TECH

2029: Η χρονιά που οι μηχανές θα ερωτεύονται

2029: Η χρονιά που οι μηχανές θα ερωτεύονται
REUTERS/Tyrone Siu

Ο Ray Kurzweil, ένας σύγχρονος "μάντης" για το μέλλον της τεχνολογίας, υποστήριξε ότι οι υπολογιστές θα διαθέτουν ανώτερη ευφυία από τους ανθρώπους μέχρι το 2029.

Μέχρι, τότε, σύμφωνα με τον Kurzweil, οι μηχανές θα διαθέτουν συναισθήματα και... προσωπικότητα. «Όταν λέω ότι θα φτάσουν οι υπολογιστές την ανθρώπινη νοημοσύνη, δεν μιλώ για νοημοσύνη με βάση τη λογική», ανέφερε σε event στη Νέα Υόρκη. «Εννοώ ότι θα αστειεύονται, θα αγαπούν. Η νοημοσύνη τους θα εκφράζεται αντίστοιχα με την ανθρώπινη». Ο μελλοντολόγος Ray Kurzweil, ανέπτυξε τη δική του προσέγγιση για την εξέλιξη της Τεχνητής Νοημοσύνης, μιλώντας σε πάνελ μαζί με τον αστροφυσικό Neil deGrasse Tyson, αναφέρει δημοσίευμα του CNN.

Στην ερώτηση του Tyson σχετικά με το πότε θα καταφέρουν οι υπολογιστές να γράψουν ένα μυθιστόρημα «άξιο για Νόμπελ», ο Kurzweil υποστήριξε ότι αυτό θα έρθει ως αποτέλεσμα της συνεργασίας ανθρώπων και μηχανών, όταν ο εγκέφαλός μας θα μπορεί να συνδέεται απευθείας με το Διαδίκτυο, μέσω της νανοτεχνολογίας.

O Ray Kurzweil είναι εφευρέτης, ενώ κεντρικό θέμα στα βιβλία του είναι η εξέλιξη της τεχνητής νοημοσύνης και το μέλλον της συνύπαρξης ανθρώπου και μηχανής.

Οι μηχανές σκέφτονται άρα υπάρχουν;

O Ρενέ Ντεκάρτ έβαλε στη βάση της ανθρώπινης σκέψης το αξίωμα «σκέφτομαι άρα υπάρχω». Τώρα, όμως, στην εποχή της τεχνητής νοημοσύνης, μπορούν οι μηχανές να διεκδικήσουν την αυτονομία της σκέψης τους, με το ίδιο αξίωμα;

Ο Καρτέσιος ισχυρίζεται ότι η μαθηματική μέθοδος είναι το πρότυπο της ασφαλούς γνώσης των πραγμάτων ως προς το σύνολό τους. Με εκκίνηση τη μέθοδο της ριζικής αμφιβολίας, καταλήγει στην πρώτη αδιαμφισβήτητη αλήθεια, το «cogito ergo sum» και καθιστά δυνατή, μέσω των σαφών και ευκρινών ιδεών, τη θεμελίωση ενός επιστημονικού λόγου που τείνει να αγκαλιάσει όλες τις πτυχές της ανθρώπινης γνώσης και δράσης.

«Σκέφτομαι, άρα υπάρχω» και τεχνητή νοημοσύνη

Στη χαραυγή της δημιουργίας της αυτόνομης τεχνητής νοημοσύνης ικανής να παράγει λογισμούς, ο Στέφεν Χόκινγκ προειδοποιεί για τους κινδύνους που υπάρχουν στο τέλος της διαδρομής. Όπως τόνισε πριν από μερικούς μήνες σε συνέντευξή του στο BBC, «η ανάπτυξη πλήρους τεχνητής νοημοσύνης θα μπορούσε να σημάνει το τέλος του ανθρώπινου γένους» είπε. «Από τη στιγμή που οι άνθρωποι θα αναπτύξουν την τεχνητή νοημοσύνη αυτή θα απογειωθεί από μόνη της και θα ανασχεδιάζεται σε ολοένα και αυξανόμενο ρυθμό. Οι άνθρωποι, οι οποίοι περιορίζονται από μια αργή βιολογική εξέλιξη, δεν θα μπορούν να την ανταγωνιστούν και τελικά αυτή θα τους υποκαταστήσει».

Παρά τους προβληματισμούς, τα ηθικά διλήμματα και τις φωνές που κάνουν λόγο για τους κινδύνους που ελλοχεύουν στην ανάπτυξη της τεχνητής νοημοσύνης, όπως αυτή του Στίβεν Χόκινγκ, υπάρχουν πολλοί οραματιστές που βλέπουν λύσεις από την ανάπτυξή της. Η τεχνητή νοημοσύνη τελικά θα λύσει μερικά από τα μεγαλύτερα προβλήματα του κόσμου; ‘Ήδη πολλοί άνθρωποι εργάζονται ώστε να υλοποιηθεί αυτό. Η Google Brain εστιάζει στο να μπορέσει να κάνει τις μηχανές να αυτοεκπαιδεύονται μέσα από την κατανόηση των ψηφιακών δεδομένων.

Σύμφωνα με παλαιότερη ανάρτηση του Andrew Ng, ενός εκ των συν-ιδρυτών της Google Brain, στον ιστότοπο Quora, στόχος των προσπαθειών του φιλόδοξου πρότζεκτ στο πεδίο της τεχνητής νοημοσύνης, είναι να φτάσουν οι μηχανές στο σημείο όπου θα είναι σε θέση να λαμβάνουν αποφάσεις, όπως οι άνθρωποι.

Αυτό μπορεί να γίνει με την συνεργασία πολλών αλγορίθμων – που ονομάζονται νευρωνικά δίκτυα - για την επεξεργασία και καταχώρηση εικόνων και κειμένων γρήγορα και αποτελεσματικά.

Ο 34-χρονος Le, κάτοχος διδακτορικού πτυχίου από το Πανεπιστήμιο του Στάνφορντ στην επιστήμη των υπολογιστών, εργάζεται εδώ και 4,5 χρόνια στην Google Brain. «Υπάρχουν πολύ λίγοι άνθρωποι στον κόσμο που πραγματικά αντιλαμβάνονται πως μπορούν να κάνουν τις μηχανές να μάθουν και να σκεφτούν», είπε ο Le, αναφέρει σχετικό δημοσίευμα του CNN.

Μέχρι τώρα, ο διάλογος εστιάζεται σε μεγάλα ζητήματα, όπως η εκπαίδευση ή η κλιματική αλλαγή. Αυτή τη στιγμή, τα μεγάλα δεδομένα (big data) υπάρχουν, αλλά δεν μπορεί να γίνει ακόμη η επεξεργασία τους σε μεγάλη κλίμακα. Η ικανότητα των μηχανών να τα κατανοήσουν και να προχωρήσουν σε λογικούς συσχετισμούς, θα μπορούσε να αποτελέσει ένα βήμα πριν από την πρόταση λύσεων από τις μηχανές.