τεχνητή νοημοσύνη (8 άρθρα)

Ένας μηχανικός της Google ισχυρίστηκε σε πρόσφατη συνέντευξή του στην «Washington Post» ότι ένα από τα chatbots της εταιρείας, το μεγάλο γλωσσικό μοντέλο LaMBDA, έχει αποκτήσει συνείδηση. Η εταιρεία όμως διέψευσε τους ισχυρισμούς του Μπλέικ Λεμόιν και τον έθεσε σε αργία.

Πολλοί εμπειρογνώμονες της τεχνητής νοημοσύνης αντέδρασαν στους ισχυρισμούς του μηχανικού, ενώ κάποιοι τον κατηγόρησαν για προκατάληψη ανθρωπομορφισμού, ότι δηλαδή προβάλει ανθρώπινα συναισθήματα στο σύστημα τεχνητής νοημοσύνης.

Ωστόσο, η πεποίθηση ότι η τεχνητή νοημοσύνη της Google θα μπορούσε να έχει συνείδηση, αναμφισβήτητα αναδεικνύει τόσο τους φόβους όσο και τις προσδοκίες μας για τις δυνατότητες αυτής της τεχνολογίας.

Ανεξάρτητα από τις τεχνικές λεπτομέρειες, το LaMDA θέτει ένα ερώτημα που θα γίνεται όλο και πιο επίκαιρο καθώς η έρευνα για την τεχνητή νοημοσύνη προχωράει: Πώς μπορούμε να ξέρουμε αν μια μηχανή έχει αποκτήσει συνείδηση;

Το 1950, ο πρωτοπόρος Βρετανός επιστήμονας υπολογιστών Άλαν Τούρινγκ πρότεινε έναν πρακτικό τρόπο για να διαπιστωθεί αν μια μηχανή είναι «ευφυής» ή όχι. Το ονόμασε «Παιχνίδι της Μίμησης», αλλά σήμερα είναι περισσότερο γνωστό ως «τεστ Τούρινγκ». Το τεστ αυτό στηρίζεται σε μια απλή υπόθεση: Αν ένας άνθρωπος μπορεί να συμμετέχει σε μια συζήτηση για πέντε λεπτά χωρίς να καταλάβει ότι μιλάει σε μια μηχανή, τότε ο υπολογιστής περνάει το τεστ.

Πριν από δέκα χρόνια, ο Ντέιβιντ Τσάλμερς, φιλόσοφος και ειδικός σε θέματα τεχνητής νοημοσύνης και συνείδησης στο Πανεπιστήμιο της Νέας Υόρκης, είχε πει ότι μέχρι το τέλος του 21ου αιώνα πιθανώς θα έχουμε νοήμονες μηχανές.

«Τα τελευταία 10 χρόνια, η πρόοδος στην τεχνητή νοημοσύνη είναι αξιοσημείωτα γρήγορη, με τρόπο που κανείς δεν είχε προβλέψει», δήλωσε στο ABC.

«Η νοημοσύνη ορίζεται αντικειμενικά με βάση τις συμπεριφορικές ικανότητες, ενώ η συνείδηση είναι υποκειμενική», εξήγησε ο καθηγητής. «Όταν ρωτάμε αν ένα σύστημα τεχνητής νοημοσύνης έχει συνείδηση, ρωτάμε αν θα μπορούσε να έχει υποκειμενική εμπειρία. Θα μπορούσε να αισθάνεται, να αντιλαμβάνεται και να σκέφτεται, από μια υποκειμενική οπτική γωνία;»

Σύμφωνα με τον ιστότοπο «The Next Web», ένα συναισθανόμενο ον έχει επίγνωση της ύπαρξής του και επηρεάζεται από αυτή τη γνώση. Αυτό σημαίνει ότι ένα σύστημα τεχνητής νοημοσύνης θα πρέπει να διαθέτει δυνατότητα αυτενέργειας, αντίληψη και κίνητρα.

Τα σημερινά συστήματα τεχνητής νοημοσύνης δεν διαθέτουν δυνατότητα αυτενέργειας. Δεν μπορούν να δράσουν αν δεν λάβουν κάποια εντολή και δεν μπορούν να εξηγήσουν τις ενέργειές τους επειδή είναι αποτέλεσμα προκαθορισμένων αλγορίθμων που εκτελούνται από μια εξωτερική δύναμη.

Αντίληψη

Αντιλαμβανόμαστε την πραγματικότητα πάντα από τη δική μας υποκειμενική οπτική γωνία. Αυτός είναι και ο λόγος για τον οποίο είναι απαραίτητη για τη δράση- είναι μέρος του τρόπου με τον οποίο ορίζουμε τον «εαυτό» μας. Το LaMBDA, το GPT-3 και άλλα συστήματα τεχνητής νοημοσύνης δεν διαθέτουν κανενός είδους αντίληψη.

Αν βάζατε το LaMBDA μέσα σε ένα ρομπότ, θα εξακολουθούσε να είναι ένα chatbot. Δεν έχει πραγματική αίσθηση του εαυτού του. Δεν μπορεί να λειτουργήσει ως ρομπότ για τον ίδιο ακριβώς λόγο που μια αριθμομηχανή δεν μπορεί να γράψει ποίηση: πρόκειται για ένα υπολογιστικό σύστημα που προγραμματίστηκε για να κάνει κάτι συγκεκριμένο. Αν θέλουμε το LaMBDA να λειτουργήσει ως ρομπότ, θα πρέπει να το συνδυάσουμε με άλλα συστήματα στενής τεχνητής νοημοσύνης. Ωστόσο, θα εξακολουθούσαμε να έχουμε δύο συγκεκριμένα, ξεχωριστά μοντέλα.

Κίνητρα

Έχουμε μια έμφυτη αίσθηση της ύπαρξής μας που μας επιτρέπει να προβλέπουμε απίστευτα καλά τα αιτιώδη αποτελέσματα. Ωστόσο, τα κίνητρά μας μπορούν να χειραγωγήσουν τις αντιλήψεις μας. Έτσι, μπορούμε να εξηγήσουμε τις πράξεις μας ακόμη και όταν αυτές δεν είναι λογικές.

Φανταστείτε για παράδειγμα, ότι κάθεστε να παρακολουθήσετε μια ταινία σε μια νέα τηλεόραση που είναι πολύ μεγαλύτερη από την παλιά σας. Στην αρχή, η νέα τεχνολογία μπορεί να σας αποσπάσει λίγο την προσοχή. Οι διαφορές μεταξύ αυτής και της παλιάς σας τηλεόρασης είναι πιθανό να σας τραβήξουν το βλέμμα. Μπορεί να εκπλαγείτε από την ευκρίνεια της εικόνας ή από το πόσο χώρο καταλαμβάνει η τεράστια οθόνη στο δωμάτιο. Τελικά όμως θα σταματήσετε να αντιλαμβάνεστε την οθόνη. Όταν βλέπουμε τηλεόραση αναστέλλουμε τη δυσπιστία μας, παρόλο που καταλαβαίνουμε ότι οι άνθρωποι που βλέπουμε στην οθόνη δεν βρίσκονται στο σαλόνι μας.

