Ο βασικός τρόπος λειτουργίας της Τεχνητής Νοημοσύνης

8 Δεκεμβρίου 2021

Το 2017 ο Κωνσταντίνος Δασκαλάκης, κορυφαίος Έλληνας καθηγητής της επιστήμης των υπολογιστών και της ΤΝ, στα πλαίσια της ομιλίας του με τίτλο: «Το μέλλον τώρα; Τεχνητή Νοημοσύνη 2.0» που διοργάνωσε η Ελληνική Μαθηματική Εταιρεία, ανέφερε μεταξύ άλλων,ότι ενώο άνθρωπος αντιλαμβάνεται το περιβάλλον του μέσω εικόνων, ο υπολογιστής βλέπει το περιβάλλον μέσω των pixels(η βασική μονάδα των εικόνων της οθόνης του υπολογιστή[1]).Έτσι για να υπάρξει ΤΝ, θα πρέπει ο υπολογιστής να μιμηθεί τη λειτουργία του εγκεφάλου. Είναι όμως αυτό εφικτό; Και σε ποιο βαθμό;

Το ζήτημα της ΤΝ δεν είναι απλό, αφού για να ερευνηθεί  και να εφαρμοσθεί θα πρέπει οι επιστήμονες να είναι σίγουροι για το τι είναι η ανθρώπινη. Κάτι τέτοιο όμως είναι δύσκολο να γίνει εφικτό. Αν και πολλές επιστήμες εμπλέκονται στο ερώτημα τι είναι η ανθρώπινη νόηση, όπως η βιολογία, η νευρολογία, η ψυχολογία, η ψυχιατρική κ.α., εν τούτοις οι ικανοποιητικές απαντήσεις είναι ελάχιστες. Παρόλαυτά οι προσπάθειες συνεχίζονται. Η επιστήμη της πληροφορικής, προκειμένου να μιμηθεί την ανθρώπινη νοημοσύνηδημιούργησε δύο είδηΤΝ, ανάλογα με τον τρόπο που αυτή επιτυγχάνεται.Το πρώτο είδος και το παλαιότερο, έχει να κάνει με τη λεγόμενη Συμβολική(ΣΝ) ή Κλασική νοημοσύνη, ενώ  το δεύτερο με τη λεγόμενη Υπολογιστική(ΥΝ)[2]. Στη ΣΝ, οι επιστήμονες εφοδιάζουν τον υπολογιστή με έναν τεράστιο αριθμό πληροφοριών[3] και  σε συνδυασμό με ένα σύνολο αλγορίθμων[4],ο υπολογιστής είναι σε θέση να λειτουργήσει με βάση τις προγραμματισμένες εντολές. Μέχρι τη δεκαετία του 90 όλο το βάρος της έρευνας είχε δοθεί στον συγκεκριμένο τρόπο λειτουργίας του υπολογιστή[5].

Τα πράγματα όμως άρχισαν να αλλάζουν από τη νέα χιλιετία. Η εξέλιξη των αλγόριθμων, η βελτίωση της επεξεργαστικής ισχύος των ηλεκτρονικών υπολογιστών, αλλά και η εξάπλωση του Διαδικτύου, οδήγησε σε μία νέα προσέγγιση του τρόπου λειτουργίας τους. Πρόκειται για τηνΥπολογιστική Νοημοσύνη(ΥΝ), η οποία στηρίζεται στη μίμηση της βιολογικής λειτουργίας του εγκεφάλου. Κυρίαρχο ρόλο στηνΥΝ, έπαιξε η  δημιουργία των Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ).Τι είναι όμως τα ΤΝΔ; Ο ανθρώπινος εγκέφαλοςαποτελείται από δέκα περίπου δισεκατομμύρια νευρικά κύτταρα, τους νευρώνες,οι οποίοι συνδέονται μεταξύ τους με εξήντα τρισεκατομμύρια συνάψεις[6]. Το σύστημα των νευρώνων και των συνάψεών του, ονομάζεται νευρωνικό δίκτυο και  είναι υπεύθυνο για τις εγκεφαλικές λειτουργίες. Τα ΤΝΔ είναι «οι τεχνολογικές προσεγγίσεις των αντίστοιχων βιολογικών»[7]. Αποτελούνται και αυτά από τους νευρώνες και τις συνάψεις τους[8].Η ανάπτυξή τους έφερε πολύ πιο κοντά τους υπολογιστές στην ανθρώπινη νοημοσύνη, επειδή πρόκειται για συστήματα που μπορούν και προσαρμόζονται ανάλογα με τις επιδράσεις του περιβάλλοντός τους, με το οποίο είναι πλέον σε θέση να αλληλεπιδρούν[9].

