Ολοένα και περισσότερες μηχανές «βλέπουν», «ακούν» και προβλέπουν. Αναγνωρίζουν πρόσωπα, μεταφράζουν, παράγουν κείμενα, λύνουν προβλήματα. Αλλά, πέρα από δεδομένα και εικόνες, δεν καταλαβαίνουν τι συμβαίνει γύρω τους, γιατί τους λείπει το πιο πολύτιμο, ίσως, «εργαλείο»: η εμπειρία. Η φυσική νοημοσύνη είναι το νέο σύνορο που πρέπει να περάσει η τεχνητή νοημοσύνη: η ικανότητα μιας μηχανής να κατανοεί, να συλλογίζεται, να προσαρμόζεται στην πραγματικότητα, να μαθαίνει με τρόπο παρόμοιο με τον άνθρωπο και να αλληλεπιδρά δημιουργικά με τον φυσικό κόσμο. Μέσα σε αυτή την περίοδο τεχνολογικής μετάβασης, μια ομάδα διακεκριμένων Ελλήνων επιστημόνων κυρίως της διασποράς, από κορυφαία πανεπιστήμια και ερευνητικά κέντρα, ίδρυσε την κοινότητα «Greeks in AI» με στόχο να αναδείξει τη συμβολή της ελληνικής γνώσης σε μία από τις μεγαλύτερες προκλήσεις της εποχής μας. Στόχος τους είναι μέσα από ένα δυναμικό δίκτυο να στηρίξουν νέους ερευνητές, να δημιουργήσουν γέφυρες έρευνας και επιχειρηματικότητας με την Ελλάδα, να αναδείξουν την επιστημονική υπεραξία της και να ενδυναμώσουν τον ρόλο της. Το πρώτο τους συμπόσιο θα πραγματοποιηθεί στην Αθήνα στις 19 και 20 Ιουλίου, και από την επόμενη χρονιά θα φιλοξενείται σε διαφορετικές ελληνικές πόλεις. Η προσπάθεια έχει ήδη αγκαλιαστεί από σημαντικούς φορείς, όπως η Ερευνητική Μονάδα Αρχιμήδης (στην οποία συμμετέχουν τα περισσότερα ιδρυτικά μέλη της πρωτοβουλίας), το Hellenic Institute of Advanced Studies (HIAS), η Ελληνική Εταιρεία Τεχνητής Νοημοσύνης (ΕΕΤΝ) και περισσότερα από πενήντα ερευνητικά κέντρα, πανεπιστήμια, οργανισμοί και επιχειρήσεις.
Τι ρόλο θα διαδραματίζει η φυσική νοημοσύνη στις μελλοντικές εφαρμογές της ρομποτικής, της ιατρικής ή της ενέργειας; Πώς μπορεί η Ελλάδα να επενδύσει στρατηγικά σε τομείς αιχμής της τεχνητής νοημοσύνης; Ποια είναι η θέση της στο νέο τοπίο που έχει αρχίσει να διαμορφώνεται; Αυτά τα ερωτήματα έθεσε η «Κ» σε επτά από τους επιστήμονες που συμμετέχουν στους «Greeks in AI».
