Η ραγδαία εξέλιξη της τεχνητής νοημοσύνης έχει αιφνιδιάσει τόσο τους χρήστες του Ιντερνετ όσο και τους ίδιους τους ερευνητές. Οι τελευταίοι, άλλωστε, ανήσυχοι από την ταχύτητα των νέων δεδομένων, ζήτησαν σε ανοιχτή επιστολή τους ένα εξάμηνο μορατόριουμ από τις εταιρείες τεχνολογίας. Η «Κ» απευθύνθηκε στον δρα Γιάννη Βλασσόπουλο, μαθηματικό που εργάζεται πάνω στην κατανόηση της μαθηματικής δομής της γλώσσας, όπως τη μαθαίνουν τα νευρωνικά δίκτυα, για να μας εξηγήσει όσο πιο απλά γίνεται τους μηχανισμούς πίσω από την τεχνητή νοημοσύνη.
Η ιδέα, όπως εξηγεί, έχει γεννηθεί ήδη από τη δεκαετία του ’40 έχοντας ως πρότυπο τους νευρώνες του ανθρώπινου εγκεφάλου. Το ChatGPT αποτελεί το πιο τελειοποιημένο μοντέλο, καθώς περνάει επιτυχώς το τεστ του Αλαν Τούρινγκ, δίνοντας στους συνομιλητές του την ψευδή αίσθηση ότι είναι άνθρωπος. Προσοχή, όμως! «Τη δεδομένη στιγμή κανείς δεν μπορεί να είναι σίγουρος ότι αυτό που θα πει το ChatGPT είναι αληθές».
1. Ποιες είναι οι διαφορές μεταξύ των προηγούμενων συστημάτων και του ChatGPT;
To ChatGPT είναι ένα Τεχνητό Νευρωνικό Δίκτυο (ΤΝΔ) που έχει μάθει να καταλαβαίνει και να παράγει γλώσσα σε επίπεδο συγκρίσιμο με το ανθρώπινο. Παραδοσιακά υπάρχουν δύο σχολές για την τεχνητή νοημοσύνη. Η μία είναι τα ΤΝΔ και η άλλη τα εξειδικευμένα συστήματα (expert systems). Η ιδέα των ΤΝΔ έχει γεννηθεί από τη δεκαετία του ’40 και εμπνέεται από βασικά χαρακτηριστικά των νευρώνων του εγκεφάλου. Τα expert systems είναι φτιαγμένα να ακολουθούν ένα σύνολο κανόνων για να πετύχουν μια συγκεκριμένη δουλειά. Τα νευρωνικά δίκτυα, αντιθέτως, μαθαίνουν από παραδείγματα, όπως κάνουν τα παιδιά που μιλάνε ακούγοντας τους άλλους και όχι βάσει των κανόνων της γραμματικής. Για πολλά χρόνια τα expert systems θεωρούνταν από πολλούς ο σωστός δρόμος προς την τεχνητή νοημοσύνη, αλλά τα νευρωνικά δίκτυα τελικά αποδείχθηκαν πιο αποτελεσματικά. Ο λόγος που άργησαν να φανούν είναι γιατί έπρεπε να περιμένουμε την εξέλιξη του Ιντερνετ για να έχουμε πολλά παραδείγματα/δεδομένα σε ψηφιακή μορφή και την πρόοδο στην ταχύτητα των υπολογιστών.
2. Ποια είναι τα δυνατά και τα αδύνατα σημεία του ChatGPT;
Το ChatGPT είναι αυτό που λέμε chat bot. Μπορεί να χρησιμοποιηθεί για να γράψει κανείς ιστορίες ή ποιήματα. Επίσης, για ανάλυση κειμένου. Εχει εφαρμογές οπουδήποτε χρησιμοποιείται λόγος τελικά. Ωστόσο, τη δεδομένη στιγμή κανείς δεν μπορεί να είναι σίγουρος ότι αυτό που θα πει το ChatGPT είναι αληθές. Πώς μπορεί να βελτιωθεί, ώστε να λέει πάντα αλήθεια, όταν του τη ζητάμε; Αυτό προβληματίζει τους ερευνητές ανά τον κόσμο. Το πρόβλημα είναι ότι κανείς δεν ξέρει πώς ακριβώς αναπαριστώνται οι έννοιες στο νευρωνικό δίκτυο.
3. Σε ποιες άλλες εφαρμογές εμπλέκεται η τεχνητή νοημοσύνη;
Ο δρ Γιάννης Βλασσόπουλος, μαθηματικός, εξηγεί με όσο πιο απλό τρόπο γίνεται τους μηχανισμούς πίσω από την τεχνητή νοημοσύνη.
