Συνεχίζει να εκπλήσσει τους επιστήμονες η απρόβλεπτη φύση της τεχνητής νοημοσύνης

Οι αλγόριθμοι τεχνητής νοημοσύνης ανακαλύπτουν απροσδόκητες λύσεις για την επίλυση προβλημάτων, οι οποίες εκπλήσσουν τους προγραμματιστές τους. Ωστόσο, πολλοί ανησυχούν για το αν θα μπορούμε να τους ελέγχουμε στο μέλλον.

Οι υπαλλήλοι της Google δούλευαν πολλούς μήνες πάνω σε έναν αλγόριθμο, σχεδιασμένο για να κατευθύνει ένα μη επανδρωμένο αερόστατο από το Πουέρτο Ρίκο έως το Περού. Αλλά κάτι δεν πήγαινε καλά. Το αερόστατο, το οποίο ελεγχόταν από τον αλγόριθμο, συνέχισε να απομακρύνεται από την πορεία του.

Ο Salvatore Candido του πλέον ανενεργού Project Loon της Google, που είχε ως στόχο να φέρει πρόσβαση στο Διαδίκτυο σε απομακρυσμένες περιοχές μέσω των αερόστατων, δεν μπορούσε να εξηγήσει τι πήγε λάθος. Οι συνάδελφοί του τελικά ανέκτησαν τον έλεγχο του συστήματος και επανάφεραν το αερόστατο στην προκαθορισμένη πορεία του.

Αργότερα, οι ερευνητές της Google συνειδητοποίησαν ότι το σύστημα τεχνητής νοημοσύνης (AI) που βρισκόταν πάνω στο αερόστατο, ακολουθούσε μια αρχαία τεχνική πλοήγησης την οποία ανέπτυξε για πρώτη φορά ο άνθρωπος πριν από αιώνες, αν όχι χιλιάδες χρόνια, πριν. Με άλλα λόγια, τα αερόστατα είχαν μάθει να αντιμετωπίζουν μόνα τους τις δυσμενείς καιρικές συνθήκες, γεγονός που εξέπληξε όλους τους ερευνητές.

«Γρήγορα συνειδητοποιήσαμε ότι το σύστημα μας είχε ξεγελάσει όταν το πρώτο αερόστατο ακολούθησε αυτήν την τεχνική σημειώνοντας ρεκόρ χρόνου πτήσης από το Πουέρτο Ρίκο προς το Περού», έγραψε ο Candido σε άρθρο του στο Medium. «Δεν έχω νιώσει ποτέ πιο έξυπνος και πιο χαζός, ταυτόχρονα».

Σε αντίθεση με τα παραδοσιακά προγράμματα υπολογιστών, τα συστήματα ΑΙ έχουν σχεδιαστεί για να διερευνούν και να αναπτύσσουν νέες προσεγγίσεις σε εργασίες για τις οποίες δεν τους έχουν δώσει προκαθορισμένες οδηγίες οι επιστήμονες.

Όμως, καθώς μαθαίνουν πώς να εκτελούν αυτά τα καθήκοντα, τα συστήματα ΑΙ εφαρμόζουν μια προσέγγιση τόσο εφευρετική που εκπλήσσει ακόμη και τους ανθρώπους που εργάζονται συνέχεια με τέτοια συστήματα. Αυτό μπορεί να είναι καλό, αλλά μπορεί και να κάνει τα πράγματα που ελέγχονται από το AI, επικίνδυνα απρόβλεπτα. Για παράδειγμα, τα ρομπότ και τα αυτόνομα αυτοκίνητα θα μπορούσαν να λαμβάνουν αποφάσεις που θα έθεταν τους ανθρώπους σε κίνδυνο.

Πώς είναι δυνατόν για ένα σύστημα AI να «ξεγελάσει» τους ανθρώπους; Μήπως θα έπρεπε να περιορίσουμε το μυαλό των μηχανών με κάποιο τρόπο, για να διασφαλίσουμε ότι δεν θα προκύψει κάποια απρόβλεπτη καταστροφή;

Η στιγμή που πραγματικά ενθουσίασε τους ανθρώπους σχετικά με τις δυνατότητες του AI, λέει ο Mark Riedl από το Ινστιτούτο Τεχνολογίας της Γεωργίας στις ΗΠΑ, ήταν όταν η DeepMind έδειξε πώς ένα σύστημα μηχανικής μάθησης είχε μάθει να παίζει το παιχνίδι Go, και στη συνέχεια κέρδισε έναν από τους καλύτερους παίκτες στον κόσμο.

