Το 1984 στο συνέδριο “Association for the Advancement of Artificial Intelligence” (AAAI) πρωτοεμφανίζεται ο όρος “Winter of AI” (χειμώνας της ΤΝ). Αναφέρεται σε ένα φαινόμενο που εμφανίζεται γενικά στους κλάδους των θετικών επιστημών. Στην ΤΝ ωστόσο, παρουσιάστηκε τόσο συχνά που απαίτησε μία ξεχωριστή θέση στην ιστορία της.
It is a chain reaction that begins with pessimism in the AI community, followed by pessimism in the press, followed by a severe cutback in funding, followed by the end of serious research.
Στα πρόθυρα ενός Χειμώνα
Είναι κατ’ ουσίαν όλα εκείνα τα αποτελέσματα που νομοτελειακά προκύπτουν από την ανευ λόγου υπερδιόγκωση των προσδοκιών των επενδυτών. Αντιμετωπίζεται λοιπόν ένας ολόκληρος επιστημονικός κλάδος μόνο υπό το πρίσμα της εξαγωγής μέγιστου κέρδους. Στο πλαίσιο αυτό, τόσο τα κονδύλια για την έρευνα όσο και το γενικότερο ενδιαφέρον της κοινότητας συλλήβδην καναλιζάρεται σε πολύ συγκεκριμένους τομείς, οι οποίοι και θεωρούνται οι πιο προσοδοφόροι. Το πρόβλημα ωστόσο εμφανίζεται όταν η εγγενής απληστεία του ανθρώπου απαιτεί από την έρευνα ολοένα και καλύτερα απότελεσματα και κυρίως όταν η ‘βελτίωση’ των αποτελεσμάτων αναφέρεται σχεδόν αποκλειστικά στο return of investment (ROI).
Τα κεφάλαια κινούνται, οι φορείς έρευνας κι εκπαίδευσης κινητοποιούνται κι οι επιστημονικές ομάδες συγκινούνται… Εστιάζεται λοιπόν το ενδιαφέρον στην παραγωγή νέας γνώσης χωρίς ωστόσο αυτή η ‘μηχανή’ να μπορεί να αποφέρει σταθερά και χωρίς ρίσκο κέρδη. Σταδιακά – ή όχι και τόσο – αυξάνονται οι προσδοκίες όλων σε τέτοιο βαθμό που αναμένουν από τους επιστήμονες αποτελέσματα κάθε άλλο παρά δυνατά. Αυτή ακριβώς είναι και η στιγμή που ολόκληρη η κοινότητα εισέρχεται σε μία χειμερία δύνη. Όταν δηλαδή γίνει πλέον πασίδηλο το αναπόφευκτο φούσκωμα ενός ιδεώδους – ότι δηλαδή η επιστημονική έρευνα δεν μπορεί να μπει στο καλούπι της στείρας επένδυσης – τότε τα κονδύλια αποσύρονται, οι έρευνες συρικνώνονται και ο κλάδος σχεδόν εγκαταλείπεται.
“Can Machines think?” – Alan Turing
Σε δύο στρατόπεδα
Η Τεχνητή Νοημοσύνη, γεννιέται σχεδόν ταυτόχρονα με την επιστήμη της Πληροφορικής. Ο άνθρωπος προσπαθεί να κατασκευάσει ένα ομοιότυπο του εγκεφάλου του και αποπειράται να εξερευνήσει μέσω τεχνητών οδών όσα δεν έχει καλά καλά κατανοήσει για την ίδια του την ύπαρξη. Σύσσωμος ο διεθνής τύπος χαιρετίζει – άλλοτε διθυραμβικά άλλοτε με προειδοποιήσεις Κασσάνδρας – τις νέες εξελίξεις στην ΤΝ. Εν προκειμένω, επικρατούν δύο κύριοι άξονες σκέψης: όσοι θεωρούν ότι γινόμαστε ένας δεύτερος Προμηθέας κι όσοι θεωρούν ότι μπορούμε πλέον να περάσουμε το Turing Test. Το προαναφερθέν, αποτελεί ένα θεωρητικό πείραμα κατά το οποίο προσπαθούμε να δούμε αν μία μηχανή μπορεί να σκεφτεί όπως ένας άνθρωπος. Ευτυχώς ωστόσο, κάπου ανάμεσα στις πολυλογίες και τις φωνές όλων εισακούγονται και οι ψίθυροι της επιστημονικής κοινότητας, που όυτε λίγο ούτε πολύ προειδοποιεί για τους κινδύνους όχι της ΤΝ αλλά ενός ακόμη χειμώνα αυτής. Σίγουρα βρισκόμαστε σε ένα ιστορικά κομβικό σημείο όσον αφορά στην εξέλιξη της ΤΝ. Από το 2017 κι εξής (δημοσίευση “Attention is all you Need” – Transformers) τα κατορθώματα στον κλάδο είναι τρομερά. Κόντρα ωστόσο σε όσους προειδοποιούν για την ‘απόλυτη καταστροφή’, τα αποτελέσματα δε χαρακτηρίζονται τρομερά εν είδη τρόμου, αλλά προκειμένου να καταδείξουμε την εξαιρετική τους φύση.
