2017-08-07 09:29:11
Από τη Siri, την Alexa ή τα bots στο Facebook μέχρι τα αυτόνομα οχήματα ακόμα και τα έξυπνα οπλικά συστήματα, η τεχνητή νοημοσύνη παρουσιάζει συνεχή πρόοδο. Αντίθετα με ότι μας «σέρβιραν» σε πάρα πολλές περιπτώσεις οι ταινίες επιστημονικής φαντασίας, η τεχνητή νοημοσύνη δεν είναι μόνο τα ρομπότ με ανθρώπινα χαρακτηριστικά αλλά είναι πολύ περισσότερο οι αλγόριθμοι, από τα πιο κοινά, όπως αυτά που κρύβονται πίσω από την αναζήτησή μας στο Google μέχρι τα πιο ειδικά, όπως το σύστημα IBM Watson.
Είναι γεγονός ότι το θέμα «τεχνητή νοημοσύνη» έχει αναδειχθεί τα τελευταία χρόνια ως ένα από τα πλέον κυρίαρχα στο χώρο της τεχνολογίας. Ωστόσο δεν είναι ένα θέμα που ξεπήδησε χθες. Τις πρώτες αναφορές για τη δημιουργία όντων με δείκτη νοημοσύνης μπορούμε να τις βρούμε σε συγγραφείς αρκετούς αιώνες πίσω (13ος αιώνας - Ramon Llull), με την περίπτωση της νουβέλας Φρανκενστάιν (ή ο Σύγχρονος Προμηθέας) της αγγλίδας συγγραφέως Mary Shelley τον 19ο αιώνα να είναι η πλέον χαρακτηριστική
. Όμως, οι ρίζες για την εφαρμογή της τεχνητής νοημοσύνης από την πλευρά των επιστημών τοποθετούνται αρκετά αργότερα με τον Alan Touring, ενώ τα θεμέλια του κλάδου της τεχνητής νοημοσύνης τοποθετούνται το 1956, με τους Allen Newell και Herbert Simon (από το Πανεπιστήμιο Carnegie Mellon), John McCarthy και Marvin Minsky (από το MIT) και τον Arthur Samuel (από την IBM) να θεωρούνται οι «πατέρες» της έρευνας στην ΤΝ, ορίζοντάς την ως την «επιστήμη και μεθοδολογία της δημιουργίας νοούντων μηχανών».
Εξήντα χρόνια αργότερα, με την επιστήμη των υπολογιστών να έχει παρουσιάσει εκρηκτική ανάπτυξη αυτές τις δεκαετίες, η τεχνητή νοημοσύνη έχει μπει πλέον σε ένα πιο ώριμο στάδιο. Στην διάρκεια αυτών των ετών και μέχρι τα τελευταία (όπου οι εξελίξεις είναι καταιγιστικές) το πιο χαρακτηριστικό -και συμβολικό ταυτόχρονα- παράδειγμα για την πρόοδο της τεχνητής νοημοσύνης ήταν η νίκη του υπολογιστή Deep Blue της IBM σε αγώνα σκάκι απέναντι στον παγκόσμιο πρωταθλητή Γκάρι Κασπάροφ το 1997. Το πεδίο της τεχνητής νοημοσύνης ξεφεύγει βεβαίως πολύ από τη δημιουργία υπολογιστών ή αλγόριθμων που θα νικούν τον άνθρωπο στο σκάκι ή σε άλλα παιχνίδια όπως το γκο, ή το πόκερ. Αυτό είναι το ελάσσον και όχι το μείζον.
