Egger Mielberg: Δεν είναι στην πραγματικότητα όλα τα νευρωνικά δίκτυα που τώρα τοποθετούνται ως τεχνητή νοημοσύνη

Στις μέρες μας, η

τεχν

ητή νοημοσύνη έχει γίνει αναπόσπαστο κομμάτι της καθημερινότητας, διεισδύοντας σε διάφορες πτυχές της κοινωνίας και των επιχειρήσεων. Η τεχνολογία είναι περιζήτητη στην ιατρική, τη χρηματοδότηση, την εκπαίδευση και άλλους τομείς. Ωστόσο, με αυτή την ταχεία ανάπτυξη έρχονται νέες προκλήσεις. Οι προγραμματιστές και οι ερευνητές αντιμετωπίζουν μια σειρά από περίπλοκα προβλήματα που απαιτούν βαθιά κατανόηση και λύσεις – θα μιλήσουμε για αυτό με τον Egger Mielberg, τον ιδρυτή του

Arllecta

.

Η τεχνητή νοημοσύνη έχει γίνει ίσως ένα από τα πιο συζητημένα θέματα αυτές τις μέρες. Πώς θα χαρακτηρίζατε την τεχνητή νοημοσύνη και τα βασικά χαρακτηριστικά της;

Η Τεχνητή

Νοημοσύνη

μπορεί να κατηγοριοποιηθεί ως πεδίο της επιστήμης των υπολογιστών, το μοντέλο επιδιώκει να δημιουργήσει έξυπνες μηχανές ικανές να εκτελούν εργασίες που συνήθως απαιτούν ανθρώπινη νοημοσύνη. Τα βασικά χαρακτηριστικά του περιλαμβάνουν την ικανότητα να μαθαίνει κανείς από δεδομένα, να προσαρμόζεται σε νέες καταστάσεις, να λαμβάνει αποφάσεις, να αναγνωρίζει μοτίβα και γλώσσα, καθώς και την ικανότητα επίλυσης σύνθετων προβλημάτων σε πραγματικό χρόνο. Αυτά τα χαρακτηριστικά επιτρέπουν στην τεχνητή νοημοσύνη να βελτιώνει την απόδοση, να βελτιστοποιεί τους πόρους και να βρίσκει καινοτόμες λύσεις

διάφορους τομείς της ζωής και των επιχειρήσεων. Ωστόσο, θα πρέπει να σημειώσω ότι δεν είναι στην πραγματικότητα όλα τα νευρωνικά δίκτυα που τώρα τοποθετούνται ως τεχνητή νοημοσύνη.

Γιατί; Ποια κριτήρια δεν πληρούν;

Τονίζω δύο βασικά χαρακτηριστικά της αληθινής τεχνητής νοημοσύνης που την κάνουν μοναδική. Το πρώτο είναι η ικανότητα να δημιουργεί τη δική του νέα γνώση και να προσαρμόζεται στις μεταβαλλόμενες συνθήκες στην επικοινωνία με τον άνθρωπο. Η τεχνητή νοημοσύνη πρέπει να κατανοεί και να ανταποκρίνεται στις αλλαγές στον τόνο, την εστίαση και το θέμα μιας συνομιλίας. Το δεύτερο χαρακτηριστικό είναι η ιδιότητα εξαγωγής βασικών ορισμών και γνώσεων από τις αλληλεπιδράσεις των χρηστών που μπορούν να χρησιμοποιηθούν στο μέλλον. Με άλλα λόγια, μπορεί να διαμορφώσει τη δική του εμπειρία. Κατά τη γνώμη μου, στα περισσότερα υπάρχοντα μοντέλα, συμπεριλαμβανομένης της συνομιλίας GPT, αυτά τα χαρακτηριστικά εξακολουθούν να μην γίνονται αντιληπτά και αυτό επιβεβαιώνεται από πολλές μελέτες και τους ίδιους τους προγραμματιστές. Τα νευρωνικά δίκτυα δεν έχουν αληθινή κατανόηση του πλαισίου. Μπορούν να αναλύσουν δεδομένα, αλλά δεν μπορούν να κατανοήσουν πραγματικά το

περιεχόμενο

ή τη συναισθηματική απόχρωση των πληροφοριών, που είναι μια σημαντική πτυχή της ανθρώπινης νοημοσύνης. Αυτός είναι ο λόγος για τον οποίο η ομάδα μου και εγώ εργαζόμαστε ενεργά πάνω στα δικά μας εργαλεία που θα μπορούσαν πραγματικά να δημιουργήσουν τεχνητή νοημοσύνη που μπορεί να ξεπεράσει τους τρέχοντες περιορισμούς.

