εκπαιδευτεί με χρήση εκατομμυρίων ιστοσελίδων του διαδικτύου στο να παράγει κείμενα παραπλήσια με αυτά που γράφει ο άνθρωπος� Αν και τα κείμενα αυτά είναι κατανοητά από εμάς και χρήσιμα ιδίως για στερεότυπες επαγγελματικές εφαρμογές (εμπορική αλληλογραφία κ�ο�κ�), εντούτοις, ο παραγωγός-επεξεργαστής γλώσσας chat δεν κατανοεί πλήρως για τι μιλάει, όπως θα δούμε στη συνέχεια� Έχει εκπαιδευτεί απλώς στο να παράγει νοηματικά συνεκτικό κείμενο, άσχετα με το αν αυτό ευσταθεί πάντα ή όχι� Όπως παρατηρεί ο ερευνητής της ΤΝ, Gary Marcus, η σημερινή Τεχνητή Νοημοσύνη αδυνατεί να αντιληφθεί αυτονόητα και κοινότοπα φυσικά φαινόμενα όπως το πώς επηρεάζει τα διάφορα αντικείμενα η βαρύτητα� Το Chat GPT φαίνεται μεν να κατανοεί κάποια από αυτά, αλλά η γνώση του είναι επίπλαστη, γιατί συχνά αγνοεί ή παρανοεί το πώς λειτουργεί η Φύση� Στο ερώτημα: «Μπορώ να κάνω ποδήλατο πάνω σε μία λίμνη;» απάντησε: «Δεν συνιστάται να κάνετε ποδήλατο πάνω σε μία λίμνη», όχι γιατί το ποδήλατο θα βουλιάξει στο νερό, αλλά γιατί «Η επιφάνεια μιας λίμνης είναι συνήθως ασταθής και μπορεί να αλλάξει απρόσμενα, καθιστώντας επικίνδυνη την κίνηση του ποδηλάτου σας»� Όμως, η κατανόηση βασικών φυσικών φαινομένων, της λεγόμενης «κοινότοπης Φυσικής» (common sense Physics), είναι απαραίτητη για να αντιμετωπίσουμε την καθημερινότητα� Εμείς αποκτούμε τέτοιες γνώσεις από άμεση εμπειρία και σπανίως τις διδασκόμαστε� Έτσι, τα παραπάνω επιτεύγματα έχουν όρια, που γίνονται αμέσως εμφανή στον χρήστη, έστω και αν οι εφαρμογές αυτές διευκολύνουν τη δουλειά
— 13 — του� Χωρίς ανθρώπινη επίβλεψη δεν μπορεί κανείς να τα εμπιστευθεί� Για παράδειγμα, η αυτόματη μετάφραση λειτουργεί ικανοποιητικά μόνο αν παράλληλα διορθώνουμε τις μικρές ή μεγάλες αστοχίες που εμφανίζει� Βασική δυσκολία της αυτόματης μετάφρασης είναι ότι πολλές λέξεις έχουν πολλές διαφορετικές σημασίες που γίνονται διακριτές μόνο μέσα στο πλαίσιο ενός φυσικού ή κοινωνικού περιβάλλοντος� Μία μηχανή που δεν γνωρίζει τίποτα για τις περιστάσεις στις οποίες αναφέρεται το κείμενο δεν ξέρει πώς να ερμηνεύσει τη λέξη μεταφράζοντάς την� Παραδείγματος χάριν, η λέξη «fan» σημαίνει στα αγγλικά κατά περίσταση: βεντάλια, ανεμιστήρας, οπαδός ή θαυμαστής� Παρομοίως, η λέξη «drone» σημαίνει κηφήνας, βόμβος ή τηλεκατευθυνόμενη πτητική συσκευή� Επομένως, ένα μεταφραστικό πρόγραμμα, μη γνωρίζοντας το πλαίσιο του κειμένου, μπορεί να επιλέξει ακατάλληλη ελληνική λέξη� Αυτή η δυσχέρεια δεν έχει υπερνικηθεί πλήρως ακόμα και σε σύγχρονα συστήματα αυτόματης μετάφρασης, όπως αυτό της Microsoft, που είναι λειτουργία του Word (Επιλογές: Review>Translate)� Ακόμα και η μετάφραση μέσω Chat GPT, η οποία βασίζεται σε προεκπαίδευση του συστήματος με εκατομμύρια κείμενα, αν και είναι συχνά πιο επιτυχής, δεν αποφεύγει πάντα λάθη πολυσημίας μιας