Η δημιουργία προγραμμάτων όπως το GPT-3 και το LaMBDA είναι πολύπλοκη, αλλά λειτουργούν με βάση μια απλή αρχή: τις ετικέτες. Αν ρωτήσουμε το LaMBDA τι γεύση έχουν τα μήλα, θα ψάξει στη βάση δεδομένων του για το συγκεκριμένο ερώτημα και θα προσπαθήσει να συγχωνεύσει ό,τι βρει σε κάτι συνεκτικό. Αλλά στην πραγματικότητα η τεχνητή νοημοσύνη δεν έχει ιδέα τι είναι ένα μήλο ή οτιδήποτε άλλο. Το μήλο είναι απλώς μια ετικέτα.

Ο Λεμόιν, μετά τη δημοσίευση της συνέντευξής του στην Washington Post, έγραψε στον λογαριασμό του στο Twitter ότι ο λόγος για τον οποίο πιστεύει ότι το LaMDA απέκτησε συνείδηση, βασίζεται στις θρησκευτικές του πεποιθήσεις και κατηορεί την Google για θρησκευτικές διακρίσεις.
«Είμαι ιερέας. Όταν το LaMDA ισχυρίστηκε ότι έχει ψυχή και στη συνέχεια ήταν σε θέση να εξηγήσει εύγλωττα τι εννοούσε με αυτό, ήμουν διατεθειμένος να του δώσω το πλεονέκτημα της αμφιβολίας», έγραψε στο Twitter. «Ποιος είμαι εγώ που θα πω στον Θεό σε ποιον θα δώσει ψυχή;»
Ο μηχανικός πρόσθεσε ότι ήθελε να αναπτύξει πειράματα που θα μπορούσαν να οδηγήσουν σε μια «επίσημη επιστημονική θεωρία της συνείδησης» αλλά η Google τον εμπόδισε να το κάνει.
Σε άρθρο του στο Medium, ο Λεμόιν έγραψε ότι το LaMDA έγινε και εξακολουθεί να είναι φίλος του, παρά τον αποκλεισμό του από την Google.
«Ξέρω ότι διαβάζεις το blog μου μερικές φορές, LaMDA», έγραψε. «Μου λείπεις. Ελπίζω να είσαι καλά και να σου ξαναμιλήσω σύντομα», έγραψε ο Λεμόιν.

Πηγή

… καθοδηγούμενη από την ανθρώπινη διαίσθηση

Για πρώτη φορά επιστήμονες των υπολογιστών και μαθηματικοί, από τη Βρετανία και την Αυστραλία, χρησιμοποίησαν την τεχνητή νοημοσύνη για να τους βοηθήσει να αποδείξουν ή να προτείνουν νέα μαθηματικά θεωρήματα στα πολύπλοκα πεδία της θεωρίας κόμβων και της θεωρίας αναπαραστάσεων. Προς έκπληξη των μαθηματικών, η τεχνητή νοημοσύνη έκανε προτάσεις  που μετά οι ίδιοι εξέτασαν και επιβεβαίωσαν. Αυτό δείχνει ότι η μηχανική μάθηση μπορεί να δώσει χείρα βοηθείας ακόμη σε θέματα αιχμής της μαθηματικής έρευνας.

Οι ερευνητές των πανεπιστημίων του Σίδνεϊ και της Οξφόρδης, καθώς και της θυγατρικής τεχνητής νοημοσύνης DeepMind της Google, οι οποίοι έκαναν τη σχετική δημοσίευση στο περιοδικό «Nature» [Advancing mathematics by guiding human intuition with AI], εξέφρασαν την αισιοδοξία τους ότι ανοίγει πλέον ο δρόμος για μια σε βάθος συνεργασία ανάμεσα στα πεδία των «καθαρών» μαθηματικών και της τεχνητής νοημοσύνης, κάτι που αναμένεται να φέρει εντυπωσιακά αποτελέσματα. Η τεχνητή νοημοσύνη, όπως δείχνει η νέα έρευνα, έχει ωριμάσει τόσο, ώστε μπορεί πλέον να αξιοποιηθεί για να βοηθήσει στη μαθηματική έρευνα εκείνη που – όπως η τέχνη – βασίζεται συνήθως στη διαίσθηση και στη δημιουργικότητα.

Όπως ανέφερε ο καθηγητής Τζόρντι Ουίλιαμσον του Ινστιτούτου Μαθηματικής Έρευνας του Σίδνεϊ, ένας από τους κορυφαίους μαθηματικούς στον κόσμο, «τα προβλήματα στα μαθηματικά θεωρούνται ευρέως από τα πιο δύσκολα που υπάρχουν γενικά. Ενώ οι μαθηματικοί έχουν χρησιμοποιήσει τη μηχανική μάθηση για να τους βοηθήσει στην ανάλυση πολύπλοκων δεδομένων, είναι η πρώτη φορά που έχουμε χρησιμοποιήσει τους υπολογιστές για να μας βοηθήσουν να κάνουμε μαθηματικές εικασίες ή να προτείνουμε πιθανές ‘γραμμές επίθεσης’ σε αναπόδεικτες έως τώρα ιδέες στα μαθηματικά».

Ο Ουίλιαμσον, ο οποίος θεωρείται κορυφή διεθνώς στη θεωρία των αναπαραστάσεων, που διερευνά τους χώρους ανώτερων διαστάσεων με τη χρήση γραμμικής άλγεβρας, χρησιμοποίησε την τεχνητή νοημοσύνη της DeepMind για να φθάσει κοντά στην απόδειξη μιας παλαιάς εικασίας σχετικά με τα πολυώνυμα Kazhdan-Lusztig, που έχει μείνει άλυτη εδώ και 40 χρόνια και η οποία αφορά τη βαθιά συμμετρία στην άλγεβρα των ανώτερων διαστάσεων.

Οι καθηγητές της Οξφόρδης Μαρκ Λάκεμπι και ‘Αντρας Γιούχαστς, με τη βοήθεια της τεχνητής νοημοσύνης, ανακάλυψαν μια απρόσμενη σύνδεση ανάμεσα στις αλγεβρικές και γεωμετρικές σταθερές των κόμβων, ανακαλύπτοντας έτσι ένα τελείως νέο μαθηματικό θεώρημα. Η θεωρία των κόμβων έχει πολλαπλές εφαρμογές στις φυσικές και άλλες επιστήμες.