Προοπτικές
Επιχειρώντας μια απλοϊκή προσέγγιση, η τεχνητή νοημοσύνη ως πεδίο είναι ένας χώρος στον οποίο συναντιούνται ένα σύνολο επιστημών. Με εκείνη της πληροφορικής, ως κεντρικό άξονα και τη στατιστική, τα μαθηματικά, την ψυχολογία, τη φιλοσοφία και αρκετές ακόμα να συνεπικουρούν για το σχεδιασμό υπολογιστικών συστημάτων που θα μιμούνται την ανθρώπινη συμπεριφορά. Υπολογιστικά συστήματα και «συσκευές» κατ’ επέκταση που θα μπορούν να ερμηνεύουν σύνθετα δεδομένα, θα αναγνωρίζουν την ανθρώπινη γλώσσα, θα πραγματοποιούν ακόμα και στρατιωτικές προσομοιώσεις και αρκετές ακόμη «ικανότητες». Ας δούμε μερικά παραδείγματα:
- προγράμματα που επιταχύνουν εντυπωσιακά την έρευνα (σε οποιονδήποτε τομέα) αφού μπορούν να ανατρέξουν πολύ πιο γρήγορα σε «σχετικές αναφορές» στην παγκόσμια βιβλιογραφία της επιστημονικής κοινότητας (όποια κι αν είναι αυτή) από την ταχύτητα με την οποία μπορεί να το κάνει ο άνθρωπος
- αυτόνομα οχήματα, που μπορούν να κινούνται στο δρόμο, χάρη στην ανάλυση των δεδομένων από το περιβάλλον (φανάρια, ταχύτητα κίνησης του μπροστινού αυτοκινήτου, εμπόδια κ.α.)
- τα bots ή η Alexa (Siri, βάλτε εσείς αυτό που θέλετε) που αντιλαμβάνονται την ανθρώπινη γλώσσα (γραπτή ή προφορική) και αλληλοεπιδρούν με τον άνθρωπο
- προγράμματα που αναλύουν κάθε λογής δεδομένων καταναλωτικής συμπεριφοράς και ταυτόχρονα μπορούν να δημιουργήσουν μοτίβα κατά περίπτωση
- προγράμματα που αναλύουν σύνθετα δεδομένα από τη χρηματιστηριακή αγορά και μπορούν να παρέχουν επενδυτικές συμβουλές
Το πεδίο της τεχνητής νοημοσύνης είναι τόσο ευρύ που τα παραπάνω παραδείγματα μας δίνουν μόνο μια μικρή εικόνα των εφαρμογών και των προοπτικών της. Ενδεικτικό στοιχείο για τα παραπάνω είναι οι επενδύσεις που βλέπουμε να πραγματοποιούν τεράστια ονόματα από όλους τους κλάδους. Μόνο η Google (Alphabet) εκτιμάται ότι έχει πραγματοποιήσει 20 εξαγορές εταιρειών, που δραστηριοποιούνται στο συγκεκριμένο πεδίο, με την πιο γνωστή να είναι εκείνη της DeepMind τo 2014 για περισσότερα από 600 εκατομμύρια δολάρια, ενώ οι επενδύσεις της Intel σε εταιρείες φθάνουν τις 81. Μόνο το πρώτο τρίμηνο του 2017, στις ΗΠΑ πραγματοποιήθηκαν 34 εξαγορές startups, αριθμός υπερδιπλάσιος σε σχέση με έναν χρόνο πριν. Από την Quid παίρνουμε και μια εικόνα για τους τομείς που το 2017 παρουσιάζουν το μεγαλύτερο ενδιαφέρον: Enterprise Insights, Solutions for financial institutions, Retail Product Recommendations, Virtual Assistant, Marketing Analytics αποτελούν τους 5 χώρους με τις μεγαλύτερες επενδύσεις. Στην αναθεωρημένη έκθεση της IDC (Worldwide Semiannual Cognitive Artificial Intelligence Systems Spending Guide), οι αναλυτές εκτιμούν ότι τα συνολικά έσοδα που προκύπτουν από συστήματα ΤΝ θα φθάσουν τα 12,5 δισ. δολάρια το 2017 (αύξηση 59,6% σε σχέση με το 2016), ενώ το 2020 αυτά θα ανέλθουν στα 46 δισ. Ταυτόχρονα και μέχρι το 2020 η δαπάνη σε λύσεις TN θα αυξάνεται με μέσο ρυθμό 54,4%.