λέξεως, γιατί τέτοιοι αλγόριθμοι δεν κατανοούν συχνά το φυσικό και κοινωνικό πλαίσιο στο οποίο αναφέρεται ένα κείμενο� Η επιτυχία της αυτόματης μετάφρασης εξαρτάται, λοιπόν, από το πόσο κοινότοπα είναι τα κείμενα που μεταφράζουμε� Επειδή η ανάγκη τέτοιων μεταφράσεων είναι όμως μεγάλη (π�χ� σε διεθνείς οργανισμούς όπως ο ΟΗΕ ή τα διοικητικά όργανα της Ευρωπαϊκής Ένωσης), γι’ αυτό δημιουργούνται παράλληλα διαδικτυακές υπηρεσίες μεταφραστών, που υποστηρίζουν τέτοιες μεταφράσεις διορθώνοντάς τες� Την αυτόματη μετάφραση, είτε με το Word είτε με το Chat GPT, χρησιμοποιώ συχνά και εγώ, κυρίως για να συντομεύσω τη μετάφραση κάποιου άρθρου εφημερίδας ή περιοδικού� Μεταφράζω, όμως μια εκάστοτε παράγραφο και διορθώνω αμέσως τις μεταφραστικές αστοχίες του αυτόματου συστήματος� Σταδιακά, γίνεται αντιληπτό ότι και τα πολυδιαφημισμένα αυτόνομα οχήματα χρειάζονται έναν επιτηρητή, που να παρεμβαίνει

(«New Scientist», 4-12-21),

— 14 — όταν χρειασθεί –έστω και εκ του μακρόθεν– για να κινούνται με ασφάλεια, ιδιαίτερα στο εσωτερικό των πόλεων, όπου προκύπτουν συνεχώς απρόοπτα γεγονότα (ΚΑΘΗΜΕΡΙΝΗ 14-9-22)� Για παράδειγμα, ένα σύστημα «υπολογιστικής όρασης» θεώρησε μια πινακίδα «STOP» ως ανοιχτό ψυγείο, επειδή κάποιοι είχαν κολλήσει επάνω της διαφημιστικά χαρτάκια, ενώ άλλο ένα τέτοιο σήμα, που είχε στραφεί πλάγια, ερμηνεύτηκε ως βαράκι γυμναστικής! Σκεφτείτε τι μπορεί να προκύψει από τέτοια λάθη σε μία πραγματική διαδρομή� Ακόμα και συστήματα αναγνώρισης προσώπων κάνουν συχνά λάθη� Όπως μας πληροφορεί η Gabriella Ramos, στο άρθρο της AI for all
τρία τέτοια συστήματα που ανέπτυξαν μεγάλες εταιρείες κάνουν σφάλματα ως 1%, όταν πρόκειται για λευκούς άνδρες, ως 19%, για μαύρους άνδρες και ως 35%, για μαύρες γυναίκες� Αυτό οδηγεί συχνά σε εσφαλμένες συλλήψεις με επακόλουθη ταλαιπωρία των συλληφθέντων1� Γιατί, όμως, τα συστήματα που περιγράψαμε δυσκολεύονται στη μίμηση της ανθρώπινης σκέψης; Το πρόβλημα της σημερινής ΤΝ είναι ότι αποκτά γνώσεις μόνο σε προπαρασκευασμένη από μας μορφή και όχι αυτόνομα� Της λείπει η βιωματική εμπειρία� Τα σημερινά «ευφυή» τεχνητά συστήματα δεν διδάσκονται, όπως εμείς, αλληλοεπιδρώντας με το περιβάλλον, ώστε να μάθουν όλες τις αλληλουχίες και αλληλεπιδράσεις των αντικειμένων του περιβάλλοντος� Δεν κάνουν ό,τι κάνουν παίζοντας τα μικρά παιδιά: μια αδιάκοπη και συνεχή εξερεύνηση δυνατοτήτων του περιβάλλοντος� Μαθαίνουν μόνο να αναγνωρίζουν προεπιλεγμένα μοτίβα, προεπιλεγμένες από εμάς εικόνες αντικειμένων και ερμηνείες λέξεων� Παρ’ όλα αυτά, είναι αδύνατον να προβλέψουμε όλες τις δυνατές σχέσεις και αλληλεπιδράσεις αντικειμένων, ώστε να τις καταχωρήσουμε απευθείας στη μνήμη του συστήματος� Εμείς τις γνωρίζουμε όλες χωρίς διδασκαλία, από άμεση εμπειρία� Γι’ αυτό μας είναι συχνά ασυνείδητες και τις συνειδητοποιούμε