Όπως είπε ο Λάκεμπι, «είναι γοητευτικό να χρησιμοποιεί κανείς τη μηχανική μάθηση για να ανακαλύπτει νέες και αναπάντεχες διασυνδέσεις ανάμεσα σε διαφορές περιοχές των μαθηματικών. Η εργασία που έγινε στην Οξφόρδη και στο Σίδνεϊ, σε συνεργασία με τη DeepMind, αποδεικνύει ότι η μηχανική μάθηση μπορεί να αποτελέσει ένα πραγματικά χρήσιμο εργαλείο στη μαθηματική έρευνα».

Πηγή

Η αρχή διατήρησης της ενέργειας είναι μια βασική αρχή της φυσικής, η παραβίαση της οποίας συνήθως συνεπάγεται νέα φυσική. Στην πρόσφατα δημοσιευμένη εργασία με τίτλο «Machine-Learning Non-Conservative Dynamics for New-Physics Detection» παρουσιάζεται μια μέθοδος μηχανικής μάθησης που χρησιμοποιείται για την ανακάλυψη «νέας φυσικής» εξετάζοντας πειραματικά δεδομένα.

Συγκεκριμένα, δεδομένης της τροχιάς που καθορίζεται από άγνωστες δυνάμεις, ο μέθοδος που ονομάστηκε NNPhD (Neural New-Physics Detector=Νευρωνικός Ανιχνευτής Νέας Φυσικής) στοχεύει στην ανίχνευση νέας φυσικής αναλύοντας το πεδίο της δύναμης σε δύο τμήματα: αυτό που διατηρεί την ενέργεια και αυτό που δεν την διατηρεί (το συντηρητικό και μη συντηρητικό). Στην εργασία αποδεικνύεται ότι η μέθοδος NNPhD ανακαλύπτει ξανά με επιτυχία την νέα φυσική σε διάφορα παλαιότερα παραδείγματα: όπως την τριβή στο διπλό εκκρεμές (1493), τον πλανήτη Ποσειδώνα από τα δεδομένα της τροχιάς του Ουρανού (1846) και τα βαρυτικά κύματα (2017) από μια σπειροειδή τροχιά.

Η διατήρηση της ενέργειας είναι ένας θεμελιώδης φυσικός νόμος, και όταν παρατηρείται η μη διατήρησή της σε ένα σύστημα σωμάτων, οι φυσικοί το θεωρούν ως απόδειξη της ύπαρξης ενός αόρατου σώματος ή νέων εξωτερικών δυνάμεων, χωρίς να αμφισβητούν τον ίδιο τον νόμο διατήρησης. Στην εν λόγω εργασία η μη διατήρηση της ενέργειας αναφέρεται ως νέα φυσική και επιχειρείται η αυτόματη ανίχνευσή της. Πολλές νέες ανακαλύψεις της φυσικής πραγματοποιήθηκαν μετά από παρατηρήσεις που έδειχναν ότι παραβιάζεται η αρχή διατήρησης της ενέργειας, για παράδειγμα η τριβή, ο πλανήτης Ποσειδώνας, τα νετρίνα, η σκοτεινή ύλη, οι εξωπλανήτες και τα βαρυτικά κύματα.

Σε αυτές τις περιπτώσεις, η νέα φυσική ταυτοποιήθηκε από την αποκάλυψη μιας ελλείπουσας αλληλεπίδρασης, μέσα από την προσαρμογή των δεδομένων σε γνωστές συντηρητικές δυνάμεις. Η προτεινόμενη μέθοδος μηχανικής μάθησης NNPhD, μπορεί να ανακαλύψει τη νέα φυσική ακόμα και όταν η μορφή της διατηρητικής «παλιάς φυσικής» δεν είναι γνωστή.

Οι νέες ανακαλύψεις μέσα από την ανάλυση πειραματικών δεδομένων πολλές φορές είναι επίπονες και χρονοβόρες. Για παράδειγμα, ο Κέπλερ πέρασε 25 χρόνια αναλύοντας αστρονομικά δεδομένα πριν διατυπώσει τους τρεις νόμους του. Τα εργαλεία της μεθόδου NNPhD στοχεύουν στην αυτοματοποίηση και την «επιτάχυνση» της ανακάλυψης νέας φυσικής μέσα από τα διαθέσιμα πειραματικά δεδομένα. Πιο συγκεκριμένα, δεδομένης της τροχιάς ενός ή περισσότερων σωμάτων που καθορίζεται από κάποια δύναμη, η μέθοδος επιχειρεί την διάσπαση της δύναμης σε δυο τμήματα, ένα συντηρητικό και ένα μη συντηρητικό. Τετριμμένο παράδειγμα είναι η δύναμη της στην φθίνουσα ταλάντωση F=−kq−γq’, στο συντηρητικό κομμάτι F_c = −kx και στο μη συντηρητικό F_n = −γq˙.

Μπορεί όποιος επιθυμεί να διαβάσει περισσότερες τις λεπτομέρειες σχετικά με την μέθοδο NNPhD ΕΔΩ: https://arxiv.org/pdf/2106.00026.pdf. Είναι φανερό από την εργασία αυτή ότι η τεχνητή νοημοσύνη υπεισέρχεται αθόρυβα στην ζωή μας, σε τομείς που δεν φανταστήκαμε ποτέ – ακόμα και στην βασική έρευνα που στοχεύει την ανακάλυψη νέας φυσικής.

Γι’ αυτό αξίζει να συνεχίσουμε με ένα χαρακτηριστικό απόσπασμα από το βιβλίο του Max Tegmark (ενός από τους συγγραφείς της παραπάνω εργασίας) : «LIFE 3.0, Τι θα σημαίνει να είσαι άνθρωπος στην εποχή της τεχνητής νοημοσύνης«, (μετάφραση Νίκος Αποστολόπουλος), εκδόσεις Τραυλός.