Προκλήσεις
Ενδεχομένως όλα τα παραπάνω νούμερα να περιγράφουν τη «ρόδινη» πλευρά της τεχνητής νοημοσύνης. Στον αντίποδα υπάρχουν και αρκετές προκλήσεις και προβληματισμοί στις οποίες πρέπει να απαντήσει η ίδια η βιομηχανία αλλά και η κοινωνία. Αφήνοντας πίσω τις «παραδοσιακές φοβίες» που αφορούν το ενδεχόμενο η τεχνητή νοημοσύνη να μας ξεπεράσει, το κυριότερο σημείο προβληματισμού προκύπτει στο εργασιακό πεδίο. Πόσες και ποιες δουλειές κινδυνεύουν από την συνεχώς μεγαλύτερη υιοθέτηση της τεχνητής νοημοσύνης; Ποιες όχι; Αυτές που δημιουργούνται είναι αρκετές για να λειτουργήσουν ως αντίβαρο στις απώλειες; Πως μπορεί η κοινωνία να δημιουργήσει τις απαραίτητες δομές έτσι ώστε να εξασφαλίσει μέλλον και προοπτική στην εργασία; Ή στο εισόδημα; Ερωτήματα που εξετάζοντάς τα σε βάθος χρόνου και όσο εξελίσσεται η τεχνητή νοημοσύνη δεν μπορούν να απαντηθούν με ακρίβεια. Το βέβαιο είναι ότι η υιοθέτηση της τεχνητής νοημοσύνης θα μεταμορφώσει εντυπωσιακά τον τομέα της εργασίας. Αρκετά εκατομμύρια θέσεις εργασίας που συνήθως τοποθετούνται στα χαμηλότερα και μεσαία στρώματα της πυραμίδας κινδυνεύουν, γεγονός που προβληματίζει ακόμα και από ανθρώπους που βρίσκονται μέσα στις εξελίξεις. Χαρακτηριστικά παραδείγματα είναι εκείνα των Bill Gates, Jack Ma, Stephen Hawking, που στις δημόσιες τοποθετήσεις τους δεν διστάζουν να αναφερθούν στα ρίσκα, προτείνοντας (όχι όλοι) και κάποιες λύσεις. Από την άλλη πλευρά, υπάρχουν αρκετοί αναλυτές, που εκτιμούν ότι στις περιπτώσεις θέσεων εργασίας, όπου η επαφή με τον άνθρωπο είναι απαραίτητο συστατικό, ενδεχομένως να υπάρχει ακόμα και αντιστροφή του κινδύνου προς τα ανώτερα στρώματα. Για παράδειγμα, μπορεί η δουλειά του πιλότου να είναι μεγαλύτερου «κύρους» από εκείνη του αεροσυνοδού, όμως δεν είναι λίγοι εκείνοι που εκτιμούν ότι πιο πιθανό «θύμα» της αυτοματοποίησης μπορεί να είναι ο πρώτος. Άλλες δουλειές πάλι αναμένεται να αλλάξουν. Ένα τέτοιο παράδειγμα θα μπορούσε να είναι εκείνο του γιατρού. Λαμβάνοντας υπόψη ότι τα ρομπότ θα μπορούν να πραγματοποιούν επεμβάσεις με μεγαλύτερη ακρίβεια, ενδεχομένως ο γιατρός να πρέπει να δίνει πλέον μεγαλύτερη βαρύτητα στην επαφή του με τον ασθενή. Τέλος, είναι βέβαιο ότι και νέα επαγγέλματα ή νέες θέσεις εργασίας θα δημιουργηθούν, αφού και η τεχνητή νοημοσύνη θα χρειαστεί ανθρώπους και ειδικότητες «από πίσω της» ώστε να λειτουργήσει.
Η ασφάλεια, όσο η τεχνολογία μπαίνει περισσότερο στις δομές των επιχειρήσεων και των οργανισμών, είναι επίσης ένα ακόμα σημείο προβληματισμού. Θεωρείται σχεδόν βέβαιο ότι οι μελλοντικοί κυβερνοεγκληματίες θα θελήσουν να εκμεταλλευτούν ευπάθειες προγραμμάτων ΤΝ για δικό τους όφελος.
Μπορούν οι παραπάνω προκλήσεις να ανατρέψουν την πορεία προς την υιοθέτηση της τεχνητής νοημοσύνης. Όχι, αλλά σίγουρα μπορούν να λειτουργήσουν δημιουργικά, συνθέτοντας το υπό διαμόρφωση τοπίο.