Η τεχνητή νοημοσύνη υπάρχει σε πολλούς τομείς εκτός της γλώσσας. Οπουδήποτε υπάρχουν πολλά δεδομένα που θέλουμε να κατανοήσουμε ή να μετασχηματίσουμε και να αναπαραγάγουμε, όπως στην παραγωγή εικόνων. Λογισμικά, όπως το midjourney και το stable diffusion, έχουν τη δυνατότητα να παράγουν εικόνες μόνο από μια γενική περιγραφή. Π.χ. «φτιάξε μου έναν ροζ ιπποπόταμο που κάνει σκι, στο στυλ του Σαλβαδόρ Νταλί». Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για παραγωγή μουσικής. Πρόσφατα ένα τραγούδι, όπου η φωνή διάσημων τραγουδιστών είχε κατασκευαστεί με ΑΙ, έγινε επιτυχία στο TikTok. Κατά τη γνώμη μου, πάντως, το ΑΙ δεν θα μπορεί να δημιουργήσει τέχνη καλύτερη ή βαθύτερη ή πιο συγκινητική απ’ ό,τι οι άνθρωποι καλλιτέχνες, γιατί δεν βιώνει το σύνολο της ανθρώπινης εμπειρίας. Το ChatGPT μπορεί επίσης να γράφει κώδικα, οπότε χρησιμοποιείται από τους προγραμματιστές. Αναμένεται, επίσης, το ΑΙ να έχει εφαρμογές στην εύρεση νέων φαρμάκων. Μπορούμε να φανταστούμε ότι τα ΑΙ θα βοηθούν στο μέλλον τους δικηγόρους και τους δικαστές, τους λογιστές και τους εκπαιδευτικούς.
4. Τι πρέπει να γνωρίζει ο χρήστης του ChatGPT;
Το πρόβλημα αξιοπιστίας του. Επικίνδυνες εφαρμογές, δυστυχώς, υπάρχουν. Μία από αυτές είναι η δυνατότητα χρήσης για κατασκευή και διασπορά προπαγάνδας σε μεγάλη κλίμακα. Ακόμη χειρότερα μπορεί κανείς να δημιουργήσει εικόνες ή βίντεο που να δείχνει κάποιο υπαρκτό πρόσωπο, π.χ. τον Μπαράκ Ομπάμα, να κάνει ή να λέει κάτι που δεν έχει κάνει ή πει ποτέ. Υπάρχει σίγουρα ο κίνδυνος να γίνει πιο δύσκολο να ξεχωρίσει κανείς τι είναι αληθινό και τι όχι.
5. Πώς θα μπορούσε ο νομοθέτης να προστατεύσει το κοινωνικό σύνολο από την κακόβουλη χρήση της τεχνητής νοημοσύνης;
Το θέμα της θέσπισης κανόνων είναι πολύ σύνθετο. Πιθανώς το καλύτερο θα ήταν μια συμφωνία σε παγκόσμιο επίπεδο, όπως για τα πυρηνικά ή τα βιολογικά όπλα, αλλά αυτό φαντάζει αδύνατον. Επίσης τίθεται το ερώτημα ποιος έχει πρόσβαση στην τεχνολογία και ποιος την ελέγχει. Ενα άλλο νομικό ζήτημα είναι ποιος έχει την ευθύνη σε περίπτωση που προκληθεί μια καταστροφή ως αποτέλεσμα της συμπεριφοράς ενός ΑΙ.
6. Μπορεί η τεχνητή νοημοσύνη να μας βοηθήσει να καταλάβουμε πώς λειτουργεί ο δικός μας εγκέφαλος;
Ενας από τους πρωτοπόρους των ΤΝΔ, ο Geoffrey Hinton, έχει πει ότι ένας βασικός λόγος που ασχολήθηκε με αυτά είναι για να καταλάβει πώς θα μπορούσε να λειτουργεί ο ανθρώπινος εγκέφαλος. Ο νομπελίστας φυσικός Richard Feynman επίσης έχει πει ότι «όταν δεν μπορώ να κατασκευάσω κάτι, τότε δεν το καταλαβαίνω». Το σύστημα νευρώνων του εγκεφάλου είναι πιο πολύπλοκο από ένα ΤΝΔ, αλλά νομίζω, ναι, είναι πιθανό η βασική αρχή που επιτρέπει στα ΤΝΔ να λειτουργούν να είναι σχετική με κάτι που συμβαίνει και στον ανθρώπινο εγκέφαλο. Μια άλλη σκοπιά από την οποία μπορεί να απαντηθεί το ερώτημα είναι αν η τεχνολογία των ΤΝΔ μπορεί να βοηθήσει να αποκωδικοποιήσουμε τα δεδομένα που παράγει ο εγκέφαλος. Αυτό επίσης γίνεται, για παράδειγμα, στην εταιρεία Neuralink του Ελον Μασκ, στην οποία προσπαθούν να χρησιμοποιήσουν ΤΝΔ για να συνδέσουν τον εγκέφαλο απευθείας με ηλεκτρονικούς υπολογιστές. Αμεσες πιθανές εφαρμογές έχουν να κάνουν με θεραπεία ασθενειών.