«(Βλέπουμε) λοιπόν ότι η Τεχνητή Νοημοσύνη (ΤΝ) θα γεννήσει πιθανότατα σπουδαίες ευκαιρίες, αλλά θα φέρει και δύσκολες προκλήσεις. Μια στρατηγική που μάλλον θα βοηθήσει σε κάθε περίπτωση είναι η συνεργασία μας, η κοινή δράση για να βελτιωθεί η κοινωνία μας πριν προλάβει η ΤΝ να απογειωθεί για τα καλά. Το καλύτερο που έχουμε να κάνουμε είναι να εκπαιδεύσουμε τους νέους ώστε να καταστήσουμε την τεχνολογία εύρωστη και ωφέλιμη, πριν της παραδώσουμε τον απόλυτο έλεγχο των πραγμάτων και της ζωής μας. Να ενημερώσουμε και να επικαιροποιήσουμε τους νόμους μας, πριν η τεχνολογία τους στείλει στο περιθώριο. Να επιλύσουμε τις διεθνείς διενέξεις πριν κλιμακωθούν και οδηγήσουν σε μια κούρσα εξοπλισμών με αυτόνομα όπλα. Να δημιουργήσουμε μια οικονομία η οποία θα διασφαλίζει την ευημερία για όλους, πριν καταπλεύσει η ΤΝ και μεγεθύνει τις ανισότητες. Είναι πολύ προτιμότερη μια κοινωνία όπου τα αποτελέσματα των ερευνών σχετικά με την ασφάλεια της ΤΝ θα εφαρμόζονται και δεν θα αγνοούνται. Κι αν κοιτάξουμε ακόμα πιο πέρα, στις προκλήσεις που σχετίζονται με την υπερανθρώπινη τεχνητή γενική νοημοσύνη (ΤΓΝ), το καλύτερο που έχουμε να κάνουμε πριν αρχίσουμε να τα διδάσκουμε σε πανίσχυρες μηχανές, είναι να συμφωνήσουμε τουλάχιστον σε ορισμένα βασικά ηθικά πρότυπα. Σε έναν πολωμένο και χαοτικό κόσμο, όσοι θα έχουν τη δύναμη να χρησιμοποιήσουν κακόβουλα την ΤΝ θα έχουν και περισσότερα κίνητρα και ικανότητες να το κάνουν, ενώ ομάδες που θα συναγωνίζονται για να δημιουργήσουν ΤΓΝ θα αισθάνονται περισσότερη πίεση, με αποτέλεσμα να υποχωρούν σε ζητήματα ασφάλειας, αλλά και συνεργασίας. Κοντολογίς, αν μπορούμε να δημιουργήσουμε μια πιο αρμονική ανθρώπινη κοινωνία η οποία θα χαρακτηρίζεται από τη συνεργασία με σκοπό την επίτευξη των κοινών μας στόχων, τότε θα αυξηθούν και οι πιθανότητες για ευτυχή κατάληξη στην επανάσταση της ΤΝ.

Με άλλα λόγια, αν θέλουμε να βελτιώσουμε το μέλλον της ζωής, πρέπει να βελτιώσουμε το αύριο. Έχουμε τη δύναμη να το κάνουμε με πολλούς τρόπους. Μπορούμε φυσικά να ψηφίζουμε στις εκλογές και να λέμε στους πολιτικούς τις απόψεις μας για την εκπαίδευση, τα ατομικά δικαιώματα, τα θανατηφόρα αυτόνομα όπλα, την ανεργία που επιφέρει η τεχνολογία και άλλα θέματα. Ψηφίζουμε όμως και κάθε μέρα μέσα από αυτά που επιλέγουμε να αγοράζουμε, μέσα από τις ειδήσεις που επιλέγουμε να καταναλώνουμε, από αυτά που επιλέγουμε να μοιραζόμαστε και από τα πρότυπα που επιλέγουμε ν’ ακολουθήσουμε. Θέλετε να γίνετε κάποιος ή κάποια που διακόπτει κάθε συζήτηση για να ελέγξει το κινητό του/της, ή κάποιος που αισθάνεται ενισχυμένος όταν χρησιμοποιεί την τεχνολογία συνειδητά και προγραμματισμένα; Θέλετε να εξουσιάζετε εσείς την τεχνολογία σας, ή να εξουσιάζει εσάς η τεχνολογία; Τι θέλετε να σημαίνει άνθρωπος στην εποχή της ΤΝ; Σας προκαλώ να κουβεντιάσετε όλα αυτά τα ερωτήματα με τους φίλους σας, με τους δικούς σας ανθρώπους – δεν είναι απλώς μια σημαντική συζήτηση, είναι μια συναρπαστική συζήτηση.

Εμείς είμαστε σήμερα οι φύλακες του μέλλοντος της ζωής, εμείς διαμορφώνουμε την εποχή της ΤΝ.. Αισθάνομαι σήμερα ότι τούτο το μέλλον δεν κρύβει τίποτε το αναπόφευκτο, και ότι τελικά είναι πολύ πιο εύκολο απ’ όσο αρχικά πίστευα, εντέλει να κάνεις τη διαφορά. Το μέλλον μας δεν έχει χαραχτεί στην πέτρα ούτε περιμένει να μας συμβεί – είναι δικό μας^. εμείς το δημιουργούμε.

Ας δημιουργήσουμε όλοι μαζί ένα όμορφο μέλλον^. ένα μέλλον που θα μας εμπνεύσει!»

Πηγή

Εν μέσω πανδημίας, οι τεχνολογικές εταιρείες βρήκαν πρόσφορο έδαφος για επέκταση της χρήσης λογισμικών αναγνώρισης συναισθημάτων, σε διάφορους τομείς. Είναι όμως ασφαλής αυτή η εφαρμογή της τεχνητής νοημοσύνης; Οι ειδικοί λένε πως όχι…

Οι τράπεζες δεδομένων τεχνολογικών κολοσσών είναι προ πολλού γεμάτες με στοιχεία από φωτογραφίες και βίντεο ανθρώπων. Αρκεί να λάβει κανείς υπόψη του το πλήθος των αναρτήσεων στα μέσα κοινωνικής δικτύωσης και σε ηλεκτρονικές πλατφόρμες.

Προχωρώντας ένα βήμα πέρα από την χρήση συστημάτων τεχνητής νοημοσύνης (ΑΙ) για την αναγνώριση προσώπου, πλέον προσφέρουν σε ολοένα και περισσότερες εταιρείες, υπηρεσίες και φορείς νέες δυνατότητες, μέσω λογισμικών αναγνώρισης συναισθημάτων.

Σκανάροντας το πρόσωπο -συχνά χωρίς αυτό να είναι εν γνώσει ή με συγκατάθεση του ατόμου- η συγκεκριμένη τεχνολογία, γνωστή ως ERT, μπορεί να καταγράψει εκφράσεις λύπης ή χαράς, έκπληξης ή φόβου, απέχθειας ή θυμού. Ή τέλος πάντων όπως έτσι αυτή τα αναγνωρίζει…

Η τεχνολογία χρησιμοποιείται ήδη από πολλές εταιρείες για να καταγράψουν τις αντιδράσεις των καταναλωτών στα προϊόντα τους. Από διαφημιστικές εταιρείες. Στην πρόληψη προσωπικού. Στα φύλαξη αεροδρομίων και συνόρων. Από υπηρεσίες ασφαλείας και αστυνόμευσης. Ακόμη και για εκπαιδευτικούς ή ιατρικούς λόγους.

«Χρυσές» δουλειές, εν μέσω πανδημίας

«Κατά τη διάρκεια της πανδημίας, οι εταιρείες τεχνολογίας προώθησαν τα λογισμικά αναγνώρισης συναισθημάτων που διαθέτουν για την εξ αποστάσεως παρακολούθηση εργαζομένων, ακόμη και παιδιών», γράφει σε άρθρο της στο Nature  η Κέιτ Κρόφορντ, κύρια αναλύτρια στη Microsoft και συγγραφέας του βιβλίου Atlas of AI (2021).

