Ο Γ. Γιαννακόπουλος στο ΕΡΤNews: Τα συστήματα Τεχνητής Νοημοσύνης δεν έχουν πραγματικά βαθιά γνώση – Η αξιοπιστία τους είναι αμφίβολη

Οι εφαρμογές της τεχνολογίας εκπλήσσουν κάθε μέρα. Ο Γιώργος Γιαννακόπουλος, ερευνητής τεχνητής νοημοσύνης στο Δημόκριτο, ιδρυτής του SciFY, μιας μη κερδοσκοπικής εταιρείας που βοηθάει τη διάχυση αυτής της τεχνολογίας στην κοινωνία και τις επιχειρήσεις, μίλησε για αυτές στην εκπομπή «Prime» του ΕΡΤNews και στον Ηλία Σιακαντάρη.

Δύο χρόνια μετά από την πρεμιέρα της τεχνητής νοημοσύνης, τουλάχιστον στο ευρύ κοινό με το ChatGPT, είχαμε την αίσθηση ότι είχαμε μπροστά μας ένα, Φρανκενστάιν κατά κάποιον τρόπο, ο οποίος στην αρχή ήταν λίγο χαζός, δεν απαντούσε πάρα πολύ καλά, αλλά στη συνέχεια εξελισσόταν ραγδαία.

«Όπως και μαζί έχουμε πει και στο παρελθόν, δεν υπάρχει μια ενιαία τεχνητή νοημοσύνη, η οποία συνολικά έχει αντίληψη του κόσμου και μπορεί να κάνει τα πάντα, όπως ένας άνθρωπος. Δεν υφίσταται και δεν υπάρχει προφανής οδικός χάρτης για να το πετύχουμε ούτως ή άλλως, βάσει της γνώσης μας και όχι βάσει των εκτιμήσεών μας. Κρατήστε το.

Κατά συνέπεια, το εκάστοτε σύστημα όπως το ChatGPT, διαλογικά συστήματα τα λέγαμε πάρα πολλά χρόνια πριν τη δημοφιλία που έχουν κερδίσει σήμερα, έχουν ως σκοπό τους να μας απαντήσουν με αληθοφανή τρόπο.

Άρα αυτά τα συστήματα δεν έχουν πραγματικά βαθιά γνώση, απλώς, όπως λέμε, παπαγαλίζουν πράγματα που έχουν συναντήσει στα δεδομένα πάνω στα οποία στηρίχτηκαν.

Το βασικό σύστημα δεν είναι ότι κάνει μια αναζήτηση, αν δώσουμε μια ερώτηση είναι ότι στηρίζεται στην γνώση, όπως στην στατιστική των λέξεων που έχει συναντήσει και λέει ότι αν ξεκινήσεις μια ερώτηση εσύ, ποια θα ήταν μια πιθανή και αληθοφανής απάντηση;

Αυτό σημαίνει λοιπόν, ότι η αξιοπιστία τέτοιων συστημάτων, είναι αμφίβολη και αυτό μας επηρεάζει σε πάρα πολλά πράγματα και για την εμπιστοσύνη μας απέναντι σε τέτοια συστήματα» εξήγησε ο κ. Γιαννακόπουλος.

«Δεν γνωρίζουμε τις πηγές»

Σχετικά με την αληθοφάνεια των απαντήσεων συστημάτων τεχνητής νοημοσύνης ο ερευνητής αναφέρει: «Συνοπτικά λοιπόν, το επίπεδο εμπιστοσύνης μας σε αυτά τα διαλογικά συστήματα πρέπει να είναι μειωμένα. Πάμε εκεί ξέροντας ότι θα είναι καλή αφορμή για να πάρουμε μια ιδέα, να μάθουμε αβέβαια πράγματα για έναν χώρο.

Δεν γνωρίζουμε ακριβώς τις πηγές, δηλαδή ποια κείμενα ανέλυσαν αυτά τα συστήματα για να δώσουν αυτές τις αληθοφανείς απαντήσεις.

Αυτό σημαίνει ότι το να εστιάσεις στο να συλλέξεις καλά κείμενα και δεν ξέρουμε οι επιχειρήσεις αυτές, ποιες ακριβώς ήταν οι πηγές τους – εσκεμμένα η αθέλητα τους – μπορεί να είναι επιστήμονες οι οποίοι θέλουν να κάνουν πολύ σοβαρά την δουλειά τους, αλλά το γεγονός ότι δεν υπάρχει διασφάλιση και γνώση του ποιες είναι οι πηγές μπορεί να σημαίνει ότι οι απαντήσεις που δίνουν είναι σημαντικά επηρεασμένες από αυτό το bias την μεροληψία των πηγών».

Για το αν μπορούμε μέσω της εντολής που θα του δώσουμε να διασφαλίσουμε ότι οι πηγές που θα χρεισιμοποιήσει είναι πχ μόνο επιστημονικές ο κ. Γιαννακόπουλος απαντά: «Το παράδειγμα της μίμησης θα κάνει το δικό του. Στην πραγματικότητα, αν του πεις θα ‘θελα να ψάξεις, θα σου απαντήσω ότι δεν ψάχνω σε πραγματικό χρόνο, αν είναι έντιμο δηλαδή. Θα δείτε ότι μπαίνουν δικλείδες για να θέσουν πιο ρεαλιστικές προσδοκίες».