Το αφιέρωμα μας στην τεχνητή νοημοσύνη δεν τελειώνει εδώ. Θα λέγαμε ότι μόλις ξεκίνησε. Στις παρακάτω σελίδες μπορείτε να διαβάσετε απόψεις ανθρώπων και στελεχών από διάφορους κλάδους που με τις ειδικές τους γνώσεις μπορούν να μας δώσουν μια εικόνα σε μεγαλύτερο βάθος για αυτά που φέρνει η τεχνητή νοημοσύνη. Καλή σας ανάγνωση!
ΑΠΟ ΤΟ DEASY
Freegr network blog- News about pc, technology.
freegr
Είναι γεγονός ότι το θέμα «τεχνητή νοημοσύνη» έχει αναδειχθεί τα τελευταία χρόνια ως ένα από τα πλέον κυρίαρχα στο χώρο της τεχνολογίας. Ωστόσο δεν είναι ένα θέμα που ξεπήδησε χθες. Τις πρώτες αναφορές για τη δημιουργία όντων με δείκτη νοημοσύνης μπορούμε να τις βρούμε σε συγγραφείς αρκετούς αιώνες πίσω (13ος αιώνας - Ramon Llull), με την περίπτωση της νουβέλας Φρανκενστάιν (ή ο Σύγχρονος Προμηθέας) της αγγλίδας συγγραφέως Mary Shelley τον 19ο αιώνα να είναι η πλέον χαρακτηριστική
Εξήντα χρόνια αργότερα, με την επιστήμη των υπολογιστών να έχει παρουσιάσει εκρηκτική ανάπτυξη αυτές τις δεκαετίες, η τεχνητή νοημοσύνη έχει μπει πλέον σε ένα πιο ώριμο στάδιο. Στην διάρκεια αυτών των ετών και μέχρι τα τελευταία (όπου οι εξελίξεις είναι καταιγιστικές) το πιο χαρακτηριστικό -και συμβολικό ταυτόχρονα- παράδειγμα για την πρόοδο της τεχνητής νοημοσύνης ήταν η νίκη του υπολογιστή Deep Blue της IBM σε αγώνα σκάκι απέναντι στον παγκόσμιο πρωταθλητή Γκάρι Κασπάροφ το 1997. Το πεδίο της τεχνητής νοημοσύνης ξεφεύγει βεβαίως πολύ από τη δημιουργία υπολογιστών ή αλγόριθμων που θα νικούν τον άνθρωπο στο σκάκι ή σε άλλα παιχνίδια όπως το γκο, ή το πόκερ. Αυτό είναι το ελάσσον και όχι το μείζον.
Προοπτικές
Επιχειρώντας μια απλοϊκή προσέγγιση, η τεχνητή νοημοσύνη ως πεδίο είναι ένας χώρος στον οποίο συναντιούνται ένα σύνολο επιστημών. Με εκείνη της πληροφορικής, ως κεντρικό άξονα και τη στατιστική, τα μαθηματικά, την ψυχολογία, τη φιλοσοφία και αρκετές ακόμα να συνεπικουρούν για το σχεδιασμό υπολογιστικών συστημάτων που θα μιμούνται την ανθρώπινη συμπεριφορά. Υπολογιστικά συστήματα και «συσκευές» κατ’ επέκταση που θα μπορούν να ερμηνεύουν σύνθετα δεδομένα, θα αναγνωρίζουν την ανθρώπινη γλώσσα, θα πραγματοποιούν ακόμα και στρατιωτικές προσομοιώσεις και αρκετές ακόμη «ικανότητες». Ας δούμε μερικά παραδείγματα:
- προγράμματα που επιταχύνουν εντυπωσιακά την έρευνα (σε οποιονδήποτε τομέα) αφού μπορούν να ανατρέξουν πολύ πιο γρήγορα σε «σχετικές αναφορές» στην παγκόσμια βιβλιογραφία της επιστημονικής κοινότητας (όποια κι αν είναι αυτή) από την ταχύτητα με την οποία μπορεί να το κάνει ο άνθρωπος
- αυτόνομα οχήματα, που μπορούν να κινούνται στο δρόμο, χάρη στην ανάλυση των δεδομένων από το περιβάλλον (φανάρια, ταχύτητα κίνησης του μπροστινού αυτοκινήτου, εμπόδια κ.α.)