Κατορθώματα ΤΝ
Πράγματι η κοινότητα, μέσα σε λίγα μόλις χρόνια κατόρθωσε να δημιουργήσει απίστευτα ‘μοντέλα‘, μηχανές που δημιουργούν εικόνες από απλό κείμενο, αλγορίθμους που απαντούν όπως περίπου θα απαντούσε κι ένας άνθρωπος ή ακόμη και προγράμματα που κατασκευάζουν μουσική από λίγα μόνο λόγια. Ως προς την κινδυνολογία, αρκεί κανείς να αναλογιστεί πως κάθε σπουδαία καμπή στην ιστορία κάποιας επιστήμης συνοδευόταν κι από ακραίες αντιδράσεις. Κινδυνεύουμε ωστόσο από την ακατάσχετη αισιοδοξία. Τα αποτελέσματα είναι εκπληκτικά, δε χρειάζεται παρ’ όλα αυτά να καλλιεργούμε ένα κλίμα διαρκούς προόδου και ανάπτυξης, απαιτείται νηφαλιότητα. Σε κάθε περίπτωση κρίνεται απολύτως απαραίτητο αν θέλουμε να είμαστε ενήμεροι ως προς την ΤΝ να παρακολουθούμε τους επιστήμονες και τα αντίστοιχα συνέδρια που ασχολούνται με αυτήν κι όχι απαραίτητα με άτομα του Star System που δεν κατέχουν τις απαραίτητες ακαδημαϊκές περγαμηνές ώστε να γνωρίζουν κι εξηγούν τις επιστημονικές προόδους.
Η κοινότητα της ΤΝ, κατόρθωσε τα τελευταία χρόνια στόχους που σε παλαιότερους ‘χειμώνες’ ανήκαν ξεκάθαρα στο φαντασιακό πεδίο. Μπορούμε με ψυχραιμία να απολαύσουμε τους καρπούς της και παράλληλα να υποστηρίζουμε τη λελογισμένη ανάπτυξή της χωρίς να πιέζουμε διαρκώς για νέα και καλύτερα αποτελέσματα. Πολλές φορές εξάλλου στην επιστήμη είναι πιο σημαντικό να απαντηθεί το ερώτημα “Πώς λειτουργεί;” παρά να δημιουργούνται απλώς νέες εφαρμογές.
DALL.E 2: μοντέλο ΤΝ της OpenAI που κατασκευάζει εικόνες με βάση το δοσμένο κείμενο
Εκδημοκρατισμός της ΤΝ
Ταυτόχρονα, ξεκινάει στη δημόσια σφαίρα ένας διάλογος που αφορά στο ‘άνοιγμα‘ των δεδομένων και την απομάκρυνση από το proprietary μοντέλο. Προκειμένου η έρευνα να διενεργείται με αξιόπιστο τρόπο και η κοινότητα να μπορεί απρόσκοπτα να αναζητά και να δημιουργεί, χρειάζεται άμεση κι ελέυθερη πρόσβαση στα δεδομένα που χρησιμοποιούνται κατά την εκπαίδευση των μοντέλων ΤΝ. Στη συζήτηση συμμετέχουν ενεργά οι κολοσσοί στο χώρο: Microsoft, OpenAI, Google κλπ. Αντίστοιχη προσπάθει κάνει και η HuggingFace που έχει δημιουργήσει μια κοινότητα με σκοπό το διαμοιρασμό κώδικα, ιδεών και γνώσης για την ΤΝ. Στόχος λοιπόν πρέπει να είναι η ψύχραιμη μετάβαση προς το μέλλον, η επιστήμη εξάλλου είναι απλώς η διαδικασία απάντησης ερωτημάτων.
chatGPT: μοντέλο της OpenAI που μπορεί να ‘συζητήσει’
Απέχουμε παρασάγγας από τη Τεχνητή Γενική Νοημοσύνη (AGΙ), χωρίς αυτό να σημαίνει πως τα μέχρι τώρα κατορθώματα δεν είναι σημαντικά.
Με τόσες νέες εφαρμογές και τόσο ‘hotness’ επί του κλάδου… Σίγουρα διανύουμε ένα ‘καλοκαίρι‘ της Τεχνητής Νοημοσύνης.
Κωνσταντίνος Σαλμάς
IT Systems Manager, AIC