«Κάτι που λέω συχνά σε ομιλίες είναι ότι αν θέλαμε να χαρούμε με το ότι κάτι έγινε νοήμον την πρώτη φορά που θα πηγαίναμε σε μια τράπεζα και θα μας έδινε μια εκτίμηση του χρόνου για την εξυπηρέτησή μας, θα πρέπει να είμαστε εξίσου ενθουσιασμένοι.

Συνεπώς, κάνει συναρπαστικά πράγματα και κυρίως στο διαλογικό κομμάτι, είναι συναρπαστικό αυτό που συμβαίνει, αλλά ακριβώς η επιστημονική γνώση μας από πίσω λέει ότι δεν υπάρχει νοημοσύνη όπως την αντιλαμβανόμαστε εμείς.

Είναι απλώς μια στατιστική επανάληψη ρεαλιστικών μοτίβο. Υπό αυτή την έννοια, φανταστείτε ότι όπως ένα σύστημα βάζει σε αλληλουχία λέξεις που μάλλον θα ήταν αληθοφανές να εμφανιστούν μαζί με την ίδια ακριβώς λογική αναγνωρίζει πρότυπα της γλώσσας και τα μιμείται.

Με την ίδια λογική, αυτά τα συστήματα μπορούν να παράξουν όμορφες ή άσχημες εικόνες. Το να του δώσουμε απλώς την εντολή κάν’ το σαν να είσαι πολύ έξυπνος ή χαζός ή ένας επιστήμονας, δεν κάνει το σύστημα επιστήμονα, απλώς επηρεάζει το αποτέλεσμα της απάντησης. Και μπορεί να μοιάζει περισσότερο με αυτή την απάντηση που θα θεωρούσα ότι θα έδινε ένας επιστήμονας.

Τα ίδια τα γλωσσικά μοντέλα, για να μην είμαστε μόνο αρνητικοί, έχουν πολύ ωραίες χρήσεις. Για παράδειγμα, μπορώ να ζητήσω μια συμβουλή σαν να πηγαίνω σε βιβλιογραφία που έχουν γράψει άλλοι άνθρωποι με την ελπίδα να βρω κάτι που θα μου δώσει μια ιδέα.

Μπορεί να είναι μια περίληψη, μπορεί να είναι μια ιδέα μπορεί να βοηθήσει πολύ και σε άλλους τρόπους, σε άλλες διαδικασίες, όπως το να φτιάξω μια πρόχειρη εικόνα για μια αφίσα και πάει λέγοντας» εξηγεί ο κ. Γιαννακόπουλος.

«Με την τεχνητή νοημοσύνη μπορούμε να κάνουμε πράγματα όπως να επισπεύσουμε τον σχεδιασμό νέων φαρμάκων ή εμβολίων»

Αναφορικά με τις εταιρικές εφαρμογές τεχνητής νοημοσύνης ο ερευνητής αναφέρει: «Κατ’ αρχάς στο Δημόκριτο, έχω τη χαρά αυτό τον καιρό να ασχολούμαι με το κομμάτι αυτό της διεπιστημονικής εφαρμογής της τεχνητής νοημοσύνης σε ένα εργαστήριο με το όνομα «INSIEN» από το Intelligent Sience and Engineering.

Τελικά, αυτό που μας επιτρέπει να κάνουμε, η τεχνητή νοημοσύνη είναι, πάλι μαθαίνοντας πρότυπα, να κάνουμε πράγματα όπως να επισπεύσουμε τον σχεδιασμό νέων φαρμάκων ή εμβολίων.

Μας επιτρέπει να σχεδιάσουμε νέα υλικά με ιδιότητες που θέλαμε και δεν μπορούσαμε να πετύχουμε. Μας επιτρέπει να μειώσουμε τα πειράματα που θα κάνουμε για να βγάλουμε ένα συμπέρασμα. Συνεπώς, οριζόντια στον επιστημονικό χώρο είναι πάρα πολύ χρήσιμη και γίνεται πλέον καίριο σημείο συζητήσεων και αντιστάσεων αλλά και αποδοτικότητας.

Στις επιχειρήσεις από την άλλη, επειδή εκπαιδεύουμε συστηματικά στον Κόμβο Ψηφιακής Καινοτομίας «ahedd» στον Δημόκριτο, που είναι το πρόσωπο του Δημόκριτου, προς την παροχή προηγμένης γνώσης σε εταιρείες και οργανισμούς.

Εκπαιδεύουμε λοιπόν στελέχη και εκεί έχει οριζόντια χρήση, μπορεί να βοηθήσει στη λήψη απόφασης με βάση οικονομικά στοιχεία να κάνει προβλέψεις.

Στο Δημόκριτο, στο «ahedd», τον κόμβο Καινοτομίας ηγούμαστε, ενός έργου που είναι ευρωπαϊκό, είναι μια σειρά έργων που ονομάζονται European Digital Innovation Hubs, είναι ευρωπαϊκοί κόμβοι ψηφιακής καινοτομίας.

Ποια είναι η δουλειά τους; Να βοηθήσουν, στη συγκεκριμένη περίπτωση, μικρομεσαίες επιχειρήσεις αλλά και οργανισμούς του Δημοσίου να κάνουν ένα ουσιαστικό ψηφιακό μετασχηματισμό, αξιοποιώντας και τεχνητή νοημοσύνη και άλλες τεχνολογίες αιχμής.

Στην πραγματικότητα αυτό που γίνεται είναι ότι παρέχουμε και τη συμβουλευτική, άρα δεν είναι μόνο το να φτιάξουμε την εφαρμογή. Ο κόμβος καινοτομίας που αναφέρομαι λέγεται Smart Attica».

www.ertnews.gr

Διαβάστε περισσότερα… Read More