Τι στόχους έχετε για τον εαυτό σας;

Σκοπεύω να αλλάξω το παράδειγμα της τεχνητής νοημοσύνης και να κινήσω την τεχνολογία προς τη σωστή κατεύθυνση. Στόχος μας είναι να δείξουμε τη διαφορά στην άποψη και την έννοια της τεχνητής νοημοσύνης, προσδιορίζοντας τα χαρακτηριστικά που διαφοροποιούν τη λύση μας. Στόχος μας δεν είναι απλώς να γίνουμε ηγέτες στον κλάδο, αλλά να θέσουμε νέα πρότυπα και κατευθύνσεις ανάπτυξης στον τομέα της τεχνητής νοημοσύνης. Αυτό είναι σημαντικό ώστε η έρευνα και οι προσπάθειες των ανθρώπων να διοχετεύονται προς τη σωστή κατεύθυνση αντί να παρασύρονται προς την άχρηστη εξερεύνηση. Αυτή τη στιγμή δοκιμάζουμε ενεργά τα προγράμματά μας και σχεδιάζουμε να ανοίξουμε την πρόσβαση σε αυτά για τους χρήστες στο εγγύς μέλλον.

Έχετε ήδη δοκιμασμένες εξελίξεις που έχουν δείξει πρακτικά αποτελέσματα;

Φυσικά. Ας ξεκινήσουμε με το γεγονός ότι το 2010 αποφάσισα να αναπτύξω μια μηχανή αναζήτησης συγκρίσιμη με την Google. Το μοντέλο βασίστηκε στη σημασιολογική αναζήτηση – το σύστημα ανέλυσε το ερώτημα του χρήστη, εντόπισε το κύριο πρόβλημα και πρόσφερε σχετικές λύσεις. Αυτή η προσέγγιση ήταν θεμελιωδώς διαφορετική από αυτή των τυπικών μηχανών αναζήτησης, των οποίων οι αλγόριθμοι αναζητούν απλές αντιστοιχίσεις λέξεων και φράσεων. Δοκίμασα το σύστημα μαζί με τους Αμερικανούς συναδέλφους μου και τα αποτελέσματα αυτών των δοκιμών επιβεβαίωσαν την υπεροχή του συστήματός μου έναντι της Google και της Yandex. Μερικοί από τους αλγόριθμους πωλήθηκαν στη Yandex και συνέχισα να εργάζομαι στον τομέα της τεχνητής νοημοσύνης.

Τα τρέχοντα έργα μου σχετίζονται με μαθηματικά μοντέλα στον τομέα του

Internet of Things

και λύσεις για τηλεφωνικά κέντρα. Συγκεκριμένα, ξεκίνησα έναν αλγόριθμο για την παρακολούθηση της δραστηριότητας των εργαζομένων σε μεγάλα εργοστάσια παραγωγής. Το σύστημά μας εντοπίζει την κατάσταση, τη θέση και άλλες παραμέτρους τους και στη συνέχεια αναλύει και προσαρμόζει τις διαδικασίες σε πραγματικό χρόνο, λαμβάνοντας υπόψη τη θέση και την ταχύτητά τους. Έχουμε επίσης αναπτύξει έξυπνα συστήματα για κέντρα επικοινωνίας που επεξεργάζονται αιτήματα πελατών σε επίπεδο νοημάτων, προσπαθώντας να κατανοήσουν την ουσία τους και να λύσουν ζητήματα χωρίς να τα μεταφέρουν σε χειριστή. Καθήκον τους είναι να παρέχουν υψηλού επιπέδου υπηρεσίες χωρίς τη συμμετοχή ανθρώπινου δυναμικού.

Επιπλέον, έχω ένα έργο στον τομέα της ιατρικής.

Μπορείτε να μας πείτε περισσότερα για αυτό;

