TECH

Σινάν Αράλ: Το κρίσιμο σταυροδρόμι της ανθρωπότητας με την Τεχνητή Νοημοσύνη

Σινάν Αράλ: Το κρίσιμο σταυροδρόμι της ανθρωπότητας με την Τεχνητή Νοημοσύνη

Σε ένα σημείο όπου οι επιλογές που θα κάνουμε ως ανθρωπότητα τους επόμενους μήνες αναφορικά με την αξιοποίηση της Τεχνητής Νοημοσύνης και της τεχνολογίας γενικότερα θα επηρεάσουν καθοριστικά το μέλλον μας βρίσκεται αυτή τη στιγμή ο πλανήτης.

Επιλογές που σχετίζονται με την ψηφιοποίηση των επιχειρήσεων, την αυτοματοποίηση εργασιών, το κανονιστικό πλαίσιο αλλά και την κλιματική αλλαγή.

Αυτό υποστηρίζει, μιλώντας στο CNN Greece, o Σινάν Αράλ, καθηγητής πληροφορικής και μάρκετινγκ στο ΜΙΤ και συνεπικεφαλής της Πρωτοβουλίας για την Ψηφιακή Οικονομία (Initiative for Digital Economy – IDE) του πλέον διάσημου ακαδημαϊκού και ερευνητικού ιδρύματος παγκοσμίως.

Σύμφωνα με τον κ. Αράλ η Τεχνητή Νοημοσύνη (artificial intelligence – AI) για τους περισσότερους είναι η εικόνα που υπάρχει με τις μηχανές (ή τα ρομπότ αν προτιμάτε) που είναι αυτόνομες, μπορούν να συντηρούνται μόνες τους και μπορούν και να σκέφτονται μόνες τους.

Είναι, όμως, και αυτό που αποκαλούμε μηχανική εκμάθηση (machine learning), όπου έχουμε υπολογιστικά συστήματα που μαθαίνουν να ακολουθούν κάποιες συγκεκριμένες κατευθύνσεις και να παίρνουν αυτοματοποιημένες αποφάσεις αξιοποιώντας τα διαθέσιμα δεδομένα που τους δίνονται και μαθαίνοντας από αυτά.

«Αυτή τη στιγμή, βρισκόμαστε κάπου στη μέση αυτών των δύο κατευθύνσεων» σημειώνει ο Αμερικανός καθηγητής, σπεύδοντας να προσθέσει πάντως ότι όσον αφορά τα ρομπότ με Τεχνητή Νοημοσύνη δεν είμαστε ακόμη κοντά σε κάτι τέτοιο «ούτε είμαστε βέβαιοι ότι θα φθάσουμε σε αυτό το σημείο καθώς δεν γνωρίζουμε αν είμαστε στο σωστό δρόμο για μία τέτοια εξέλιξη».

Όσον αφορά, όμως, το machine learning και τα αποκαλούμενα νευρωνικά δίκτυα, οι εξελίξεις τα τελευταία χρόνια είναι ραγδαίες. Ο κ. Αράλ σημειώνει ότι τα νευρωνικά δίκτυα υπήρχαν από τη δεκαετία του ’70, όμως, τώρα υπάρχει τόσο η υπολογιστική ισχύς όσο και ο απαραίτητος όγκος δεδομένων και ο χώρος αποθήκευσης προκειμένου να βλέπουμε να υλοποιούνται εφαρμογές και λύσεις που αξιοποιούν την Τεχνητή Νοημοσύνη.

«Η αποτελεσματικότητα αυτών των εργαλείων εξαρτάται σε ποσοστό 80% από την ποιότητα των δεδομένων και 20% από τα αλγοριθμικά μοντέλα που χρησιμοποιούνται» επισημαίνει ο Αμερικανός καθηγητής, ο οποίος θα συμμετέχει στο SNF Nostos Conference 2021, με θέμα «Ανθρωπότητα και Τεχνητή Νοημοσύνη» που διοργανώνεται από το Ίδρυμα Σταύρος Νιάρχος στο Κέντρο Πολιτισμού Ίδρυμα Σταύρος Νιάρχος (ΚΠΙΣΝ), από τις 26 ως τις 28 Αυγούστου του 2021.