«Ανακάλυψε νέες στρατηγικές ή τακτικές που κανείς δεν είχε χρησιμοποιήσει πριν, ή τουλάχιστον πολλοί άνθρωποι δεν τις γνώριζαν», εξηγεί ο Riedl. Ορισμένοι όμως επιστήμονες, αναρωτιούνται εάν μια εφευρετική τεχνητή νοημοσύνη θα μπορούσε μια μέρα να θέσει σε σοβαρό κίνδυνο τον άνθρωπο.

«Είναι αστείο να πιστεύουμε ότι θα είμαστε σε θέση να προβλέψουμε ή να διαχειριστούμε την κακή συμπεριφορά των AI όταν δεν μπορούμε καν να φανταστούμε την πιθανή συμπεριφορά τους», έγραψε ο Jonathan Tapson από το Πανεπιστήμιο του Δυτικού Σίδνεϊ μετά την ιστορική νίκη του AlphaGo.

Το σημαντικό πράγμα που πρέπει να θυμάστε, λέει ο Riedl, είναι ότι τα συστήματα AI δεν σκέφτονται σαν τους ανθρώπους. Τα νευρωνικά τους δίκτυα είναι εμπνευσμένα από τους εγκεφάλους των ζώων, αλλά ουσιαστικά είναι «εξερευνητικές συσκευές». Όταν προσπαθούν να κάνουν μια εργασία ή να λύσουν ένα πρόβλημα, δεν έχουν προκαταλήψεις για τον ευρύτερο κόσμο. Απλώς προσπαθούν να βρουν μια λύση.

«Εμείς οι άνθρωποι κουβαλάμε διάφορα μέσα μας, σκεφτόμαστε τους κανόνες», λέει ο Riedl. «Τα συστήματα τεχνητής νοημοσύνης δεν καταλαβαίνουν καν τους κανόνες».

Ένας αλγόριθμος ανακάλυψε ότι, κατά τη διάρκεια ενός παιχνιδιού, μπορεί να πηδήξει από ένα βράχο και να πάρει μαζί του τον αντίπαλό του. Είναι σαν τα άτομα με σύνδρομο savant, προσθέτει ο Riedl, τα οποία έχουν αναπτυξιακές διαταραχές, όπως αυτισμό, αλλά επιδεικνύουν εκπληκτικές ικανότητες στην μουσική, την τέχνη και τα μαθηματικά.

Ένας τρόπος με τον οποίο η τεχνητή νοημοσύνη μπορεί να μας εκπλήξει, είναι η ικανότητά της να αντιμετωπίζει διαφορετικά προβλήματα, χρησιμοποιώντας το ίδιο βασικό σύστημα. Πρόσφατα, ερευνητές ζήτησαν από ένα εργαλείο μηχανικής εκμάθησης σχεδιασμένο να δημιουργεί παραγράφους κειμένου, να εκτελέσει μια πολύ διαφορετική λειτουργία: να παίξει μια παρτίδα σκάκι.

Το εν λόγω σύστημα ονομάζεται GPT-2 και δημιουργήθηκε από την εταιρεία έρευνας και ανάπτυξης OpenAI. Εκπαιδευμένο σε εκατομμύρια διαδικτυακά άρθρα ειδήσεων και ιστοσελίδες, το GPT-2 μπορεί να προβλέψει την επόμενη λέξη σε μια πρόταση με βάση τις προηγούμενες λέξεις. Δεδομένου ότι οι κινήσεις στο σκάκι μπορούν να αναπαρασταθούν με αλφαριθμητικούς χαρακτήρες, ο προγραμματιστής Shawn Presser θεώρησε ότι αν εκπαιδεύσει τον αλγόριθμο σε αρχεία σκακιστικών αγώνων, το εργαλείο θα μπορούσε να μάθει πώς να παίζει, προβλέποντας τις κινήσεις του αντιπάλου του.

Ο Presser εκπαίδευσε το σύστημα σε 2,4 εκατομμύρια παρτίδες σκακιού. «Δεν ήμουν καθόλου σίγουρος ότι ήταν εφικτό. Αλλά το έκανε. Δεν είναι τόσο καλό όσο οι ειδικά σχεδιασμένοι υπολογιστές σκακιού – αλλά είναι σε θέση να παίζει δύσκολες παρτίδες με επιτυχία.

Πηγή:ertnews.gr