ανακαλώντας συνειρμούς του παρελθόντος μόνο όταν τις χρειαζόμαστε� 1 Η συγγραφέας θεωρεί ότι αυτά τα συστήματα θα έπρεπε να «εκπαιδευτούν» με περισσότερα παραδείγματα ατόμων με σκούρο δέρμα Όμως, τα λάθη αυτά μπορεί να οφείλονται επίσης στο ότι τα χαρακτηριστικά σε σκουρόχρωμα πρόσωπα μπορεί να είναι πιο δυσδιάκριτα για το σύστημα, όπως θα του φαινόταν λευκά πρόσωπα στο σκοτάδι� Τα περιγράμματα αντικειμένων δεν είναι τόσο εμφανή στο σκοτάδι Λείπουν οι απότομες χρωματικές αλλαγές που τα κάνουν ευδιάκριτα
— 15 — Η υποτιθέμενα γενικά εφαρμόσιμη τεχνητή νοημοσύνη, η λεγόμενη Τεχνητή Γενική Νοημοσύνη (ΤΓΝ, Artificial General Intelligence, AGI) φαίνεται να είναι απλώς ο φάρος προς τον οποίο προσανατολίζονται οι προσπάθειες των τεχνικών, ένα είδος ορίζοντα που απομακρύνεται όσο τον πλησιάζουμε� Η ανάλυση της φύσης της νόησης που κάνω εδώ δείχνει ποια είναι τα στάδια για την επίτευξη ΤΓΝ, όχι από έναν απροσδιόριστο νοήμονα φορέα, αλλά από ένα ρομπότ, γιατί μόνο ρομπότ μπορούν να αποκτήσουν άμεση αίσθηση και κατανόηση του περιβάλλοντος κινούμενα μέσα σε αυτό και περιεργαζόμενα κάθε αντικείμενο� Για να φανεί σε τι βαθμό η Τεχνητή Νοημοσύνη μπορεί να πλησιάσει την ανθρώπινη, θα εξετάσουμε, λοιπόν, εδώ γενικότερα τους βασικούς μηχανισμούς που καθορίζουν την ανθρώπινη (και εν μέρει τη ζωική) σκέψη και θα αναλύσουμε σε τι διαφέρουν από τις προσπάθειες τεχνητής απομίμησής τους και ειδικότερα από τα λεγόμενα συστήματα «βαθιάς μάθησης»� Με αυτόν τον τρόπο, θα φανεί και γιατί είναι τόσο δύσκολο να μιμηθούν τέτοια συστήματα την ανθρώπινη σκέψη και ιδιαίτερα την ικανότητα του ανθρώπου να αυτοσχεδιάζει χρησιμοποιώντας αντικείμενα με αντισυμβατικό τρόπο για την επίτευξη κάποιου σκοπού� Με δύο λόγια, θα δούμε γιατί οι άνθρωποι μπορούν να αντιμετωπίσουν το απροσδόκητο, ενώ η «τεχνητή ευφυΐα» δεν μπορεί! Αν και η πλήρης μίμηση της ανθρώπινης ευφυΐας φαίνεται να είναι εξαιρετικά δύσκολη, δεν υπάρχει αμφιβολία ότι οι προσπάθειες πολύπλευρης τεχνικής απομίμησής της θα συνεχίζονται� Έτσι, σταδιακά θα περάσουμε από συστήματα που λειτουργούν σε πλήρως ελεγχόμενα περιβάλλοντα σε αυτόματα συστήματα για μερικώς ελεγχόμενα περιβάλλοντα λειτουργίας� Για παράδειγμα, σε δρόμους ταχείας κυκλοφορίας χωρίς παράπλευρη ανθρώπινη δραστηριότητα θα υπάρχει ίσως μελλοντικά μία λωρίδα αποκλειστικά για αυτόνομα οχήματα (αυτο-οδηγούμενα οχήματα)� Επειδή εδώ τονίζω σε πολλά σημεία σε τι υστερεί η σημερινή Τεχνητή Νοημοσύνη (ΤΝ) σε σχέση με την ανθρώπινη νοημοσύνη, δεν πρέπει να θεωρηθεί ότι υποτιμώ την αξία της ΤΝ� Έστω και επιτηρούμενα, τα συστήματα ΤΝ βρίσκουν συνέχεια νέες εφαρμο-