Οι τομείς που θα μας ωφελήσει το ΑΙ

Ο κ. Αράλ υποστηρίζει ότι η Τεχνητή Νοημοσύνη μπορεί να αποδειχθεί εξαιρετικά χρήσιμη σε μία σειρά από τομείς. «Η Τεχνητή Νοημοσύνη μπορεί να μας κάνει περισσότερο παραγωγικούς, να εντοπίσει στοιχεία και πράγματα που δεν θα μπορούσαμε να βρούμε μόνοι μας, μπορεί να βοηθήσει στην καινοτομία και γενικότερα να δώσει λύσεις σε πολλά προβλήματα» σημειώνει ο Αμερικανός καθηγητής.

Ορισμένοι από τους τομείς όπου το ΑΙ μπορεί να δώσει σημαντική ώθηση είναι στα ταξίδια στο διάστημα ή στο χώρο της υγείας. «Όμως, οι αξίες μας ως ανθρωπότητα θα πρέπει να είναι αυτές που θα καθοδηγούν την κατεύθυνση που θα πάρουν οι εφαρμογές Τεχνητής Νοημοσύνης» σπεύδει να προσθέσει ο κ. Αράλ. «Το ΑΙ είναι ένα σφυρί που ψάχνει ένα καρφί» δηλώνει χαρακτηριστικά, σημειώνοντας ότι θα πρέπει να σκεφτόμαστε τις ηθικές επιπτώσεις που θα έχει μία εφαρμογή Τεχνητής Νοημοσύνης.

«Δεν πρέπει να χρησιμοποιούμε την Τεχνητή Νοημοσύνη οπουδήποτε» τονίζει ο Αμερικανός καθηγητής

Το ηθικό κομμάτι της συζήτησης της Τεχνητής Νοημοσύνης είναι πολύ σημαντικό, σύμφωνα με τον κ. Αράλ, ο οποίος τονίζει ότι πρέπει να αποφύγουμε τις διακρίσεις και τις ανισότητες.

«Οι διακρίσεις υπάρχουν ήδη στην κοινωνία μας και αυτό φαίνεται και στα δεδομένα που είναι διαθέσιμα και γι’ αυτό βλέπουμε περιπτώσεις που τα μοντέλα κάνουν διακρίσεις μεταξύ των φύλων και των φυλών» αναφέρει ο καθηγητής του ΜΙΤ, για τον οποίο είναι σημαντικό και το θέμα της εκπαίδευσης αναφορικά με το ΑΙ.

«Δεν είναι μόνο τα τεχνικά ζητήματα. Πρέπει να διευρύνουμε τη συζήτηση και χρειαζόμαστε περισσότερους επιστήμονες που ασχολούνται με τα κοινωνικά ζητήματα μέσα στα ερευνητικά τμήματα που φτιάχνουν τους αλγόριθμους και τις εφαρμογές Τεχνητής Νοημοσύνης».

Από την άλλη πλευρά, υπάρχουν τομείς όπως η υγεία όπου η Τεχνητή Νοημοσύνη έχει βοηθήσει σε σημαντικές εξελίξεις. «Είναι καλύτερο, για παράδειγμα, ένα μηχάνημα να αναζητεί μέσα σε εκατομμύρια εικόνες για ενδείξεις καρκίνου καθώς το κάνει καλύτερα και πιο γρήγορα από ένα άνθρωπο.