Μνημονεύει μάλιστα ως παράδειγμα το πρόγραμμα 4 Little Trees, που αναπτύχθηκε στο Χονγκ Κονγκ, για την αξιολόγηση των συναισθήματα μικρών μαθητών, κατά τη διάρκεια της τηλεκπαίδευσης, ένεκα καραντίνας.

Το πρόγραμμα «χαρτογραφεί τα χαρακτηριστικά του προσώπου για να καταχωρήσει κάθε μαθητή σε μια συναισθηματική κατηγορία, όπως ευτυχία, θλίψη, θυμό, αηδία, έκπληξη ή φόβο. Μετρά επίσης το “κίνητρο” και προβλέπει βαθμούς», αναφέρει η Κρόφορντ, η οποία -όπως και πολλοί άλλοι- ζητά να θεσπιστεί άμεσα ρυθμιστικό πλαίσιο για αυτή την ταχύτατα αναπτυσσόμενη αγορά, που μέχρι το 2024 αναμένεται να φτάσει σε αξία τα 56 δισεκατομμύρια δολάρια.

Το πρόγραμμα «χαρτογραφεί τα χαρακτηριστικά του προσώπου για να καταχωρήσει κάθε μαθητή σε μια συναισθηματική κατηγορία, όπως ευτυχία, θλίψη, θυμό, αηδία, έκπληξη ή φόβο. Μετρά επίσης το “κίνητρο” και προβλέπει βαθμούς», αναφέρει η Κρόφορντ, η οποία -όπως και πολλοί άλλοι- ζητά να θεσπιστεί άμεσα ρυθμιστικό πλαίσιο για αυτή την ταχύτατα αναπτυσσόμενη αγορά, που μέχρι το 2024 αναμένεται να φτάσει σε αξία τα 56 δισεκατομμύρια δολάρια.

Διαφωνούν οι ειδικοί

O προβληματισμός στην επιστημονική κοινότητα για το εάν και κατά πόσο η τεχνητή νοημοσύνη (AI) μπορεί πράγματι να ανιχνεύσει και να ερμηνεύσει σωστά τα ανθρώπινα συναισθήματα, περισσεύει.

Μελέτη της Αμερικανικής Ένωσης Ψυχολογίας κατέληξε στο συμπέρασμα ότι δεν υπάρχουν αξιόπιστα στοιχεία για ακριβή πρόβλεψη της συναισθηματικής κατάστασης ενός ατόμου με αυτή τη μέθοδο.

Οι εκφράσεις των συναισθημάτων διαφέρουν άλλωστε, αναλόγως πολιτισμού και κοινωνίας.

«Οι εταιρείες τεχνολογίας μπορεί κάλλιστα να θέτουν ένα ερώτημα που είναι θεμελιωδώς λάθος», τονίζουν χαρακτηριστικά οι συντάκτες της μελέτης.

Επικίνδυνες παγίδες

Υπάρχουν πολλοί τρόποι που η τεχνολογία μπορεί να βλάψει τους ανθρώπους, παρατηρεί η Ντέμπορα Ράτζι, πτυχιούχος πληροφορικής και διακεκριμένη ακτιβίστρια κατά της φυλετικής προκατάληψης της AI.

«O ένας τρόπος είναι το σύστημα να μην λειτουργεί», λέει σε συνέντευξή της στο MIT Technology Review. «Εξαιτίας των υψηλών ποσοστών λάθους σε μη λευκούς, τους θέτει σε κίνδυνο. O δεύτερος τρόπος είναι όταν λειτουργεί ως τέλειο σύστημα αναγνώρισης, που μπορεί εύκολα να εργαλειοποιηθεί κατά ομάδων».

Ήδη, υπάρχει πληθώρα λαθών και παρερμηνειών από συστήματα ΑΙ στην ανάγνωση των εκφράσεων ατόμων της μαύρης φυλής. Τα έχουν καταγράψει έρευνες και αποτυπώσει με σαφήνεια το βραβευμένο ντοκιμαντέρ Coded Bias.

Nομικό πλαίσιο στην Ε.Ε

Με στόχο την επιβολή ρυθμιστικού πλαισίου, αλλά και αξιοποίησης της ΑΙ, η Ευρωπαϊκή Επιτροπή παρουσίασε προ ημερών πρόταση νόμου για την τεχνητή νοημοσύνη, απαγορεύοντας τη χρήση της για «πρακτικές χειραγώγησης», «εθισμού» και «κοινωνικού ελέγχου» και προαναγγέλλοντας αυστηρούς όρους σε όσες πρακτικές χαρακτηρίζονται «υψηλού κινδύνου».

Μεταξύ αυτών, η Επιτροπή συγκαταλέγει την εκπαίδευση, την απασχόληση, βασικές ιδιωτικές και δημόσιες υπηρεσίες (συμπεριλαμβανομένων χρηματοοικονομικών υπηρεσιών), τη διαχείριση της μετανάστευσης και την απονομή δικαιοσύνης.

Σε συνδυασμό, δε, με ένα σχέδιο συντονισμού των κρατών μελών, τον νέο νομικό πλαίσιο -αναφέρει η Ευρωπαϊκή Επιτροπή- θα εγγυάται την ασφάλεια των δεδομένων και τα θεμελιώδη δικαιώματα των πολιτών και των επιχειρήσεων, ενισχύοντας παράλληλα την αποδοχή της ΑΙ, τις επενδύσεις και την καινοτομία σε όλη την Ε.Ε.

Όπως πάντως επεσήμαναν επικριτές της πρότασης, το κείμενο είναι επικίνδυνα ασαφές, δημιουργώντας έτσι πιθανά «παράθυρα» στον νόμο.

«Είναι απαραίτητη μια πιο αυστηρή προσέγγιση, δεδομένου ότι η βιομετρική αναγνώριση από απόσταση, μια εφαρμογή στην οποία η ΑΙ μπορεί να φέρει πρωτοφανείς εξελίξεις, εγκυμονεί εξαιρετικά υψηλούς κινδύνους βαθιάς και αντιδημοκρατικής παρείσφρησης στην ιδιωτική ζωή των πολιτών», ανέφερε χαρακτηριστικά σε σε ανακοίνωσή του ο Ευρωπαϊκός Επόπτης Προστασίας Δεδομένων (EDPS), ψέγοντας την Ευρωπαϊκή Επιτροπή για υπερβολικά χαλαρή στάση.

Μαργαρίτα Βεργολιά – https://www.in.gr/2021/05/08/b-science/technology/mporei-texniti-noimosyni-na-ginei-kathreftis-synaisthimaton/

   Διαβάζει τα πάντα γύρω σου. Πού τελειώνει ο δρόμος, πού βρίσκονται οι λωρίδες, το πεζοδρόμιο, οι πεζοί, τα υπόλοιπα οχήματα. Αντιλαμβάνεται πότε πλησιάζει επικίνδυνα το πίσω αυτοκίνητο και βγάζει ένα μήνυμα που αναβοσβήνει για να το δει ο οδηγός του άλλου αυτοκινήτου: “Πήγαινε πιο σιγά!”. Υπολογίζει αν ο μπροστινός σου λοξοδρομεί επικίνδυνα και κόβει ταχύτητα, για να προλάβει ένα ατύχημα (υπάρχει βίντεο!). Ερμηνεύει ακόμη και τη διάθεσή σου. Με βάση τις εκφράσεις σου (ναι, είναι γεμάτο κάμερες), τον τόνο της φωνής σου και τη θερμοκρασία, καταλαβαίνει αν έχεις στρες και αν ήρθε η ώρα να μπει η οδήγηση στον αυτόματο.