«Η εποχή των μεγάλων γλωσσικών μοντέλων μάς έχει φέρει στο κατώφλι μιας νέας τεχνολογικής φάσης, όπου τα γλωσσικά και τα συναφή μοντέλα θα ενσωματώνονται σε ρομπότ, συσκευές, υποδομές και περιβάλλοντα, τα οποία θα αλληλεπιδρούν με τον φυσικό κόσμο και τους ανθρώπους. Το αύριο θα ανήκει στη φυσική νοημοσύνη: τη μετάβαση, δηλαδή, από καθαρά ψηφιακά συστήματα σε νοημοσύνη με φυσική υπόσταση και επιρροή στον πραγματικό κόσμο. Και η μεγαλύτερη πρόκληση για την τεχνητή νοημοσύνη τα επόμενα χρόνια θα είναι η αξιόπιστη, ασφαλής και επεκτάσιμη ενσωμάτωσή της σε τέτοια συστήματα – εκεί όπου οι συνέπειες θα είναι υλικές, άμεσες και ενίοτε μη αναστρέψιμες. Σε αυτό το πλαίσιο, οι τεχνικές προκλήσεις –όπως η ασφάλεια και η αποδοτική διαχείριση δεδομένων– δεν μπορούν να αποσυνδεθούν από τις θεσμικές και ηθικές προκλήσεις», λέει ο Γιώργος Παππάς, καθηγητής Ηλεκτρολόγων Μηχανικών και Συστημάτων και αντιπρύτανης Ερευνας στο Πανεπιστήμιο της Πενσιλβάνια και ένας από τους πιο επιδραστικούς επιστήμονες στον χώρο της ρομποτικής διεθνώς. «Η Ελλάδα έχει την ευκαιρία να τοποθετηθεί στρατηγικά και δυναμικά σε αυτή τη νέα πραγματικότητα. Αντί να προσπαθεί να προλάβει τις εξελίξεις των Big Tech, των μεγαλύτερων τεχνολογικών εταιρειών του πλανήτη, μπορεί να ηγηθεί σε εξειδικευμένους τομείς φυσικής νοημοσύνης, με υψηλή προστιθέμενη επιστημονική αξία και ισχυρό κοινωνικό αποτύπωμα: σε τομείς όπως η υγεία, η ναυτιλία, η ασφάλεια, ο πολιτισμός, το περιβάλλον, η ενέργεια, η αγροτεχνολογία. Για να περάσει, βέβαια, από τον ρόλο του παρατηρητή στον ρόλο του διαμορφωτή διεθνών προτύπων, απαιτείται συντονισμένη εθνική στρατηγική, που θα περιλαμβάνει ενίσχυση των υπολογιστικών και πειραματικών υποδομών, σημαντική επένδυση στο ερευνητικό δυναμικό, αξιοποίηση της επιστημονικής διασποράς και ενεργοποίηση του δημόσιου τομέα ως πρώτου χρήστη και πεδίου εφαρμογής».
Η πρόκληση της ενσώματης νοημοσύνης
Στο ίδιο μήκος κύματος ο Κώστας Δανιηλίδης, καθηγητής Πληροφορικής επίσης στο Πανεπιστήμιο της Πενσιλβάνια. «Πράγματι, η μεγαλύτερη πρόκληση για την ΑΙ είναι η ενσώματη νοημοσύνη, η ικανότητα να αντιλαμβάνεται ερεθίσματα και να δρα αποτελεσματικά μέσα στον πραγματικό κόσμο, όχι απλώς να λειτουργεί μέσω λογισμικών που εκτελούν συγκεκριμένες λειτουργίες, μιμούμενα τον ανθρώπινο γραπτό και προφορικό λόγο. Το ζητούμενο είναι να φτάσει το επίπεδο νοημοσύνης μιας γάτας, για παράδειγμα, ενός οργανισμού δηλαδή με ελάχιστη ενεργειακή κατανάλωση και περιορισμένο εγκεφαλικό όγκο, που ωστόσο κατανοεί και επιβιώνει με επιτυχία στον φυσικό κόσμο», συμφωνεί. «Η Ελλάδα οφείλει να προσφέρει μια ρεαλιστική ελπίδα στους νέους που αποφοιτούν από τα εξαιρετικά πανεπιστήμιά της και δεν βλέπουν προοπτική παραμονής ή επιστροφής μετά τις μεταπτυχιακές σπουδές τους. Πώς; Πρώτον, με τη δημιουργία ενός φιλόδοξου ερευνητικού και τεχνολογικού προγράμματος με στόχο την ενίσχυση της εθνικής άμυνας· η μορφολογία της χώρας μας την καθιστά ιδανική για την ανάπτυξη ευφυών συστημάτων τα οποία θα λειτουργούν στη θάλασσα, στον αέρα και στη γη. Και δεύτερον, με την ενίσχυση της βασικής έρευνας και της διεθνούς εξωστρέφειας. Η πρωτοβουλία της ερευνητικής μονάδας “Αρχιμήδης” αποτελεί θετικό παράδειγμα».