Αυτό, βέβαια, δεν σημαίνει ότι δεν θα έχουμε ανάγκη από ακτινολόγους ή παρεμφερή επαγγέλματα. Και αυτό ισχύει και για πολλές άλλες περιπτώσεις σε άλλους κλάδους. Θα πρέπει να αγωνιστούμε μαζί με τις μηχανές και όχι ενάντια στις μηχανές. Κάτι που σημαίνει ότι θα πρέπει το εργατικό δυναμικό να αποκτήσει νέες δεξιότητες» αναφέρει ο κ. Αράλ

Το κρίσιμο σταυροδρόμι

Ερωτώμενος για το τι μας επιφυλάσσει το μέλλον, ο Αμερικανός καθηγητής έχει μία απάντηση που μάλλον εκπλήσσει. «Αυτή τη στιγμή, η απάντηση σε αυτό το ερώτημα είναι εξαιρετικά δύσκολη γιατί είμαστε σε ένα κρίσιμο σταυροδρόμι και οι επιλογές που θα κάνουμε την επόμενη διετία θα είναι ιδιαίτερα σημαντικές για την πορεία που θα ακολουθήσουμε» σημειώνει ο κ. Αράλ.

«Είμαστε σε μία περίοδο κρίσης από αυτές όπου οι επιλογές που θα κάνουμε θα κρίνουν πολλά για το μέλλον μας».


Μία ερώτηση που πρέπει να απαντήσουμε, για παράδειγμα, σχετίζεται με τα μέσα κοινωνικής δικτύωσης και τις πολλές αλλαγές που υπάρχουν σε αυτά, καθώς, όπως αναφέρει ο κ. Αράλ, ο οποίος είναι ο συγγραφέας του εξαιρετικά ενδιαφέροντος βιβλίου Hype Media, ο ρόλος τους έχει αλλάξει σημαντικά και επηρεάζουν διάφορους τομείς.

Ένα δεύτερο ζήτημα είναι η μεγαλύτερη ψηφιοποίηση στις επιχειρήσεις και η επιτάχυνση αυτής της διαδικασίας που έφερε η πανδημία του κορωνοϊού τους τελευταίους 15 μήνες.

Εδώ θα πρέπει να επιλέξουμε πως θα κινηθούμε σε θέματα όπως είναι η τηλεργασία αλλά και τους τομείς που θα αυτοματοποιήσουν οι επιχειρήσεις καθώς αυτό θα οδηγήσει σε αλλαγές στις δεξιότητες του εργατικού δυναμικού.

Επίσης, τις τελευταίες εβδομάδες είδαμε αρκετούς δισεκατομμυριούχους να πηγαίνουν στο διάστημα και στο συγκεκριμένο τομέα υπάρχουν πολλές εξελίξεις. Όπως και η κλιματική αλλαγή είναι μία πρόκληση και ένα τεράστιο θέμα στο οποίο καλούμαστε να λάβουμε σημαντικές αποφάσεις.

Και όσον αφορά στην Τεχνητή Νοημοσύνη θα πρέπει να καταλήξουμε σε ένα κανονιστικό πλαίσιο αναφορικά με τους τομείς της ανθρώπινης ζωής όπου θα εφαρμόσουμε το ΑΙ.

Διαφορετικές προσεγγίσεις

Ένα άλλο ζήτημα είναι, όμως, ότι αυτές οι αποφάσεις δεν θα είναι οι ίδιες σε όλες τις περιοχές του πλανήτη.

«Τα κράτη θα κάνουν διαφορετικές επιλογές και θα δούμε διάφορες προσεγγίσεις με τις Ηνωμένες Πολιτείες και την Ευρώπαϊκή Ένωση να είναι πάντως πιο κοντά μεταξύ τους σε σχέση με άλλες περιοχές» αναφέρει ο κ. Αράλ. Για να προσθέσει ότι υπάρχουν τέσσερις άξονες που επηρεάζουν αυτές τις προσεγγίσεις: τα επιχειρηματικά μοντέλα των εταιρειών, ιδίως αυτών που ασχολούνται με τις ψηφιακές τεχνολογίες, ο τρόπος σχεδιασμού των πλατφορμών, η κουλτούρα κάθε λαού και το νομοθετικό πλαίσιο που ακολουθεί κάθε χώρα.

Το αποτέλεσμα είναι πως οι προσεγγίσεις που θα ακολουθήσει κάθε μία από τις μεγάλες χώρες του πλανήτη θα είναι διαφορετική. Και αυτό θα παίξει το δικό του ρόλο για το πως θα διαμορφωθεί το μέλλον μας.