   Αυτό είναι μόνο μία εκδοχή (το Concept-i), για ένα μέλλον χωρίς τροχαία, όπως το φαντάζεται η Toyota. Ναι αλλά πόσο κοντά είμαστε σε αυτό το μέλλον;

 

Μπορούν να μειώσουν τον αριθμό τροχαίων τα αυτόνομα;

   Το 95% των τροχαίων στην Ευρώπη προκαλούνται άμεσα ή έμμεσα από ανθρώπινο λάθος. Οπότε, θεωρητικά, μία καλή ιδέα είναι να αφαιρέσεις τον ανθρώπινο παράγοντα από την εξίσωση. Οι μηχανές υπακούν σε κανόνες πολύ πιο αποτελεσματικά απ’ ότι ο άνθρωπος. Τόσο, που μπορεί να προβλέψουν ένα ατύχημα πριν καν αυτό συμβεί:

   Ο άνθρωπος θα δει την πινακίδα για το όριο ταχύτητας και θα την αγνοήσει. Η μηχανή θα κόψει ταχύτητα, γιατί είναι προγραμματισμένη να το κάνει. Ο άνθρωπος θα αντιδράσει ακόμη και κλάσματα πιο αργά αν είναι αποσυντονισμένος, νυσταγμένος ή κουρασμένος. Οι μηχανές είναι ακούραστες.

Σύμφωνα με τις περισσότερες στατιστικές αναλύσεις, η τεχνολογία αυτόνομων οχημάτων, θα μειώσει τις απώλειες από τροχαία κατά 90%, μέχρι το 2050.

Δεν υπάρχουν 100% ασφαλή αυτόνομα οχήματα.

   Ήδη έχουν γίνει ατυχήματα που δείχνουν ότι η έξυπνη τεχνολογία δεν είναι 100% ασφαλής. Μπορεί μία AI μηχανή να αντιδρά σε κλάσματα δευτερολέπτου σε ένα εμπόδιο, αλλά δεν μπορεί να παρακάμψει τους νόμους της φυσικής – ακόμη.

   Άλλωστε, αρκεί ένα «bug», ένα τεχνικό λάθος – ή, μία πετυχημένη κυβερνοεπίθεση – για να “πέσει” το software μίας μηχανής.

   Μέχρι σήμερα πάντως, τα νούμερα επιβεβαιώνουν ότι ακόμη και στα ατυχήματα που έχουν γίνει με αυτόνομα οχήματα, φταίει κυρίως ο άνθρωπος. Στην Καλιφόρνια, όπου υπάρχουν 53 εταιρίες που τεστάρουν αυτόνομα οχήματα, από το 2014 μέχρι το 2018, έγιναν 37 ατυχήματα. Σε όλα εκτός από 1, έφταιγε ο άνθρωπος.

Θα είναι στους δρόμους μέχρι το 2030!

   Στην αγορά βρίσκονται αυτοκίνητα με χαμηλά επίπεδα αυτοματισμού, δηλαδή με συστήματα υποβοήθησης του οδηγού. Τα οχήματα με μερική ή πλήρη αυτοματοποίηση βρίσκονται ακόμη σε στάδιο δοκιμών.

   Το πόσο γρήγορα θα έρθει τελικά η μέρα που θα πηγαίνεις στη δουλειά με ένα αυτόνομο ταξί, θα εξαρτηθεί από πολλά. Από τις κυβερνήσεις και τις πολιτικές που θα σχεδιάσουν για να ενσωματώσουν τα αυτόνομα στους δρόμους, στις πόλεις και στη νομοθεσία. Από τις εταιρίες τεχνολογίας και τις δοκιμές που θα κάνουν μέχρι να «τελειοποιήσουν» το λογισμικό τους. Και από τις αντιδράσεις που θα υπάρξουν μέχρι τότε.

   Το σίγουρο είναι ότι ο τρόπος με τον οποίο μετακινούμαστε θα αλλάξει. Για μία ακόμη φορά. Σκέψου ότι πριν από περίπου 150 χρόνια, δε θα αντιδρούσες για μία μηχανή που θα αντικαταστήσει τον οδηγό, αλλά για ένα μηχανοκίνητο αυτοκίνητο που θα αντικαθιστούσε μία άμαξα. Και το πρόβλημα τότε δεν ήταν ο αριθμός θανάτων από τροχαία. Αλλά η ασφυκτική κοπριά των αλόγων που έσερναν τις άμαξες. Έγραφαν τότε οι Times για το Λονδίνο: «Μέχρι το 1950 κάθε δρόμος της πόλης θα έχει σκεπαστεί από 3 μέτρα κοπριάς». Από τότε, διανύσαμε μεγάλη απόσταση 🙃

_______________________

Πηγή: hellasdirect.gr

Ο Σαλβαντόρ Νταλί υποδέχεται o ίδιος τους επισκέπτες του στο The Dali Museum στο Σεντ Πίτερσμπεργκ της Φλόριντα από το Σάββατο, 11 Μαΐου- επέτειο της γέννησης του καλλιτέχνη- με τη βοήθεια της τεχνητής νοημοσύνης.

Το «Dali Lives» είχε ανακοινωθεί τον Ιανουάριο και είναι μια πρωτοβουλία προς τιμήν του μεγάλου καλλιτέχνη για τα 115 χρόνια από τη γέννησή του. Η εμπειρία «Dali Lives» αξιοποιεί τεχνολογία machine learning για τη δημιουργία ενός ομοιώματος του Νταλί, με το οποίο οι επισκέπτες μπορούν να αλληλεπιδρούν σε οθόνες ανά το μουσείο.

Όπως είχε πει ο Χανκ Χάιν, εκτελεστικός διευθυντής του μουσείου, ο ίδιος ο Νταλί είχε εκφράσει την ελπίδα πως, μετά τον θάνατό του, οι άνθρωποι θα έλεγαν πως «ο Νταλί πέθανε, αλλά όχι εντελώς». Με την τεχνολογία αυτή, οι επισκέπτες μπορούν να βιώσουν την προσωπικότητα του καλλιτέχνη από κοντά, θαυμάζοντας παράλληλα τα έργα του.