— 16 — γές, όπως το Chat GPT διευκολύνει τώρα τη συγγραφή παντοειδών στερεότυπων κειμένων� Εδώ κάνω, όμως, μια γενική επισκόπηση των δυνατοτήτων της ΤΝ, που δείχνει και ποιες δυσκολίες θα αντιμετωπίσει για να πλησιάσει την ανθρώπινη νόηση� Βασικός στόχος του βιβλίου αυτού είναι να διαφωτίσει το τι είναι η ανθρώπινη νόηση, πώς λειτουργεί και αν ή πώς θα μπορούσαμε να την απομιμηθούμε� Έτσι θα περιγράψουμε βασικές πτυχές της κάνοντας μία αντιπαραβολή με την προσπάθεια τεχνητής απομίμησής της� Δεν θα ασχοληθούμε, λοιπόν, ιδιαίτερα με τον κλάδο που λέγεται Προβλεπτική Ανάλυση (predictive analytics) ή Ανάλυση Δεδομένων (data analytics) και χρησιμοποιεί μεταξύ άλλων και Τεχνητά Νευρωνικά Δίκτυα παρόμοια με αυτά που χρησιμοποιεί η υπολογιστική όραση� Τέτοια Νευρωνικά Δίκτυα είναι βασικό εργαλείο για την ταξινόμηση, όχι μόνο εικόνων, αλλά παντοειδών δεδομένων σε επιλεγμένες από εμάς κατηγορίες, όπως θα δούμε στο δεύτερο κεφάλαιο� Είναι αλήθεια ότι υπάρχουν ακόμα πολλά που δεν γνωρίζουμε σχετικά με το νευρικό και ορμονικό μας σύστημα� Όμως τα βασικά χαρακτηριστικά του μηχανισμού που παράγει τη σκέψη είναι ήδη εμφανή: Σε γενικές γραμμές, η νόηση βασίζεται στον συνδυασμό δύο μηχανισμών: (α) της λεγόμενης αισθησεοκινητικής ή αισθητικοκινητικής αντίληψης του περιβάλλοντος, που αρχίζει να διαμορφώνεται ήδη μόλις γεννηθούμε (εν μέρει μάλιστα και πριν γεννηθούμε), με (β) την ικανότητα δημιουργίας και νοερής εξερεύνησης λεκτικών-λογικών νοερών μοντέλων, που αναπτύσσεται μαζί με τη χρήση της γλώσσας� Κινητήρια δύναμη του μηχανισμού αυτού είναι, όμως, τα λεγόμενα κίνητρα ή ένστικτα ή παρορμήσεις που σχετίζονται σε μεγάλο βαθμό με το ορμονικό μας σύστημα� Από τη φύση του θέματος προκύπτει ότι, όπως και στο προγενέστερο βιβλίο μου «Ο ΜΗΧΑΝΙΣΜΟΣ ΤΗΣ ΝΟΗΣΗΣ», θα αναφερθώ εδώ σε δεδομένα από τη Βιολογία, την Αναπτυξιακή Ψυχολογία, τη Γνωσιακή Ψυχολογία, τη Γλωσσολογία, καθώς και στα λεγόμενα Τεχνητά Νευρωνικά Δίκτυα ή «Δίκτυα Βαθιάς Μάθησης», όπως συνηθίζεται να λέγονται, και τους πρόσφατους Μετασχηματιστές γλώσσας, όπως ο Chat GPT� Η παρουσίαση αυτών των
— 17 — θεμάτων θα είναι απλή, χωρίς λεπτομέρειες που ο ενδιαφερόμενος μπορεί να βρει αν θέλει σε ειδικότερα βιβλία� Οι απόψεις που εκτίθενται εδώ αποτελούν επέκταση εκείνων του προηγούμενου βιβλίου μου, αλλά παρουσιάζονται πολύ πιο ξεκάθαρα και παραστατικά (πολύ πιο «χειροπιαστά»)� Οι απόψεις αυτές είναι σε μεγάλο βαθμό πρωτότυπες και δεν αποτελούν απλώς παρουσίαση καθιερωμένων αντιλήψεων� Βασίζονται στην επανεκτίμηση και το συνταίριασμα επιστημονικών δεδομένων που είναι πρόσφατα ή ήδη γνωστά από δεκαετίες� Εναπόκειται λοιπόν στον προσεκτικό αναγνώστη να διαπιστώσει αν τα παρατιθέμενα επιχειρήματα είναι πειστικά ή όχι� Δεν πρέπει όμως να παραβλέψει ότι, αν οι καθιερωμένες αντιλήψεις σχετικά με το πώς λειτουργεί η σκέψη ήταν ορθές, θα είχαμε ήδη γνήσια ευφυείς μηχανές� Το γεγονός ότι, όπως θα δούμε, ακόμα και πρωτοπόροι της τεχνητής ευφυΐας βλέπουν σήμερα μεγάλα ελαττώματα στα