Για τον Ευάγγελο Κανούλα, καθηγητή της Επιστήμης Υπολογιστών στο Πανεπιστήμιο του Αμστερνταμ, στο μέλλον η τεχνητή νοημοσύνη θα πρέπει «να κατανοεί τη σχέση αιτίας και αποτελέσματος. Να καταλαβαίνει γιατί συμβαίνει κάτι, όχι μόνο τι είναι πιθανόν να συμβεί. Αυτό θα μειώσει την ανάγκη για τεράστιους όγκους δεδομένων και ενέργειας για την “εκπαίδευσή” της και θα την κάνει πιο αξιόπιστη και πιο προσιτή σε όλους». Οσο για τις δυνατότητες της Ελλάδας; «Διαθέτει ισχυρό ανθρώπινο κεφάλαιο, με ταλαντούχους νέους που εκπαιδεύονται σε πανεπιστήμια υψηλού επιπέδου και διακρίνονται εντός και εκτός συνόρων. Ως μικρή και ευέλικτη χώρα, μπορεί να καινοτομήσει γρήγορα σε εξειδικευμένες εφαρμογές της τεχνητής νοημοσύνης, όπως ο τουρισμός, η γεωργία, η ναυτιλία και η υγεία».
Κατανόηση φυσικών νόμων
Η υποστήριξη συστημάτων τεχνητής νοημοσύνης με συλλογιστική ικανότητα, «που θα ενσωματώνουν νόμους και αρχές από τη φυσική, την ψυχολογία και άλλους τομείς, και θα είναι αξιόπιστα, ερμηνεύσιμα και ενεργειακά αποδοτικά» είναι το αύριο για το οποίο εργάζονται οι επιστήμονες σε όλο τον κόσμο, επισημαίνει η Μαρία Παπαδοπούλη, καθηγήτρια Επιστήμης Υπολογιστών στο Πανεπιστήμιο Κρήτης (Ινστιτούτο Πληροφορικής του Ιδρύματος Τεχνολογίας και Ερευνας). «Η πρόκληση μάλιστα εντείνεται εξαιτίας της έλλειψης επαρκούς όγκου δεδομένων για την “εκπαίδευση” των αλγορίθμων. Είναι, λοιπόν, αναμφισβήτητο ότι μια συναρπαστική εποχή διεπιστημονικής έρευνας αναδύεται, όπου η τεχνητή νοημοσύνη, σε συνέργεια με τη βιολογία, τη μηχανική και την ιατρική, μεταξύ άλλων, θα επιδιώξει να συνεισφέρει ουσιαστικά στο κοινό καλό». Η κυρία Παπαδοπούλη, όπως και οι υπόλοιποι συνάδελφοί της, αναφέρει τα πλεονεκτήματα της χώρα μας στον τομέα της ΑΙ: «Διαθέτει υψηλού επιπέδου επιστημονικό ανθρώπινο δυναμικό, ερευνητικά ιδρύματα με σχετική εξειδίκευση και εγγύτητα προς αρκετά ευρωπαϊκά και διεθνή δίκτυα, και μια διασπορά που διαπρέπει στις επιστήμες. Μπορεί, λοιπόν, να καλλιεργήσει ερευνητική αριστεία σε επιλεγμένους τομείς της τεχνητής νοημοσύνης, που δεν προϋποθέτουν μεγάλη διαθεσιμότητα δεδομένων ή εξάρτηση από βιομηχανίες (οι οποίες απουσιάζουν από το εθνικό οικοσύστημα), με σημαντικό κοινωνικό και οικονομικό αντίκτυπο».