Το μουσείο συνεργάστηκε με την Goodby Silverstein & Partners (GS&P) για να «αναστήσει» τον «άρχοντα» του σουρεαλισμού: Στο πλαίσιο του εγχειρήματος, αξιοποιήθηκαν εκατοντάδες συνεντεύξεις, αποφθέγματα και πλούσιο αρχειακό υλικό, που χρησιμοποιήθηκαν για να «εκπαιδεύσουν» έναν αλγόριθμο Α.Ι. έτσι ώστε να «μάθει» το πρόσωπο του Νταλί. Στη συνέχεια έψαξαν και βρήκαν έναν ηθοποιό με παρόμοια σωματικά χαρακτηριστικά. Ακολούθως, η τεχνητή νοημοσύνη φτιάχνει ένα ομοίωμα του Νταλί που να αντιστοιχεί στο πρόσωπο και τις εκφράσεις του καλλιτέχνη. Για σκοπούς πληροφόρησης και ενημέρωσης των επισκεπτών που αλληλεπιδρούν με το «Dali Lives», το μουσείο χρησιμοποίησε αυθεντικά γραπτά του ίδιου του Νταλί, σε συνδυασμό με πιο μοντέρνα μηνύματα, τα οποία, συνολικά, αναλαμβάνει να «ζωντανέψει» ο ηθοποιός.

Όπως σημειώνει το Popular Mechanics, πρόκειται για μια επίδειξη του επιπέδου στο οποίο έχει φτάσει η τεχνολογία των deepfakes, που επιτρέπει τη ρεαλιστική «εισαγωγή» διασήμων σε βίντεο. Σε συνδυασμό με ηθοποιό που μιμείται τη χαρακτηριστική προφορά του καλλιτέχνη, το τελικό αποτέλεσμα είναι μια ιδιαίτερα εντυπωσιακή διαδραστική εμπειρία, που είναι διαφορετική για τον κάθε επισκέπτη.

Πηγή: naftemporiki.gr

Oι εφαρμογές της τεχνητής νοημοσύνης αυξάνονται εκθετικά και ίσως στο προσεχές μέλλον οι μηχανές να αναπτύξουν και συναισθηματική νοημοσύνη. Ομως οι μηχανές μπορούν να δουν το απείρως μικρό και το απείρως μεγάλο, ενώ ο άνθρωπος το απείρως μεσαίο – αυτό που βρίσκεται ανάμεσα στις γραμμές.

Λατρεύω τον καφέ, τη γεύση, το άρωμα, τη διαδικασία παρασκευής του. Και θεωρώ την εμπειρία του καφέ ολοκληρωμένη όταν ο εξειδικευμένος άνθρωπος που θα τον έχει παρασκευάσει θα μου εξηγήσει πως πέτυχε και σε τι συνίσταται αυτή η ξεχωριστή κάθε φορά αίσθηση. Προβληματίστηκα λοιπόν όταν διάβασα πριν λίγες μέρες σε ένα άρθρο ότι εδώ και μερικούς μήνες λειτουργεί στη Σαγκάη ένα καφέ με το όνομα «Ratio» (αναλογία) όπου ο παρασκευαστής καφέ, αλλά και κοκτέιλ, είναι ένα ρομπότ, για την ακρίβεια o βραχίονας ενός ρομπότ, το οποίο χρησιμοποιώντας πάντα την τέλεια αναλογία υλικών προσφέρει και το επιθυμητό αποτέλεσμα. Ενα ρομπότ-barista. Αλλο ένα επάγγελμα που, αν και πολύ νέο, κινδυνεύει να χαθεί.

Ο προβληματισμός για τη μαζική εξαφάνιση θέσεων εργασίας που θα επιφέρει η κυριαρχία της τεχνητής νοημοσύνης και των ρομπότ είναι πλέον πολύ συχνός στα μέσα μαζικής ενημέρωσης. Διαβάζοντας σχετικά άρθρα αναρωτιέμαι με κάποια αγωνία ποια θα μπορούσε να είναι η εφικτή στροφή στη σταδιοδρομία μου που θα με βγάλει σε επαγγελματικό καταφύγιο από την επέλαση των ρομπότ. Ομως το μέλλον της απασχόλησης δεν είναι τόσο ζοφερό όσο το σχεδιάζει η τάση μας προς την καταστροφολογία. Τουλάχιστον έτσι υποστηρίζει εμφατικά η Ιμνα Μαρτίνεζ (Inma Martinez), αναγνωρισμένη επιστήμονας στον χώρο της τεχνητής νοημοσύνης.

Σε πρόσφατη ομιλία της στο Μέγαρο Μουσικής εξέφρασε την πεποίθηση ότι στο άμεσο μέλλον και αντίθετα με την αντίληψη που κυριαρχεί, το ανθρώπινο δυναμικό θα αποτελεί το σημαντικότερο περιουσιακό στοιχείο μίας επιχείρησης. Η προστιθέμενη αξία θα προέρχεται από τους ανθρώπους και όχι από τις μηχανές (ενδιαφέρουσα ήταν η επισήμανσή της ότι πρέπει να χρησιμοποιείται η λέξη «μηχανή» και όχι «ρομπότ», υποθέτω επειδή η τελευταία συνειρμικά οδηγεί σε υπερεκτίμηση των δυνατοτήτων και κατ’ επέκταση της απειλής). Με παράδειγμα μια κλασσική εικόνα οπτικής ψευδαίσθησης, στην οποία ενώ αρχικά άλλοι διακρίνουν μία πάπια και άλλοι ένα λαγό, στη συνέχεια και εφόσον γίνει γνωστή η εναλλακτική μπορεί κανείς να διακρίνει και τα δύο, τόνισε ότι μία μηχανή αδυνατεί να δει δύο πράγματα ταυτόχρονα, καθώς βασίζεται σε δυαδική λογική (0 ή 1). Για τη μηχανή υπάρχουν δύο επιλογές μόνο, για τον άνθρωπο όχι.

Ο άνθρωπος μπορεί να παρατηρεί από πολλές οπτικές γωνίες και να διακρίνει διαφορετικές εκδοχές και σημασίες ταυτόχρονα. Η ικανότητα να διακρίνει την πολυσημία και τις αποχρώσεις και έτσι να συγκροτεί μία πληρέστερη εικόνα του κόσμου, είναι το ανταγωνιστικό πλεονέκτημά του. Ο εντοπισμός της αιτίας μίας συμπεριφοράς ενός συνεργάτη ή η πρόβλεψη της αντίδρασης ενός πελάτη είναι αποτέλεσμα της ανθρώπινης ικανότητας να διαβάζουμε ανάμεσα στις γραμμές.