- τα bots ή η Alexa (Siri, βάλτε εσείς αυτό που θέλετε) που αντιλαμβάνονται την ανθρώπινη γλώσσα (γραπτή ή προφορική) και αλληλοεπιδρούν με τον άνθρωπο
- προγράμματα που αναλύουν κάθε λογής δεδομένων καταναλωτικής συμπεριφοράς και ταυτόχρονα μπορούν να δημιουργήσουν μοτίβα κατά περίπτωση
- προγράμματα που αναλύουν σύνθετα δεδομένα από τη χρηματιστηριακή αγορά και μπορούν να παρέχουν επενδυτικές συμβουλές
Το πεδίο της τεχνητής νοημοσύνης είναι τόσο ευρύ που τα παραπάνω παραδείγματα μας δίνουν μόνο μια μικρή εικόνα των εφαρμογών και των προοπτικών της. Ενδεικτικό στοιχείο για τα παραπάνω είναι οι επενδύσεις που βλέπουμε να πραγματοποιούν τεράστια ονόματα από όλους τους κλάδους. Μόνο η Google (Alphabet) εκτιμάται ότι έχει πραγματοποιήσει 20 εξαγορές εταιρειών, που δραστηριοποιούνται στο συγκεκριμένο πεδίο, με την πιο γνωστή να είναι εκείνη της DeepMind τo 2014 για περισσότερα από 600 εκατομμύρια δολάρια, ενώ οι επενδύσεις της Intel σε εταιρείες φθάνουν τις 81. Μόνο το πρώτο τρίμηνο του 2017, στις ΗΠΑ πραγματοποιήθηκαν 34 εξαγορές startups, αριθμός υπερδιπλάσιος σε σχέση με έναν χρόνο πριν. Από την Quid παίρνουμε και μια εικόνα για τους τομείς που το 2017 παρουσιάζουν το μεγαλύτερο ενδιαφέρον: Enterprise Insights, Solutions for financial institutions, Retail Product Recommendations, Virtual Assistant, Marketing Analytics αποτελούν τους 5 χώρους με τις μεγαλύτερες επενδύσεις. Στην αναθεωρημένη έκθεση της IDC (Worldwide Semiannual Cognitive Artificial Intelligence Systems Spending Guide), οι αναλυτές εκτιμούν ότι τα συνολικά έσοδα που προκύπτουν από συστήματα ΤΝ θα φθάσουν τα 12,5 δισ. δολάρια το 2017 (αύξηση 59,6% σε σχέση με το 2016), ενώ το 2020 αυτά θα ανέλθουν στα 46 δισ. Ταυτόχρονα και μέχρι το 2020 η δαπάνη σε λύσεις TN θα αυξάνεται με μέσο ρυθμό 54,4%.
Προκλήσεις
Ενδεχομένως όλα τα παραπάνω νούμερα να περιγράφουν τη «ρόδινη» πλευρά της τεχνητής νοημοσύνης. Στον αντίποδα υπάρχουν και αρκετές προκλήσεις και προβληματισμοί στις οποίες πρέπει να απαντήσει η ίδια η βιομηχανία αλλά και η κοινωνία. Αφήνοντας πίσω τις «παραδοσιακές φοβίες» που αφορούν το ενδεχόμενο η τεχνητή νοημοσύνη να μας ξεπεράσει, το κυριότερο σημείο προβληματισμού προκύπτει στο εργασιακό πεδίο. Πόσες και ποιες δουλειές κινδυνεύουν από την συνεχώς μεγαλύτερη υιοθέτηση της τεχνητής νοημοσύνης; Ποιες όχι; Αυτές που δημιουργούνται είναι αρκετές για να λειτουργήσουν ως αντίβαρο στις απώλειες; Πως μπορεί η κοινωνία να δημιουργήσει τις απαραίτητες δομές έτσι ώστε να εξασφαλίσει μέλλον και προοπτική στην εργασία; Ή στο εισόδημα; Ερωτήματα που