Κοινός παρονομαστής στους προβληματισμούς όλων των διακεκριμένων επιστημόνων είναι πώς οι ΑΙ αλγόριθμοι θα καταφέρουν να ενσωματώσουν την επαγωγική συλλογιστική στις διαδικασίες τους, υπερβαίνοντας τις προβλέψεις που βασίζονται αποκλειστικά σε στατιστικά πρότυπα. «Για παράδειγμα, αντί ένας αλγόριθμος να διαπιστώνει απλώς ότι οι λέξεις “πυρετός”, “βήχας” και “πόνος στο στήθος” συχνά εμφανίζονται μαζί και να προβλέπει την επόμενη λέξη (“αντιβιοτικά”) με βάση τη συχνότητα, να μπορεί να συλλογιστεί ότι “ο ασθενής έχει πυρετό και βήχα μαζί με πόνο στο στήθος, άρα πιθανότατα πρόκειται για πνευμονία”», εξηγεί ο Ευστράτιος Γαββές, αναπληρωτής καθηγητής Βαθιάς Μηχανικής Μάθησης στο Πανεπιστήμιο του Αμστερνταμ. «Αλλά και πώς αυτοί οι αλγόριθμοι, που λειτουργούν σε έναν αφηρημένο, ψηφιακό χώρο, θα αποκτήσουν ουσιαστική κατανόηση της “φυσικότητας” του κόσμου, αυτού που αποκαλούμε physical reasoning. Πώς θα μπορούν να συλλάβουν και να αξιοποιήσουν τους φυσικούς νόμους, κάτι κρίσιμο για εφαρμογές σε ρομποτική, ιατρική και Διαδίκτυο των Πραγμάτων. Ενα ρομπότ φροντίδας ηλικιωμένων, δηλαδή, θα πρέπει να αντιληφθεί ότι ένας ηλικιωμένος που περπατά σε ολισθηρό πάτωμα κινδυνεύει να πέσει, όχι επειδή στατιστικά “πάτωμα + ηλικιωμένος = πτώση”, αλλά επειδή η φυσική τριβής και ισορροπίας το καθιστά επικίνδυνο».
Μια άλλη πτυχή του θέματος «φωτίζει» ο Ιάσονας Κόκκινος, αναπληρωτής καθηγητής Επιστήμης Υπολογιστών του University College London. «Καθώς η τεχνητή νοημοσύνη επεκτείνεται πλέον ραγδαία σε κάθε πτυχή της ζωής μας και μετατρέπεται σε φυσική νοημοσύνη, είναι απαραίτητο να λυθούν διάφορα πολύπλοκα προβλήματα, όπως πώς μπορούμε να εξασφαλίσουμε ότι ένα ρομπότ που θα αλληλεπιδρά με ανθρώπους θα είναι ασφαλές, ώστε να του εμπιστευθούμε την φροντίδα ηλικιωμένων ατόμων. Εννοώ ότι καθώς τα συστήματα AI θα γίνονται ολοένα πιο αυτόνομα και πιο ευφυή, είναι ανάγκη να μπορούν να προσχεδιαστούν ώστε να μην ξεφεύγουν από τις προδιαγραφές ασφαλείας τους. Στην Ελλάδα έχουμε τις “πρώτες ύλες” για να αποκτήσουμε προβάδισμα, όχι μόνο σε τομείς όπου παραδοσιακά διαθέτουμε μεγάλη τεχνογνωσία (ναυτιλία, γεωργία κ.ά.), αλλά και σε τεχνολογίες αιχμής όπου οι Ελληνες (και εντός Ελλάδας και της διασποράς) είναι ήδη παρόντες ερευνητικά».
«Μέχρι στιγμής, όλες οι επιτυχίες της τεχνητής νοημοσύνης είναι σε τομείς όπου τα δεδομένα είναι πάρα πολλά. Ακόμη και εκεί, όμως, βλέπουμε κορεσμό στους δείκτες επιτυχίας. Το επόμενο βήμα θα είναι να βρούμε λύσεις με συστήματα που θα μαθαίνουν με λιγότερα δεδομένα και που θα βρίσκουν κανόνες στα δεδομένα και όχι απλώς πρότυπα», συνοψίζει ο Σωτήρης Τσαυτάρης, καθηγητής Μηχανικής Μάθησης και Υπολογιστικής Ορασης στο Πανεπιστήμιο του Εδιμβούργου. «Η χώρα μας έχει μια χρυσή ευκαιρία να γίνει “πηγή λύσεων” σε θέματα τεχνητής νοημοσύνης την επόμενη δεκαετία. Εχουμε την επιλογή είτε να είμαστε εφαρμοστές της τωρινής τεχνολογίας είτε να εστιάσουμε στην έρευνα για το μέλλοντος. Αυτό δεν χρειάζεται μεγάλη υπολογιστική δύναμη και δεδομένα, παρά μόνον ουσιαστική επένδυση σε ανθρώπινο προσωπικό. Ενα “Μανχάταν Πρότζεκτ”, δηλαδή, ελληνικού τύπου…».
(από την εφημερίδα "ΚΑΘΗΜΕΡΙΝΗ")