υπάρχοντα συστήματα αυτού του είδους δείχνει ότι χρειάζεται μία πιο ριζική και βαθιά αναθεώρηση πολλών αντιλήψεων� Το βιβλίο αυτό θα δείξει λοιπόν: (α) στους προβληματισμένους με την ταχεία υποκατάσταση του ανθρώπου από τεχνητά συστήματα το ποια είναι τα όρια της επέκτασης του αυτοματισμού και πού αυτός θα βρει τεράστιες δυσκολίες να προχωρήσει� Θα φανεί όμως, επίσης, και το ποιες νέες δυνατότητες δημιουργεί� Δεν υπάρχουν σήμερα πλανόδιοι φωτογράφοι, όπως άλλοτε, αλλά καθένας μπορεί με το κινητό του να βγάλει φωτογραφίες χωρίς να έχει μαζί του φωτογραφική μηχανή� (β) στους μελετητές της ΤΝ το ποιοι είναι οι νοητικοί και αντιληπτικοί μηχανισμοί ανθρώπου και ζώων και τι πρέπει να προσπαθήσουν να απομιμηθούν για να πλησιάσουν τον στόχο μιας γενικευμένης τεχνητής ευφυΐας� Παράλληλα, θα φανεί το πόσο επικίνδυνο είναι να εμπιστευθούμε πλήρως τέτοια συστήματα� Είναι κατάλληλα ως βοηθοί ενός ανθρώπου, αλλά ο τελικός έλεγχος θα πρέπει να παραμένει σε αυτόν� Τα υβριδικά συστήματα ανθρώπου-μηχανής μπορεί να είναι εξαιρετικά χρήσιμα, αλλά τα πλήρως αυτόματα συστήματα θα είναι πάντα επικίνδυνα� Εντούτοις, η έλλειψη στοιχειώδους κατανόησης των ορίων της τωρινής ΤΝ οδηγεί πολλούς υπεραισιόδοξους
— 18 — στο να εμπιστευθούν τυφλά τέτοια συστήματα με δυσάρεστες, συχνά, συνέπειες� Η διαφώτιση των ενδιαφερομένων σχετικά με το πώς λειτουργούν τα σημερινά συστήματα ΤΝ θα μπορούσε να τους απαλλάξει από μια τυφλή εμπιστοσύνη σε υπεραισιόδοξες δηλώσεις ειδικών, που γίνονται εν μέρει για να εξασφαλίσουν την απαραίτητη χρηματοδότηση για τη συνέχιση της έρευνάς τους� Τα βασικά χαρακτηριστικά του μηχανισμού της νόησης και οι δυσκολίες απομίμησής του θα παρουσιαστούν ήδη από το πρώτο κεφάλαιο� Στα επόμενα κεφάλαια θα εξεταστούν λεπτομερέστερα κάποια ειδικότερα θέματα για όσους θέλουν να κατανοήσουν σε βάθος τόσο τους τεχνητούς όσο και τους βιολογικούς νοητικούς μηχανισμούς� Αρχικά, θα αντιπαραβάλλουμε τη σημερινή ΤΝ με την ανθρώπινη και εν μέρει τη ζωική σκέψη και τους μηχανισμούς της� Όπως θα δούμε στην εισαγωγή και στο πρώτο κεφάλαιο, μεγάλο μέρος αυτών των μηχανισμών είναι μάλιστα άμεσα εμφανές ή αποκαλύπτεται από ψυχολογική παρατήρηση, χωρίς να πρέπει να ανατρέξουμε στη νευρολογία ή τη βιοχημεία� Στα επόμενα κεφάλαια θα δώσουμε, έστω και ατελώς, μια πληθώρα δεδομένων, τα οποία δεν μπορούν να αγνοηθούν, αν θέλουμε να προχωρήσουμε πέρα από στοιχειώδεις εφαρμογές της ΤΝ και της ρομποτικής, σαν αυτές που υπάρχουν σήμερα� Στο πρώτο κεφάλαιο του βιβλίου εξετάζω, λοιπόν, κυρίως ποιοι μηχανισμοί παράγουν αυτό που κοινώς ονομάζουμε «διαισθητική αντίληψη», δηλαδή την ουσία της δημιουργικότητας της ανθρώπινης σκέψης� Η αντιπαραβολή με τις τεχνητές απομιμήσεις νοήμονος συμπεριφοράς δείχνει αμέσως το πού υστερούν ουσιαστικά αυτοί οι μηχανισμοί και ποιες