Ο λόγος που ο άνθρωπος στράφηκε στην ανάπτυξη των ΤΝΔ, πέρα από όσα αναφέρθηκαν, οφείλεται και στη μεγάλη πρόοδο που σημείωσε τα τελευταία χρόνια η επιστήμη  της νευροβιολογίας, ιδιαίτερα όσον αφορά στις απεικονιστικές μεθόδους. Από την εποχή που εφευρέθηκετο 1929το ηλεκτροεγγεφαλογράφημα (EEG)[10]μέχρι σήμερα, έχει επιτευχθεί μία τεράστια  πρόοδος στην απεικόνιση των λειτουργιών του εγκεφάλου.Εκμεταλλευόμενοι αυτή την πρόοδο, οι επιστήμες  της πληροφορικής πέτυχαν  να  προσομοιώσουν τον τρόπο λειτουργίας του υπολογιστή, με αυτόν του ανθρώπινου εγκεφάλου (simulation)[11].Ηπλέονακριβήςκαιαξιόπιστημέθοδοςεγκεφαλικής απεικόνισηςσήμερα,είναιηΛειτουργική Απεικόνιση Μαγνητικού Συντονισμού (ΛΑΜΣ-fMRI) κατά την οποία ο εγκέφαλος μελετάται την ώρα που το εξεταζόμενο υποκείμενο εκτελεί κάποιες νοητικές δραστηριότητες και με αυτόν τον τρόπο απεικονίζεται η αιμοδυναμική δραστηριότητα κατά τη διάρκεια των εγκεφαλικών αυτών λειτουργιών[12].Πολλοί είναι  οι επιστήμονες που θεωρούν ότι η μέθοδος αυτή θα μας αποκαλύψει τη σχέση μεταξύ του νου και του εγκεφάλου[13].

Η εφεύρεση των ΤΝΔ, είναι  αυτό που στην πραγματικότητα πλησιάζει την έννοια της ΤΝ περισσότερο από οτιδήποτε άλλο και επίσης είναι  αυτό που διαφοροποιεί την ΥΝ από τη ΣΝ. Με απλά λόγια, ενώ πριν ο υπολογιστής στηρίζονταν σε αλγόριθμους για να επεξεργαστεί ένα πρόβλημα, δηλαδή σε αυστηρά προκαθορισμένες εντολές, με τη ΣΝοι αλγόριθμοι δημιουργούν  άλλους αλγόριθμους, οι οποίοι είναι σε θέση να λύνουν δυσκολότερα προβλήματα κ.ο.κ. Ένας υπολογιστής μπορεί πλέον να μαθαίνει από την εμπειρία του[14].Στην πράξη αυτό σημαίνει λήψη αποφάσεων, επεξεργασία πολύπλοκων σχέσεων μεταξύ των δεδομένων και το κυριότερο, αναγνώριση προσώπων, γεγονός που μέχρι πρόσφατα ήταν αδύνατο για έναν υπολογιστή[15].Αυτός ο τρόπος μάθησης ονομάζεται μηχανική μάθηση[16]και οδήγησε στη λεγόμενη βαθειά μάθηση (deeplearning)[17],δηλαδή  τη μάθηση μέσω της επανάληψης, όπως άλλωστε συμβαίνει  και με τον άνθρωπο. Η μάθηση αυτή επιτυγχάνεται μέσω διαδοχικών σταδίων που προχωράνε όλο και βαθύτερα.Για να γίνει κατανοητό με ένα απλό παράδειγμα, «ένα πρόγραμμα οπτικής αναγνώρισης προσώπων μπορεί να αναγνωρίσει σε πρώτο στάδιο τις διαστάσεις ενός ανθρώπου, σε δεύτερο το περίγραμμα του, σε επόμενο γωνιώδεις δομές όπως τη μύτη του και σε κάποιο ακόμα βαθύτερο λεπτομέρειες όπως τα δάχτυλα»[18].

Με αυτόν τον τρόπο δημιουργήθηκαν οι λεγόμενοι ευφυείς πράκτορες ή ευφυείς δρώντες (IntelligentAgents)[19], στους οποίους στηρίζεται η ιδέα της ανθρωποποίησης της μηχανής, αφού ήδη από το 2003 με τη δημιουργία του EmmaProject,επιδιώκεται η δημιουργία συστημάτων με προσωπικότητα, τα οποία  να είναι σε θέση να αναπτύξουν συναισθήματαως προς τους ανθρώπους,ώστε  να τους βοηθήσουν σε πειράματα και θεραπείες ψυχικής φύσεως[20].Ωστόσο το μεγάλο ζητούμενο είναι η πραγματοποίηση της γενικευμένης νοημοσύνης, η οποία θα σήμαινε τη δυνατότητα εκτέλεσης κάθε ανθρώπινης νοητικής και κινητικής λειτουργίας και ιδιαίτερα τον χειρισμό της ανθρώπινης φυσικής γλώσσας και τη σύνδεσή της με την σκέψη[21]. Μόνο τότε θα είναι σε θέση οι επιστήμονες να πούνε  ότι η μηχανή σκέφτεται όπως ο άνθρωπος.