Έχουμε αναπτύξει ένα μοναδικό μοντέλο που μας επιτρέπει να ανιχνεύουμε σχέσεις που παραμένουν αόρατες όταν χρησιμοποιούμε παραδοσιακές μεθόδους ανάλυσης. Τις αποκαλώ «σημασιολογικές συνδέσεις» – αυτές είναι διασυνδέσεις μεταξύ αντικειμένων διαφορετικής φύσης. Το σύστημά μας είναι ικανό να αποκαλύψει, ας πούμε, μια σύνδεση μεταξύ ενός αεροπλάνου και μιας έκθεσης τέχνης, η οποία μπορεί να μην είναι προφανής σε έναν ερευνητή. Η μοναδικότητα της προσέγγισης έγκειται στην ικανότητά της να αποκαλύπτει κρυφές συνδέσεις σε μικροεπίπεδο – βιοχημικό και μοριακό. Επιτρέψτε μου να εξηγήσω πώς λειτουργεί αυτό: μπορούμε να αναγνωρίσουμε τη συγκεκριμένη πηγή φλεγμονής στο ανθρώπινο σώμα. Για παράδειγμα, οι αλλαγές στο δέρμα μπορεί να σχετίζονται με τη δυσλειτουργία ενός οργάνου που βρίσκεται μακριά από το σημείο της φλεγμονής, προκαλείται άμεσα από την εργασία ενός συγκεκριμένου τμήματος του εγκεφάλου. Η μέθοδός μας μας επιτρέπει να αποκρυπτογραφήσουμε αυτές τις συνδέσεις και να αποκαλύψουμε τις κρυμμένες αιτίες των ασθενειών.

Σε ποιο τομέα της ιατρικής σκοπεύετε να χρησιμοποιήσετε αυτόν τον αλγόριθμο;

Εργαζόμαστε πάνω σε ένα διαγνωστικό μοντέλο που ανιχνεύει την ογκολογία σε πρώιμα στάδια. Δυστυχώς, οι υπάρχουσες διαγνωστικές μέθοδοι δείχνουν μόνο 60% ακρίβεια στην ανίχνευση ορισμένων μορφών καρκίνου. Αυτό το ποσοστό είναι απίστευτα χαμηλό. Επιπλέον, δεδομένου ότι η πλειονότητα των καρκίνων που ανιχνεύονται είναι ήδη στο τρίτο στάδιο και άνω, αυτό σημαίνει ότι οι πιθανότητες πλήρους ίασης είναι εξαιρετικά μικρές. Αυτός είναι ο λόγος για τον οποίο αυτή η νέα προσέγγιση είναι τόσο σημαντική. Η μεθοδολογία μας παρέχει πιο ακριβή αποτελέσματα στη διάγνωση και μας επιτρέπει να ξεκινήσουμε τη θεραπεία όσο το δυνατόν νωρίτερα. Και αυτό είναι ένα βασικό βήμα στην καταπολέμηση αυτής της τρομερής ασθένειας.

Έτσι, βλέπουμε ότι η AI σταδιακά καταλαμβάνει όλο και περισσότερους τομείς της ζωής μας. Ποιες είναι οι προκλήσεις που αντιμετωπίζουν οι ερευνητές και οι προγραμματιστές σε αυτόν τον τομέα;

Μία από τις βασικές προκλήσεις είναι η ανάγκη επεξεργασίας μεγάλων ποσοτήτων δεδομένων. Καθώς η τεχνολογία προχωρά, τα δεδομένα γίνονται όλο και πιο δύσκολα στην ανάλυση, επομένως οι προγραμματιστές πρέπει να εφαρμόσουν αποτελεσματικές μεθόδους συλλογής, αποθήκευσης και ανάλυσης αυτών των δεδομένων για την εξαγωγή πολύτιμων πληροφοριών. Η κυβερνοασφάλεια και το απόρρητο είναι πάντα ένα καυτό θέμα. Καθώς ο όγκος των πληροφοριών που χρησιμοποιούνται για την εκπαίδευση αλγορίθμων αυξάνεται, η πιθανότητα διαρροών και κακής χρήσης αυτών των πληροφοριών αυξάνεται. Και φυσικά, ηθικά ζητήματα είναι στην ημερήσια διάταξη. Η ανάπτυξη της τεχνητής νοημοσύνης πρέπει να λαμβάνει υπόψη τις πιθανές αρνητικές συνέπειες της χρήσης της, όπως οι διακρίσεις, η απώλεια θέσεων εργασίας λόγω αυτοματοποίησης και οι απειλές για την ιδιωτική ζωή. Οι ερευνητές θα πρέπει να εργαστούν για τη δημιουργία τεχνολογιών που ωφελούν την κοινωνία, ελαχιστοποιώντας ταυτόχρονα τους κινδύνους και τις αρνητικές επιπτώσεις. Εν ολίγοις, οι προγραμματιστές και οι ερευνητές αντιμετωπίζουν πολλές προκλήσεις, αλλά ο στόχος τους παραμένει ο ίδιος: να δημιουργήσουν βιώσιμα, ασφαλή και ηθικά συστήματα τεχνητής νοημοσύνης που μπορούν να φέρουν επανάσταση στον κόσμο, βελτιώνοντας τη ζωή μας και την κοινωνία στο σύνολό της.

Πίστωση επιλεγμένης εικόνας:

Steve Johnson/Unsplash