προκλήσεις καλούνται να ξεπεράσουν� Το δεύτερο κεφάλαιο περιγράφει τα δημοφιλή σήμερα τεχνητά Νευρωνικά Δίκτυα (ΤΝΔ), τα οποία συχνά αποκαλούνται (ίσως για λόγους διαφήμισης) «δίκτυα βαθιάς μάθησης» (multi-layer artificial networks or deep learning networks) και εξηγεί πώς μπορούν να χρησιμοποιηθούν, εν μέρει επιτυχώς, γενικά ως συσκευές ταξινόμησης παντοειδών δεδομένων σε κατηγορίες� Ειδικότερα, εξετάζει πώς μπορούν να χρησιμοποιηθούν για την ταξινόμηση μορφών που περιέχονται σε μία εικόνα σε κατηγορίες αντικειμένων, ανα-
— 19 — γράφοντας τα ονόματα αυτών των αντικειμένων� Αυτό δημιουργεί την εντύπωση ότι τα ΤΝΔ «βλέπουν» τα αντικείμενα, πράγμα που δεν ισχύει� Η μελέτη τού πώς βλέπει ο άνθρωπος και τα ζώα θα δείξει ότι τα ΤΝΔ υστερούν πολύ σε σχέση με την ανθρώπινη και ζωική αντίληψη και γιατί συμβαίνει αυτό� Ειδικότερα, θα τονισθεί η κριτική για τα σημερινά ΤΝΔ που προέρχεται από τους ίδιους τους ερευνητές της Τεχνητής Ευφυΐας� Σε αυτό το κεφάλαιο, θα εξετάσουμε και τα σημερινά συστήματα παραγωγής γλώσσας (τους Γεννητικούς Προ-εκπαιδευμένους Μετασχηματιστές) και θα δείξουμε ότι οι τωρινές αδεξιότητές τους δεν διορθώνονται με απλές επεμβάσεις των δημιουργών τους, αλλά οφείλονται στον ίδιο τον τρόπο με τον οποίο λειτουργούν� Το τρίτο κεφάλαιο εξετάζει τη φύση των λεγόμενων «αφηρημένων εννοιών» που θεωρούνται από πολλούς ως η βάση της κατανόησης του περιβάλλοντος και της αφηρημένης σκέψης� Εδώ θα αναφερθούμε και στις σύγχρονες θεωρίες «ενσώματης νόησης», που συνδέουν άμεσα τα νοήματα με τη λειτουργία του σώματος� Μεταξύ άλλων, θα εξετασθεί η φύση των γλωσσικών μεταφορών (μεταφορικών εκφράσεων) και θα φανεί ότι αποτελούν ένα ευρύ υπόστρωμα της γλώσσας� Επίσης, θα εξετασθεί η λεγόμενη «Θεωρία Μεταφορών» και θα δειχθεί πως η άποψή της, ότι όλη η αφηρημένη σκέψη καθοδηγείται από μεταφορές, είναι υπερβολική� Οι γλωσσικές μεταφορές τονίζουν κάποια νοήματα, αλλά δεν τα δημιουργούν� Στο τέταρτο κεφάλαιο περιγράφω εκτενέστερα μερικούς από τους βιολογικούς νευρωνικούς μηχανισμούς του εγκεφάλου, για να φανεί ότι η σκέψη είναι αποτέλεσμα συνεχούς ανάπτυξης ή εξέλιξης� Θα προσπαθήσω, επίσης, να δείξω ότι η ανάπτυξη της νόησης καθοδηγείται από τα εγγενή κίνητρα του οργανισμού και ότι η επίτευξη μιας Τεχνητής Γενικής Ευφυΐας χρειάζεται πριν από όλα τέτοιους μηχανισμούς κινήτρων και συνεχή επεξεργασία και αφομοίωση των εμπειριών με βάση αυτά τα κίνητρα� Τα κεφάλαια είναι σε μεγάλο βαθμό αυτοτελή� Γι’ αυτό, μερικές παρατηρήσεις και παραδείγματα αλλά και βιβλιογραφικές παραπομπές είναι πιθανόν να επαναλαμβάνονται σε κάποια από αυτά� Συνεπώς, μπορούν εν μέρει να διαβαστούν το ένα ανεξάρτητα από το