Διαβάστε ολόκληρη τη μελέτη εδώ

 

Παραπομπές:

[1]Κ. Δασκαλάκη, «Το μέλλον τώρα; Τεχνητή Νοημοσύνη 2.0» στονδιαδικτυακότόπο :https://www.youtube.com/watch?v=K3n07U9TSb0 (ημερομηνία ανάκτησης: 7-12-2020).

[2]Ε. Αναστασοπούλου, «Η Τεχνητή νοημοσύνη και οι εφαρμογές της»,9.

[3]Π. Παπακωνσταντίνου, Άνθρωποι και Ρομπότ, 28.

[4] Τον 9ο αι. μ.Χ. ο Πέρσης μαθηματικός Μοχάμεντ Ιμπν Μουσά Αλ Γουαρίζμι, συνέλαβε πρώτος την ιδέα να δημιουργήσει μια ακολουθία βημάτων που θα έπρεπε να ακολουθηθεί πιστά προκειμένου να οδηγήσει σε ένα συγκεκριμένο αποτέλεσμα. Η ακολουθία αυτή, εμπνευσμένη από το όνομα του Πέρση μαθηματικού ονομάστηκε Αλγόριθμος και διαδραμάτισε καθοριστικό ρόλο στην εμφάνιση και την εξέλιξη της επιστήμης των υπολογιστών.

[5]Π. Παπακωνσταντίνου, Άνθρωποι και Ρομπότ, 35.

[6]Α. Πλέρρου «Τεχνητά Νευρωνικά Δίκτυα Προσομοιώσεις του ανθρώπινου εγκεφάλου»ΑνοικτήΕκπαίδευση: ΤοπεριοδικόγιατηνΑνοικτήκαιεξΑποστάσεωςΕκπαίδευσηκαιτηνΕκπαιδευτικήΤεχνολογία, 8(1), 128-135.doi:https://doi.org/10.12681/jode.9794

[7]Γ. Π. Κ. Οικονόμου, «Τεχνητά Νευρωνικά Δίκτυα για υλοποίηση συστημάτων υποστήριξης αποφάσεων»,  (Διδακτορική Διατριβή, Πανεπιστήμιο Πατρών,1996) 7.

[8]Όπ.,8.

[9]Β. Μανιμάνη, Στάσεις απέναντι στην Τεχνολογία, Θεολογία, 91, 1,8 (2020) 130.

[10]Α. Καλιτσοπούλου, «Η χρήση απεικονιστικών μεθόδων του εγκεφάλου στην εκτίμηση της ποινικής υπευθυνότητας: Ηθικά ζητήματα» (Διπλωματική εργασία, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης,2019) 22.

[11]Α. Πλέρρου «Τεχνητά Νευρωνικά Δίκτυα»,129.

[12]A.Keiper, «TheAgeofNeuroelectronics», στονδιαδικτυακότόπο: https://www.thenewatlantis.com/publications/the-age-of-neuroelectronics (ημερομηνία ανάκτησης: 8-12-2020).

[13]F. Guillaume,G.Tiberghien, J.-Y.Baudouin, Οεγκέφαλος δεν είναι αυτό που νομίζετε. Εικόνες και αντικατοπτρισμοί του εγκεφάλου .Ελλ. μετ. Π. Παπαβασιλείου (Αθήνα: Εκδόσεις Δίαυλος, 2018)27.

[14]Α. Πλέρρου «Τεχνητά Νευρωνικά Δίκτυα»133.

[15]Β . Μανιμάνη, Στάσεις απέναντι στην Τεχνολογία,130.

[16] Ε. Αναστασοπούλου, «Η Τεχνητή νοημοσύνη και οι εφαρμογές της»,16.

[17] Π. Παπακωνσταντίνου, Άνθρωποι και Ρομπότ,48.

[18]Όπ.,48.

[19] Ε. Αναστασοπούλου, « Η Τεχνητή νοημοσύνη και οι εφαρμογές της»,18.

[20]Π. Α. Πέρρου, «Συναισθηματική Νοημοσύνη και Μηχανές».

[21]Β . Μανιμάνη, ΣτάσειςαπέναντιστηνΤεχνολογία,132.