εξετάζοντάς τα σε βάθος χρόνου και όσο εξελίσσεται η τεχνητή νοημοσύνη δεν μπορούν να απαντηθούν με ακρίβεια. Το βέβαιο είναι ότι η υιοθέτηση της τεχνητής νοημοσύνης θα μεταμορφώσει εντυπωσιακά τον τομέα της εργασίας. Αρκετά εκατομμύρια θέσεις εργασίας που συνήθως τοποθετούνται στα χαμηλότερα και μεσαία στρώματα της πυραμίδας κινδυνεύουν, γεγονός που προβληματίζει ακόμα και από ανθρώπους που βρίσκονται μέσα στις εξελίξεις. Χαρακτηριστικά παραδείγματα είναι εκείνα των Bill Gates, Jack Ma, Stephen Hawking, που στις δημόσιες τοποθετήσεις τους δεν διστάζουν να αναφερθούν στα ρίσκα, προτείνοντας (όχι όλοι) και κάποιες λύσεις. Από την άλλη πλευρά, υπάρχουν αρκετοί αναλυτές, που εκτιμούν ότι στις περιπτώσεις θέσεων εργασίας, όπου η επαφή με τον άνθρωπο είναι απαραίτητο συστατικό, ενδεχομένως να υπάρχει ακόμα και αντιστροφή του κινδύνου προς τα ανώτερα στρώματα. Για παράδειγμα, μπορεί η δουλειά του πιλότου να είναι μεγαλύτερου «κύρους» από εκείνη του αεροσυνοδού, όμως δεν είναι λίγοι εκείνοι που εκτιμούν ότι πιο πιθανό «θύμα» της αυτοματοποίησης μπορεί να είναι ο πρώτος. Άλλες δουλειές πάλι αναμένεται να αλλάξουν. Ένα τέτοιο παράδειγμα θα μπορούσε να είναι εκείνο του γιατρού. Λαμβάνοντας υπόψη ότι τα ρομπότ θα μπορούν να πραγματοποιούν επεμβάσεις με μεγαλύτερη ακρίβεια, ενδεχομένως ο γιατρός να πρέπει να δίνει πλέον μεγαλύτερη βαρύτητα στην επαφή του με τον ασθενή. Τέλος, είναι βέβαιο ότι και νέα επαγγέλματα ή νέες θέσεις εργασίας θα δημιουργηθούν, αφού και η τεχνητή νοημοσύνη θα χρειαστεί ανθρώπους και ειδικότητες «από πίσω της» ώστε να λειτουργήσει.
Η ασφάλεια, όσο η τεχνολογία μπαίνει περισσότερο στις δομές των επιχειρήσεων και των οργανισμών, είναι επίσης ένα ακόμα σημείο προβληματισμού. Θεωρείται σχεδόν βέβαιο ότι οι μελλοντικοί κυβερνοεγκληματίες θα θελήσουν να εκμεταλλευτούν ευπάθειες προγραμμάτων ΤΝ για δικό τους όφελος.
Μπορούν οι παραπάνω προκλήσεις να ανατρέψουν την πορεία προς την υιοθέτηση της τεχνητής νοημοσύνης. Όχι, αλλά σίγουρα μπορούν να λειτουργήσουν δημιουργικά, συνθέτοντας το υπό διαμόρφωση τοπίο.
Το αφιέρωμα μας στην τεχνητή νοημοσύνη δεν τελειώνει εδώ. Θα λέγαμε ότι μόλις ξεκίνησε. Στις παρακάτω σελίδες μπορείτε να διαβάσετε απόψεις ανθρώπων και στελεχών από διάφορους κλάδους που με τις ειδικές τους γνώσεις μπορούν να μας δώσουν μια εικόνα σε μεγαλύτερο βάθος για αυτά που φέρνει η τεχνητή νοημοσύνη. Καλή σας ανάγνωση!
ΑΠΟ ΤΟ DEASY
Freegr network blog- News about pc, technology.
freegr
ΜΟΙΡΑΣΤΕΙΤΕ
ΔΕΙΤΕ ΑΚΟΜΑ
ΠΡΟΗΓΟΥΜΕΝΟ ΑΡΘΡΟ
Η Microsoft ετοιμάζει κάλυμμα με πληκτρολόγιο για το… iPad
ΣΧΟΛΙΑΣΤΕ