— 20 — άλλο, ανάλογα με τα ενδιαφέροντα του αναγνώστη� Μπορεί, για παράδειγμα, να παρακάμψει κάποια κεφάλαια διαβάζοντας μόνο την περίληψή τους� Αθήνα, 2024 ΓΙΑΝΝΗΣ ΚΙΟΥΣΤΕΛΙΔΗΣ jqstel@math.ntua.gr ΕΥΧΑΡΙΣΤΙΕΣ Οφείλω εδώ να ευχαριστήσω την κυρία Μάρθα Κοντοδαίμων, τον κύριο Βασίλη Ζαρβαλιά, καθώς και τον κύριο Γιάννη Βουλιουρή, οι οποίοι διάβασαν αποσπάσματα του βιβλίου και έκαναν εύστοχες παρατηρήσεις που συνέβαλαν στη βελτίωση της παρουσίασης των ιδεών που εκτίθενται εδώ� Ευχαριστίες οφείλονται και στην επιμελήτρια της έκδοσης κυρία Μαρίνα Σταμέλου, που επεσήμανε δυσνόητα σημεία του κειμένου, που χρειάζονταν επεξήγηση� Ευχαριστίες οφείλω, επίσης, και σε διάφορους συγγραφείς στο Διαδίκτυο, από τις εργασίες των οποίων έχω αντιγράψει κάποιες απεικονίσεις ή διαγράμματα� Τις πηγές αυτές τις αναφέρω, όπου μπορώ� Μία βασική πηγή είναι άρθρα προερχόμενα από τη Wikipedia�
— 21 — Εισαγωγή: ανθρωποειδής συμπεριφορά και νοημοσύνη Ένα πρόσφατο βιβλίο που δημοσιεύθηκε από τους εκδότες του εγκυκλοπαιδικού περιοδικού «New Scientist» έχει τον τίτλο «Μηχανές που Σκέπτονται» (MACHINES
[2]� Περιγράφει τις προσπάθειες δημιουργίας γνήσιας Τεχνητής Ευφυΐας� Εντούτοις, αυτός ο τίτλος, αν και ελκυστικός, είναι παραπλανητικός, γιατί κανενός είδους σύγχρονες μηχανές δεν μπορούν να μιμηθούν επαρκώς την ανθρώπινη σκέψη� Η δυνατότητα να δημιουργηθούν τέτοιες μηχανές είναι ακόμα πολύ απομακρυσμένη� Χωρίς να εξετάσω προς το παρόν το βαθύτερο στρώμα της διαισθητικής σκέψης, θα προσπαθήσω εδώ να εξηγήσω γιατί συμβαίνει αυτό ήδη στο επίπεδο της καθημερινής γνώσης για τον κόσμο� Ε1. Ποιες είναι οι δυνατότητες και δυσκολίες συστημάτων Τεχνητής Νοημοσύνης; Το ποιες είναι οι δυσκολίες της δημιουργίας ανθρωπόμορφης Τεχνητής Νοημοσύνης και πού οφείλονται, θα διαφανεί όταν εξετάσουμε το πώς θα μπορούσε η σημερινή Τεχνητή Νοημοσύνη και ειδικότερα τα Τεχνητά Νευρωνικά Δίκτυα να προσομοιώσουν την ανθρώπινη συμπεριφορά, δηλαδή τη λειτουργία των ανθρώπινων νευρωνικών κυκλωμάτων («Νευρώνες» ονομάζονται τα κύτταρα του νευρικού συστήματος, τα νευροκύτταρα)� Η υπολογιστική όραση (computer vision) είναι ένα πρόγραμμα για ηλεκτρονικό υπολογιστή (Η/Υ), το οποίο έχει εκπαιδευτεί να «αναγνωρίζει» ίσως 1�000 ή και περισσότερα αντικείμενα, που περιλαμβάνονται σε ένα «εικονογραφικό λεξικό» (μία προετοιμασμένη εκ των προτέρων βάση δεδομένων με εικόνες και ονόματα αντικειμένων)� Η εκπαίδευση βασίζεται σε εκατομμύρια εκπαιδευτικές δοκιμές και διορθώσεις αναγνώρισης, που τροποποιούν κάθε φορά τις εσωτερικές παραμέτρους του συστήματος μέχρις ότου το σύ-
THAT THINK)