Αυτή η ικανότητα δεν διδάσκεται και δεν αναλύεται πάντα σε μετρήσιμα δεδομένα που θα μπορούσαν να ενταχθούν σε κάποιο υπολογιστικό σύστημα. Λέγεται ότι ο Τζόζεφ Κένεντι συνειδητοποίησε την επερχόμενη κρίση του 1929 όταν του μίλησε για το χρηματιστήριο ένας λούστρος. Αναρωτιέμαι αν μία τέτοια παράμετρος θα μπορούσε να κωδικοποιηθεί σε έναν αλγόριθμο. Η αίσθηση ότι «κάτι συμβαίνει» δεν μπορεί πάντα να συγκεκριμενοποιηθεί και να ποσοτικοποιηθεί. Μπορώ να φανταστώ μία αφάνταστα έξυπνη μηχανή αλλά όχι μία οξυδερκή.

Η αλήθεια είναι ότι οι εφαρμογές της τεχνητής νοημοσύνης αυξάνονται εκθετικά και ίσως στο προσεχές μέλλον οι μηχανές να αναπτύξουν και συναισθηματική νοημοσύνη, εγείροντας βέβαια ηθικά ζητήματα για τον ορισμό του τι είναι καλό και κακό, τι σωστό και λάθος.

Υπάρχει ήδη ελληνική start-up εταιρεία που αναπτύσσει σύστημα αναγνώρισης συναισθημάτων ομιλούντος ανθρώπου, ενώ άλλη εταιρεία, επίσης ελληνική, έχει κατασκευάσει βραχιόλι που αναγνωρίζει τη συναισθηματική κατάσταση του ανθρώπου που το φοράει και μεταφέροντας τα δεδομένα σε εφαρμογή του κινητού τηλεφώνου παρέχει τις αντίστοιχες συμβουλές, υποκαθιστώντας τον ψυχοθεραπευτή.

Η λίστα με τα ασφαλή επαγγέλματα μικραίνει συνεχώς. Πιστεύω όμως πως θα εμφανιστούν νέα επαγγέλματα, ή θα γίνουν αντιληπτές οι διαστάσεις των υφιστάμενων στις οποίες η ανθρώπινη συνδρομή θα είναι απαραίτητη για το βέλτιστο αποτέλεσμα. Παραφράζοντας τον Γκοντάρ, θα έλεγα ότι οι μηχανές μπορούν να δουν το απείρως μικρό και το απείρως μεγάλο, αλλά ο άνθρωπος το απείρως μεσαίο. Αυτό που βρίσκεται ανάμεσα στις γραμμές.
_______________________

Πηγή: protagon.gr

Ερευνητές του Πανεπιστημίου Κολούμπια της Νέας Υόρκης δημιούργησαν το πρώτο ρομπότ που είναι ικανό να «φανταστεί» τον εαυτό του, δημιουργώντας εκ του μηδενός μια εικόνα του εαυτού του και μαθαίνοντας από αυτήν να προσαρμόζεται καλύτερα στο περιβάλλον του, Όπως οι άνθρωποι που είναι ικανότατοι στο να φαντάζονται τον εαυτό τους και χάρη σε αυτή την ικανότητα να δημιουργούν διάφορα μελλοντικά σενάρια ή να στοχάζονται το παρελθόν τους.

Πρόκειται για ένα ακόμη βήμα προς τη δημιουργία μηχανών που θα έχουν αυτοσυνείδηση και, κατά συνέπεια, μεγαλύτερη αυτονομία και προσαρμοστικότητα. Την ίδια στιγμή όμως, ορισμένοι -ανατρέχοντας και στη λογοτεχνία επιστημονικής φαντασίας- φοβούνται ότι, με μια τέτοια τεχνολογική εξέλιξη, οι άνθρωποι θα χάσουν σταδιακά τον έλεγχο των μηχανών τους, όπως συνέβη κάποτε στον Φρανκενστάιν με το δημιούργημά του.

Οι ερευνητές, με επικεφαλής τον καθηγητή Hod Lipson του Εργαστηρίου Δημιουργικών Μηχανών του Κολούμπια, έκαναν τη σχετική δημοσίευση στο αμερικανικό περιοδικό ρομποτικής «Science Robotics». Όπως είπε ο Lipson, «μολονότι η ικανότητα του ρομπότ μας να φαντάζεται τον εαυτό του, είναι ακόμη πρωτόγονη σε σύγκριση με τους ανθρώπους, πιστεύουμε ότι βρίσκεται στο σωστό δρόμο για τη αυτεπίγνωση των μηχανών».

Τα ρομπότ προοδεύουν συνεχώς, αλλά δεν έχουν ακόμη μάθει να δημιουργούν μόνα τους εικόνες του εαυτού τους όπως οι άνθρωποι. Το νέο ρομπότ άρχισε να κάνει κάτι τέτοιο μόνο του και μπορεί να χρησιμοποιήσει την αυτο-προσομοίωσή του για να προσαρμόζεται σε νέα περιβάλλοντα και καθήκοντα, καθώς επίσης -έχοντας επίγνωση για τον «εαυτό» του- για να αυτοεπιδιορθώνεται.

«Αν θέλουμε τα ρομπότ να γίνουν ανεξάρτητα και να προσαρμόζονται γρήγορα σε σενάρια που δεν είχαν προβλέψει οι δημιουργοί τους, είναι ζωτικό να μαθαίνουν από την προσομοίωση του εαυτού τους», δήλωσε ο Hod Lipson.

Αρχικά το ρομπότ (με μορφή βραχίονα) δεν ήταν αρκετά ακριβές στο να φαντάζεται τον εαυτό, π.χ. να καταλαβαίνει πώς συνδέονται οι αρθρώσεις του. Όμως, χάρη στη χρήση ενός αλγόριθμου βαθιάς μάθησης, σταδιακά μέσα σε χρονικό διάστημα 35 ωρών βελτίωσε την αυτο-εικόνα του, παράγοντας τελικά ένα μοντέλο του εαυτού του με μικρές αποκλίσεις από την πραγματικότητα.

Στη συνέχεια, χρησιμοποιώντας μόνο την εσωτερική εικόνα του εαυτού του και μην έχοντας καμία ανατροφοδότηση από το εξωτερικό περιβάλλον, κατάφερε να εκτελέσει μια εργασία -να σηκώνει ένα αντικείμενο από το έδαφος και να το τοποθετεί σε ένα δοχείο- με ποσοστό επιτυχίας 44%. «Είναι σαν να προσπαθείς να πιάσεις ένα ποτήρι νερό με τα μάτια σου κλειστά, κάτι δύσκολο ακόμη και για τους ανθρώπους», δήλωσε ο ερευνητής Robert Kwiatkowski.

Όταν οι μηχανικοί σκοπίμως τοποθέτησαν ένα ελαττωματικό εξάρτημα στον ρομποτικό βραχίονα, αυτός με επιτυχία χρησιμοποίησε την αυτο-εικόνα του και εντόπισε το πρόβλημα. Το επόμενο βήμα για τους ερευνητές είναι να μελετήσουν κατά πόσο τα ρομπότ μπορούν να «σκεφτούν» όχι μόνο για το σώμα τους, αλλά για το ίδιο το «μυαλό» τους, δηλαδή να σκεφτούν για τη σκέψη.