Τα επιτεύγματα της σημερινής Τεχνητής Νοημοσύνης, αν και συχνά εντυπωσιάζουν, δεν προκύπτουν από αυτοτελή «μηχανική σκέψη», αλλά από την εμφανή ή και αφανή αξιοποίηση παραγώγων της ανθρώπινης νοημοσύνης, π.χ., έμμεση ή άμεση χρήση περιεχομένων του διαδικτύου. Το βιβλίο αυτό αντιπαραβάλλει, λοιπόν, τη λειτουργία συστημάτων Τεχνητής Νοημοσύνης με τη λειτουργία του ανθρώπινου και του ζωικού νου. Σκοπός του είναι να αναδείξει κυρίως τους βασικούς μηχανισμούς που καθορίζουν την ανθρώπινη νόηση και να δείξει ποια στοιχεία της πρέπει να αναπαραχθούν τεχνητά για να προκύψει ανθρωπόμορφη νόηση. Ενώ δεν χρειάζεται λεπτομερής απομίμηση των βιολογικών λειτουργιών για να παραχθεί σκέψη, εντούτοις η μίμηση της ανθρώπινης νόησης είναι εξαιρετικά δύσκολη, γιατί αυτή ξεκινά από αισθησεοκινητικούς μηχανισμούς δράσης-αντίδρασης πριν φθάσει στη γλώσσα (τον λόγο) και τους λογικούς συλλογισμούς. Τέτοιοι μηχανισμοί καθορίζουν τις συγκεκριμένες έννοιες ως τρόπους αλληλεπίδρασης με το περιβάλλον ακόμα πριν αυτές αποκτήσουν όνομα. Το αισθησεοκινητικό υπόβαθρο της σκέψης προκύπτει από συνεχή αλληλεπίδραση κάθε οργανισμού με το περιβάλλον του, δηλαδή από την άμεση σύνθεση αισθητηριακών ερεθισμάτων με κινητικές αντιδράσεις. Τέτοιοι μηχανισμοί είναι συστήματα άμεσης αναπροσαρμογής που διαμορφώνονται από άμεση διαχρονική αλληλεπίδραση με το περιβάλλον. Γι’ αυτό είναι δύσκολο να καταγραφούν λεκτικά ή συμβολικά. Έτσι, είναι συχνά ασυνείδητοι. Το πιάσιμο μίας μπάλας, η χρήση ποδηλάτου ή έστω το περπάτημα είναι αυτοματικοί μηχανισμοί και σχετίζονται ελάχιστα με λεκτικές οδηγίες, γιατί δεν ανάγονται σε στερεότυπους κανόνες. Για να τους μάθει, λοιπόν, ένα ρομπότ πρέπει να αλληλεπιδρά διαχρονικά με το περιβάλλον του και μάλιστα με τρόπο αντίστοιχο με αυτόν του ανθρώπου. Ειδικότερα, για να μάθει, αλληλεπιδρασιακά τη γλώσσα, πρέπει να έχει εμπειρίες αλλά και το κίνητρο, την ανάγκη να επικοινωνεί με κάποιον φροντιστή-εκπαιδευτή. Υπάρχουν μεγάλες περιοχές γνώσεων για τον κόσμο (αλλά και την ανθρώπινη κοινωνία), που ένα σύστημα Τεχνητής Νοημοσύνης δεν μπορεί να αποκτήσει χωρίς άμεση σωματική εμπειρία. Έτσι, τα σημερινά ρομπότ είναι μόνο κατ’ επίφασιν αυτόνομα και εν γένει ενεργούν μόνο καθοδηγούμενα. Δεν είναι σε θέση να σχεδιάσουν αυτοτελώς τις ενέργειές τους. Παρομοίως, οι εντυπωσιακές μηχανές επεξεργασίας γλώσσας, όπως το ChatGPT, παράγουν κατανοητό, αλλά κάποτε άστοχο κείμενο, χωρίς να ξέρουν τι λένε. Τα λόγια που παράγουν δεν αντιστοιχούν σε ένα ξεκάθαρο εσωτερικό νοερό σκηνικό, γιατί υπολογίζονται λέξη προς λέξη. Αντιθέτως, όπως θα δούμε, ήδη ένα παιδί 19 μηνών, που μόλις έμαθε τις πρώτες του λέξεις, ξέρει τι θέλει να πει. Έχει μία εσωτερική νοερή εικόνα, γιατί μας διορθώνει, αν παρερμηνεύσουμε τα λόγια του λόγω της αδέξιας ακόμα προφοράς τους. ΚΕΝΤΡΙΚΗ ΔΙΑΘΕΣΗ Βατάτζη 55, 11473 Αθήνα | ΤΗλ.: 210 6431108 ekdoseis.ocelotos@gmail.com | www.ocelotos.gr ISBN 978-618-205-600-4 9786182056004

Turn static files into dynamic content formats.

Create a flipbook
Issuu converts static files into: digital portfolios, online yearbooks, online catalogs, digital photo albums and more. Sign up and create your flipbook.